THE NEURON DOCTRINE Stain 由于大脑组织柔软，需要让组织变硬，通过在甲醛中浸泡可以固定组织，通过切片机可以将变硬的组织切成薄片。但大脑颜色均一，若想观察细胞形态，就需要进行细胞染色。 一种染色方法是 Nissl Stain，是由德国神经科学家Franz Nissl在19世纪末推出的。Nissl通过碱性染料可以染色所有细胞的细胞核以及细胞核周围的物质团块，这些团块被称为 Nissl bodies 。Nissl Stain可以染色神经元，但不能染色胶质细胞，这种染色方法现在仍有使用。 但Nissl Stain只能染色一些团块，无法使得神经元形态清晰可见，所以 Camillo Golgi 发明了一种新的染色方法，他发现将大脑组织浸泡在silver chromate solution(铬酸银溶液)中，可以使其中一小部分neuron整体颜色变深而不仅仅局限于细胞核或者小团块

如上图这是一个买断式付费插件，实现的功能在我看来主要是可视化汇总以及在汇总列表里交互，这就相当于可以在总体上进行复盘。 仪表盘 对我来说，components最有用的就是提供一个Home page或者仪表盘的试图，可以一览一个领域的各种类型笔记。但笔记却并不是杂乱的陈列的，dashboard可以根据笔记的属性设置特定的几个分类，可以在这些分类中管理分类下的内容。比如可以设置tags为project, knowledge, output, area等来区分笔记类型，相同类型的笔记也可以通过其他属性来进行管理，比如project就可以设置Todo, Doing, Done等状态属性，以及开始时间与结束时间来追踪任务。 可交互的仪表盘功能相当于可以在一个页面内管理各种笔记，对于只需要修改属性的任务无需进入笔记即可完成，之前我使用dataview想要为所有笔记创建一个总览试图，但只可以陈列但不能

Git的常用命令及其功能介绍

序言 我不是专业的程序员，使用python也只是因为其简单易学，比起Matlab更加轻便。使用python时，环境管理和安装包是不可或缺的步骤，在过去的一年多时间中，我一直使用conda进行环境管理，由于需要进行一些矩阵的运算，conda相比pip/venv有着很大的优势，如Numpy Scipy Pandas等计算库底层代码通常由C、C++、Fortran等编译语言编写，pip安装时如果没有提供适用于操作系统和python版本的wheel包，则会尝试从源码编译，这需要预安装好相应的编译器，过程很繁琐。 而conda则从其软件仓库比如default或者conda-forge中直接下载好预编译的二进制包，这些包已经包含了所有必须的底层依赖，只需要使用conda install命令即可开箱即用。 转变 最近我决定从conda转为pixi进行环境管理以及包的安装。 事情的起因是使用conda

串流工具