探索C的智慧之旅:.NET Koans
.NET Koans 是一个独特的学习平台,旨在引导初学者和经验丰富的开发者逐步掌握C#语言和.NET框架的核心概念。它以一种有趣且互动的方式,让你在解决问题的过程中不断提升自己的编程技能。无论你是Windows、OS X还是Linux用户,都可以轻松上手,享受跨平台开发的乐趣。
项目结构与教学方式
.NET Koans 的设计十分直观,知识点按照文件进行分类,例如 AboutArrays.cs 教授数组的知识,而 AboutLambdas.cs 则讲解Lambda表达式。所有这些知识点都按照逻辑顺序排列在 PathToEnlightenment.cs 文件中。每当你完成一个挑战,代码将自动检查并引导你进入下一个阶段。
部分挑战只需替换错误的答案,其他则需要你自己编写代码来实现功能。当遇到 FILL_ME_IN 对象时,正是发挥你的创造力,填入正确代码的时刻。
开始你的旅程
要开始学习,你只需要几步简单的设置:
- 安装 .NET SDK 6.0。
- 下载安装 Visual Studio Code 或其 Insiders Edition。
- 使用Git克隆项目仓库:
git clone https://github.com/NotMyself/DotNetKoans.git。 - 进入项目目录:
cd DotNetKoans。 - 恢复依赖包:
dotnet restore。 - 在VSCode中打开项目:
code-insiders .或code .。 - 最后,启动学习模式:
dotnet watch --quiet run。
参与贡献
想要为项目贡献自己的力量?查看我们的 Code of Conduct 和 Contributing 文档。我们遵循 all-contributors 规范,并欢迎任何形式的贡献。
如果你是开源新手,可以尝试那些标记为 "Up for Grabs" 或 "Beginner Friendly" 的问题,我们会提供友好的指导和支持。
关于Koans
.NET Koans 的灵感源自 Cory Foy 的多语言项目,同时也受到 Ruby Koans 创作者 Jim Weirich 的启发。Jim是一位伟大的教师和程序员,他的精神一直激励着我们。
更多关于这个项目的起源和目的,请阅读博客文章 在Windows、OSX或Linux上学习C#:.NET Koans。
社区的力量
感谢以下贡献者对项目的支持(按字母排序):
他们的工作使得 .NET Koans 不断完善,也让我们有机会共同学习和成长。
总之,如果你想在一个富有乐趣的环境中提升C#和.NET框架的理解,.NET Koans 将是你最好的选择。立即加入,开启你的编程智慧探索之旅!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00