TrendPulse

最近搞了个 AI 提效大赛，每个组要出一套案例，大老板还要看 平时 JAVA 开发那套东西弄上去，估计都过不了初审 求求兄弟们给点灵感，救救了 orz

比如 codex ，一个 5.6 就好几个版本，推理强度还搞好几个梯度。 Claude 的话模型少一点，一般就 opus 系列开 medium ，不知道是否有更精细化的用法。 大家都是怎么分配这些模型和任务呢，最常用哪种。

不是只有短短几个帖子， 就是 Welcome to X! Let's go ！ 应该不至于精准封禁 firefox 吧？

为什么我的 plus 没有显示五小时的消耗额度，貌似能一直用

之前开发的插件 V2EX Stats 新增了评论区弹幕功能 插件代码公开在 github ，仓库和下载链接如下： Chrome Web Store: V2EX Stats Firefox addon: V2EX Stats Github release: V2EX Stats v3.4.0 Github 仓库： https://github.com/geebos/v2ex-stats 之前的帖子： 写了个查看 V2EX 金币趋势的插件 更新来了：V2EX 金币趋势插件支持帖子追踪 + 在线时间统计了 进来看看你的 V 站年度报告 -

https://aurocreator.com/arena 观看视频 大家有类似的需求吗？

本人 85 后,看过几个 00 后的歌单. 10%在我的歌单里. 20%听过,还不错. 70%压根没听过.这部分我也略微听了下,实在难以接受. 所以到底是现在的新歌不好听了,还是我落伍了? 前者的想法: B 站老是刷到"8090 后当年到底吃的什么细糠","2000 年华语乐坛众神打架"类似的视频.充斥着对现任歌坛的鄙视.(当然这有可能是我的幸存者偏差+兴趣推送,可能不能代表大众观点) 词不押韵,曲不好听,音色单调无特色且偏娘化.这是我的客观判断. 后者的想法: 我也觉得父辈的歌曲土.属于在 KTV 都不好意思点的那种.词就不说了,有年代的局限性,但歌曲本身旋律还是不错的(想起了去年大火的张艺兴大花轿).所以,可能是代沟? 还有最重要的一点,歌好不好听本身就很主观: 有人是看词的,这些人通常喜欢说唱类,我见识过,在 KTV 可以不管节奏不管旋律的直接念. 有人是听曲的,一定要旋律悠扬有起伏,听了上一句就可以大概猜出下一句.我属于这种. 有人是看脸的,这个就不评价了,人帅唱啥都好听. ...

预定了 mac mini m6 ，32+1T+10G 网口，14499

业余时间做的小游戏，支持双摇杆或键鼠。游戏本体约 1GB 多点，Steamdeck 或其他 Windows / Linux 掌机也可以轻松运行，非常适合外出或闲暇时打发时间。 操控一架小无人机，突突突掉所有来阻止你的敌机，然后把装备配置升级到超出常理之外，直到整个屏幕都是你的（或者敌机的）弹幕，不用考虑我是谁，你在哪，突突突就完事儿了。 现已上架 Steam “即将推出”。国区预计定价 24 元。Demo 版已可免费试玩，包含前 5 个关卡，一部分敌机类型和大部分升级物品。装备解锁和进度等会保留到完整版。 欢迎加入愿望单、试玩 Demo 并留下反馈意见！<3 Steam 主页点这里！

codex 5 小时，从第一次请求开始算；如何提前启动？ ps：公司电脑晚上必须要关，没法通过手机启动

We’re Heidi. We're building the future of healthcare by giving every clinician the earth's finest AI Care Partner. In just 18 months, our clinical AI products have absorbed the administrative chaos of 73 million patient visits. Today, we support over 2.5 million patient sessions a week across 190+ countries. Healthcare systems are failing us; clinicians spend more time on documentation than on patients, and the human connection that makes medicine worth practicing is eroding. Our mission is si...

穷鬼没上过正价车，只用过中转。 20x 的正价 相当于中转几折呢？？

经过 3 个月，终于又 vibe coding 一个新的网站，不是什么新奇的项目，就是套壳，也没什么技术含量 注册有体验，欢迎体验: Trify3D - Image to Model Generator

有些小程序打开可以显示底部栏，有些则完全白屏。另一只手机同样的微信版本就可以打开小程序。

大家好，我们最近在考虑做一个面向 AI 中转站的模型对比和评测网站。 现在市面上的中转站越来越多，各家的线路、价格、倍率和使用规则也不太一样。很多信息只看宣传页面很难判断，往往要实际充值、连续使用一段时间后，才能知道高峰期稳不稳定、响应速度怎么样、扣费是否清楚。 所以我们想尝试做一个相对公开、持续更新的评测网站，让大家在选择和充值之前，能先看到一些真实的测试数据，也能对比不同模型在真实使用场景下的输出效果。 目前初步想到的评测方向包括： 稳定性：请求成功率、超时率、429/5xx 错误率、高峰期表现 响应速度：首 Token 延迟、完整响应时间、输出速度 价格与扣费：公开价格、实际扣费、Token 统计是否一致 功能表现：上下文长度、缓存、流式输出、工具调用、多模态等 能力一致性：同一模型在不同时段的表现是否存在明显波动，以及是否存在掺水情况 兼容性：Claude Code 、Codex 、Cherry Studio 、CC Switch 等工具的接入体验 服务体验：文档完整度、故障公告、客服响应和退款规则 用户反馈：真实使用评价、常见问题和...

Like·AI —— AI 大模型中转站，为开发者提供纯净、高效的算力通道 平台网址： https://like-ai.cc 当前倍率：gpt plus 0.09x ，gpt pro 0.24x ，claude 0.38 🚀 站点定位 专注于 AI 大模型 API 中转的技术服务型平台，主打不掺水、低倍率、超稳定。7x24 小时服务，提供最原汁原味的模型调用体验。 ✨ 核心优势 真·不掺水（ Zero Tampering ） 无参数篡改，无回传截断，无水文填充。所有请求透传至源站，返回原始数据流。您调用 temperature=0 就是 0 ，max_tokens 绝不被恶意占用，确保您在调试和生产环境中的结果一致性。 极致低倍率（ Low Multiplier ） 拒绝行业高倍率的“智商税”。采用接近官方成本的定价策略，倍率远低于市场平均水平。用量越大，单价越低，让您的项目在推理成本上拥有绝对的竞争优势。 超稳定（ Overstable ） 号池充足，基本保证每天 24 小时稳定可用。

最近做了个英文版 Rice Purity Test ，一共 100 道题。前几题还在牵手接吻，答着答着就进入了“这事最好别让爸妈知道”的区域。 玩法很简单，做过点 Yes ，没做过点 No 。满分 100 ，经历越多，分数越低。高分选手可以继续装清纯，低分选手建议先想好口供。 答案只留在当前浏览器标签页里，网站不收你的黑历史。做完会生成一张结果卡，方便丢进群里接受好友会审。 https://ricepuritytest.party/ 目前只有英文版，限 18 岁以上。欢迎报分，也欢迎拍砖。分数可以晒，具体扣在哪几题就别自首了。

试了最新出的 Qwen3.8-27B ，吐字很慢，4token/s 。 试了 Qwen3.6-35B-A3B ，质量感觉不行，幻觉有些严重。

大家好，最近做了一个 macOS 本地视频播放器，叫 AuryPlayer （奥瑞播放器）。 起因很简单：我的老电脑想看视频的时候总是风扇咆哮，找了一圈 VLC 强大，但是界面不友好。有些界面漂亮的播放器，支持的格式又不是很齐全。因此想要一个打开视频够快、界面干净、字幕好找、播放列表不用折腾的播放器。 它目前支持： macOS 12+，同时支持 Apple Silicon 和 Intel Mac 350+ 常见媒体格式 本地视频与字幕播放 播放列表管理 大文件播放 可自定义、注重隐私的播放列表 76 种 App 语言，网站支持多语言并会按系统语言默认切换 下载地址： https://www.auryapps.com/ 目前还在持续完善中，特别想听听大家对以下方面的反馈： 常用的视频/字幕格式是否兼容 播放列表、多选与拖拽操作是否顺手 是否遇到打不开、一直加载或字幕显示异常的文件 还希望加入哪些 macOS 播放器功能 欢迎直接回复吐槽或提需求，感谢。

今年年初为了安慰朋友恢复单身，帮她办了旅游签证，国庆准备带她去旧金山北边的巨衫国家公园，硅谷，苹果园区，优胜美地，黄石等地遛一圈，中部再去趟芝加哥看看建筑。硅谷正好还有一个老同学，大家出来可以一起聚聚。东部让她自己去玩，她国内公司在那边有总部，希望她去拜拜码头，要是将来有机会能调到美国该有多好。 唉，都是大学里摩拳擦掌立志出国，一起准备过托福雅思的人啊……时光荏苒，10 年未见，当初的梦想早就褪色，大家的境遇也各不相同。内心希望她的美国之行别有际遇，最好在异国他乡上演一出七日浪漫故事，认识个硅谷才俊或者东部同事什么的，结婚安定，调来美国，就此展开全新生活…… 唉，当年说过要一起出国的呀，怎么走着走着，身边的人就慢慢散去了呢。

cursor 20 刀才用了 1/4 马上到期了 想着用下付费模型 让它分析下代码的流程 为啥会创建子代理？

这次和 MikroTik 官方技术支持沟通，确实让我感受到一种很舒服的开发者氛围。 遇到问题之后，没有一句“无法复现”就把用户打发掉，也没有反复怀疑是不是配置问题。工程师会认真看现象、自己搭环境复现，复现出来以后直接承认：问题确实存在，目前还没有修复，但后续会尝试解决。 其实开发者最怕的从来不是软件有 Bug 。 任何复杂的软件都会有 Bug ，真正拉开差距的，是面对 Bug 时的态度。 能够复现就承认，暂时解决不了就明确告诉你，没有发布日期就直接说没有，而不是推诿、绕圈、甩锅给用户。用户提供的日志、测试结果和排查过程，也会被当成有价值的信息认真对待。 这种沟通方式会让人感觉：用户和开发者是在一起解决问题，而不是站在对立面互相证明谁有错。 相比之下，国内不少技术产品和开发者社区最让人疲惫的地方，不一定是技术能力不行，而是沟通环境经常不够友好：提个 Bug 先被质疑使用方式，问个问题先被教育，甚至最后变成“为什么别人没问题，就你有问题”。 所以真正值得学习的，未必只是国外开发者写代码有多强，而是他们很多技术社区已经形成了一种更成熟的工程文化： 尊重反馈、承认问题、愿意复现...

最近上架了两个应用，都是自己开发过程中确实需要的工具，干脆自己写了的东西。 一、著手 —— 整理软著申报材料的 Mac 应用 https://zhushou.o-c.do 申请软著要交源程序文档，前后各 30 页、每页 50 行，手动从项目里复制粘贴、删注释、排版，是件很折磨人的事。著手就是干这个的：选中项目目录，自动按规则筛选源码、去掉无关文件、生成符合要求的文档。 原生 SwiftUI 写的，只面向国内软著申报场景。 完全免费 ，没有内购没有订阅。如果确实帮你省了时间，也欢迎赞赏（🤣 二、Apolu —— App Store 榜单、评论、收入监控（ iOS / Mac ） https://apolu.app 给独立开发者和 App 运营用的： 榜单监控 —— 关注自己（或竞品）的 App 在各国榜单上的排名变化，不需要登录就能用 评论管理 —— 接入 App Store Connect API Key 之后，可以查看和回复用户评论 收入查看 —— 同一套授权，直接看销售报告数据 API Key 相关的功能...

DeepSeek Harness (dsh) 开源一周 183k stars ，插件生态爆发但发现机制只有 GitHub topic （ 10,000+ 仓库），没法用。 做了一个自动聚合目录： 150 个 dsh 插件 + 200 个 Codex 插件，按 GitHub stars 排序 每天 cron 自动拉最新数据，有变化才重新部署 120 个静态页面，零 JS 框架负担，带 llms.txt Cloudflare Pages 免费托管 地址： https://agentplugins-2v1.pages.dev/ 数据管道：GitHub API 搜 topic:dsh-plugin 按 stars 排序 + awesome list 正则解析 → 生成 JSON → Next.js 静态构建 → CF Pages 部署。全程零成本。 欢迎反馈，特别是： 插件详情页还需要什么信息？ 要不要加 MCP servers 生态？

江湖规矩：d3doc2g4OA==

mac 系统 刚才想更换个网络，就把 claude 全关了 在网了监控中想看看是否存在一些 claude 链接没关闭的。 结果发现有个请求几秒发送一次，但是我的 claude 都关闭了。 我让 codex 帮我排查发现， 戏剧性的来了，我把下面结论发送到某 do ，结果，结果被举报了删除了 ： 已定位： LemonMonitor.850 是「腾讯柠檬清理（ Tencent Lemon Cleaner ）」的状态栏后台组件，不是 Claude 。它负责状态栏监控、网速/内存/磁盘等功能，通常会随登录常驻运行。 你的 Claude 请求实际是： LemonMonitor → downloads.claude.ai:443 downloads.claude.ai 通常用于 Claude Code 的程序更新/下载；但 LemonMonitor 正常的状态栏监控功能没有明显理由频繁访问它。因此可以确认“谁在请求”是 LemonMonitor ，但其内部为什么尝试该下载仍需验证，可能是遗留下载/更新任务或异常重试。 最快的确认方法： 从...

个人认为是 DGX Spark ，这款产品的带宽砍的实在是有点狠。

之前在读博的时候，手搓过一个解析小插件，用来辅助我读文献、写论文，处理那些大部头的文山著海。后来毕业之后，发现现在做 RAG 相关的，或者开发知识型 agent 照样用得上，所以我就用 AI 完善了一下，开源出去了： https://knowhereto.ai/github/?utm_source=v2ex 简单说一下，Knowhere 是一个文档解析与记忆层工具，它在 RAG 的整体流程中，主要做的是从原始文档到结构化知识的前期准备与管理工作。你可以把它理解为连接“混乱的原始文档”和“AI Agent”之间的一个高级中间件。跟我们常见的 MinerU 这类文档解析工具相比，它算是更新、更进一步的、AI 原生的产品。 区别就在于，MinerU 是传统 GOT-OCR 2.0 架构的代表，它底层是几个模型拼接的： 一个模型专门负责排版分析——识别出哪里是文字、哪里是图片、哪里是表格 一个模型专门负责文字识别 一个模型专门负责表格识别 一个模型专门负责公式识别 最后由一套规则把所有结果拼接整合，生成结构化输出。 这...