Stable Diffusion（简称 SD）是一个基于扩散模型的生成式 AI 图像工具，其功能和效果受到多种参数和概念的影响。以下是常见的概念及其作用介绍：

1. CFG（Classifier-Free Guidance Scale）

作用： 控制生成图像时对提示词的依赖程度。

• 低值（如 1-5）： 生成的图像更加自由，可能不完全符合提示词，但更有创意。
• 高值（如 7-15）： 图像严格遵循提示词描述，但可能损失一些自然性或多样性。

建议： 大多数情况下使用 7-12 的范围，可以平衡提示词依赖和图像质量。

2. Sampling（采样方法）

作用： 影响图像生成的风格和速度。常见的采样方法包括：

• DDIM：速度快，生成的图像更加平滑。
• Euler a：适合生成高细节图像，效果受提示词和CFG影响较大。
• DPM++ 系列：新型采样器，兼具质量和效率，推荐使用 DPM++ 2M 或 DPM++ SDE K。
• PLMS：适合简单场景，速度快但细节可能较少。

建议： 初学者可尝试 Euler a 或 DPM++ 系列，调整 CFG 后观察效果。

3. Steps（采样步数）

作用： 控制生成过程中进行的采样次数。

• 低步数（如 10-20）： 生成速度快，但细节较少。
• 高步数（如 50-100）： 生成图像细节丰富，但速度较慢。

建议： 大多数情况下，20-50 步数足够，除非追求极高质量。

4. Prompt（提示词）

作用： 描述希望生成的图像内容，直接影响生成结果。

• 正向提示词（Positive Prompt）： 定义图像主体、风格、细节，如 “a futuristic city at night, neon lights, ultra-realistic, 4k”。
• 反向提示词（Negative Prompt）： 排除不需要的元素，如 “blurry, low quality, deformed, text”.

建议： 多尝试调整提示词的顺序、权重（使用 (word:1.2) 表示权重），以优化结果。

Python bug 修复过程通常包括以下几个步骤。根据项目规模和开发团队的工作方式，具体细节可能有所不同：

1. 问题确认

• 重现问题： 确保能够可靠地重现问题。记录导致问题的输入、环境和行为。
• 分析日志： 检查错误日志或调试输出，找到问题发生的位置和相关信息。
• 确定范围： 确定问题是代码逻辑、依赖库、配置还是环境引起的。

2. 定位问题

• 阅读代码： 找到与问题相关的模块和代码段，理解其逻辑。
• 添加日志或断点： 使用调试工具（如 pdb、PyCharm、VS Code 的调试功能）或增加打印语句，逐步排查代码的运行状态。
• 查阅文档： 确保使用的 Python 标准库或第三方库没有被误用。
• 最小化测试案例： 将问题简化为最小的、可复现的代码片段。

3. 修复问题

• 修改代码： 修正导致问题的代码部分，确保逻辑正确。
• 添加测试： 针对这个问题编写单元测试或集成测试，确保修复后不会再复现。
• 检查潜在影响： 确保修复不会引入新的问题（例如通过影响其他模块）。

4. 验证修复

• 运行测试： 执行所有相关的单元测试和集成测试，验证修复是否成功。
• 手动测试： 在实际环境中测试修复，模拟真实使用场景，确保修复有效。

5. 提交和记录

• 代码审查： 提交修改并请求同事进行代码审查（Code Review）。
• 记录变更： 在版本控制系统（如 Git）中清楚地描述修复内容。
• 更新文档： 如果问题是由于误用功能引起的，需要更新相关文档，避免未来再次发生类似问题。

6. 发布与后续跟踪

• 部署更新： 将修复后的代码部署到测试环境或生产环境。
• 监控： 持续观察问题是否在修复后复现，监控相关指标。
• 反馈收集： 向用户或相关团队确认问题是否已完全解决。

工具推荐

1. 调试工具：
   • pdb：Python 自带的调试工具。
   • 图形化调试器：PyCharm, VS Code。
2. 测试工具：
   • unittest 或 pytest：编写测试用例。
   • tox：测试多种 Python 环境。
3. 代码质量：
   • flake8 或 pylint：检测代码风格问题。
   • mypy：检查类型注解。
4. 日志工具：
   • 使用 logging 模块提高问题分析能力。

通过以上步骤和工具，Python 项目的 bug 修复可以变得更加高效和可靠。

使用 scrapy + playwright 获取知网各省市的所有的期刊信息

通过 playwright

1. 多开标签同时查询多个省市的期刊列表
2. 分析后面每个期刊的详情页面，这个页面不需要 js 就获取 html
3. 点击详情页的投稿获取投稿信息, 分析 xhr 请求，可以用 api
4. 在投稿页面获取补充信息, 分析 xhr 请求，可以用 api

与单独使用 playwright 对比

单独使用的优点

1. 可以加载 js
2. 不需要分析请求内容
3. 不需要解密
4. 不用额外设置防屏蔽，比 selenium 更方便

缺点

1. 加载了大量 js css jpg 内容
2. 要等待时间长
3. 多开性能要求高
4. 容易出错
5. 逻辑处理要求高
6. 保存内容要自己设计

总结

使用 scrapy + playwright 可以更快更稳定更方便