文章

本文介绍了在使用 Tauri 开发桌面应用时如何正确处理动态窗口创建过程中的重复窗口检测问题，避免因窗口标签重复导致的程序崩溃，并提供了相应的错误处理方案。

本文介绍了 MCP（Model Context Protocol）协议的概念和实现方式，详细讲解了如何使用 Rust 开发一个 MCP 服务，通过实际代码示例展示了 crate 文档查询工具的实现过程，并介绍了在 VS Code 中配置和使用 MCP Server 的方法。

本文深入探讨了使用 Tauri v2 和 Rust 开发非常规窗口应用（如截图工具、悬浮窗、桌面歌词等）的技术细节，包括多窗口管理、系统权限申请（特别是 macOS 的 ScreenRecording 权限）以及权限与窗口的关联配置。

探讨Rust是否适合AI模型推理，对比tch-rs、ONNX Runtime和Candle等主流框架，讨论它们在不同部署场景下的优缺点。

本文深入探讨了如何在 Rust 中实现大语言模型的函数调用功能，通过实际代码示例展示了使用 DashScope API 调用通义千问模型的具体实现过程，包括完整的函数调用流程和关键代码实现。

探讨如何在Rust中使用位掩码（或位标志）进行高效的条件判断，特别适用于需要高性能和低内存占用的多状态标志管理。

探索如何使用JNI（Java本地接口）实现Java/JVM平台语言与Rust之间的交互，包括类型映射和实现细节。

总结从零开始构建手写输入法的整个系列，讨论完整的实现过程、遇到的挑战以及项目中的经验教训。

使用Rust将训练好的手写识别模型部署到WebAssembly，实现在浏览器中的高效客户端识别。

使用Rust Candle实现手写识别模型推理，专注于优化性能和效率以实现实时应用。

详细介绍处理CASIA-HWDB数据集并使用PyTorch训练汉字手写识别模型的过程，包括数据集预处理和模型实现。

介绍从零开始构建汉字手写输入法的准备工作，包括数据集选择和技术路线，使用PyTorch进行训练，Rust Candle进行推理，以及WASM进行部署。