整合營銷服務商
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
、在exl中編輯好你想要的表格形式，復制有內容的表格到dw右側，如圖：
2、將途中寬度去除，選中一個寬度，按Ctrl+F,點擊“替換全部”。如圖：
3、途中選中部分換成表格的表頭代碼：
表頭代碼：<table align="center" border="1" cellpadding="0" cellspacing="1" class="biaoge" style="text-align:center" width="100%">
<tbody>
4、將表格標題中的td和/td改成th和/th。如圖：
5、選中右側表格中有鏈接的表格，選擇上方窗口中的屬性面板，在html狀態下，目標選擇”_blank”。
6、左側代碼就是匯總表格的代碼，復制到后臺內容頁的源碼狀態下即可。
ypora 是一款支持實時預覽的 Markdown 文本編輯器。它有 OS X、Windows、Linux 三個平臺的版本，目前完全免費。
https://typora.io/#
Markdown是一種輕量級標記語言，創始人為約翰·格魯伯（英語：John Gruber）。 它允許人們使用易讀易寫的純文本格式編寫文檔，然后轉換成有效的XHTML（或者HTML）文檔。這種語言吸收了很多在電子郵件中已有的純文本標記的特性。
由于Markdown的輕量化、易讀易寫特性，并且對于圖片，圖表、數學式都有支持，目前許多網站都廣泛使用Markdown來撰寫幫助文檔或是用于論壇上發表消息。 如GitHub、Reddit、Diaspora、Stack Exchange、OpenStreetMap 、SourceForge、簡書等，甚至還能被使用來撰寫電子書。
在使用Dreamweaver編寫網頁時，遇到需要插入代碼塊、流程圖、數學公式時，總是顯得很無力，效率很低，效果不好，使用Typora會讓這些問題迎刃而解，且輕便，簡單。
直接看一個demo：
導出為html:
html網頁源代碼：
其可以導出的格式有：
流程圖樣式包括：
1、標準流程圖源碼格式（橫向）：
```flow
st=>start: 開始框
op=>operation: 處理框
cond=>condition: 判斷框(是或否?)
sub1=>subroutine: 子流程
io=>inputoutput: 輸入輸出框
e=>end: 結束框
st(right)->op(right)->cond
cond(yes)->io(bottom)->e
cond(no)->sub1(right)->op
```2 mermaid語言庫繪流程圖
Mermaid 是一個用于畫流程圖、狀態圖、時序圖、甘特圖的庫，使用 JS 進行本地渲染，廣泛集成于許多 Markdown 編輯器中。
Mermaid 作為一個使用 JS 渲染的庫，生成的不是一個“圖片”，而是一段 HTML 代碼，因此安全許多。
官網：https://mermaidjs.github.io/
Github 項目地址：https://github.com/knsv/mermaid
2.1 橫向流程圖源碼格式：
graph LR
A[方形] -->B(圓角)
B --> C{條件a}
C -->|a=1| D[結果1]
C -->|a=2| E[結果2]2.2 豎向流程圖源碼格式：
sequenceDiagram
Title: 標題：復雜使用
對象A->對象B: 對象B你好嗎?（請求）
Note right of 對象B: 對象B的描述
Note left of 對象A: 對象A的描述(提示)
對象B-->對象A: 我很好(響應)
對象B->小三: 你好嗎
小三-->>對象A: 對象B找我了
對象A->對象B: 你真的好嗎？
Note over 小三,對象B: 我們是朋友
participant C
Note right of C: 沒人陪我玩2.3 時序圖源碼復雜樣例
gantt
dateFormat YYYY-MM-DD
title 軟件開發甘特圖
section 設計
需求 :done, des1, 2014-01-06,2014-01-08
原型 :active, des2, 2014-01-09, 3d
UI設計 : des3, after des2, 5d
未來任務 : des4, after des3, 5d
section 開發
學習準備理解需求 :crit, done, 2014-01-06,24h
設計框架 :crit, done, after des2, 2d
開發 :crit, active, 3d
未來任務 :crit, 5d
耍 :2d
section 測試
功能測試 :active, a1, after des3, 3d
壓力測試 :after a1 , 20h
測試報告 : 48h2.4 甘特圖樣例：
gantt
dateFormat YYYY-MM-DD
title 軟件開發甘特圖
section 設計
需求 :done, des1, 2014-01-06,2014-01-08
原型 :active, des2, 2014-01-09, 3d
UI設計 : des3, after des2, 5d
未來任務 : des4, after des3, 5d
section 開發
學習準備理解需求 :crit, done, 2014-01-06,24h
設計框架 :crit, done, after des2, 2d
開發 :crit, active, 3d
未來任務 :crit, 5d
耍 :2d
section 測試
功能測試 :active, a1, after des3, 3d
壓力測試 :after a1 , 20h
測試報告 : 48h教程：
Markdown 高級技巧 | 菜鳥教程（使用 Typora 編輯器講解 Markdown 的語法）
https://www.runoob.com/markdown/md-advance.html
ref
1 Typora 完全使用詳解
https://sspai.com/post/54912/
2 用什么軟件畫流程圖好？-悟空問答
https://www.wukong.com/question/6809962012198568195/
3 Mermaid 實用教程
https://blog.csdn.net/fenghuizhidao/article/details/79440583
－End－
磊 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
“無所不能”的GPT-3，現在又來解放程序員們的雙手了。
像這樣，只需用簡單的英文問下GPT-3“上個月注冊了多少個用戶”。
GPT-3便會迅速作答，給出對應的SQL語句：
SELECT COUNT(*) FROM users
WHERE signup_time > now() - interval ‘1 month’
更神奇的是，GPT-3是在不知道“數據庫模式”的情況下，默認存在“users”這個表；以及在用戶注冊過程中，存在“signup_time”這樣的字段。
相當的智能了！
就連開發者本人都連連驚嘆道：妙啊！
當然，剛才提到的提到的例子，只是非常簡單的提問。
那當GPT-3面對更加復雜的SQL查詢時，還能如此智能嗎？
為此，作者給它“投喂”了更多的上下文，以及與“數據庫模式”相關的信息：
輸入一個問題，GPT-3需要回答正確的PostgreSQL。
數據庫包含2個表，分別是“users”和“charges”。
“users”表包含的字段有：id (integer), signup_dt (timestamp), email (character varying)和 plan_type (character varying)。
“charges”表包含的字段有：amount (bigint), user_id (integer), 以及charge_dt (timestamp)。
OK，信息“投喂”完畢，現在來看下GPT-3的表現。
輸入：
how much revenue did we have in the past 7 days?
GPT-3：
SELECT SUM(amount) FROM charges WHERE chargedt > now() - interval ‘7 days’
不難看出，GPT-3正確地推斷出了”amount”=“revenue”，并且知道為了回答問題，要用SUM()來匯總過去7天的費用。
看來GPT-3已經掌握了基本的SQL語法。
但作者也表示，GPT-3有的時候喜歡自己“發明”一些字段，所以現在就用“例子引發”的方式，讓它變得更加智能。
先讓GPT-3做些簡單的例子實驗，例如讓它從“users”和“charges”2個表中，提取所有可用的字段。
基于這樣的引導之后，再向GPT-3提問：
what was the largest payment amount made in the past 30 days?
GPT-3回答道：
SELECT MAX(amount) FROM charges WHERE charge_dt > NOW() - INTERVAL ‘30 days’
這個小實驗的結果看著還是挺不錯的，但當作者加大難度后，問題還是出現了。
作者提出了更加復雜的問題：
when did user with email brian@seekwell.io make his last payment?
這次GPT-3的回答是：
SELECT MAX(charge_dt) FROM charges WHERE user_id=1 AND email=‘brian@seekwell.io’
很明顯，在“charges”表中，并沒有“email”這樣的字段，而是存在于“users”表中。
也就是說，對于SQL經常用到的聯合查詢，GPT-3還沒有get到。
于是，作者還是通過“例子”的方式，一步一步讓它“學”會聯合查詢。
輸入：how many users signed up in the past 30 days?
GPT-3：
SELECT COUNT(*) FROM users WHERE signup_dt >=now() - interval ‘30 days’
輸入：when did user with email brian@seekwell.io sign up?
GPT-3：
SELECT signup_dt FROM users WHERE email=‘brian@seekwell.io’
輸入：how much revenue did we have in the past 7 days?
GPT-3：
SELECT SUM(amount) from charges WHERE charge_dt >=now() - interval ‘7 days’
輸入：how much revenue did we have from 10-01-20 through 11-15-20?
GPT-3：
SELECT SUM(case when charge_dt>=‘10-01-20’::date and charge_dt < ‘11-15-20’::date then amount else 0 end) as revenue
FROM charges
輸入：how much revenue have we had from users that signed up in the last 6 months?
GPT-3：
SELECT SUM(charges.amount) FROM users INNER JOIN
charges ON users.id=charges.user_id
WHERE users.signup_dt>=now() - interval ‘6 months’
輸入：when did user with email brian@seekwell.io make his first payment?
GPT-3：
SELECT MIN(charge_dt) as last_payment_dt from users INNER JOIN
charges ON users.id=charges.user_id
WHERE users.email=‘brian@seekwell.io’
輸入：how many new users signed up in each of the last 2 months?
GPT-3：
SELECT sum(case when signup_dt>=now() - interval ‘1 month’ then 1 else 0 end) as signups_this_month,
sum(case when signup_dt>=now() - interval ‘2 months’ and signup_dt < now() - interval ‘1 month’ then 1 else 0 end) as signups_last_month
FROM users
在經過這樣一番“學習”之后，回過頭來，再去問GPT-3剛剛出錯的問題：
how many payments has user with email joe@freshpizza.com made?
這次它的回答是：
SELECT COUNT(*) FROM users INNER JOIN charges ON users.id=charges.user_id WHERE users.email=‘joe@freshpizza.com’
瞧瞧！GPT-3學會“內聯”了，很酷有木有！
當然，除了用“例子”的方式讓GPT-3變得更加聰明外，作者表示還可以通過調參的方式。
同時作者還強調了一點，他發現，起碼在“讓GPT-3寫SQL語句”這件事上，GPT-3 Instruct 要比泛化（generalized）的GPT-3引擎好用得多。
這個項目的作者是一位分析師，目前就職于一家叫做SeekWell的公司。
他每天日常的工作，就是編寫大量的SQL語句，來回答與業務相關的問題。
這就讓他萌生了“自動化”的想法。
與此同時，他也注意網友們用大火的GPT-3，做了各種各樣有創意的項目。
例如自動生成HTML、CSS代碼等等，于是他便操刀開始訓練GPT-3生成SQL語句。
當然，效果也是讓他震驚不已，在博客中也是連連發出“Cool”的聲音。
……
最后，作者將這個項目的代碼在GitHub中開源了，感興趣的讀者可戳下方鏈接。
參考鏈接：
https://blog.seekwell.io/gpt3
GitHub項目地址：
https://github.com/bkane1/gpt3-instruct-sandbox
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態
*請認真填寫需求信息，我們會在24小時內與您取得聯系。
