TrendPulse

自己用电信手机卡开热点给电脑使用，发现在电脑上面”科学“访问网站会特别特别慢（电脑有尝试不同的科学方式），电脑科学之后，下载速度也特别慢，看普通视频、网页打开国际邮箱都特别慢，非科学就会网速正常；而联通手机卡开流量给电脑都是正常的，看流媒体视频都很顺畅。 一两年前曾经用网上买的电信流量卡开热点，电脑科学就比较慢，现在速度更是让人抓狂。 使用联通宽带也是正常科学的。寻思大家都说电信宽带有国际出口 科学访问也比较流畅，但为什么电信手机流量这方面就很蜗牛速度呢。 上面提到的电信手机卡开热点的方式，同时尝试了 iPhone 开热点、随身 wifi 插卡开热点，效果是一样的。

以前我也相信年轻人应该尽量减少消费，完成原始积累，再相信复利的力量搞长期投资。即所谓的一万不买手机、十万不买车、一百万不买房。 但是随着年龄的增长，我不认可这个说法了，至少不完全认同了。房子可以不买，但手机与车则是能买就买吧。 节衣缩食，用最便宜的手机、乘公交出行，一年也未必省下多少钱。这几万块钱，拿去投资一年也就千把块钱的收益，可你为这一点点钱付出了什么？我认为付出的是体会快乐的机会。 十八岁时打暑假工攒三个月的钱才能买一部旧款 iPhone ，三十岁时哪怕你半月工资就能买到最新款，却买不到同样的快乐。 二十多岁时攒一年工资买一辆二手车的快乐体验，是六十岁时再好的车都换不来的。 二十岁时去旅行的经历，会在之后的人生中一直为你带来持续的精神滋养，这些感受是你退休以后去旅游所体会不到的。 人不是一定到七八十岁才会死，而是随时都会死。生命是一段体验，不要为了金钱损坏了体验。 欲买桂花同载酒，终不似，少年游。

最近 anyvm.org 支持了 loongarch64 架构的 vm. anyvm.org 是可以同时运行在 linux ,macOS 和 Windows 上的基于 Qemu 的带硬件加速的 vm 运行工具. 一个命令让你在 3 个操作系统平台上运行 20 种 vm, 跨越 intel/AMD, ARM, riscv64, powerpc ,loongarch64 等等 7 种架构. python3 anyvm.py --os openeuler --release 24.03-LTS-SP4 --arch loongarch64 具体就不多说了, 试试吧.

大家好，我是一名正在减肥的开发者。 我自己一直有肥胖问题，也尝试过不少减肥产品。很多产品给出的建议都很相似：少吃、多运动、多喝水、保持自律。 这些道理我其实都知道，但真正困难的是坚持。因为这些建议通常不了解我的饮食和作息，也很难告诉我，究竟是哪些具体习惯影响了自己的减重进度。 所以我开始为自己开发 WellyPal 。 我希望它以后能够逐渐了解一个人的饮食、作息和生活习惯，从长期记录中找出真正影响减重的细节，再给出更具体、更容易执行的建议，而不是重复一些大家早已知道的道理。 不过这个愿景还比较远。目前完成的只是最基础的第一版，仅支持 iOS ，主要功能是拍摄食物照片并估算热量，方便减少手动搜索和记录食物的步骤。 我想找几位同样正在减重、愿意尝试新产品的 V 友体验一下。可以直接在 App Store 搜索 WellyPal 。 如果你体验后方便给我一些意见，可以在评论区或通过站内方式联系我。我可以提供免费会员，也愿意认真听取每一位用户的反馈，和大家一起把它慢慢完善。 第一次独立做这类产品，功能和识别结果肯定还有不少不足，也欢迎大家直接批评。

广东有没有不是那种营销导向，而是货真价实做顾客体验的度假酒店或者度假村 距离广东不要太远，最好在粤北，当然在其他地方也可以啦 工作久了难免要放空一下 各位佬也要善待自己的身体∠( ᐛ 」∠)＿

看 Needle 2 的文章时手痒，直接把模型编成 WASM 塞进了 Chrome 扩展里，做了个能在浏览器里本地跑的大模型 Agent 。 欸，啪，插件就做好了，很快啊！ WASM 一编、模型一塞、浏览器一装，离线就能跑，全程不用 API key 。 它大概能干什么： 自然语言控制浏览器：说 "Go to google.com and search for AI news"、"Open youtube.com in a new tab"，它会自己调用工具（目前模型仅支持英文） 内置 18 个浏览器工具：读页面、点击、填表、标签页管理、书签、下载、截图、通知、HTTP 、自定义脚本 每次工具调用带置信度评分，形成 agent 循环（最多 8 步） 内置可视化编辑器，可以自己写 JS 工具函数给模型用 技术栈： 45M 参数模型（ Cactus Compute Needle 2 ），C++ → Emscripten → WebAssembly 模型权重打包在插件里（~13MB ），运行时 ~28MB 内存 纯 vanil...

昨天刚从家里面知道 我的一位姑父诊断出胰腺癌(查出来基本晚期) 在癌中算是最痛的一种 怪不得之前在表姐订婚宴看到他发现人瘦了不少 但是精神气还可以 到现在还不到 1 年的时间... 姑父人身体挺瓷实的 毕竟也健身 听老爹说他以前劲儿很足 搬东西他一个顶俩 但听说他这半辈子也挺坎坷 生活作息很不规律 烟酒很凶 没法照顾家里人加上拖欠工资和贷款被骗 表弟也就刚上高中 就遇到这么个坎... 虽然生活作息占一部分原因 现在人们生活压力都懂 也希望现在的人们能获得稍微轻松些

傍晚来到良渚文化艺术中心，才发现这里最好看的时刻，也许不是白天。 夜色慢慢变成冷蓝色，图书馆里的灯光却越来越暖。整面玻璃把书架和阅读的人框成一幅画，水面的倒影又复制出另一个安静的世界。 没有喧闹的夜景，也没有刻意的繁华。 只是灯亮着，书翻着，时间好像慢了下来。

之前租房认识的一个老乡，老家就隔了几公里，比我小 2 岁，一直给我的感觉比较上进，最开始跟着父亲做装修工人+杂活，然后自学进入了 IT 行业，我们就偶尔在朋友圈点赞，偶尔聊聊。 7 月 31 日 朋友圈随手点了个赞， 然后他在微信上主动找过来聊了一下近况。 8 月 3 日 发微信找我借 500 块钱周转，说是没发工资，遇到困难了，等下周发一工资还我，还可以提供户口本和身份证照片。借之前我还给我老婆说这个人居然找我借钱，当时我老婆就劝我不要借。我想着 500 块不至于，就借了。。 其实当时我也想过万一不还杂办，想想应该不至于，实在不行没了就没了， 当买个教训 。 8 月 12 日 ，刚刚收到他的微信，说是他征信有问题了，想找人帮他受托支付的人，他要借 5-10 万，但是没有人帮他。然后就是没钱还我了，但是承诺凑到了尽快还我。然后我问了一下，碰了网贷，什么以贷养贷，房子车子都抵押了。。 其实我都差不多忘记借钱这事儿了。 总结：我花 500 块买了个教训

相隔八年时间我又回 V2EX 啦，这次不鸽了（可见我古早的帖子背景），不知道还有没有当时参与过的朋友，这次终于有成品了。😼 我正在构建一个本地优先的高性能 Markdown 编辑器，它叫 Moeka 。 核心特点是适合高密内容记录，让写 Markdown 像代码一样能掌控每个字符，我基于 Rust 与 GPUI ，耗时 6 个月，自研了一整套所见所得的编辑渲染引擎，完全不使用 Web 技术。 相比 Obsidian ，Typora ，Moeka 集成了简单但高频使用的功能，基于 GPU 的渲染流畅但低开销，也集成了流行的 AI Agent 。 我做 System 开发，也会一点点设计，所以会在细节和性能上做极致打磨，目前是第一个可公开版本，欢迎大家来试试。 https://moeka.app/

有人收到了个主题里有这个名字的面试邮件，发件人是 mokahr 的 sg 邮箱，面试链接是 lark 的，邮件提到要开摄像头和共享屏幕与 coding 。 HR 联系的手机号是北京的，135***33 ，支付宝实名认证。说是公司 2022 年成立，主要做海外市场，北京研发团队 200 多人。 网上搜了一圈，只找到家英国的同名公司，但去年已注销。

最近在整理一个很具体的问题，顺手把它单独做成了一页：Task Bar Hero Wiki 。 主要想解决的是： 让已经知道想要哪件 Gear 的玩家，先查到当前目录发布的箱子和关卡来源，再决定是否值得投入刷图时间。 当前这版更偏向“先把第一步走顺”，而不是一次把所有材料都堆进去。现在这页大致会带着用户走这几步： 先选中一个确切的、当前可获得的 Gear 记录。 查看它对应的箱子或宝箱来源。 把关卡路线和难度跟来源关系放在一起看。 保留 Base 、Hunter 、Slayer 或组合场景标签，不把它们压成一个数字。 把目录里的来源证据和自己的通关时间、重复稳定性分开记录。 做这个的时候我有个取舍： 我没有把页面做成路线排行榜，而是先把“确切 Gear → 箱子 → 关卡 → 难度 → 场景”这条证据链拉直。自己的账号强度和通关时间另算。 目录数据可能不完整、延迟或有误；发布的掉率不是单次结果的保证，页面也不知道你的账号强度、通关时间和每小时实际效率。 想听听大家两个意见： 查 Gear 掉落时，你第一眼最想确认的是箱子、关...

AI 能写，不等于工作能稳定完成。 真正反复消耗时间的，往往是模型外面这一层：问题有没有问对、权限有没有越界、证据能不能追溯、失败什么时候停、结果凭什么算完成。 我们把这套控制层整理成了一个开源母舰：56 个可安装 Skill 、12 张方法卡，以及统一的示例、来源记录、脱敏记录和验证入口。 它覆盖四类工作： - 创作：演示、HTML 、图表、内容、视觉与响应式界面； - 思考：问真、规划、研究、技术选型与第二意见； - 构建：Agent 、Hook 、Prompt 、角色、派工与 Skill 打包； - 验证：代码、API 、无障碍、数据库、系统状态与 AI 可见性。 首页没有让人先翻 56 个目录，而是先看三个一分钟 Demo：做对事情、讲清事情、发版前抓住错误。 目前最需要的不是客气点赞，而是干净环境里的真实安装反馈。如果你觉得这个库值得以后再回来，也欢迎点一个 Star 。 仓库：< https://github.com/Kosmoray/dayan-agent-skills >

虽然大部分人、尤其是开发者觉得 Manus 技术难度很低，但真没有在任何产品上感受过 Manus 这么丝滑的体验，不知道大家怎么想

(1) deepseek-v4-flash 模型版本已更新为 DeepSeek-V4-Flash-0731 ， deepseek-v4-pro 模型版本已更新为 DeepSeek-V4-Pro-0813 ，调用方法不变，使用 deepseek-v4-flash 、deepseek-v4-pro 即可调用最新版本。 https://api-docs.deepseek.com/zh-cn/

最近总算把一个拖了挺久的项目放到线上了： https://calculatorqueen.com 我之前想做一个工具平台，帮助用户解决各种问题，同时也让用户通过每个页面学到这个计算器所算的东西。前后下来开了 3 个 Codex 20X 的账号，正好碰上最近重置多，每天都用尽全力蹬，总共用了 200 亿左右的 Token 。 最后做出来的平台叫 CalculatorQueen ，是个英文在线计算器站。金融、健康、数学、日期、建筑、单位换算这些常见分类都有。 我不希望它只是扔给用户一个答案，所以大部分页面都会尽量把单位、公式、计算步骤、假设和限制一起写清楚。至少算出一个奇怪结果时，用户还能顺着步骤看看是哪里出了问题。 有几个页面比较能说明我想做的方向。比如 Grams to Cups Converter ，它不是拿一个固定比例硬换算，而是按 110 多种食材分别计算； Chinese Zodiac Calculator 也不是简单按 1 月 1 日切换生肖，而是用了香港天文台的农历新年边界数据。还有一个偏程序员趣味的 Calculator Infinity Trick...

llms.txt: https://ltx25.co/llms.txt page: en: https://ltx25.co/ zh: https://ltx25.co/zh

# 通义大模型-Token Foundry-AI Infra 工程师-容器方向 ## 基础信息 毕业起止时间要求：2026-11-01 - 2027-10-31 ## 职位描述 你将成为大模型技术落地的“算力内核设计者”。你将深入 Kubernetes 生态，参与构建支撑超大规模 AI 集群的容器化基础设施，通过对调度、存储、网络等核心组件的深度定制与优化，打破大模型训练与推理的工程瓶颈。你的代码将直接优化 Agent 的冷启动速度，提升 GPU 集群的吞吐量与资源利用率，为 AI 时代的算力底座注入极致性能。 具体的职责包括以下相关方向的一项或多项： 1. AI 容器调度与编排优化： - 深度优化 Kubernetes 调度器，实现面向 GPU 拓扑感知的算力分配，解决大规模分布式训练任务的资源碎裂问题。 - 设计并实现面向 AI Agent 的弹性调度策略，通过多级缓存、预加载等手段，实现分钟级到秒级的 Agent 快速拉起与自动伸缩。 2. AI 高性能存储与网络底座： - 针对 AI 大规模 checkpoint 与数据读取场景，优化容器存储挂载性能，通过...

是这样的，本人在几年前去灰指甲购买矫正器服务，现在想退款剩余没用使用的项目，然后他说，帅哥，找到了你的当时购买的矫正器，当时是 2023 年 7 月 24 号够买了 5 个优惠套餐，已经用了 4 个，剩余 1 个，剩下的这个可以更换产品！申请退费的呢，就要减去套餐优惠金额，580-400 安装费=180 元，手续费 8 折退换，180×0.8=144 ，原价是 580 给我打折到 144 ，后面我打 12345 进行投诉，单号过了一个多月给出的答复竟然是商家无法满足用户诉求，请咨询法律 12348 ，商家又跟我说我也不知道 12345 怎么和你沟通的，也没有问我，所以都不知道怎么跟你联系，你那个就剩 1 个 580 ，就扣 20%手续费，这个是之前给你做服务的人的人工提成，580×20%=116 ，580-116=464 ，竟然还扣我钱。，明明是原价购买的服务却要收取一些不合理的手续费，从 144 调整到 464 就是不肯去掉手续费，明天打算去一次人民法院看看情况，太气人。

平时做项目、搭建 Landing Page 或者给自媒体找素材时，大家可能经常需要在多个 AI 绘图平台之间切换（比如看重 Midjourney 的画质、又想试 Grok 的文字渲染能力）。 最近在使用 GrokImage.ai ，体验不错，简单给社区的 V 友们分享一下使用体会： 核心亮点： 多模型集成 ：在一个后台里直接切 Grok Imagine 、Nano Banana Pro 和 Gemini Flash 。 文字渲染准确 ：用 Grok 那个模型画海报、招牌或者含字母的商品时，英文和数字基本不会出现乱码。 内置实用小工具 ：包含 AI 商务头像是（ AI Headshot ）、电商产品图生成（ Product Photography ）以及壁纸生成。 支持文生视频 / 图生视频 ：生成完静态图后可以一键转成 5 秒的 HD 视频短片。 使用体验： 免注册可以直接试用，送 100 免费 Credits ，不需要绑卡，支持最高 4K 输出，生成的图片自带 Commercial License 。 感兴趣或者平时有 AI 绘图...

前情提要： https://www.v2ex.com/t/1231903#reply10 推了两场，一家走到二面了。但是总体来说比较受挫，深挖表现太差了。

钱包里有身份证/学生证/银行卡等，钱包本身也挺贵 我尝试了脉脉发帖/邮箱咨询计院的公开邮箱/加入北理工的 qq 群，都未果。 失主既然是计院的，会不会也逛 v2 ？ 好像并没有一个足够大的失物招领平台/小程序

LocalSend 最近发布了官方 CLI(纯 TUI 的 headless 版，当前最新 v1.18.0)，我这几天折腾了下，把它装进了 podman 容器，当作 NAS 上的常驻文件接收端。配对后，手机/电脑往局域网里的设备发消息只需要轻轻一点，收到的文件直接落盘。 项目地址： https：// github.com/100pangci/localsend-cli-container 特性： 1. host 网络直通 localsend 发现设备靠 UDP 组播，必须走 host 网络，就不用网桥了。 2. 一次配对，永久自动接收 新设备第一次发文件时，需要输入： podman attach localsend （ docker 的话 podman 改成 docker ）挂上 TUI ，手机发文件，然后按个 P ，之后这台设备的文件全自动接受。收到的文件落到 .env 里 LOCALSEND_DESTINATION 指定的目录。 3. 配置和身份全持久化 config.toml 、 identity.pem 、 pai...

本项目 openwrt luci 部分基于 nikki 修改，代理核心基于 clash-rs 修改，感谢以上两个项目的贡献者。 本项目的优点就是上手简单，可开箱即用，占用低性能强，支持多协议多节点分流。 之前寻找 rust 写的代理软件的时候，找到了 clash-rs 这个项目，用着还是有不少问题，边用边修到现在差不多稳定了，想着搞个路由器插件，就基于 nikki 修改出了这个。 clash-rs 兼容大部分 mihomo 的配置，功能不如其他代理核心丰富，本身支持的协议也算全，但是很多新特性没有跟进,我主要使用 ss,anytls,hy2,vless-vision-reality ，所以这四个协议的 bug 基本都修了。 clash-rs 的内置面板还挺好看的，默认使用这个面板，使用第三方面板的兼容性未测试 代理模式主要支持 tproxy ，tun 模式直接没打包进默认的 clash-rs ，我也没用过它的 tun 模式，所以不保证体验，但是界面上的配置是保留了的，实在想试试可以用官方版 clash-rs 替换或者用我 fork 的 standard 包。 ...

帮朋友发帖问一下 offer 选择，他想发帖没账号，各位大佬帮忙看看 offer1：互联网初创公司，工作时间 995 ，年包：x ，每年有涨薪 offer2：国企子公司，年包：x * 70% 两个 offer base 地一样

为什么要把 pdf 文件转成二维码 ？ 我们常用的场景， 把线下实物（纸张、包装、名片、海报）和线上电子文档打通 ，解决纸质分发、文件传递、版本管理、线下展示的痛点 一、线下物料极简承载，省去大量纸质印刷 减少纸张、降低成本 产品说明书、合同、招生简章、景区导览、设备手册不用打印厚厚的纸质册，只印一个小二维码即可，大幅节约印刷、仓储、运输成本。 例：家电包装只印二维码，消费者扫码看完整 PDF 说明书，不用塞厚厚纸质手册。 节省版面空间 名片、展架、产品贴纸、菜单空间极小，放不下完整文件，一个二维码就能承载几十页 PDF 资料。 二、动态更新文件，二维码图案永远不用换（活码核心优势） 主流 PDF 二维码都是 动态活码 ：二维码图案印刷后永久不变，后台随时替换新版 PDF ，所有人扫码自动读取最新文件，不用重印海报、包装、宣传单。 传统方案：文件修改→所有印刷物料全部作废重印，成本极高； 二维码方案：后台上传新 PDF ，已印刷的码直接同步更新，零印刷返工成本。 适用：企业制度、活动方案、产品参数、培训课件频繁修改的场景。 三...

最近在做带工具调用的对话 Agent ，换 Prompt / 模型之后，经常不知道整体是变好了还是变差了。 网上那些大模型排行榜，多半在比「回答好不好看、聊起来顺不顺」； 我想评的是另一件事：对着一次完整交互，看意图理解对不对、工具用得靠不靠谱、最终结果能不能用。 于是搓了个轻量框架开源出来： GitHub： https://github.com/Bingo-choco/ai-evaluation 大概长什么样 输入一份结构化交互日志（用户问题 + 中间过程 + 最终回复），输出三维分： 意图理解 工具调用 结果输出 0/1/2 + 简短理由；不好的样本会打问题标签。前端可以上传批次、看进度和聚合结果，也能导出。 链路很短（ LangGraph ，共享状态，不是 Agent 互聊）： 解析 → 规则短路 → 相似样本召回(few-shot) → 拼 Prompt → 压缩(防超 token) → 多路打分合并 → 置信度/聚合 硬错误走规则，能短路就不用调 LLM ；拿不准的再交给多路 Judge 投票。...

如题 我不是重度程序员，平时主要用 Claude 和 Codex 查资料、读项目、整理思路和改文章 单次任务都挺好用，但只要隔几天、换个 session 或换个 Agent ，之前的背景就断了。已经排除过的结论会重新讨论，纠正过的写作习惯也要再说一遍。重要内容虽然可以放进文档，但资料多了以后，我自己都不知道该让 AI 读哪份。。。。。 最近在试 memU 把重复的工作方式沉淀成 skill ，在 Claude 、Codex 和不同设备间继续使用 但我有点怀疑维护成本。如果 AI 记错了，或者把一次性的想法当成长期偏好，最后是不是还得定期检查和清理？ 那它和自己维护 Notion 、Obsidian 相比，到底省了多少事？ 作为个人开发者的佬友们真的会认真维护一套 AI 长期记忆吗，你们是咋维护的

LWC——由 Agent 自主安装、维护并持续成长的记忆系统 大多数 Agent 其实并没有真正的记忆。 它们搜索原始文件、重新推导答案，然后在会话结束时丢弃有价值的综合成果。下一次会话又几乎从零开始，重复同样的调查过程。 LWC （ llm-wiki-cli ） 为编程 Agent 提供持久、基于来源的记忆，并让知识在工作过程中不断积累。 它最关键的区别是： Agent 掌管记忆的完整生命周期。 Agent 自主安装 LWC 、召回已有知识、阅读新来源、更新概念、记录矛盾、维护引用，并将值得保留的发现写回长期记忆。 人类负责定义目标、提供来源、提出问题和审查结果，但被明确排除在日常记忆维护之外。 人类不是记忆的编辑者 LWC 不是一个附加了 AI 助手的人类笔记应用。 在正常使用中，人类不应手动操作 CLI 、编辑 SQLite 数据库或修改生成的 Wiki 页面。Agent 是唯一的写入者。 SQLite 是记忆的权威存储；相互链接的 Markdown Wiki 则是可重建、供人阅读的投影。你可以使用 Obsidian 或其他 Markd...