在 Hexo + Fluid 博客中实现可复用的 Python 交互运行组件（Pyodide + PJAX）
写 Python 包用法博客时，常见的困扰是：为了展示命令行输出效果，需要额外贴一堆终端截图或手写输出。
更理想的方式是：在文章内嵌一个“运行按钮”，让读者直接在网页里运行示例代码并看到输出。➡️
在 Hexo 中实现 Markdown 的“文件包含”：用 before_post_render 过滤器零依赖 include
本文通过 before_post_render 过滤器实现 Markdown include。➡️
Python argparse 入门：把脚本变成“命令行工具”，并用 .sh 批量跑实验
在写 Python 脚本时，经常会有以下需求：
想在运行脚本时传入不同参数（比如 --lr 0.001 --epochs 20）
希望用户输入错误时能有清晰提示
希望自动生成 --help 帮助文档
想批量对比多组参数的运行结果（用 .sh 一键跑一堆实验）
argparse 就是 Python 标准库中专门解决这些问题的命令行参数解析工具。➡️
多层感知机：结构、BatchNorm、Dropout，附 PyTorch 代码
多层感知机（Multi-Layer Perceptron，简称 MLP ）是最基础、最常用的前馈神经网络结构之一。它的核心就是把若干个“线性层（全连接）+ 非线性激活函数”堆叠起来，让网络能够拟合复杂的非线性映射。
用 MATLAB + CVX 调用 MOSEK/SeDuMi/SDPT3 求解二维 LP 与 QP，并读懂命令行输出
CVX 是 MATLAB 里的建模层：用接近数学形式的语句写出目标函数和约束，CVX 会把它转换成求解器（MOSEK / SeDuMi / SDPT3 等）能处理的标准形式，然后调用底层求解器求解。 这篇博客用两个二维决策变量的小例子串起来：
线性规划（LP，Linear Programming）：如何在 MATLAB 中用 CVX 调用 MOSEK（也给出如何切换到 SeDuMi / SD
线性规划对偶性的直观理解：从上界到对偶定理
本文围绕一个简单的线性规划例子，说明：
怎么“仅根据约束”给目标函数找上界；
怎么用多个约束的线性组合得到更紧的上界；
这些上界怎么自然地变成一个新的线性规划——对偶问题；
最后给出 弱对偶定理 及其证明。➡️
电力系统工具简介：MATPOWER, PYPOWER, pandapower
本文将简要介绍电力系统的研究与应用中常见的三个开源工具：MATPOWER、PYPOWER 和 pandapower，它们提供了丰富的电力系统分析功能，适用于潮流计算、最优潮流、状态估计等任务。