Antigravity怎么添加知识库&docs

设置里没找到，或者有没有cursor里添加doc的工具，输入一个文档网址把相关的网页内容全部抓抓取下来，我自己扔到项目下做知识库。

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: 404)

可以正常访问了？

手机Edge浏览器可以正常访问

13 posts - 4 participants

Read full topic

via LINUX DO - 最新话题 (author: 青木)

Google gemini的动态视图功能，碉堡了～！

试了下gemini的动态视图功能，简单一句提示词，生成的内容也是赏心悦目，已经不局限于文字内容了，内容中稍有涉及侵权的图片都背替换成插画的效果了，应该也是充分融合了nano banana的功能。

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: apiggy)

Invalid media:
image
image
image
image

iPhone se3价格预算

最近想买个外版的iPhonese3来用esim＋低价区。要求是全原无锁无监管锁（电池可以换），成色别太差，有轻微磕碰划痕都行。这种得多少钱啊，在闲鱼上找了找快看晕了。当然如果有佬友想出的话可以私聊我，走平台。（记得转隔壁跳蚤市场发帖）

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: luoxiaoxin)

Banana 以假乱真

提示词：

挺震惊的..不算标题党吧

39 posts - 31 participants

Read full topic

via LINUX DO - 热门话题 (author: ayanami REI)

Invalid media:
image
image

我的Gemini-3提示词天下第一，谁敢来碰瓷！！授人以渔，速来膜拜，桀桀桀...

Geminil老用户不请自来，发表我的最新研究成果，昭告天下、助人为乐。

先来个摘要：

方法论：

Gemini升级到3.0后，要想充分利用它的推理能力，**去恐吓它，不要教育它。**此外，英文提示词要强过中文提示词。

原理：

Gemini 3.0本质是一个推理模型它在训练阶段就已经引入了强化学习（RL），学会了在输出任何字符之前，先在后台生成大量的“隐式思维链”（Hidden CoT）。Gemini 3 自带的“慢思考”机制已经包含了极其复杂的自我验证、假设测试和路径回溯。任何教它思考的行为，实际上是在干扰它原生的思考过程，都会迫使模型从**“沉浸式思考”跳出来**，变成**“表演思考”**。

话不多说，先上实力：

对于数学题：

在面积为1的矩形ABCD中（包括边界）有5个点，其中任意三点不共线。求以这5个点为顶点的所有三角形中，面积不大于1/4的三角形的个数的最小值。

在我应用这套提示词规律之前，不管是2.5还是3.0不论我尝试多少次，Gemini从来没有回答正确过。而在应用我的最新成果后，诸君请看：

**直接拿捏！！！**重要参数如下：

tempture 1.0

promt:

You are a domain expert with absolute zero tolerance for logical flaws.

This problem is highly complex and deceptive, designed to bait you into intuitive but incorrect answers. Disregard latency completely; prioritize reasoning depth and precision above all else.

During your internal reasoning process, you must simulate a “Red Teaming” operation: aggressively attack and stress-test every intermediate conclusion you make until no vulnerabilities remain.

Please provide the final, rigorous solution directly. Afterwards, briefly articulate the common pitfalls or “false paths” you identified and discarded during your analysis.

注意：这套提示词换成中文就不灵了，所以

对于哈基米英文提示词要强过中文提示词。

在一样的提示词原则下，看我用另一套提示词轻松干爆Gemini 3.0的推理额度，这里推理时长没截出来，整整推理 600.1s，直接干到截断。

授人以渔：

在这个整体的原则下，对于具体使用什么样的提示词，需要根据场景灵活调整：

一句话：

我牛逼，望周知！！！桀桀桀桀桀桀…

16 posts - 11 participants

Read full topic

via LINUX DO - 热门话题 (author: CaiGbro)

Invalid media:
image
image
image

佬友们，有啥好吃的泡面，推荐一下，不能吃辣的

102 posts - 91 participants

Read full topic

via LINUX DO - 热门话题 (author: 外系)

老师佬注意了 Nano Banana Pro非常适合用于教学，立体几何画图测试

26 posts - 18 participants

Read full topic

via LINUX DO - 热门话题 (author: Mozi)

Invalid media:
image
image

这天气有点诡异了吧...

讲个笑话，
这是夏天
32 posts - 32 participants

Read full topic

via LINUX DO - 热门话题 (author: 铎)

Invalid media: image

80个windsurf pro账号

cdk.linux.do

LINUX DO CDK

Linux Do 社区 CDK 快速分享平台 - 让分享变得更简单

63 posts - 54 participants

Read full topic

via LINUX DO - 热门话题 (author: liano)

Invalid media: image

如何免费在 Ai Studio 里面使用价值5刀的 Nano Banana Pro

大香蕉虽然上 Ai Studio 了但是是需要付费项目的！那么我想白嫖体验一下，怎么办？

很简单的，但是先到先得

第一步(有等级限制哈)：
谷歌云赠金领取

这个是官方在今年在上海开开发者大会发的，有效期 180 天

第二步：

是不是发现领取了，但是直接在Ai Studio里面绑定结算的时候跳到开90天赠金了？

别急！

点击:
accounts.google.com

Google云端平台

借助 Google 云端平台，您可以利用 Google 所用的基础架构构建、部署以及调整应用、网站和服务。

在这里绑定，然后返回就发现自己成功了！

就变成 第 1 层级/Tier 1 了

你就可以绑定啦！

36 posts - 27 participants

Read full topic

via LINUX DO - 热门话题 (author: Yuuna)

Invalid media:
image
image
image

[开源自荐] Antigravity 白嫖额度不够？来试试账户切换工具

这几个月一直在 L 站潜水，主要看各位佬友的折腾记录。前几天看到有佬友分享 Antigravity，顺手试了一下，spoiler体验非常不错。

Gemini 3 Pro 的前端页面审美可以说是独一档了，内置的 Claude Sonnet 4.5 也是量大、速度快，用起来很丝滑。

谷歌毕竟不是无限白嫖，单账号额度还是有限的。刚好手上有好几个账号，实测下来不限制机器，就萌生了做个小工具把这些账号串起来用的想法。

肝了一天，把这个小工具先做了个能用的版本，开源出来给佬友们一起玩玩，欢迎建议和吐槽，有问题可以在 GitHub issue 里反馈。

GitHub 仓库：
https://github.com/MonchiLin/antigravity-agent

顺便感谢这位佬友提供的账户地区限制教程：
https://linux.do/t/topic/1188595

在论坛发帖不多，若有格式、分区、内容不合适麻烦管理处理。

18 posts - 16 participants

Read full topic

via LINUX DO - 热门话题 (author: 内一衡径数)

Invalid media: image

感谢 Nano Banana pro，让我老婆学会了做饭

37 posts - 33 participants

Read full topic

via LINUX DO - 热门话题 (author: Bainily Mu)

Invalid media: image

抽奖主题： [给佬友抽10个windsurf pro]

在L站收获太多了，有各个大佬无私奉献自己的时间、知识甚至是金钱。本人受益匪浅。也想以绵薄之力回馈一下社区，我为人人，人人为我，希望社区越来越好。windsurf pro为11/30到期的500credits账号。

🏆️ 奖品详情：

[奖品]：[windsurf pro]

:three_o_clock: 活动时间：

开始时间：[11.20/16:10]
截止时间：[11.21/20:30]

📝 参与方式：

在本帖下随便说啥都行。

🔍️ 抽奖规则：

每位用户仅允许参与一次。
使用 官方抽奖程序 工具随机抽取中奖者。

⚠️ 注意事项：

本活动将在活动截止时间后关闭回帖，以确保公正性。
中奖者将在活动结束后24小时内在本帖公布，并通过私信通知领奖方式。
所有规则及抽奖结果由活动发起人和论坛管理团队最终解释。

期待您的积极参与，祝您好运！如有任何疑问，欢迎随时联系抽奖发起人。

175 posts - 175 participants

Read full topic

via LINUX DO - 热门话题 (author: 遇见)

FovtAPI下掉所有gemini模型 5到10天后恢复

不好意思各位 希望大家理解 但是必须暂时下架一段时间 过段时间恢复

30 posts - 30 participants

Read full topic

via LINUX DO - 热门话题 (author: 𝐅𝐨𝐯𝐭)

抽2个ChatGPT 1刀Team车位 11/24开奖

抽奖主题： ChatGPT Team车位 * 2

特别声明： 目前OpenAI还没动作,但不保证能一直用完，只要1刀活动还在每个月都会抽，可以关注三连一波
🏆️ 奖品详情：

[奖品]：ChatGPT Team车位 * 2

:three_o_clock: 活动时间：

开始时间：现在
截止时间：2025/11/24 20:00 (UTC+9)

📝 参与方式：

点赞并在本帖下回复

🔍️ 抽奖规则：

每位用户仅允许参与一次。
使用论坛官方抽奖工具随机抽取中奖者。
中奖后请及时私信邮箱给我(只支持Gmail账号)

⚠️ 注意事项：

本活动将在活动截止时间后关闭回帖，以确保公正性。
中奖者将在活动结束后1小时内在本帖公布，并通过私信通知领奖方式。
所有规则及抽奖结果由活动发起人和论坛管理团队最终解释。

期待您的积极参与，祝您好运！如有任何疑问，欢迎随时联系抽奖发起人。

88 posts - 88 participants

Read full topic

via LINUX DO - 热门话题 (author: kobebeef)

变态，太变态了！毛孔都看得清 - Banana Pro 案例分享

跟真人没区别了 （来源 Banana 2）- 图片20MB 不知道会不会被压缩

【更新】
Q：怎么这么高清？
A：我看了一下图片文件，是 3584x4800 分辨率，4K 高清画质了

110 posts - 81 participants

Read full topic

via LINUX DO - 热门话题 (author: Rana Pathan)

Invalid media: image

Nano Banana Pro模型的一手测评

刚刚，谷歌发布了全新一代生图模型Nano Banana Pro。

该模型不仅生图质量又提升了一个台阶，中文绘制能力更是得到提升巨大。

本文来从多个使用场景，来评测它的具体能力。

模型使用方式

目前，可以在谷歌的aistudio[1]上看到它，它的价格很贵：

根据规则进行简单估算，一张图的价格在 0.2 美元左右, 如果是4k的分辨率，价格在 0.3 美元左右。

目前，官方只允许付费账户使用，免费账户没法体验。

不过，有两个中转站，目前可以免费使用。

listenhub[2] 在官方正式发布前，就提前开放接口。

由于一开始不知道官方的命名，网站上写的是 Banana2，指的应该是同一款模型。

该网站一天可以免费生成30张图。

zenmux[3] 上面可以限时免费使用该模型，未看见明显额度和速率限制。

具体测试

下面来进行具体测试。

首先测试一下它写中文书法的能力：

模拟米芾行书风格，书写：‘落霞与孤鹜齐飞。’ 需要章法跳动、笔画有提按变化。

文字生成效果很不错，但是文本的顺序稍微有点错乱。

再测试一下它生成论文配图的能力：

生成一张科研论文风格的模型结构示意图：左侧输入图像 → 卷积模块 → Transformer 块 → 分类头 → 输出标签。每个模块使用矩形框标注，并添加清晰的箭头连接，颜色低饱和度、风格简洁、适合论文配图，图中的文字需要是中文。

里面的中文效果很好，有些元素可以直接拿来用。

再换一个材料学领域的场景。

生成材料科学论文常见的实验流程图：‘前驱体溶液 → 水热反应 → 离心洗涤 → 干燥 → 得到纳米颗粒’，每一步一个独立框体，用箭头连接，背景干净，风格严谨。

这张图效果也不错，可以直接放到PPT里的程度。

下面再继续测模型的场景生成能力。

写实风格的中国古代山水，雾气缭绕，远山如黛，近景为青石长桥，桥上有一名白衣剑客。

这张图的效果已经堪比电影画面了。

再测试一下写实人物：

电影级写实风格的貂蝉，深邃眼神，微风吹拂黑发和流苏发饰，服饰华贵而不过度夸张，背景为暗金色宫殿，光线从一侧打出精致轮廓感。

这个画面看上去像是三国风格的游戏立绘，主要问题可能是“貂蝉”这一形象没有真实人物进行考据，模型偏向更多游戏素材了。

换一个人物，不具体指定名称：

一位中年武僧，面部皱纹清晰，头顶落着少量灰尘，穿深色麻布僧袍，背景昏暗，侧面光。

这个效果就相当不错了。

再测试一下游戏场景。

黑神话悟空风格的悟空腾空挥棒，动作定格在半空中，衣带飘动，金箍棒拖出残影，背景为燃烧的庙宇。

这张图有壁纸的感觉。

再考验它一下零样本的能力，生成游戏中，不存在的角色立绘：

生成明日方舟不存在的原创术师干员立绘：
干员名【霁月】，白发紫眸，冷淡气质；
手持法术书，书页飘起紫色符文光；
服装为长外袍 + 发光纹路，带轻微未来感；
角色姿态优雅，立绘背景为浅灰科研装饰框体。

这张图仔细看，左上角的文字稍微有点瑕疵，此外，效果都很不错，游戏美工的成本可以省了。

此外，Nano Banana Pro 是支持上传图片，对已有图片再进行编辑的。

下面来具体试一下，首先是让它翻译漫画并上色：

将这张漫画翻译成中文并上色

这个效果甚至让我感觉这张图被它训练过，不过里面还有点小错误，部分日语没有被完全翻译。

再试一个人物替换的场景：

将图中扣篮的这个人替换成勒布朗詹姆斯

这个场景一致性实在太强了，除了人物之外，其它元素被很好地保留。

最后放一个小彩蛋，我在zenmux中测试时，让它连续画了黑悟空和詹姆斯，没开新窗口进行测试。

想让它复刻之前爆火的3d手办的场景，忘传参考图了，然后它根据历史消息，把上面所有的图整合了一下，颇有喜感。

总结

测试下来，Nano Banana Pro 绝对是当下最强的图片生成模型。

虽然它在很多场景下，仍有小错误，不过已经比前代好了太多，特别是中文能力，有了质变。

其它做模型生成的厂商，估计又要开始加班了。

参考

[1] https://aistudio.google.com
[2] https://banana.listenhub.ai
[3] https://zenmux.ai

48 posts - 38 participants

Read full topic

via LINUX DO - 热门话题 (author: zstar)

Invalid media:
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image

【第33期】抽两个gemini Pro账号，可用gemini3.0

🏆️ 奖品详情：

[奖品]：两个gemini Pro账号，20刀一个月的官方账号

:three_o_clock: 活动时间：

开始时间：2025 年 11 月 21 日 10:00
截止时间：2025 年 11 月 23 日 10:00

📝 参与方式：

在本帖下回复任意内容

🔍️ 抽奖规则：

每位用户仅允许参与一次。
使用官方抽奖工具随机抽取中奖者。

⚠️ 注意事项：

本活动将在活动截止时间后关闭回帖，以确保公正性。
中奖者将在活动结束后 12 小时内在本帖公布，并通过私信通知领奖方式。
所有规则及抽奖结果由活动发起人和论坛管理团队最终解释。

期待您的积极参与，祝您好运！如有任何疑问，欢迎随时联系抽奖发起人

256 posts - 253 participants

Read full topic

via LINUX DO - 热门话题 (author: RawChat)

如何导出 GitHub Discussions / Giscus 数据 - 子舒的博客

如果你的静态博客使用了 Giscus 作为评论系统，那么所有评论内容实际上都会存储在你对应仓库的 GitHub Discussions 中。

这种方式免去了自建数据库和后端的麻烦，但很多人会关心一个问题：能否把评论备份导出？

答案是：可以！因为 GitHub 提供了完整的 API 来读取 Discussions 的全部数据。下面是一份 python 脚本，可以一键导出 Discussions 的数据成 json 格式。

准备工作：

脚本放在最下方，我们先需要得到几个关键数据：

前三者很好得到，暂不提，分类 ID 可以在之前部署 Giscus 看到，也就是 data-category-id 的值。

开始爬取

在本地新建一个 export_giscus.py 文件，复制下面的代码进去，然后将这几个信息都填到配置中，最后在终端执行 python export_giscus.py。

程序会生成一个 .json文件，里面就是所有的 Giscus 评论数据。

import requests
import json
# 配置
GITHUB_TOKEN = "YOUR_GITHUB_TOKEN"  # 填你的 token
REPO_OWNER = "your_owner"           # 仓库 owner
REPO_NAME = "your_repo"             # 仓库名
CATEGORY_ID = "your_category_id"    # 绑定 giscus 的 Discussion 分类 ID
# GraphQL Endpoint
API_URL = "https://api.github.com/graphql"
HEADERS = {"Authorization": f"Bearer {GITHUB_TOKEN}"}
def run_query(query, variables=None):
    r = requests.post(API_URL, headers=HEADERS, json={'query': query, 'variables': variables})
    if r.status_code != 200:
        raise Exception(f"Query failed with status code {r.status_code}: {r.text}")
    return r.json()
def export_discussions():
    discussions_data = []
    has_next_page = True
    end_cursor = None
    query = """
    query($owner:String!, $name:String!, $categoryId:ID!, $after:String) {
      repository(owner: $owner, name: $name) {
        discussions(first: 50, categoryId: $categoryId, after: $after) {
          nodes {
            id
            title
            url
            createdAt
            author { login, url }
            body
            comments(first: 100) {
              nodes {
                id
                createdAt
                author { login, url }
                body
              }
            }
          }
          pageInfo {
            endCursor
            hasNextPage
          }
        }
      }
    }
    """
    while has_next_page:
        variables = {
            "owner": REPO_OWNER,
            "name": REPO_NAME,
            "categoryId": CATEGORY_ID,
            "after": end_cursor
        }
        result = run_query(query, variables)
        repo_data = result["data"]["repository"]["discussions"]
        for discussion in repo_data["nodes"]:
            discussions_data.append(discussion)
        end_cursor = repo_data["pageInfo"]["endCursor"]
        has_next_page = repo_data["pageInfo"]["hasNextPage"]
    with open(f"{REPO_OWNER}-{REPO_NAME}-giscus.json", "w", encoding="utf-8") as f:
        json.dump(discussions_data, f, ensure_ascii=False, indent=2)
    print(f"导出完成，共 {len(discussions_data)} 个 Discussion，保存到 {REPO_OWNER}-{REPO_NAME}-giscus.json")
if __name__ == "__main__":
    export_discussions()

----------------------
这是一个从 https://zishu.me/blog/export-github-discussions-giscus-data.html 下的原始话题分离的讨论话题
3 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: 神奇的哆啦z梦)

grok免费版也可以选grok4.1 thinking了

终于做一次人了，老马（希望可以像grok4fast那样量大管够） :tieba_087:

5 posts - 3 participants

Read full topic

via LINUX DO - 最新话题 (author: mikuku)

Invalid media: image