Xbox手柄做遥操作：Robosuite+UR5e 6自由度控制全攻略-北京尧图网络

前阵子我在Robosuite里做机械臂遥操作实验折腾了一圈键盘、鼠标甚至写了个简陋的Web界面最后发现最顺手的输入设备居然是我游戏机上吃灰的Xbox手柄。把Xbox手柄和OSC控制器接上之后UR5e末端在仿真里就像长了眼睛一样指哪打哪六个自由度随便揉。这篇文章我会把整套方案完整拆开为什么Robosuite特别适合做这件事、手柄怎么接怎么读、6-DoF到底怎么映射到按键上、控制频率和增益怎么调以及那些文档里永远查不到的抖动机、方向反、按钮错乱之类的坑。目标就一个——你把文章看完插上手柄就能直接跑起来一套仿真机械臂遥控系统。如果你在做机器人模仿学习的数据采集、想快速验证操作直觉、或者准备把遥操作方案迁移到真机上这篇都值得看完。1. 为什么用Robosuite 手柄做机械臂遥操作1.1 Robosuite到底是什么Robosuite是一个基于MuJoCo物理引擎的机器人操作仿真框架由斯坦福等机构维护定位非常明确面向机器人操作研究尤其是模仿学习和强化学习。它和Gazebo这类通用仿真器最大的区别在于Robosuite把“机械臂操作”里的公共部分提前做好了。UR5e、Panda等真实机械臂的高精度模型Robotiq夹爪相机观测还有一整套控制器包括操作空间控制OSC、关节位置控制、关节速度控制等开箱即用。你不需要自己写逆运动学不需要自己调物理参数也不需要从零搭机械臂的URDF再手动加载。拿Gazebo类比的话它像个通用车床什么都能车但你得自己准备夹具、对刀、写G代码。Robosuite更像一个专门加工机械臂零件的车间设备都摆在台面上你来了直接干活。对于“手柄控制机械臂”这个需求来说Robosuite的OSC控制器是天然的加速器因为你不需要操心底层逆解只需要告诉它“末端往哪个方向走”剩下的关节角度计算控制器全包了。1.2 手柄为什么比键盘鼠标更适合遥操作这个问题我最初也没想明白觉得键盘加鼠标也能控制——键盘控制平移鼠标滚轮控制升降再绑几个键给姿态。实际跑起来才发现键盘这种0/1离散量反馈太差了。你按一下方向键机械臂按照固定步长移动想让它慢速靠近物体没门步长小了你得按十几次步长大了每次都是“跳”过去。手柄摇杆是连续模拟量输出范围从-1到1这个特性太关键了。它可以实现“轻推慢移、推到底快走”的自然映射类似开车踩油门细腻程度完全不是键盘能比的。而且手柄上两个摇杆、两个扳机、四颗按键两只手正好可以同时控制多个通道不需要频繁在键盘和鼠标之间切换。还有一个容易被忽略的优势Xbox手柄是消费级设备随处可得即插即用不需要像3Dconnexion那类专业空间鼠标一样花几千块。对于实验室做原型验证、学生做课程项目来说几十块钱的手柄加上一套开源仿真就能体验工业级遥操作的控制逻辑。1.3 “6-DoF”到底指什么6-DoF也就是Six Degrees of Freedom指的是末端执行器在三维空间中的运动能力包括三个平动自由度和三个转动自由度。平动很好理解沿着X轴、Y轴、Z轴前后左右上下移动。转动稍微绕一点绕X轴转动叫Roll横滚绕Y轴转动叫Pitch俯仰绕Z轴转动叫Yaw偏航。机械臂末端只要这六个自由度都受控理论上就能把抓爪送到工作空间里的任意位置、摆成任意姿态。需要强调一点6-DoF描述的是末端自由度不等于机械臂关节数一定等于6。UR5e是六关节机械臂关节数等于末端自由度属于典型的6自由度构型。而Panda虽然有7个关节属于冗余自由度机械臂但在OSC控制下我们仍然只关心末端6-DoF额外那个关节由控制器自动处理操作者完全不用管。这也是为什么我在Robosuite里选UR5e来演示六轴配六自由度映射关系最直观。2. 环境与硬件准备2.1 软件依赖清单软件依赖极简Python环境下两条命令搞定pip install robosuite pip install pygamerobosuite会自动拉取MuJoCo物理引擎pygame用来读取手柄状态。如果系统里缺OpenCV相关依赖渲染可能报错顺手装一下pip install opencv-python安装完验证一下版本避免后续接口对不上python -c import robosuite; print(robosuite.__version__)建议使用Python 3.8以上版本。实测在Ubuntu 22.04和24.04上跑都没问题Windows 10/11也可以。如果你之前搭过ROS2 Jazzy之类环境不用担心冲突这套方案完全独立运行不需要启动任何ROS主节点。唯一要注意的是遥控操作需要实时看渲染窗口所以必须在有桌面环境的机器上跑。纯无头服务器即使能用离屏渲染你也看不到机械臂运动“遥控”就失去意义了。2.2 Xbox手柄连接与读取Windows下Xbox手柄即插即用系统自带XInput驱动插上USB或者用蓝牙配对Robosuite和pygame直接就能读到。有同学会遇到微软商店安装“Xbox Accessories”应用时报错0x80073cf3这个基本不用管。Xbox手柄的核心驱动是Windows系统自带的那个配件应用只是用来查固件、改映射的辅助工具装不上不影响手柄在游戏和pygame里的使用。Linux下稍微麻烦一丢丢。常见发行版自带xpad内核驱动有线手柄插上就能认。蓝牙连接推荐安装xpadneo驱动体验比内核自带好很多延迟和断连问题明显减少。连接以后先确认设备有没有被系统发现lsusb dmesg | tail -20如果看到Microsoft或Xbox相关设备说明硬件层面已经识别。权限不够读不到手柄时把当前用户加进input组重启或重新登录sudo usermod -aG input $USERmacOS需要安装第三方驱动能用但配置略繁琐新手不建议用Mac做这个实验。真要做优先考虑有线模式。2.3 读取手柄状态的三种姿势Python读取手柄常见有三种方案pygame、inputs、evdev。pygame是最通用的选择跨平台支持好官方文档齐全社区案例多。它把摇杆、扳机、按键都封装成统一接口你在Windows、Linux、macOS上写的代码基本一致对新手最友好。我们的代码也基于pygame。inputs库更轻量直接读/dev/input节点Linux下很好用但Windows支持稍弱接口风格也偏底层。evdev是Linux下最底层的方案能拿到原始事件流适合调试驱动问题或做特殊处理但需要自己解析事件类型和数值没必要在产品代码里直接用。我还想提醒一句网上很多人提到DS4Windows可以连接Xbox手柄这其实是个误区。DS4Windows是为PlayStation系手柄设计的工具虽然有些版本确实能识别Xbox手柄但没必要绕这一层反而可能引入额外的映射和延迟问题。Xbox手柄直接用系统XInput驱动就好最干净。3. 控制方案设计3.1 操作空间控制OSC为什么是首选设计手柄控制方案时第一个要决定的问题是我们给机械臂发什么指令。最直观的方案是关节空间控制直接控制每个关节的角度或角速度。这个方案实现起来很简单手柄摇杆映射到关节推哪个摇杆哪个关节转。但实际操作体验非常糟糕——你想象一下要让机械臂末端水平往右移动心里得先做一遍运动学计算应该转肩关节多少度、肘关节多少度、腕关节多少度。操作者被迫做机器人的大脑毫无直觉可言。操作空间控制OSC走的是另一条路。它接收的是末端执行器的位姿增量控制器内部自动完成逆运动学解算把末端目标位姿转换成各个关节的力矩或位置指令。对操作者来说控制规则就一句话摇杆往哪推末端就往哪走。这本质上是在人和机械臂之间加了一层“意图翻译器”把人从底层运动学里解放出来。Robosuite内置了OSC_POSE控制器配置方式非常简单直接调用load_controller_config加载即可这也是为什么它和手柄是绝配。3.2 手柄按键与自由度映射表6个自由度加上夹爪控制总共需要7个控制通道。我整理了一套经过实测的映射方案手柄通道控制内容说明左摇杆X轴末端沿世界系X轴平移推右末端向右移动左摇杆Y轴末端沿世界系Y轴平移推上末端向前移动注意方向可能需取反LT/RT扳机末端沿Z轴升降左扳机下降右扳机上升右摇杆X轴末端Yaw偏航转动推右末端水平转动右摇杆Y轴末端Pitch俯仰转动推上末端抬头实际方向看基座定义LB/RB肩键末端Roll横滚转动左肩键左倾右肩键右倾A键打开夹爪按下后持续张开B键闭合夹爪按下后持续闭合Start键重置环境回到初始状态Back键退出程序安全退出循环这套映射的关键是把右手从平动中解放出来。左摇杆管X/Y平动两个扳机管Z轴升降右摇杆和肩键管姿态两只手各司其职互不干扰。如果非要用一个摇杆同时管三个平动轴也不是不行比如左摇杆XY平动、按住某个肩键时左摇杆变成Z轴升降但这种“模式切换”设计会增加记忆负担。实际操作中用扳机控制升降是最自然的因为你的食指本来就在那里按下去就是升降不需要额外思考。3.3 死区、滤波、增量计算的细节手柄摇杆看起来是模拟量实际上长时间使用会出现零位漂移就是手明明没推摇杆输出值却不是零。如果把原始值直接传给机器人机械臂会自己慢慢飘看着非常瘆人。解决方法叫“死区”。在代码里设定一个阈值比如0.1摇杆输出绝对值小于这个阈值时就按0处理。这样既屏蔽了硬件漂移也让机械臂在摇杆回中时真正静止。死区处理后还需要做低通滤波。Xbox手柄摇杆的实时数值会有微小抖动直接使用会让机械臂末端产生高频颤动。我用一阶低通滤波处理value alpha * raw (1 - alpha) * last_valuealpha取0.3左右。数值越大响应越快但越抖越小越平滑但会有迟滞感。平动通道可以稍微激进一点姿态通道建议保守一些因为旋转方向的抖动视觉上格外明显。最后是增量计算。OSC控制器接收的是末端位姿增量不是速度。所以我们每个控制周期要把期望速度乘以控制周期delta speed * dt我的控制频率设20Hz周期dt是0.05秒。平动速度0.3m/s那么每步只走0.015米约1.5厘米。这个量级既能快速移动也足够精细地靠近目标。旋转速度0.8rad/s每步约0.04rad也就是2.3度左右手感比较细腻。4. 实操完整代码跑通6-DoF遥控4.1 代码结构说明整个程序分四块手柄初始化、仿真环境初始化、轴值处理和主循环。手柄初始化负责启动pygame、检测设备、拿到Joystick对象。仿真环境初始化加载UR5e机械臂、配置OSC_POSE控制器、设置渲染窗口。轴值处理部分包含死区、滤波、映射把摇杆数值变成6自由度增量。主循环读手柄、算动作、调用env.step推进仿真。代码里用的Xbox手柄通道索引是基于常见XInput映射。左摇杆是axis 0和1右摇杆是axis 3和4LT是axis 2RT是axis 5。但这个索引在个别驱动下可能不同如果发现按钮错乱先跑一遍调试脚本把各通道当前值打印出来再回来改索引后面我会给出调试方法。4.2 完整代码import time import numpy as np import pygame import robosuite as suite from robosuite.controllers import load_controller_config # ---------- 手柄初始化 ---------- pygame.init() pygame.joystick.init() if pygame.joystick.get_count() 1: raise RuntimeError(没有检测到Xbox手柄请检查连接和驱动程序) joy pygame.joystick.Joystick(0) joy.init() print(f已检测到手柄: {joy.get_name()}) # ---------- 仿真环境初始化 ---------- controller_config load_controller_config(default_controllerOSC_POSE) env suite.make( env_nameLift, robotsUR5e, controller_configscontroller_config, has_rendererTrue, has_offscreen_rendererFalse, use_camera_obsFalse, horizon100000, ignore_doneTrue, control_freq20, ) env.reset() # ---------- 控制参数 ---------- LIN_VEL 0.3 # 平动速度 m/s ANG_VEL 0.8 # 转动速度 rad/s DT 0.05 # 控制周期 s ALPHA 0.3 # 低通滤波系数 DEADZONE 0.1 # 摇杆死区 # 用于滤波的上一帧值 smooth_values np.zeros(6) # 夹爪状态-1张开1闭合 gripper_target -1 def apply_deadzone(value): 死区处理绝对值小于阈值的摇杆量按0处理 if abs(value) DEADZONE: return 0.0 if value 0: return (value - DEADZONE) / (1 - DEADZONE) else: return (value DEADZONE) / (1 - DEADZONE) def normalize_trigger(value): 把扳机值从[-1,1]归一化到[0,1]区间 return max(0.0, min(1.0, (value 1.0) / 2.0)) # ---------- 主控制循环 ---------- running True while running: pygame.event.pump() # 按键事件处理边沿触发 for event in pygame.event.get(): if event.type pygame.QUIT: running False elif event.type pygame.JOYBUTTONDOWN: if event.button 0: # A键 gripper_target -1 elif event.button 1: # B键 gripper_target 1 elif event.button 6: # Back键 running False elif event.button 7: # Start键 env.reset() gripper_target -1 # 逐帧读取摇杆值注意各驱动下轴索引可能有差异 axes [joy.get_axis(i) for i in range(joy.get_numaxes())] lx apply_deadzone(axes[0]) # 左摇杆X ly apply_deadzone(axes[1]) # 左摇杆Y lt normalize_trigger(axes[2]) # 左扳机 rx apply_deadzone(axes[3]) # 右摇杆X ry apply_deadzone(axes[4]) # 右摇杆Y rt normalize_trigger(axes[5]) # 右扳机 buttons [joy.get_button(i) for i in range(joy.get_numaxes())] lb 1.0 if joy.get_button(4) else 0.0 # LB肩键 rb 1.0 if joy.get_button(5) else 0.0 # RB肩键 # 计算6自由度增量 dx lx * LIN_VEL * DT dy -ly * LIN_VEL * DT # Y轴方向与摇杆上下相反需要取反 dz (rt - lt) * LIN_VEL * DT droll (rb - lb) * ANG_VEL * DT dpitch -ry * ANG_VEL * DT dyaw rx * ANG_VEL * DT raw_6d np.array([dx, dy, dz, droll, dpitch, dyaw]) # 低通滤波 smooth_values ALPHA * raw_6d (1 - ALPHA) * smooth_values # 组装OSC动作向量 action np.zeros(7) action[:3] smooth_values[:3] action[3:6] smooth_values[3:6] action[6] gripper_target env.step(action) env.render() # 稍微限速避免渲染窗口跟丢 time.sleep(0.005) pygame.quit()需要说明一下代码中dx、dy、dz是世界坐标系下的平移增量droll、dpitch、dyaw是旋转增量。OSC_POSE控制器内部按旋转向量处理姿态增量小角度下直接把三个轴向的增量拼在一起用完全没问题因为每步只有零点零几弧度欧拉角和旋转向量的差异微乎其微。4.3 启动与调试流程第一次跑不要急着控制机械臂先做两步基本确认。第一步把手柄插上运行下面这段脚本逐个拨动摇杆、按键观察打印值是否对应import pygame pygame.init() pygame.joystick.init() joy pygame.joystick.Joystick(0) joy.init() while True: pygame.event.pump() print(axes:, [round(joy.get_axis(i), 2) for i in range(joy.get_numaxes())]) print(buttons:, [joy.get_button(i) for i in range(joy.get_numbuttons())]) time.sleep(0.1)正常情况左摇杆对应axis 0和1右摇杆对应axis 3和4LT/RT分别对应axis 2和5。如果发现左右摇杆索引反了或者扳机在按钮列表里说明当前驱动下的通道映射和我们代码里的假设不同需要修改主程序里的索引。第二步跑主程序机械臂会出现在Lift场景中。先不要操作观察机械臂是否静止。如果静止但看到末端缓慢漂移把死区调大。然后分别小幅度拨动每个通道确认运动方向。比如左摇杆向右推末端应该向右移动如果反了在对应通道前面加负号。全部通道确认无误后再开始正式操作。建议初始速度参数用小一点LIN_VEL0.2、ANG_VEL0.5等手感和方向都对上了再慢慢增大。5. 常见问题与排查实录5.1 机械臂抖动或漂移问题这是最常遇到的问题具体表现为机械臂末端以肉眼可见的高频小幅度颤动或者朝某个方向缓慢偏移。先说抖动。高频颤动通常是增益过高或者滤波不足。OSC控制器内部有比例增益默认参数在静态场景下一般表现稳定但如果你的控制器配置改过或者环境比较复杂增益过大会让机械臂“过度反应”轻微误差被放大成抖动。解决方向有两个第一检查控制器配置里的kp值适当降低第二把滤波系数alpha调小让动作更平滑。再说漂移。如果机械臂在没有操作时慢慢朝固定方向移动大概率是摇杆零位漂移。Xbox手柄用久了摇杆弹簧疲劳回中位置不再是绝对零。处理方式有两种一是在代码里把死区从0.1调到0.15甚至0.2直接忽略微小偏移二是在程序启动时采样几秒钟摇杆“零位”把采样平均值作为基准后续读取值减去这个基准。第二种更精确但代码量多一点。还有一个隐蔽原因手柄连接不稳定导致某个轴偶尔跳出非零值触发单步大增量。这种情况比较难直接定位建议打开调试打印观察不操作时各轴的原始值和滤波输出。如果看到突发尖峰优先检查蓝牙连接质量换USB线测试。5.2 方向反了或轴不响应方向反了这个坑几乎每个做遥控的人都会遇到一次根源在于坐标系定义。Robosuite里UR5e的基座默认朝向是固定的世界坐标系的X、Y轴方向和你的视角不一定一致。你希望“向右推左摇杆末端向右移动”但这里的“右”是相对谁的右如果相对观察屏幕那要看你站在哪个角度。最简单的方法是不跟视角较劲直接以世界坐标系为准推摇杆看到末端实际往哪走然后调整映射符号。代码里我针对UR5e的默认朝向左摇杆Y轴加了负号实际U型/Lift场景中可能需要微调。轴不响应是另一个问题。排除硬件问题后大概率是控制通道对不上。比如你推右摇杆想控制Yaw动的是Roll那就是轴索引和旋转顺序没对上。OSC_POSE的动作向量顺序是dx, dy, dz, droll, dpitch, dyaw千万别把旋转向量的三个分量顺序搞混。可以先用一个简单测试把其他通道设为0只给某一个通道设固定小增量看机械臂末端往哪转逐个确认。夹爪不动同样常见。检查动作向量最后一维是否在[-1,1]范围内且确保环境里加载了夹爪。UR5e在Robosuite中默认配Robotiq夹爪但不排除某些环境配置里把gripper_types设置成了None。如果用的是自定义环境确认一下机器人模型带不带夹爪。5.3 手柄连接异常和映射错乱蓝牙连接是手柄问题重灾区。肩键、扳机延迟高摇杆偶尔跳值甚至干脆连不上。我用下来的结论是仿真实验优先用USB有线稳定性碾压蓝牙。如果必须无线优先考虑Xbox官方无线接收器协议比蓝牙稳定。真要蓝牙的话Linux下务必装xpadneo驱动默认xpad蓝牙支持太粗糙。Windows下手柄没被识别最常见原因是系统更新后驱动状态异常。去设备管理器找到Xbox手柄设备右键卸载设备然后重新扫描硬件系统会自动重装驱动。前面提到的0x80073cf3错误不用管确定手柄能用主要看设备管理器里是否正常显示而不是Xbox配件应用。映射错乱还有一个容易忽略的原因多个手柄同时连接过pygame每次都取第一个设备。如果有线、蓝牙接收器并存Joystick(0)可能不是你想用的那个。在初始化时打印所有设备名称确认joy.get_name()输出是Xbox Wireless Controller而不是别的。5.4 与真机和ROS2部署的衔接问题Robosuite里跑通以后很多人会想往真机迁移。这里要泼一点冷水仿真里的OSC控制器动作是理想化的末端位姿增量真机控制器往往在阻抗模式或速度模式下工作API和参数都有差异但控制逻辑完全一致——都是给末端速度或增量指令由底层控制器负责关节逆解。迁移时最需要注意的是安全限位。Robosuite里你把机械臂推到极限关节它只会被物理约束挡住顶多画面卡一下。真机上如果控制器没有软限位轻则报警停转重则撞坏末端工具。建议在仿真阶段就养成好习惯在代码里增加笛卡尔空间边界限制把末端约束在一个安全长方体区域内真机上同样的逻辑直接生效。和ROS2结合也是常见操作。Robosuite本身不依赖ROS但你可以在主循环里把动作向量和当前末端位姿发布成ROS2话题用rclpy写一个发布节点后续接轨迹规划、手眼标定或者组播到多个工作节点。注意别在高频控制循环里做太多事件循环调度尽量只发布数据复杂逻辑交给其他节点。6. 几个能直接落地的扩展玩法6.1 用遥控采集演示数据喂给模仿学习手柄遥操作最有价值的应用场景之一就是数据采集。在模仿学习中专家演示数据是训练模型的燃料而手柄遥控是目前采集机器人演示轨迹最自然的方式。操作者用手柄把机械臂从初始位置移动到目标上方抓取物体再搬到目标区域整个过程记录状态和动作序列保存成数据集。Robosuite官方工具链和robomimic等模仿学习库的格式比较兼容env.step(action)前的状态和动作可以直接落盘。我自己实测下来手柄遥控比脚本自动生成轨迹采集的数据质量高很多因为人的操作包含了大量隐式决策——比如抓取前先对准、搬运过程中保持稳定这些对学习算法理解任务非常关键。6.2 把遥控轨迹作为轨迹规划参考线手动操作另一个实用方向是“演示后精修”。先用遥控走一遍完整流程记录关键路径点然后交给轨迹规划算法做平滑、插值、时间优化。这比纯数学规划简单很多因为人的示教轨迹天然避开了大部分奇异位形和碰撞区域。你可以把路径点提取出来用样条插值加密再配合规划器做碰撞检测和速度约束。尤其在做双臂协同或者带约束任务时先遥控拖一遍再让算法优化能省掉大量调参时间。Robosuite的OSC控制器本身带插值记录的轨迹连续性已经不错离线阶段再做一层平滑效果更好。6.3 换机械臂、换手柄的适配路径这套方案不只适用于UR5e。Robosuite里换成Panda只需要改robotsPanda其他代码不用动因为OSC控制器接口统一。换成真实机械臂的话需要写一层驱动适配但核心思路不变读手柄、算增量、交给控制器。如果你的项目里是总线舵机或者3D打印DIY机械臂自由度可能只有5个或者4个也完全可以照搬这个框架。少一个自由度就把对应动作通道置零多一个自由度反而要仔细考虑它在末端控制中扮演什么角色——是调节工具角度还是扩展工作空间。手柄映射表也要相应调整有些DIY机械臂没有姿态控制需求那右摇杆可以空出来做其他功能比如手动标定、调整控制增益。我个人在实际操作中的体会是手柄遥控这套东西代码本身不复杂真正花时间的是手感和映射设计。同样一套映射有人上来就能流畅抓取有人总觉得机械臂“不听使唤”。差别往往在于坐标系方向有没有校准、死区和滤波数值合不合适、速度档位切换有没有做。最后再分享一个小技巧在主循环里加一个速度档位切换按X键在低速和高速之间切换。低速档用于精细对准高速档用于长距离移动实测下来操作效率能提升一半。这个功能在代码里实现起来很简单加个倍率变量就行但对使用体验的提升非常明显。

Xbox手柄做遥操作：Robosuite+UR5e 6自由度控制全攻略

相关推荐

企业级AI应用底座QuickBlue：基于JDK 21与Spring Cloud的微服务架构设计与落地实践

PSINS中IMU误差模型建模：从参数设置到Allan方差标定的完整指南

claude-mem 记忆持久化实战：架构、调优与避坑指南

更多资讯

Android显示链路全解析：从应用到屏幕的六层结构与跨层排查实战

RISC-V裸机启动全流程：从复位向量到main函数的深度解析

Altium Designer中PCB等长线设置与调整实战：从规则到蛇形绕线

前端工程师收藏！2026年大模型风口，用TaoToken统一Key打通AI Agent进阶与转型生存指南

VSCode 配置 Codex 接 DeepSeek 的 API 服务：TaoToken 统一 Key 通道实操

毕业论文文献综述由简单罗列转变为研究缺口推导的写作方法

今日更新

基于sEMG与IMU的手语手势识别：从数据采集到实时部署避坑指南

装配车间MES落地指南：SimpleMES工单流转、BOM与齐套检查实战

AI获客怎样减少重复线索？意客AI的原文复用与版本筛选

本周精选

CMOS设计三大物理效应：体效应、沟道长度调制与亚阈值导电

微信小程序在线阅读毕设全解析：Java后端+MySQL+避坑实战

Android音频问题五层分析法：从App到Codec的系统化诊断

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？