办公妙招:每个技术人都面对的-中英混合写作场景如何更高效

针对技术人员在撰写中文技术文档时频繁穿插英文变量、参数、术语等场景,本文提出基于智能中文输入法的高效解决方案:通过配置快捷输入引导符、启用英文补全与历史记忆功能,实现中英文无缝切换与智能候选,显著减少输入法切换和重复键入,提升英文片段输入效率70%以上,适用于需求文档、测试用例、产品手册等典型技术写作场景。

1. 办公妙招:每个技术人都面对的-中英混合写作场景如何更高效

1.1 业务场景

对于广大IT等行业的技术人员,写作包含英文变量名、参数、界面文字等的中文技术文档是家常便饭

  • 软件技术文档
    • 需求说明
    • 产品规格说明书
    • 测试方案
    • 测试用例
    • …
  • 产品手册等
  • 技术笔记
  • …

1.2 用户痛点

  • 反复切换输入法:中文输入法输入英文不顺手,英文输入法输入中文无能为力,写代码又不需要任何输入法功能介入。
  • 体力活拉满:每次英文变量、参数等都要完整的每个字母手工键入。
  • 望梅止渴的无力感:很想像IDE那样,对这些英文字符串有个自动补全功能,但现实的写作软件偏不支持。

1.3 妙招分享

  • 在一种输入法中,将中文输入、英文输入完全搞定
  • 可以配置使用左右Shift分别切换五笔-系统英文,系统英文-英文补全
  • 可以将中文技术文档中的英文输入效率提升70%以上(注:基于本人的业务场景评估)。

1.3.1 基础设置

  1. 将中文输入状态下的快捷输入引导符设置为“;”(默认设置)
    在这里插入图片描述

  2. 确保快捷候选来源中『英文』、『快捷输入历史』两项选中,如下图所示:
    在这里插入图片描述

  3. 确保临时英文设置项中的『首候选为输入原文』设置项为“不显示”,如下图所示:
    在这里插入图片描述

1.3.2 操作说明

  • 文档中已经输入过变量${reset_time},后文再次输入时只需要输入极少前缀即可候选置顶,如下图所示:
    在这里插入图片描述

  • 文档中已经输入过全大写参数名REDUNDANCY_IP_ADDR,后文再次输入时只需要输入极少前缀即可候选置顶,如下图所示:
    在这里插入图片描述

  • 文档中已经输入过单词history,后文再次输入时,仅需要输入首字母即可候选置顶,如下图所示:
    在这里插入图片描述

  • 支持自动记录新词

    • 比如有新词首次输入时并没有单词补全
      在这里插入图片描述

    • 第2次输入时则只需要输入首字母即可候选置顶
      在这里插入图片描述

1.3.3 效果

请添加图片描述


作者声明:本文用于记录和分享作者的学习心得,可能有部分文字或示例来自AI平台,如:豆包、DeepSeek(硅基流动)等,由于本人水平有限,难免存在表达错误,欢迎留言交流和指教!
Copyright © 2022~2026 All rights reserved.

附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[腈纶(acrylic), 棉(cotton), 雪纺(crepe), 牛仔(denim), 皮革(leather), 亚麻(linen), 尼龙(nylon), 丝绸(silk)] · 训练集:254 张 · 验证集:100 张 · 测试集:51 张 · 总计:405 张 该数据集聚焦于高精度纺织品面料材质识别场景,专为服装制造、纺织质检与智能零售等环节中对布料种类的快速准确判别需求而构建,具有明确的工业应用导向与实用价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 71 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.8112** mAP50-95 | 0.8063 Precision | 0.8162 Recall | 0.7480 train/box_loss | 0.1215 train/cls_loss | 0.5972 val/box_loss | 0.1691 val/cls_loss | 1.7964 【训练过程分析】 从一开始,训练过程的曲线图就给我留下了深刻的印象。开始的几轮,loss 值快速下降,模型仿佛找到了自己的节奏,准确率的提升明显。在最初的20轮里,训练曲线像是在说,一切都在按部就班地进行,模型似乎在享受着这个阶段的平滑下降,每一轮都向着最佳值一点点逼近。然而,到了第25轮之后,loss 下降的速度突然... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。
内容概要:本文聚焦于弱电网环境下虚拟同步发电机(VSG)的正负序阻抗建模仿真,系统阐述基于扫频法的频域阻抗建模方法,旨在分析VSG并网系统的稳定性问题。通过Simulink仿真平台完整复现正负序阻抗提取过程,采用小信号扰动技术获取系统频率响应,并结合奈奎斯特稳定性判据评估系统的稳定裕度。文档深入解析了正负序激励的施加方式、动态响应采集与阻抗曲线拟合等关键技术环节,同时涵盖光伏并网逆变器的序阻抗建模与稳定性判断方法,突出阻抗建模在弱电网交互稳定性分析中的核心作用。配套提供详细的仿真模型、参考文献及说明文档,有助于读者深入理解建模原理并实现结果复现。; 适合人群:适用于电气工程、电力电子与电力系统及其自动化等相关专业的研究生、科研人员,以及从事新能源并网逆变器、虚拟同步机技术研发的工程师;要求具备MATLAB/Simulink仿真能力,并熟悉交流系统对称分量法、频域分析及并网控制基本理论。; 使用场景及目标:① 掌握弱电网条件下VSG及光伏逆变器的正负序阻抗建模流程;② 学习运用扫频法进行精确的频域系统辨识与阻抗特性提取;③ 基于阻抗模型开展稳定性分析,支撑高水平科研论文撰写或实际工程项目中的并网兼容性验证。; 阅读建议:建议结合所提供的Simulink模型与参考文献同步研习,重点掌握扫频信号参数设置、正负序解耦机制、频率响应数据处理及奈奎斯特判据的应用细节,注意区分不同控制策略对阻抗特性的影响,确保准确完成建模与稳定性评估全过程。
内容概要:本文聚焦于基于LCL型三相并网逆变器的准比例谐振(准PR)控制策略的仿真设计,重点研究在不平衡电网条件下逆变器的控制性能。利用MATLAB/Simulink搭建完整的系统仿真模型,涵盖主电路结构、LCL滤波器参数设计与优化、谐振峰抑制方法以及控制器建模等关键环节。通过引入准PR控制技术,实现对并网电流的高精度跟踪,有效抑制低次谐波,提升电能质量,并增强系统在电网电压不平衡工况下的稳定性与动态响应能力。文档配套提供详细的说明资料与参考文献,完整呈现从理论分析、控制算法设计到仿真验证的全流程,具有较强的可复现性与工程参考价值。; 适合人群:电气工程、电力电子与电力传动等相关专业的高校研究生、科研人员,以及从事新能源并网逆变器研发的工程技术人才;具备Simulink仿真基础、自动控制理论及电力电子变换器拓扑知识者更佳。; 使用场景及目标:①掌握LCL型三相并网逆变器的建模与参数设计方法;②深入理解准PR控制器在电流环控制中的应用机制及其相较于传统PI控制的优势;③研究电网不平衡条件下的控制对策与系统稳定性问题;④为撰写学术论文、完成课题项目或开发实际并网产品提供可靠的仿真平台与技术支撑。; 阅读建议:建议结合所提供的参考文献与说明文档,逐步运行并调试仿真模型,重点关注控制器参数整定、LCL滤波器谐振抑制策略(如有源阻尼)及正负序分离技术的应用,同时可进一步拓展至多模式切换、故障穿越(如LVRT)及其他先进控制策略(如重复控制、模型预测控制)的对比研究。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值