OpenClaw + 离线 Gemma 4：省Token，保隐私

自从 Gemma 4 发布后，“平民版”的方案成为了可能。 之前文章介绍过谷歌 Gemma 4，最大的优点是不挑食——低端设备也能跑，就像一辆加 92 号汽油就能跑的小货车，不用非得喂 98 号油。 而 Gemma 4 就亲民多了，部署成本低，还能把数据锁在自己家里，对智能体应用来说，真的挺香。 不少读者后台问我：能不能用OpenClaw（龙虾）接上离线的 Gemma 4？ 模型跑起来之后，OpenClaw 这边要配置 Gemma 4 大模型。 最简单的验证方式是用图形界面（GUI）或 字符界面 TUI 测一下 Gemma 4 能不能正常跑起来。 由于时间关系，我只是跑通了配置，没做深度性能测试。 一句话总结： 想省钱、保隐私、跑轻量智能体？OpenClaw + 离线Gemma 4 这套组合拳，值得试试。 欢迎关注 亨利笔记， 点赞 | ⭐ 收藏 | ↗️ 转发。欢迎评论区聊聊你的看法。

7-4 括号匹配 (25 分)

本文链接：https://blog.csdn.net/shiliang97/article/details/101472923 7-4 括号匹配 (25 分) 给定一串字符，不超过100个字符，可能包括括号 、数字、字母、标点符号、空格，编程检查这一串字符中的( ) ,[ ],{ }是否匹配。

【从零学习OpenCV 4】直方图匹配

(6.8) 为了更清楚的说明直方图匹配过程，在图4-7中给出了一个直方图匹配示例。 在OpenCV 4中并没有提供直方图匹配的函数，需要自己根据算法实现图像直方图匹配。在代码清单4-9中给出了实现直方图匹配的示例程序。 程序中待匹配的原图是一个图像整体偏暗的图像，目标直方图分配形式来自于一张较为明亮的图像，经过图像直方图匹配操作之后，提高了图像的整体亮度，图像直方图分布也更加均匀，程序中所有的结果在图4-8、图4-9给出 代码清单4-9 myHistMatch.cpp图像直方图匹配 1. #include <opencv2\opencv.hpp> 2. #include <iostream> 3. 4. 图4-8 myHistMatch.cpp程序中匹配图像原图、模板以及匹配后图像 ? ? 图4-9 myHistMatch.cpp程序中给图像的直方图

【从零学习OpenCV 4】图像模板匹配

图4-11 模板匹配示意图 在图4-11中，右侧4×4的图像是模板图像，每个像素中的数字是该像素的灰度值，左侧8×8图像是待匹配图像，模板匹配的流程如下： Step1：在待匹配图像中选取与模板尺寸大小相同的滑动窗口 Step4：比较所有位置的相似性，选择相似性最大的滑动窗口作为备选匹配结果。 OpenCV 4中提供了用于图像模板匹配的函数matchTemplate()，该函数能够实现模板匹配过程中图像与模板相似性的计算，在代码清单4-12中给出了函数原型。 method：模板匹配方法标志，可选择参数及含义在表4-3中给出。 为了了解图像模板匹配相关函数的使用方法，在代码清单4-13中给出了在彩色图像中进行模板匹配的示例程序。

从隐私到隐私计算

进而，明确隐私计算分别与隐私和计算之间的关系，即隐私计算是为了实现个人隐私保护而进行的计算还是在实现了隐私保护的前提下进行的计算？最后，才是隐私计算涉及的技术和方法。 1. 什么是隐私？ 一般地，隐私可以分为身体隐私、行为隐私、身份隐私、名誉隐私、肖像隐私、个人收入隐私和个人经历隐私。 4. 隐私保护的技术 4.1 匿名技术 传统方法，如随机化，数据乱序和数据变换已经能够在一定程度上保护隐私，但数据公开的风险仍然存在。匿名技术是一种保护隐私的技术，它克服了传统方法的局限性。 对于抑制，属性的部分或全部值可以替换为 * ，对于泛化，属性的单个值被表示更广泛范围或类别的值替换，例如，很多网络应用在显示用户手机号时都用”*”来替代了号码中的中间4位。 同时，中国信通院根据数据的生命周期，将隐私计算技术分为数据存储、数据传输、数据计算过程、数据计算结果4个方面，每个方面都涉及不同的技术。

【NGINX入门】4.Nginx location 匹配规则详细解说

param1¶m2匹配 http://website.com/abcd/不匹配，不能匹配正则表达式 http://website.com/abcde不匹配，不能匹配正则表达式 「~*」不区分大小写的正则匹配 param1¶m2匹配 http://website.com/abcd/ 不匹配，不能匹配正则表达式 http://website.com/abcde 不匹配，不能匹配正则表达式 「^~」修饰符 查找的顺序及优先级 当有多条 location 规则时，nginx 有一套比较复杂的规则，优先级如下： 精确匹配 = 前缀匹配 ^~（立刻停止后续的正则搜索） 按文件中顺序的正则匹配 或* 匹配不带任何修饰的前缀匹配 ^~命中以后不会再搜寻正则匹配，所以会第一个命中 案例 4 server { server_name website.com; location /docu { return 4.

【Google Play】Android 应用隐私政策 ( 生成隐私政策 | HTML 隐私政策模板 | Markdown 隐私政策模板 )

文章目录 一、生成隐私政策 二、HTML 隐私政策模板 三、Markdown 隐私政策模板 一、生成隐私政策 ---- 推荐使用 https://toolbox.yolo.blue/#/privacy-policy 工具 , 生成 隐私政策 , 点击下一步 , 根据收集的信息 , 以及添加的第三方 SDK , 再次点击 下一步 , 生成隐私政策 : 二、HTML 隐私政策模板 ---- 可替换文本 : 开发者名称 本《隐私政策》与您所使用的 产品名称 服务息息相关，希望您仔细阅读，在需要时，按照本《隐私政策》的指引，作出您认为适当的选择。

4. ## 4\.

隐私保护之隐私信息检索

【引子】用户的隐私保护涉及多个方面，用户行为的隐私保护更是一个难点。 周末读了一篇论文，https://cacm.acm.org/magazines/2010/4/81501-private-information-retrieval/fulltext，涉及了很多数学上的方法和概念 ，很是费劲，隐私信息检索会过犹不及么？ 那么，如何在用户进行信息检索时保护用户的隐私呢？这或许会涉及到一种名为隐私信息检索的技术。 什么是隐私信息检索？ 【关联阅读】 隐私计算与区块链的融合思考 隐私计算中可信执行环境的一知半解 隐私计算之全同态加密 隐私计算中的联邦学习 从隐私到隐私计算 与代码无关的网络安全 放心用吧！

处理开始匹配停止匹配请求(匹配算法，匹配器的实现)

处理开始匹配/停止匹配请求 实现 handleTestMessage 先从会话中拿到当前玩家的信息 解析客户端发来的请求 判定请求的类型 如果是 startMatch，则把用户加入到匹配队列 如果是 stopMatch，则把用户对象从匹配队列中删除 此处需要实现一个匹配器对象，来处理匹配的实际逻辑 @Override protected void handleTextMessage(WebSocketSession 只要队列里面的元素 (匹配的玩家) 凑成了一对，就把这对玩家取出来，放到一个游戏房间中 当前的匹配实现，比较粗糙，只是简单的搞了三个段位的队列 如果想要匹配的更加精确，就可以多搞几个队列 实现匹配器(1 ，突然连接关闭/断开了，相应的匹配就要停止了 停止匹配逻辑为：matcher.remove(user); 实现匹配器(2) 修改 game.Matcher，实现匹配逻辑 在 Matcher 的构造方法中 matchQueue.offer(player1); return; } // 4.

隐私政策

4 ．易店通如何使用信息 易店通严格遵守法律法规的规定以及与用户的约定，按照本隐私政策与服务协议所述使用收集的信息，以向您提供更为优质的服务。 4 . 1 信息使用规则 易店通会按照如下规则使用收集的信息： 易店通会根据易店通收集的信息向您提供各项功能与服务，包括基本进销存数据存取，商品、客户图片等资源管理，以及数据文件管理备份还原等。 4 . 2 告知变动目的后征得同意的方式 易店通将会在本隐私政策与服务协议所涵盖的用途内使用收集的信息。 7 ．变更 易店通可能会适时对本隐私政策与服务协议进行修订。当隐私政策与服务协议的条款发生变更时易店通会在版本更新时以对话框提示等方式向您提示变更后的隐私政策与服务协议，并向您说明生效日期。 请您仔细阅读变更后的隐私政策与服务协议内容，您继续使用易店通表示您同意易店通按照更新后的隐私政策与服务协议处理您的个人信息。

个人隐私保护之隐私政策解析

隐私政策文件 《隐私政策》依据标准必须要单独的文件，也许在《隐私政策》之前APP已经编写有了《用户服务协议》或者《软件服务协议》等，其中部分内容是涉及隐私条款的，或者是重复的。 但隐私政策还是需要单独成文，部分内容可以使用相互引用的方式，也可以独立编写。 例如微信： ? 当前大多数APP已经有了隐私政策，但是如果隐私政策仅作为其他服务协议的附件是不符合规范要求的。 隐私政策的查阅位置 关于隐私政策必须易于查阅的要求在《指南》中有明确的限定，用户在进入APP后四次点击可以查阅到。比如点击我的——设置——关于——隐私政策就是刚好四次。 还可以“我的——隐私政策”；“我的——关于——隐私政策”。 2.3. 隐私政策的格式 要求隐私政策必须要清晰易于查阅。其实是规定不能字体不能过小，颜色不能太浅，一般使用黑色，字体可以参考宋体、雅黑等。 例如京东和滴滴隐私政策中通过单独的小节说明，可以明显看出系统功能类的隐私收集 ? ?

4维框架+场景匹配实测方法

怎么用这4个维度我一般会给候选服务商打个分，1-5分，加权算总分：IP可用率（权重30%）：99%以上给5分，95%-99%给3分，90%以下给1分协议覆盖（权重15%）：HTTP+HTTPS+SOCKS5 关注这几个数字：IP可用率 ≥ 95%响应时间中位数 ≤ 500msP95响应时间 ≤ 2s403/429/503等异常状态码占比 ≤ 5%第三步：场景实测（半天到一天）模拟真实业务跑4-8小时，这一步主要看持续表现

《SpringMVC7实战》第4招 Annotated Controller怎么匹配请求

反直觉的是：路径匹配不是精确字符串比较，而是AntPathMatcher模式匹配，所以/owners/{ownerId}和/owners/search可能同时存在，但/owners/search会被优先精确匹配 、Consumes、ProducesV1的问题在于路由匹配条件太宽松，导致错误请求也能进入匹配流程，但最终被其他层拒绝。 反直觉判断：405不是注解没生效，而是Method条件不匹配展开代码语言：TXTAI代码解释405=路径匹配成功，Method匹配失败看到405时，不要怀疑@PostMapping没生效，而是检查请求的 RequestMappingInfo里存了Method条件，匹配时逐个比较，不匹配就返回405。如果选错了路由匹配规则，会不会出现线上接口悄悄打到错误方法上的事故？ 合理，但要注意Header匹配是精确匹配，版本号变化时需要新增映射，适合版本间差异大的场景。

正则表达式 - 匹配 IPV4地址

本文链接：https://blog.csdn.net/jxq0816/article/details/102478927 一、IPV4地址格式 IPV4地址的长度为32位(共有2^32个IP地址)，分为 \d{1,2} 下面简单介绍它的组成 2(5[0-5]|[0-4]\d) 匹配：200 ~ 255 [0-1]? \d{1,2} 匹配：0 ~ 199 0 到 255 的式子已经写出来了，那么一共四段再加上中间的点就很容易了 后边“点”和“数字”重复三次就可以了 (\.((2(5[0-5]|[0-4]\d))| \d{1,2})){3} 判断字符串是否是IP地址 ^((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]? \d{1,2})){3}$ hive 正则匹配 select '61.135.152.137' regexp '^((2(5[0-5]|[0-4]\\d))|[0-1]?

三维重建8-立体匹配4

数码相机内的图像处理-基本图像滤波 4. 数码相机内的图像处理-更多图像滤波 早期的这些滤波方案都相对简单，所以后面人们又探索了很多高级的滤波方法，之后我会专门撰文介绍。 三. 接着我们认为满足如下约束的是正确匹配，不满足的则是错误的匹配，这里T一般为1 这个过程如下图所示： 左右一致性检查特别适用于检测平坦区域的匹配错误，以及遮挡区域的匹配错误。 但它也有明显的缺点，那就是需要做两次匹配。本来立体匹配就是复杂度很高的过程，做两次的耗时就更多了。于是就有了下面这种仅单次匹配的方法。 四. 保留代价更小的那个，这里是绿色线，并把红色线对应的匹配设置为错误匹配。 为了进一步提升错误检测的质量，作者指出还可以加入如下的约束，检测出更多的错误。比如下面两种情况的匹配，我们认为是错误的匹配。 这些时候我们都认为是错误的匹配。 只有下面这种情况，才认为是稳定的匹配，即最佳匹配代价明显低于其他视差的代价。

SpringBoot正匹配和负匹配

SpringBoot正匹配和负匹配 在Spring框架的自动配置中，”Positive matches”（正匹配）和”Negative matches”（负匹配）是用于条件化配置的概念。 Positive matches（正匹配）指的是满足条件的情况。当某个条件（使用@ConditionalOn...注解）得到满足时，相应的自动配置将会生效。 Negative matches（负匹配）指的是不满足条件的情况。当某个条件不满足时，相应的自动配置将不会生效。 这些正负匹配的机制用于根据项目的实际情况自动启用或禁用某些配置，以满足特定的需求。 通过正负匹配的机制，Spring Boot可以智能地自动配置应用程序的各个部分，根据项目的依赖和配置情况来进行灵活的自动装配，提供了方便的开发体验和可扩展性。

python 贪婪匹配 非贪婪匹配

贪婪匹配 str_pat = re.compile(r'"(.*)"') text1 = 'Computer says "no."' 非贪婪匹配 str_pat = re.compile(r'"(.*?)"') str_pat.findall(text2) ['no.', 'yes.']

隐私计算介绍

什么是隐私计算 从20世纪70年代一直到近年，隐私计算交叉融合了密码学、人工智能、计算机硬件等众多学科，逐渐形成以多方安全计算、联邦学习、可信执行环境为代表，混淆电路、秘密分享、不经意传输等作为底层密码学技术 隐私计算分类 从技术角度出发，隐私计算是涵盖众多学科的交叉融合技术，目前主流的隐私计算技术主要分为三大方向：第一类是以多方安全计算为代表的基于密码学的隐私计算技术；第二类是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术 ；第三类是以可信执行环境为代表的基于可信硬件的隐私计算技术。 从算法构造来说，常应用同态加密、差分隐私技术以及包括基于秘密分享、不经意传输、混淆电路等密码学原理的各类多方安全计算协议和其它用于保证隐私计算的密码学技术来提升安全性。 另外，与纯软件的密码学隐私保护方案相比，TEE 不会对隐私区域内的算法逻辑语言有可计算性方面的限制，支持更多的算子及复杂算法，上层业务表达性更强。

AR与隐私

因为和现实链接不强，因此也不会让人觉得自己的隐私可能受到威胁。或者说，其实人们还没意识到，这些看起来属于『现实信息』的东西算不算隐私。 很多时候，我们都忽略了网络上的隐私。比如注册帐号时各种用户使用协议以及各种各样的规范。没人会去看的吧，毕竟不同意就没法继续了。 万一你打开AR的时候，正在做一些不可描述的事，而AR正好拉取了这个信息…… 关于隐私，最后扯几个事。 另外，隐私有多大作用？ 智能机诞生初始，黑莓，安卓和iphone之间无法互通短信，那时候，出现了一个软件，kik。 这些『隐私』居然可以直接拉取，在现在看来简直不可思议，然而混沌时期就是这样。 现在，AR也处于这个时期。 ?

tvquan隐私政策

tvquan尊重和保护利用用户的隐私所有的服务。为了向您提供更准确，更人性化的服务，将tvquan使用和披露按照本隐私政策您的个人信息。 但是tvquan将是一个高度的勤勉，审慎义务对待这些信息。 除本隐私政策另有规定外，未经您的许可之前，tvquan信息将不会被披露或向第三方提供。 tvquan更新本隐私政策不时。当您同意tvquan服务协议，您将被视为已同意本隐私政策的全部内容。 本隐私政策属于服务协议tvquan不可分割的一部分。