标题: 公益站都挂了啦
作者: #NaiLong
板块: #开发调优
编号: 1803625
帖子: https://linux.do/t/topic/1803625
时间: 2026-03-23 21:11:29
摘要:

怎么有时候公益站都能用 要么就都挂了 比如现在

标题: 佬友们，请问有没有PPT生成的ai大模型
作者: #蟹黄
板块: #开发调优
编号: 1803636
帖子: https://linux.do/t/topic/1803636
时间: 2026-03-23 21:14:23
摘要:

佬友们，请问有没有PPT生成的ai大模型

标题: [经验分享]如果你在wsl里面用codex的时候内存占用非常大，可以看看这个
作者: #Oxidane
板块: #开发调优
编号: 1803650
帖子: https://linux.do/t/topic/1803650
时间: 2026-03-23 21:18:21
摘要:

我的wsl在codex开了多agent的模式之后时不时会爆内存自动关机，经过排查之后，发现原因如下：
codex在召唤subagent的时候每个subagent都会重新加载所有你设置的MCP，部分 MCP 在 agent 结束后没有一起退出，最终这些mcp变成了孤儿，然后随着数量叠加就导致了OOM。
尤其是如果使用auggie --mcp，这个占用尤其大，得多加留意。
我这里检测到最多的一次，抓到了50多个auggie --mcp的进程，然后wsl就OOM自动关机了。
怎么解决：
每次启动一个subagent会话的时候都会加载所有的mcp，我称为一套mcp。
显然，如果允许codex启动6个agent并行，而该codex下启动的mcp数量超过了6套，那明显就是这些mcp成孤儿了。
只要从旧到新排序，把超过6套的部分都给杀掉即可。
也就是沿 PPID 建父子链，确认哪些进程真的是它的后代，后代超过这些数量的就开杀。
操作建议：
复制我的贴子发给codex，让他做一个开机之后就自动发现自动清理的脚本（比如10分钟检查一次）。由于大家用的mcp可能都不一样，所以我这里就不提供ai写的脚本了。
更优雅的方式：
看看能不能把这些mcp做成skill去用，这样每次打开也不用等加载了，根本就没以上问题了。

标题: 现在 oai 封域名好快啊
作者: #AirTouch
板块: #开发调优
编号: 1803654
帖子: https://linux.do/t/topic/1803654
时间: 2026-03-23 21:19:52
摘要:

如题，oai 封域名太快了，有没有什么方案啊，号池快被榨干了

标题: 佬 头要炸了，help
作者: #神秘袁
板块: #搞七捻三
编号: 1803657
帖子: https://linux.do/t/topic/1803657
时间: 2026-03-23 21:22:30
摘要:

我介绍一下我自身情况，我在工程企业负责管理现场，一直对网络有接触的想法，最近ai盛行，平时做资料的时候对我干活很有帮助，比如写一些施工方案等，我目前看未来对我们不说要精通，也要熟练应用计算机。如果没把握住这个机会，就像是从老年机过度到智能手机那个时代。老一辈人没接触到智能手机就不会带来便利，比如说买票、订住行等享受不到科技带来的便利。所以在大时代背景下很难达到生活简便率平均值，我去年7月份接触L站，从中看到很多大佬，包括发的有趣的插件，以及分享身边事。很向往大家在技术方面分享成果以及便利佬们的脚本。我有个请求请教一下佬们，我对计算机属于0基础，想要能弄明白插件如何使用和熟练AI的应用、我甚至连机场怎么用、token、密钥都不会搞，需要从哪个方面入手呢，望佬们施舍回答小弟的问题，我在豆包等ai软件上问我这写问题怕问不到点上。期待佬们的解惑，小弟必感激得很。临表涕零！

标题: 各位佬友，sub2api 怎么选 gpt-5.4-mini
作者: #Frank Cheung
板块: #开发调优
编号: 1803663
帖子: https://linux.do/t/topic/1803663
时间: 2026-03-23 21:23:57
摘要:

我看好多公益站都上了 gpt-5.4-mini ，为什么用 sub2api 跑订阅的GPT team 没有这个模型可以选？

标题: 新开team拉3个佬友
作者: #sinicdragon
板块: #福利羊毛
编号: 1803667
帖子: https://linux.do/t/topic/1803667
时间: 2026-03-23 21:24:50
摘要:

有需要的佬友留下邮箱，前三入围，也不知道能挺多久。

标题: 如何检测claude opus 4.6的纯度
作者: #流年
板块: #搞七捻三
编号: 1803669
帖子: https://linux.do/t/topic/1803669
时间: 2026-03-23 21:25:10
摘要:

如题，有没有类似iffs.cn这种的检测网站或者检测用的提示词？

标题: 从我朋友的父亲被误诊超过1年的案例，到我想做的一件事
作者: #bsjohnson
板块: #搞七捻三
编号: 1803671
帖子: https://linux.do/t/topic/1803671
时间: 2026-03-23 21:25:32
摘要:

2024年夏天，我朋友的父亲（58岁，男）开始出现头晕，骑车时会莫名晕倒，短暂失去意识，走路轻飘飘的症状。朋友带着父亲去某三甲医院神经内科就诊，医生简单查体并做了一些检查，开了溴化钠。患者吃了几个月，无好转。
2025年3月，朋友找到我，问我哪里能买到溴化钠，他不想跑去医院开药，但药房又买不到。我很讶异，问他为什么要买这个药，他说是医生开的，我让他详细描述了他父亲的症状，了解了病史。当我听到“走路轻飘飘”的描述，以及体检发现有颈动脉斑块，我的第一反应是怀疑高血压。于是让他带着父亲去楼下药店量一下血压，确实血压高了，经过医院心内科就诊也确诊了高血压。这大概也算是一个漏诊。
4月，患者出现了新的症状，浑身抽搐，短暂失去意识。
患者去医院住院后，做了一系列检查。期间患者逐渐出现吵闹、脾气暴躁、莫名哭泣的症状，还有低钠血症。
住院期间，神内医生坚持认为是癫痫，开药左乙拉西坦，嘱咐按照癫痫治疗数年再说。出院小结上写着建议完善腰穿，但医生却说没必要。我认为这个诊断无法解释全部症状，遂建议朋友整理资料，我帮他找上海的医生进行咨询。通过网络咨询后，对方认为首先需要排查自身免疫性脑炎。我们决定听从医生的建议，朋友带着父亲去做腰穿，还是原来的那家三甲医院，但门诊医生查看病历后不建议做。最终家属辗转在另一家医院完成腰穿，结果是抗LGI-1自免脑。
从第一次就诊到确诊，历经1年余，辗转了4家医院，咨询了七八位医生（很多细节过于繁缛，就不赘述了）。
为什么会这样？
不是因为医生水平差，而是我们的医疗系统存在的一个现实问题： 医生太少，病人太多。门诊问诊时间平均三五分钟，这么短的时间里，医生能采集到的信息非常有限。很多关键细节在第一次问诊就永久丢失了，患者不懂，也不会补充。普通家属没有能力整理完整的病史，不知道该问什么问题，不知道该找哪个方向的医生，更不知道如何判断现有的诊断是否合理。
我在做的事
我不是医生，不能给出具体的医疗建议。我正在开发一个工具，让AI帮助家属把零散的病历、化验报告和影像资料整理成完整的结构化病史，帮助他们梳理就诊前需要咨询医生的问题，找到匹配疾病亚专业的医生，而不只是挂一个大科室。
在产品完成开发前，我想先找5个真实案例，免费帮助有需要的佬友整理就诊材料，换取真实的反馈。
如果佬们或者身边的人正在面临类似的困境，长期未确诊、多次就诊不见好、不知道该找哪个医生，欢迎私信，也欢迎医学佬给出建议~

标题: 云服务器部署ai处理数据安全吗
作者: #stream
板块: #开发调优
编号: 1803680
帖子: https://linux.do/t/topic/1803680
时间: 2026-03-23 21:27:44
摘要:

求问佬们云服务器部署ai的话有什么推荐吗，如果上传一些文件的话安全吗

标题: 【无偿咨询】遥感专业（别的专业也可以来讨论）考研生或者保研生，大家可以来咨询和讨论不懂的地方
作者: #綾地 寧々
板块: #搞七捻三
编号: 1803682
帖子: https://linux.do/t/topic/1803682
时间: 2026-03-23 21:28:04
摘要:

【声明】：
1、无广告、无推广，不提供论坛以外的咨询方式；
2、本帖纯属为了丰富论坛内容，请勿在本帖打广告！
3、本帖仅供各位交流参考，具体还需自己多斟酌
去年在站里发了个帖子，为自己保研北师大做个纪念和分享
https://linux.do/t/topic/988838?u=law-of-cycles
本人是遥感专业的学生，保研也是去了这个方向，在这四年保研过程中也积累了一些经验，可以给有需要的同学絮叨絮叨。
因为去年保研之后就进组了，所以一直在给导师打工，最近快写完论文了，老师那边给毕业生忙活，正好有些空余，所以想着和有需要的人一起交流交流
大家可以把自己的问题或者相应的见解分享到帖子下面，共同讨论，我也可能顾不上回复，有可能回复比较慢，还请理解
Ciallo～(∠・ω< )⌒☆

标题: 把小模型调到顺手：经验分享
作者: #闲云野鹤
板块: #开发调优
编号: 1803704
帖子: https://linux.do/t/topic/1803704
时间: 2026-03-23 21:31:51
摘要:

各位佬们晚上好啊，本人最近开始迷恋上了炼丹，虽然过程中屡屡碰壁但也算稍微总结了一点经验所以就想分享一下
1. 先准备什么硬件和系统
最低建议


系统：Linux 或 WSL2


Python：3.10 或 3.11


显卡：NVIDIA


显存：8GB 起步


更实际的建议


8GB 到 12GB：优先 0.5B 到 1.5B 小模型，尽量短序列，必要时走更省显存的配置


12GB 到 24GB：1.5B 到 7B 的 LoRA/QLoRA 基本都能试


24GB+：可以训练更长上下文、更大的 batch，调参空间也大很多


强烈建议
如果你现在是原生 Windows，本地训练不是不行，但坑会更多。
更稳的顺序是：


Linux 服务器


WSL2


最后才是原生 Windows


原因很简单：训练栈大多数先照顾 Linux。

2. 先搞清楚：模型在哪里下载
大部分开源模型最常见的下载入口是 Hugging Face。
第一步：去哪里找模型
常用入口：


Hugging Face 模型页：https://huggingface.co/models


示例模型页：https://huggingface.co/Qwen/Qwen2.5-1.5B-Instruct


选模型时先看四样东西：


模型大小，比如 0.5B / 1.5B / 7B


是否是 Instruct 或 Chat 版本


许可证能不能用于你的场景


模型页有没有说明推荐模板、推荐推理方式


第二步：安装下载工具

pip install -U huggingface_hub


第三步：如果模型需要登录，就先登录
有些模型是公开的，有些模型需要你先在模型页点同意协议，再用 token 登录。

hf auth login


第四步：下载模型到本地

hf download Qwen/Qwen2.5-1.5B-Instruct --local-dir ./models/Qwen2.5-1.5B-Instruct


下载完成后，你本地一般会看到类似这样的目录：

models/

Qwen2.5-1.5B-Instruct/

config.json

generation_config.json

tokenizer.json

tokenizer_config.json

model-00001-of-0000x.safetensors

...


新手常犯的错


下成了 base 版，却拿去做对话任务


只看参数量，不看许可证


模型还没下完整就开始训练


把模型路径写错到上一级目录



3. 环境怎么配
这一节只讲最小可用环境，不讲复杂集群。
3.1 创建独立环境
如果你用 conda：

conda create -n llm-ft python=3.10 -y

conda activate llm-ft


如果你用 venv：

python -m venv .venv

source .venv/bin/activate


Windows PowerShell 下是：

python -m venv .venv

.venv\Scripts\Activate.ps1


3.2 安装 PyTorch
这一步不要照抄别人环境。
最稳的办法是去 PyTorch 官方安装页，根据你的系统、CUDA 版本和包管理器生成命令。
官方入口：

https://pytorch.org/get-started/locally/

举个例子，很多人会装成这样：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118


但你自己的命令，应该以官方页面生成结果为准。
3.3 验证显卡和 CUDA 能不能用

nvidia-smi

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.version.cuda)"


你至少要看到：


nvidia-smi 能正常显示显卡


torch.cuda.is_available() 输出 True


如果这里没过，别继续装训练框架，先把 CUDA 环境问题解决掉。
3.4 安装训练工具
推荐新手先装 LLaMA-Factory。

git clone https://github.com/hiyouga/LLaMA-Factory.git

cd LLaMA-Factory

pip install -e ".[torch,metrics]"


如果你只想先看看界面能不能起来：

llamafactory-cli webui


浏览器能打开 WebUI，说明基础依赖大体没问题。

4. 第一次别先训练，先做推理自检
很多人一上来就训，结果连模型能不能正常加载都没确认。
第一次正确顺序应该是：


模型下载好


环境装好


先推理一次


再准备训练


最简单的自检方法
如果你用 LLaMA-Factory WebUI：


启动 llamafactory-cli webui


选中本地模型路径


选择对应模板，比如 Qwen 系列常用 qwen


先问一句简单的话，比如“你好，请用三句话介绍你自己”


如果模型能正常生成，说明：


模型目录没坏


tokenizer 没坏


模板大体匹配


PyTorch 和显卡至少能跑推理


为什么这一步重要
因为训练问题里有一大堆，其实根本不是训练问题，而是：


模型没下完整


模板不对


依赖冲突


CUDA 没装通


这些问题先在推理阶段解决，成本最低。

5. 第一个微调任务怎么选
别做“万能助手”。
你第一轮最适合做的是一个窄而重复的任务。
比如：


把客服对话整理成固定 JSON


把会议纪要整理成三点摘要


把用户问题分成几类


把原始文本改写成固定风格


第一次不建议做：


多轮复杂 Agent


需要强推理的任务


动态知识问答


又要格式稳定，又要复杂工具调用，又要长链条规划的任务


原因不是这些不重要，而是第一次应该先把“训练链路”跑通。

6. 数据怎么准备
这一节最关键。
训练翻车，通常不是因为你不会调学习率，而是因为数据本身有问题。
6.1 先定数据格式
如果你做的是对话任务，推荐用这种格式：

{

"messages": [

{

"role": "system",

"content": "你是一个售后工单整理助手，输出必须是 JSON。"

},

{

"role": "user",

"content": "客户说打印机一直卡纸，已经重启两次还是不行。"

},

{

"role": "assistant",

"content": "{\"问题类型\":\"硬件故障\",\"现象\":\"打印机卡纸\",\"已尝试操作\":[\"重启两次\"],\"建议\":\"检查进纸组件并安排售后检修\"}"

}

]

}


如果你做的是单轮任务，也可以用：

{

"instruction": "请把下面这段会议记录整理成三点摘要",

"input": "项目原计划本周三上线，但测试反馈还有两个高优先级问题没有解决……",

"output": "1. 上线时间需要顺延。\n2. 当前仍有两个高优先级问题未关闭。\n3. 需要测试和研发今天内确认修复计划。"

}


6.2 新手最该记住的 5 条数据规则


输出风格必须统一


字段命名必须统一


能不脑补就不脑补


训练样本要像真实输入，不要全是教科书例子


脏数据和边界案例一定要留一些


6.3 数据量怎么估
给一个很实用的粗标准：


50 到 100 条：够你跑通流程，验证格式


300 到 1000 条：可以开始看到明显效果


1000+：才开始有资格谈更稳定的泛化


如果这几百条数据很脏，还不如先回去修数据。
6.4 数据怎么切分
最常用的切法：


训练集：80%


验证集：10%


测试集：10%


第一次至少要有一份验证集。
没有验证集，你连过拟合是什么时候开始的都看不清。
6.5 LLaMA-Factory 需要的数据登记文件
在 data/ 目录里放你的数据文件，比如：

data/

my_sft.json

dataset_info.json


dataset_info.json 可以写成这样：

{

"my_sft": {

"file_name": "my_sft.json",

"formatting": "sharegpt"

}

}


如果你用的是 instruction/input/output 风格，登记方式会不一样。核心原则只有一个：数据格式要和你选择的模板、训练方式对应上。

7. 第一次训练怎么跑
这一节只讲一个最小可用方案：LoRA + SFT。
7.1 先建立项目目录
建议你的目录至少长这样：

project/

models/

标题: 话说何时内存和存储能降下来？
作者: #不务正业
板块: #前沿快讯
编号: 1803724
帖子: https://linux.do/t/topic/1803724
时间: 2026-03-23 21:38:09
摘要:

刚听说下个月内存和存储可能再涨价，叠加优惠可能跟现在的价格差不多，到底是不是啊？这波涨价到底是捂着呢还是产能真这么紧张啊？还要不要继续等？

标题: 怎么更改邮箱
作者: #周末
板块: #搞七捻三
编号: 1803725
帖子: https://linux.do/t/topic/1803725
时间: 2026-03-23 21:38:14
摘要:

最近着急用钱把注册这个账号的QQ连带游戏号一起卖了，今天想起来登录了一下L站，发现QQ邮箱还是原来的，请教一下，怎么更改邮箱呢

标题: chatGPT 手机端APP没法使用工作空间
作者: #tktk3927
板块: #搞七捻三
编号: 1803726
帖子: https://linux.do/t/topic/1803726
时间: 2026-03-23 21:38:23
摘要:

如图，我的工作空间今天到期了，折腾半天终于重新激活了，网页端也能用了，但是手机APP却无法使用了，就算退出登录也好，清空应用数据也好，哪怕删了重装重新登录还是这个问题，请问各位佬友有什么解决办法吗

标题: [开源小万] 手机部署 openclaw 没那么难
作者: #advent
板块: #开发调优
编号: 1803730
帖子: https://linux.do/t/topic/1803730
时间: 2026-03-23 21:40:02
摘要:

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

我的帖子已经打上 开源推广 标签： 是
我的开源项目完整开源，无未开源部分： 是
我的开源项目已链接认可 LINUX DO 社区： 是
我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出


  
    
    
    
      【首发开源 】安卓 AI agent(vlm+cli)最强形态 
  

开发调优
    
  
  
    本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

我的帖子已经打上 开源推广 标签： 是
我的开源项目完整开源，无未开源部分： 是
我的开源项目已链接认可 LINUX DO 社区： 是
我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 

 
先来一小…
  


从这篇帖子继续！不了解我们软件的佬可以先去读一下
最近更了几个大大小小的版本，v0.0.9 Pre-release 已经支持快速部署 openclaw 啦～感谢佬友们支持！
  

      github.com
  

  
    
  

  GitHub - omnimind-ai/OpenOmniBot: This is community version of OmniMind Xiaowan app...

    This is community version of OmniMind Xiaowan app || 或者你也可以叫她 OOB！她可以操作终端，也可以完成 Android 世界的广泛任务


  

  
    
    
  

  


教程如下：

标题: [开源] Codexlens --轻量多阶段向量搜索工具，支持本地模型及api，性能接近ace 90%
作者: #Catlog22
板块: #开发调优
编号: 1803734
帖子: https://linux.do/t/topic/1803734
时间: 2026-03-23 21:40:17
摘要:

本帖使用社区公益推广，符合推广要求。我申明并遵循社区要求的以下内容：

我的项目是免费使用的，无收费（变相收费、赞助）部分： 是
我的帖子已经打上 公益推广 标签： 是
我的项目属于个人项目，与公司或商业机构无关： 是
我的项目不存在QQ、TG等群组引流： 是
我的项目不存在非运营必要的网站引流： 是
我的项目不存在为他人推广、AFF： 是
我的项目无关联的商业项目： 是
我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
以上选择我承诺是永久有效的，接受社区和佬友监督： 是

背景：
这个项目主要是为了验证我的偶尔冒出的想法，方法上与现有绝大数向量搜索有点点区别。项目原先集成在CCW(claude-code-workflow)中，在CCW(7.X)版本后独立出来，并做了方法精简和重构，方便大家使用。
特点：

支持本地模型和api接口
支持冷启动快速搜索
支持MCP协议

项目地址:
catlog22/codexlens-search: Lightweight semantic code search engine — 2-stage vector + FTS + RRF fusion + MCP server for Claude Code
主要方法:
多通道并行检索 + 融合 + 重排序。

Query → 意图检测 → 查询扩展(仅NL)

├─ Binary粗筛 (Hamming) → ANN精排 (cosine) → 交集 → vector结果

├─ FTS精确 (BM25) + FTS模糊 (prefix*)

├─ 符号图搜索 (seeded from vector/FTS top results)

└─ Ripgrep正则 (auto模式)

└─ RRF加权融合 → Cross-Encoder重排序 → top-k



检索通道




通道
原理
作用




Binary粗筛
float32→符号位量化→XOR+popcount Hamming距离
O(N)位运算快速缩小候选到 top-200


ANN精排
HNSW图 cosine近邻(USearch/FAISS/hnswlib)
从 top-200 候选中精排 top-50


FTS
SQLite FTS5, Porter stemming, BM25 + prefix*
关键词精确/模糊匹配


符号图
沿 import/call/inherit/type_ref 边双向遍历
发现结构相关但语义不相似的代码


Ripgrep
实时正则匹配
精确 pattern 搜索，无需索引




安装:

# Minimal — CPU inference (fastembed bundles onnxruntime CPU)

pip install codexlens-search

# Windows GPU — DirectML, any DirectX 12 GPU (NVIDIA/AMD/Intel)

pip install codexlens-search[directml]

# Linux/Windows NVIDIA GPU — CUDA (requires CUDA + cuDNN)

pip install codexlens-search[cuda]

# Auto-select — DirectML on Windows, CPU elsewhere

pip install codexlens-search[all]


模型下载(推荐384维度模型，有较好的体验或者有高质量的api接口)
  # 查看已知模型及缓存状态                                                  
  codexlens-search list-models                                                                                                                          
  # 下载默认的 embed + reranker 模型                                        
  codexlens-search download-models
  # 下载默认但指定 embed 模型
  codexlens-search download-models --embed-model BAAI/bge-base-en-v1.5      
  # 下载任意单个模型（按 HuggingFace 名称）
  codexlens-search download-model BAAI/bge-large-en-v1.5
  # 删除缓存的模型
  codexlens-search delete-model BAAI/bge-small-en-v1.5


#MCp配置
{
  "mcpServers": {
    "codexlens": {
      "command": "codexlens-mcp",
      "env": {
        "CODEXLENS_EMBED_MODEL": "BAAI/bge-small-en-v1.5",
        "CODEXLENS_EMBED_DIM": "384",
        "CODEXLENS_DEVICE": "directml"
      }
    }
  }
}


基于本地模型 BGE-small-en-v1.5 (384维度)VS ACE实测报告 (click for more details)