avatar
Articles
243
Tags
46
Categories
24
Home
Tags
Categories
About
Archives
FenglielieVibe coding 实现简单网页和游戏 Back to Home
Search
Home
Tags
Categories
About
Archives

Vibe coding 实现简单网页和游戏

Created2026-01-17|Updated2026-09-25|code
|Word Count:77|Reading Time:1mins

记录一下通过 Vibe coding 实现的简单网页和游戏。

贪吃蛇

👉 snake.html

扫雷

👉 minesweeper.html

更新:给扫雷加上了基于已知信息进行的辅助提示,终于可以无脑玩了。

👉 minesweeper-assist.html

华容道

👉 huarongdao.html

日历

👉 calendar.html

课程表

👉 schedule.html

时钟

👉 clock.html

Author: Fenglielie
Link: https://blog.fenglielie.space/p/141df46c/
Copyright Notice: All articles on this blog are licensed under CC BY-NC-SA 4.0 unless otherwise stated.
cover of previous post
Previous
LLM 学习笔记——理论基础
Some content in this article was created with AI assistance. Please verify as needed.这份笔记关注大模型的理论基础。 毫无疑问的是,在大模型领域,实践是远远走在理论前面的,但是基础理论的缺乏并不是致命的阻碍。一个历史上的例子是:“在蒸汽机已经大规模应用的年代,热力学的重要定理一条都还没搞出来,工程师完全凭借的是经验或错误的热质说。等到这些热力学定理终于写出来时,蒸汽机已经跑了几十年甚至上百年。” 为什么大语言模型能够成功近年来,大语言模型(Large Language Models, LLM)在自然语言处理领域取得了显著进展。相比早期的机器学习方法,大语言模型能够在统一模型框架下完成多种语言任务,并在多个基准测试中取得较好的性能。 这种成功通常被认为是多个因素共同作用的结果,包括: Transformer 架构提供了可扩展的序列建模方式。 预训练语言模型范式让模型可以先学通用能力,再适配具体任务。 海量文本和代码数据提供了足够丰富的训练数据。 自监督学习让数据规模可以大到互联网级别。 ...
cover of next post
Next
LLM 代码练习——API 代理
一个单文件的 OpenAI 兼容 API 代理脚本,用来转发请求到上游服务,并记录请求与响应日志,可以用来测试大模型服务。 flowchart LR; A[OpenAI 兼容客户端] -->|HTTP 请求| B[llm-proxy] B -->|转发请求| C[上游大模型服务] C -->|返回响应| B B -->|返回响应| A B -.->|记录请求与响应| D[日志文件] 用法直接运行: 1uv run llm-proxy.py --upstream-base-url https://your-upstream.example.com/v1 常用参数: --upstream-base-url:上游服务地址 --host:监听地址,默认 127.0.0.1 --port:监听端口,默认 8000 --log-dir:日志目录,默认 ./logs --upstream-timeout:上游请求超时,默认 300 llm_proxy.py 头部已内联声明依赖,uv run 会自动处理单脚本的依赖:提...
Contents
  1. 贪吃蛇
  2. 扫雷
  3. 华容道
  4. 日历
  5. 课程表
  6. 时钟
© 2022 - 2026 By FenglielieFramework Hexo 8.1.2|Theme Butterfly 5.6.1
Search
Loading Database