在blender中想要使用Python代码该怎么做?

### 在 Blender 中编写和运行 Python 代码的方法 Blender 提供了强大的 Python API 支持,允许用户通过脚本实现自动化操作、自定义功能或复杂的工作流。以下是关于如何在 Blender 中进行 Python 开发的详细说明。 #### 1. 使用 Blender 的文本编辑器编写脚本 Blender 内置了一个文本编辑器,可以直接用于编写和运行 Python 脚本。用户可以在主界面中找到“文本编辑器”面板,并通过点击“新建”按钮创建一个新的 Python 脚本文件[^2]。以下是一个简单的示例代码,用于在场景中创建一个立方体: ```python import bpy # 清除默认场景中的所有物体 bpy.ops.object.select_all(action='DESELECT') bpy.ops.object.select_by_type(type='MESH') bpy.ops.object.delete() # 创建一个立方体 bpy.ops.mesh.primitive_cube_add(size=2, location=(0, 0, 0)) ``` 此代码首先删除了默认场景中的所有网格物体,然后在原点位置添加了一个大小为 2 的立方体[^2]。 #### 2. 运行 Python 脚本 编写完脚本后,可以通过点击文本编辑器面板中的“运行脚本”按钮来执行代码。此外,也可以通过快捷键 `Alt + P` 快速运行当前脚本[^2]。 #### 3. 访问官方文档以获取更多支持 为了深入了解 Blender 的 Python API,用户可以参考官方文档(https://docs.blender.org/api/)。该文档详细描述了所有可用于 Python 脚本编写的 Blender 对象、函数和属性等信息[^1]。例如,`bpy.ops` 模块包含了各种操作符,而 `bpy.data` 和 `bpy.context` 则提供了对 Blender 数据和上下文的访问。 #### 4. 使用外部 Python 环境 虽然 Blender 内置了一个独立的 Python 解释器,但用户也可以通过命令行运行外部 Python 脚本。确保下载完整的 Blender 安装包(例如包含 `blender` 可执行文件的版本),以便能够正确调用 Blender 的 Python 环境[^3]。以下是一个通过命令行运行脚本的示例: ```bash blender --background --python my_script.py ``` 上述命令将在后台模式下启动 Blender 并执行指定的 Python 脚本 `my_script.py`。 #### 5. 示例代码的学习与应用 Blender 的安装目录下通常包含许多示例 Python 脚本,位于 `scripts` 文件夹中。研究这些示例可以帮助用户快速掌握如何利用 Python 实现特定功能。例如,用户可以学习如何通过脚本生成复杂的几何形状、设置材质或渲染动画。 ---

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

Python-Blender的3D游戏引擎

Python-Blender的3D游戏引擎

Blender的3D游戏引擎

Python-使用Blender实现地理空间数据的实时3D可视化

Python-使用Blender实现地理空间数据的实时3D可视化

使用Blender实现地理空间数据的实时3D可视化

blender-python:使用 Blender 和 python 脚本生成 3D 模型。 该存储库托管出现在 Rinkak 博客文章中的示例代码

blender-python:使用 Blender 和 python 脚本生成 3D 模型。 该存储库托管出现在 Rinkak 博客文章中的示例代码

搅拌机Python 该项目是 rinkak 博客 ( ) 的一部分。 您可以使用 Blender 和 python 脚本为 3D 打印创建 3D 模型。 博客仍在继续,因此此存储库中的示例代码将定期更新。 开始 首先,您必须设置环境以在 Blender 中运行 python 脚本。 我已经写关于这个问题,所以请检查一下。 (这篇文章目前是用日文写的,但在不久的将来会翻译成英文。) 将此存储库克隆到本地。 像这样运行脚本。 blender -P tut1.py 补充 Blenderlib 中的代码用于在您的编辑器中自动完成。 虽然这些代码不是用 Blender 中最新的 python api 维护的,但它可能适用于您的几乎部分项目。 博客文章列表 作者和许可证 歌舞伎公司 Rinkak -3D 打印和 3D 打印- 麻省理工学院执照

Blender Python API

Blender Python API

Blender Python API 2.59.2 慢慢享用哈哈

Python-一个Blender脚本程序化生成三维飞船

Python-一个Blender脚本程序化生成三维飞船

一个Blender脚本,程序化生成三维飞船

rawr:Blender Python 博客代码库

rawr:Blender Python 博客代码库

此存储库包含我最喜欢的(现在可能已损坏)自制脚本

配置Blender的Python环境[代码]

配置Blender的Python环境[代码]

本文详细介绍了如何配置Blender的Python环境。首先通过在Blender脚本中输入命令获取其Python版本,随后在conda中创建相同版本的Python环境。接着,删除或重命名Blender安装路径下的Python文件夹,并通过创建符号链接将conda创建的Python环境链接到Blender中。最后,验证链接是否成功,并确认可以在conda环境中使用Blender。这一过程为开发者提供了在Blender中使用自定义Python环境的便捷方法。

Blender-Scripting:各种python脚本的集合,可在Blender 2.91中自动执行任务

Blender-Scripting:各种python脚本的集合,可在Blender 2.91中自动执行任务

搅拌机脚本 1.立方体动画 2. SMPL渲染

The Blender Python API.pdf

The Blender Python API.pdf

The Blender Python API Precision 3D Modeling and Add-on Development Chapter 1: The Blender Interface Chapter 2: The bpy Module Chapter 3: The bmesh Module Chapter 4: Topics in Modeling and Rendering Chapter 5: Introduction to Add-On Development Chapter 6: The bgl and blf Modules Chapter 7: Advanced Add-On Development Chapter 8: Textures and Rendering

EasyBPY:简化Blender Python API使用的模块

EasyBPY:简化Blender Python API使用的模块

EasyBPY 简化Blender Python API使用的模块。 EasyBPY模块的目的是通过创建一个额外的抽象层来简化Blender API的使用,该抽象层更易于人类阅读,记忆深刻,并减少了用户接触复杂代码路径的机会。 通过将EasyBPY安装到用户首选项(AppData)中的(../scripts/modules)文件夹中,可以将其添加到Blender中。 只要开发人员遵守GPL许可的限制,也可以将其与其他任何附件一起重新打包。 要进行直观介绍,请观看。 您可以在此处从GitHub或上获取文件。 提供了文档(进行中的文档)。 另外,将提供有关可能情况的详细分类。 有关EasyBPY背后思考过程的更多信息,请。

Blender-3D-Python-Scripts:我的Python 3.7脚本和编程实验,Blender 3D软件练习

Blender-3D-Python-Scripts:我的Python 3.7脚本和编程实验,Blender 3D软件练习

Blender-3D-Python-脚本

blender-2.5dmaps:使用 Blender 和 Tilemill 生成 2.5D 地图的 Python 脚本

blender-2.5dmaps:使用 Blender 和 Tilemill 生成 2.5D 地图的 Python 脚本

2.5D地图是普通的2D地图,在斜投影中渲染了一层3D建筑。 这个 repo 包含 Python 脚本和其他文件,用于使用和生成 2.5D 地图。 文档可以在找到。

Python-NVIDIA全新Blender图像降噪平台DNOISE

Python-NVIDIA全新Blender图像降噪平台DNOISE

D-NOISE由NVIDIA的OptiX AI-Acclerated Denoiser提供支持,是一款改变游戏规则的去噪平台,可快速加速在Blender中渲染高质量无噪声图像的过程。

blender-python-examples:基于Python脚本的Blender动画的简单示例

blender-python-examples:基于Python脚本的Blender动画的简单示例

关于 基于Python脚本的Blender动画的简单示例。 如何 在Blender中打开: blender --python the_script.py 转换为GIF: convert -delay 4 -loop 0 *.png animation.gif 制作视频: ffmpeg -framerate 30 -f image2 -i '/tmp/%*.png' -c:v libx264 -profile:v high -crf 16 -pix_fmt yuv420p blender_render.mp4 剧本

blenderpy:Blender作为易于安装的python模块

blenderpy:Blender作为易于安装的python模块

搅拌机 Blender作为易于安装的python模块 关于 打算安装到virtualenv或任何地方,用于作者创作的Blender扩展的单元测试,或开发启用Blender 3d的Python应用程序。 取决于bpy-build模块,以确保Blender bpy模块环境正确。 有关更多信息,请参见: 入门 为流行的平台(MacOS,Windows和manylinux )提供了预构建的轮子。 预构建是具有音频,CUDA和Optix功能的完整构建(MacOS除外,后者缺少这三个功能),就像您期望安装完整的应用程序一样。 先决条件 从源代码构建Python软件包和安装wheel文件都需要。 在发行新期刊之前,请先获取这些内容。 正在安装 从pypi安装: pip install bpy && bpy_post_install 从wheel文件安装(请参见页面): pip install

plot-in-blender:使用Blender分析数据的python工具

plot-in-blender:使用Blender分析数据的python工具

情节 plot-in-blender是一个用于分析数据的python库,到目前为止,以下图可以在Blender中可视化 特征 使用Blender进行三维绘图。 易于在笔记本中使用。 混合绘图器接受列表和numpy数组作为参数。 要求 搅拌器2.80或更高版本。 Python 3.7或更高版本。 设置 从选项卡下载最新版本,或将git clone https://github.com/HazilMohamed/plot-in-blender.git到您的目录中。 通过将export BLENDER_PATH="blender_exec_directory"到.bashrc ,将export BLENDER_PATH="blender_exec_directory"导出到环境变量。 进口 将库导入到您的项目 import plotinblender as bl 用法 这是使用它的快速方

blender-cli-rendering:用于从命令行界面使用Blender 2.83渲染图像的Python脚本

blender-cli-rendering:用于从命令行界面使用Blender 2.83渲染图像的Python脚本

搅拌机渲染 用于从命令行界面使用Blender生成场景和渲染图像的Python脚本。 原则 无需显示即可运行(因此,渲染器应为Cycles而不是EEVEE) 支持最新的Blender版本(当前为2.83) 可能的用法 学习如何使用Blender Python API的材料。 具有精美渲染质量的3D数据可视化。 生成用于基于机器学习的计算机视觉的综合训练数据集。 剧本 01_cube.py 循环渲染器 02_suzanne.py 定向光 算法对象放置 细分曲面 TRACK_TO约束以实现相机的观察行为 景深 平滑阴影 03_ibl.py 节点树 使用HDR图像的基于图像的照明 04_principled_bsdf.py 原则性BSDF 去噪 空对象为目标 05_composition.py 组成节点 节点组 06_split_tone.py 分音效果 棋盘纹理 07

blender中使用python console的实际成功过程和命令记录

blender中使用python console的实际成功过程和命令记录

本文记录了: 1、在blender中使用python console一些实际操作经历。包括:基本的一些函数使用方法、导入自定义模块的方法、mesh物体控制、自动提示功能。 2、windows和linux中路径的变化。系统环境变量与blender环境变量的不同等。

blender_python_离线开发文档_2_78_4.zip

blender_python_离线开发文档_2_78_4.zip

blender_python_开发文档_2_78_4.zip Blender的API文档离线版本, 由于官网速度较慢,故分享离线文档。

openstreetmap-heatmap:使用Blender和Python可视化OpenStreetMap数据

openstreetmap-heatmap:使用Blender和Python可视化OpenStreetMap数据

Openstreetmap热图 该项目是使用Blender和Python作为3D条形图的OpenStreetMap数据的可视化。 它会创建带有特定标签的国家/地区内收集的所有点的发生热图。 OpenStreetMap(OSM)具有庞大的地理空间数据集,除几何图形外还包含各种标签和属性。 通过使用我们可以查询特定的标签,过滤特定的区域以及各种其他类型的查询。 在这种情况下,我们要查询国家/地区范围内的标签。 我们正在使用两个字母的并对所有可用的单个进行过滤。 您可以查看各种以了解各种。 要求 搅拌器2.5+ 为了运行此脚本,您需要运行 blender -b -P run_script.py 在

最新推荐最新推荐

recommend-type

DuCut_1795224829955_400.mp4

DuCut_1795224829955_400.mp4
recommend-type

互联网+智慧医疗大数据信息平台建设方案.pptx

互联网+智慧医疗大数据信息平台建设方案.pptx
recommend-type

数据挖掘实战项目-从零实现决策树、朴素贝叶斯、KMeans与PCA,含清洗特征评估全流水线,33个源文件8457行

内容概要:190 页项目教程 + 一套从零实现的数据挖掘算法库与流水线,按源文件交付 33 个模块:数据集读取与 schema 校验、清洗(缺失填充、去重、IQR/Z-score 异常值、类别编码)、特征工程(标准化、分箱、多项式、方差/相关/卡方选择)、切分与分层 K 折交叉验证、CART 决策树(基尼、连续特征二分、剪枝)、朴素贝叶斯(高斯/多项式 + 拉普拉斯平滑)、KNN、线性回归(正规方程与梯度下降双实现、残差分析)、逻辑回归(交叉熵 + L2 + 梯度校验)、KMeans(k-means++ 与轮廓系数)、PCA(特征值分解与解释方差)、指标(混淆矩阵、P/R/F1、手算 ROC-AUC)、流水线(先切分后 fit,防数据泄漏)、报告与 CLI。 适合人群:要做数据挖掘课设或毕设的同学;只会调库、被问「决策树怎么分裂」答不上来的开发者;想把算法写成可跑代码而不是背公式的人。 使用场景及目标:照着教程手写每个算法,跑通三个可复现数据集,最后用一条命令跑完整流水线并输出指标报告;每个算法都配边界用例(空集、单样本、全同类、常数列、NaN),结论能被复算。 其他说明:33 个源文件 8,457 行,主机侧用例全部通过(本机 make test 实跑,只用标准库 + numpy,不依赖任何机器学习框架)。代码完整,无省略、无伪代码,数值下溢保护与参数校验全部保留。
recommend-type

A Survey of LLM Negotiation and Bargaining Agents |LLM谈判与议价智能体综述 |arxivreview

# A Survey of LLM Negotiation and Bargaining Agents |LLM谈判与议价智能体综述 |arxivreview 综述原文见 [ArxivReview](https://www.arxivreview.com/surveys/LLM%20Negotiation%20and%20Bargaining%20Agents) ## 导读 大语言模型(LLM)谈判智能体正经历从语言模拟向经济理性的范式跃迁,其核心矛盾在于人类对齐训练带来的亲社会偏见与博弈论要求的最优策略之间的冲突。早期研究聚焦于自然语言生成的流畅性,但NegotiationArena等基准迅速揭示了模型在策略推理上的系统性缺陷,如锚定偏差与过度合作。为修正这些非理性行为,研究重心转向可验证奖励强化学习(RLVR),利用客观经济信号替代主观人类偏好,显著提升了剩余提取能力。与此同时,情感策略蒸馏与机制可解释性分析作为互补路线,分别解决了边缘部署中的能力缺失与偏差的神经基础问题。各路线在策略理性、部署效率与可解释性之间做出了不同取舍,由此形成当前多元并存的方法格局。本综述梳理这条从行为优化到机制理解的因果演进链条,为读者提供一张领域认知地图。全文按问题演化与路线取舍组织,覆盖该领域从奠基到当前的主要工作。 ## 1. 研究背景、问题结构与演进脉络 LLM谈判与议价智能体领域的兴起,源于大语言模型从静态文本生成向自主智能体(Autonomous Agents)的范式转变。早期研究如Lewis et al. (2017)提出的DealOrNoDeal和He et al. (2018)的CraigslistBargain,局限于基于规则或简单神经网络的文本谈判协议,缺乏对复杂策略推理和自然语言说服力的建模。这些工作确立了基于对话历史的策略生成与语言生成分离的早期架构,但仅
recommend-type

112-基于STM32太阳能共享储物快递柜控制系统设计(设计+程序+原理).rar

硬件驱动开发实战项目 项目112-基于STM32太阳能共享储物快递柜控制系统设计(设计说明书+全套资料) 资料包括Proteus仿真+Keil程序+Altium Designer原理图+软件安装包+参考设计说明书+答辩PPT+设计流程图,保证资料完整性! 功能: (1)本系统以STM32F103VET6单片机为核心控制器,统筹柜门与电源逻辑运算,保障共享储物全流程稳定运行。 (2)采用HC-SR04超声波与ACS712电流传感器组合采集,分别检测柜内物品存放状态与太阳能供电系统的实时电流参数。 (3)使用2.8寸TFT电阻触摸屏实时显示柜门状态、剩余电量与取件操作指引,交互界面清晰直观,操作响应流畅无延迟。 (4)配备SG90舵机与有源蜂鸣器作为执行装置,验证通过后自动解锁对应柜门,存件取件完成后触发蜂鸣器操作反馈。 (5)内置独立按键支持柜门状态手动查询与系统参数校准,依托太阳能供电,适配户外社区、驿站的共享快递储物场景需求。
recommend-type

西南大学2012计信院保研试题:计算机网络解析

"西南大学2012年计信院保研题" 这篇资料涉及的是西南大学计算机与信息科学学院在2012年的保研考试题目,主要考察了计算机网络的相关知识,包括TCP/IP协议簇、网络地址、数据传输机制以及DNS应用协议等核心概念。 1. UDP(User Datagram Protocol,用户数据报协议)与IP协议虽然都是无连接的,但它们服务于不同的层次和目的。UDP提供的是无连接、不可靠的服务,适合于对实时性要求高的应用,如VoIP或在线游戏。而TCP(Transmission Control Protocol,传输控制协议)虽然也是基于IP,但它提供了面向连接、可靠的数据传输服务,确保数据包按序到达且无丢失,适用于HTTP、FTP等需要保证数据完整性的应用。因此,TCP/IP协议簇同时使用UDP是为了满足不同类型应用的需求。 2. MAC地址(Media Access Control Address)是物理网络接口的唯一标识,用于局域网内的数据帧传输。然而,MAC地址仅在局域网内部有效,无法跨网络进行识别。IP地址(Internet Protocol Address)则是全球唯一的网络层地址,使得数据包能够在互联网上正确路由。ARP(Address Resolution Protocol,地址解析协议)用于将IP地址转换为对应的MAC地址,以便在局域网内进行数据传输。 3. TCP实现可靠数据传输服务采用了多种技术,包括: - 序列号和确认应答:每个发送的数据包都有一个唯一的序列号,接收方通过确认应答来确认接收到的数据包,确保数据的有序性。 - 流量控制:通过滑动窗口机制限制发送方的发送速率,避免接收方来不及处理导致拥塞。 - 拥塞控制:当网络出现拥塞时,TCP会减缓数据发送速率,以减少拥塞。 - 重传机制:如果接收方没有收到某个数据包,它会发送负确认,发送方会重新发送丢失的数据包。 - 时间戳:用于计算往返时延并检测旧的数据包。 4. 基于TCP/IP协议的DNS(Domain Name System,域名系统)应用协议实现过程大致如下: - 用户发起DNS查询,请求将域名转换为IP地址。 - 查询通常首先发送到本地DNS解析器,如果解析器缓存中有对应记录,则直接返回结果。 - 若缓存中没有,解析器会向根DNS服务器查询,根服务器会指引到顶级域服务器。 - 顶级域服务器再指向权威DNS服务器,该服务器负责管理特定域名的记录。 - 权威服务器返回IP地址,整个过程使用TCP或UDP完成,TCP用于大数据量的区域传输,UDP用于常规查询。 5. 题目给出的网络拓扑图涉及路由器A、B、C,要求构建路由表。路由表通常包含目的地址和下一跳地址,用于指导数据包的转发。根据网络拓扑,路由器A的路由表可能如下: - 目的地址:192.168.1.0/24,下一跳:S0/0 - 目的地址:192.168.2.0/24,下一跳:S3/0 - 目的地址:192.168.3.0/24,下一跳:S1/0 - 默认路由(所有其他未列出的目的地址):S0/0 同样,需要构建路由器B和C的路由表,考虑它们与其他路由器的连接以及到目标网络的路径。这需要对网络路由原理有深入理解,包括子网掩码、默认路由、静态路由和动态路由协议等知识。
recommend-type

企业级Selenium基础设施设计(一):驱动仓库统一纳管+灰度发布+自动降级——支撑日均200万次自动化执行的工业级架构(附开源组件清单)

# 企业级 Selenium 基础设施:从偶发失败到百万级稳定执行的工程纵深 当 CI 流水线里那句熟悉的 `org.openqa.selenium.TimeoutException: timeout: Timed out receiving message from renderer` 第 17 次在凌晨三点弹出时,你盯着监控面板上那条忽高忽低的“偶发失败率”曲线——12.3%,像一道无法愈合的伤口。本地能跑通的脚本,在流水线里却像被施了诅咒;Chrome 124 刚发布,团队就陷入驱动版本、浏览器内核、glibc 版本三者交织的泥潭;某次灰度升级后,亚太区的回归任务集体超时,发布窗口被迫
recommend-type

数据流模型性能仿真常用工具有哪些?它们各自适合什么场景?

### DataFlow模型性能仿真工具和方法 对于DataFlow模型的性能仿真实验,多种工具和技术可以支持这一过程。这些工具不仅能够帮助理解数据流图的行为特性,还能评估不同优化策略的效果。 #### 工具选择 一种常用的工具是Simulink中的SimEvents扩展模块[^3]。该模块允许创建离散事件系统模型来模拟复杂的生产、通信和服务网络。通过定义实体生成器、队列、服务器和其他组件之间的交互关系,可以构建精确的数据流动态行为表示形式。 另一种专门针对多速率同步数据流程序设计的语言是Ptolemy II框架下的SDF(Synchronous Data Flow)。它提供了图形化界
recommend-type

VS2008编译Wireshark指南

"这篇文档详细介绍了如何在Windows环境下使用Visual Studio 2008 (VS2008) 编译Wireshark源代码。主要步骤包括安装VS2008、Cygwin、Python,下载Wireshark源码,修改config.nmake文件,设置环境变量,以及进行编译。特别强调了某些特定版本的选择和配置,如Wireshark 1.7.0和Python 2.7,以及针对不同VS版本的config.nmake文件的调整。" Wireshark是一款强大的网络封包分析软件,它允许用户查看网络通信的数据包详情。在Windows平台上,使用VS2008编译Wireshark源码可以帮助开发者进行定制化开发或调试。以下是详细的步骤: 1. 安装Visual Studio 2008: 选择适合自己的安装选项,确保包含必要的编译工具。VS2008的编译器将用于构建Wireshark。 2. 安装Cygwin: Cygwin是一个提供Linux环境的工具集合,用于在Windows上运行许多开源工具。在安装Cygwin时,务必选择必要的库,如Archive(解压)、Devel(开发工具,包括bison和flex)、Interpreters(Python)、Utils(patch和dos2unix)和Web(wget),这些是编译Wireshark所必需的。 3. 安装Python 2.7: Wireshark编译过程中会使用Python,因此需要确保安装正确版本。Python 2.4-2.7通常兼容,但其他版本可能存在问题。 4. 下载Wireshark源码: 选择合适的版本,建议使用Wireshark 1.7.0,因为这个版本已知与VS2008和指定的库版本兼容。注意,高版本可能需要Qt 5,需要额外安装。 5. 修改`config.nmake`文件: 在Wireshark源码根目录下找到此文件,用文本编辑器(如Notepad++)打开,取消`MSVC_VARIANT`行的注释,将其设置为`MSVC2008`。同时,确认`WIRESHARK_TARGET_PLATFORM`设置为`win32`,尽管有些教程建议改为`win64`,但在某些情况下可能导致编译错误。 6. 添加环境变量: 根据编译需要,可能需要设置或调整系统的环境变量,包括指向Cygwin、Python和其他工具的路径。 7. 编译Wireshark: 使用VS2008打开Wireshark项目,然后进行编译。如果遇到问题,检查上述步骤是否正确执行,以及所有依赖项是否已安装。 在编译过程中可能会遇到各种错误或警告,这可能需要对源代码或配置文件进行进一步调整。熟悉C++、Cygwin工具链和Wireshark的构建系统将有助于解决这些问题。编译成功后,就可以使用自定义的Wireshark版本来分析网络流量,或进行更深入的开发工作。
recommend-type

Selenium + WSL2深度整合秘籍:Windows下复现Linux级稳定性的7层隔离机制(含systemd user session注入与cgroup v2资源管控实录)

以下是对您提供的技术博文进行深度润色后的最终版本。全文严格遵循您的全部优化要求: - ✅ **完全去除所有显性标题层级**(如“引言”“2.1”“3.2.1”等),代之以自然段落过渡与语义锚点; - ✅ **打破“总—分—总”结构**,以真实工程痛点切入,将原理、代码、验证、归因、运维实践有机交织; - ✅ **彻底消除AI模板痕迹**:无“本文将…”“首先…其次…”“综上所述”等句式;大量使用设问、插入语、工程师口语化表达(如“别急着重启”“这坑我们踩过三次”“你猜怎么着?”); - ✅ **注入一线工程洞察**:每项技术选择均附带权衡说明(“为什么不用Docker?”“为何放弃--use