各位，禁止你们在公司的办公电脑上安装Clawdbot。

咱上级领导决定公司电脑禁止安装Clawdbot， 😁 这个太危险了

6 posts - 6 participants

Read full topic

via LINUX DO - 最新话题 (author: lucky li)

Invalid media: image

分享一个在安装Claude code遇到的问题及解决方案

在安装Claude Code过程中，若使用Windows Powershell进行安装，应输入

irm https://claude.ai/install.ps1 | iex

这应该是网上常见解法。

但是我在输入这条命令时总是提示报错，就是停顿一会，然后大量的红字（好像是什么什么“参数列表中缺少参量”“此语言版本中不支持“var”关键字”等等）

提供一个我的解决办法，把上述命令拆成两部分

1. 管理员身份运行Powershell，这步在安装完Powershell之后应该就会设置好
2. 在Powershell中输入：

irm https://claude.ai/install.ps1 -OutFile "install.ps1"

1. 由于Powershell可能会禁止本地脚本运行，输入命令以允许在当前会话下执行脚本：

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope Process

1. 最后，直接安装即可

.\install.ps1

这时候不出意料就会跳出一个进度条，开始进行安装，速度较慢，可以科学上网来加快安装速度。

安装完成后，输入命令

claude -v

就会跳出版本号了，这边应该就是安装成功了。

之后，我运行claude，也是出现了红字报错，在L站里搜到了解决办法：
C盘/用户文件夹/用户名文件夹里，有”.claude.json“文件，双击运行，在最大的花括号内（花括号有挺多的，别加错了）添加一行：

"hasCompletedOnboarding": true,

就可以了（先检查有没有"hasCompletedOnboarding”，如果没有在添加，如果有，把后面的值改成true）

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: 爱呱呱的鼠鼠)

求推荐一台 AI 中转服务器

不限流量 ！！！
延迟比较低 ！！！
不搭梯子
只做反代 和 AI 模型中转 （国内+国外模型）

这种需求是不是 买阿里腾讯火山的 日本或新加坡服务器比较好（小白拙见）

已有 dmit 品川 800G （流量已刷爆）
bwg 美西三网 2000g （延迟太高，也有newapi 中转国内模型的需求）

15 posts - 6 participants

Read full topic

via LINUX DO - 最新话题 (author: heishen)

佬们，AI stuio ，刚用一会儿为啥就reached your rate limit. Please try again late

8 posts - 5 participants

Read full topic

via LINUX DO - 最新话题 (author: 商刘祥)

Leetcode每日一题 —— 2977. 转换字符串的最小成本 II

力扣 LeetCode

2977. 转换字符串的最小成本 II - 力扣（LeetCode）

2977. 转换字符串的最小成本 II - 给你两个下标从 0 开始的字符串 source 和 target ，它们的长度均为 n 并且由 小写 英文字母组成。 另给你两个下标从 0 开始的字符串数组 original 和 changed ，以及一个整数数组 cost ，其中 cost[i] 代表将字符串 original[i] 更改为字符串 changed[i] 的成本。 你从字符串 source 开始。在一次操作中，如果 存在 任意 下标 j 满足 cost[j] == z ...

思路
还是延续昨天的思路使用弗洛伊德算法。今天的题难度虽然提高了，但是本质没变，只是把字符的转换改成了字符串的转换。
首先通过弗洛伊德算法，找出从i->j的最小成本。然后通过递归将源字符串移除开头可转换部分降级为的更小规模字符串。

代码

class Solution {
    // 用于存储 i->j所需要的成本
    private HashMap<String, HashMap<String, Integer>> map;
    // 剩余长度的最小成本，用于记忆化搜索
    private long[] vis;
    // 转换信息类
    private record Converter(String s, String t, int c){}
    public long minimumCost(String source, String target, String[] original, String[] changed, int[] cost) {
        // 初始化
        map = new HashMap<>();
        vis = new long[source.length() + 1];
        Arrays.fill(vis, -1);
        for (char i = 'a'; i <= 'z'; i++) {
            HashMap<String, Integer> jc = new HashMap<>();
            jc.put(String.valueOf(i), 0);
            map.put(String.valueOf(i), jc);
        }

        // 转换信息队列，作为中间节点 k 来更新两字符串之间的最小成本
        Queue<Converter> queue = new ArrayDeque<>();
        // 初始化 两字符串间的转换
        for (int i = 0; i < original.length; i++) {
            int c = cost[i];
            map.computeIfAbsent(original[i], k -> new HashMap<>()).compute(changed[i],
                    (k, v) -> v == null ? c : Math.min(v, c));
            queue.offer(new Converter(original[i], changed[i], c));
        }
        // 通过中间节点 k 更新两点间最小成本
        while (!queue.isEmpty()) {
            Converter converter = queue.poll();
            String i = converter.s;
            String k = converter.t;
            int c1 = converter.c;
            HashMap<String, Integer> kMap = map.get(k);
            if (kMap == null) {
                continue;
            }
            HashMap<String, Integer> iMap = map.get(i);
            for (Map.Entry<String, Integer> jc : kMap.entrySet()) {
                String j = jc.getKey();
                int c = jc.getValue() + c1;
                if (!iMap.containsKey(j) || iMap.get(j) > c) {
                    iMap.put(j, c);
                    queue.offer(new Converter(i, j, c));
                }
            }
        }
        // 找出两字符串之间的最小成本
        long ans = dfs(source, target);
        return ans == Long.MAX_VALUE ? -1 : ans;
    }
    private long dfs(String source, String target) {
        int sLen = source.length();
        // 如果已访问过，直接返回最小成本
        if (vis[sLen] >= 0) {
            return vis[sLen];
        }
        long cost = Long.MAX_VALUE;
        // 遍历所有转换，如果能将源字符串的最前部分转为目标字符串的对应部分，则递归剩余字符串
        for (Map.Entry<String, HashMap<String, Integer>> entry : map.entrySet()) {
            String i = entry.getKey();
            HashMap<String, Integer> jc = entry.getValue();
            if (source.startsWith(i)) {
                String j = target.substring(0, i.length());
                if (jc.containsKey(j)) {
                    String nSource = source.substring(j.length());
                    String nTarget = target.substring(j.length());
                    long sub = sLen == i.length() ? 0 : dfs(nSource, nTarget);
                    vis[nSource.length()] = sub;
                    if (sub == Long.MAX_VALUE) {
                        continue;
                    }
                    cost = Math.min(cost, sub + jc.get(j));
                }
            }
        }
        return cost;
    }
}

优化思路
看速度最快的算法，是用的字典树，又是没学过的知识，容我消化消化~

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: 魔法师)

Invalid media: image

看起来谷歌开始清算学生了

之前看到别人被取消以为可能是新号的原因，现在一个12月订阅的老号也被取消订单了，谷歌看来也顶不住薅了🥲

20 posts - 16 participants

Read full topic

via LINUX DO - 最新话题 (author: 404)

Invalid media:
image
image

求助：在云端 dify 可以使用 但是调用 api（agent）就无返回 报 500

=== Dify chat-messages API 返回的完整内容 ===
data: {
“event”: “error”,
“conversation_id”: “ed76347e-4567-4a09-9f8d-26cfe3d946c9”,
“message_id”: “6309b959-6c7f-4641-b92a-5f3833013225”,
“created_at”: 1769745315,
“code”: “internal_server_error”,
“message”: “Internal Server Error, please contact support.”,
“status”: 500
}

=== HTTP 响应信息 ===
HTTP状态码: 200
Content-Type: text/event-stream; charset=utf-8
响应时间: 3.191s

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: 纯棉花)

Invalid media: image

dify 使用小指南

在大家的印象里可能类似dify、fastgpt、n8n这种拖拽式的workflow工作平台是低代码的，大部分操作节点其实挺直白，不过我个人用起来其实更像是一个框架而已，虽然说是低代码，但没有代码思维写起来会很烂很烦。
特此开个贴来记录一下我在工作中使用dify一点点经验。而且dify的迭代和循环不能放在一起，有时候还真有点麻烦。

本地部署

本地部署如果是在大陆的机器，我是非常建议用qwen和doubao的，因为这两家首字速度非常非常快，而且无论账户多少钱都有高并发，模型在日常使用例如客服、视觉上都是够用的。（不够用就并行多几个qwen plus来验证，反正便宜）。

如果是香港的机子访问qwen和doubao慢了一点点但感觉还是很快的，而且这里可以解锁openrouter中的vertex中的gemini（速度很快不过不知道为什么会出现速率限制，明明是收费的），但依旧用不了claude和openai

如果是其他地方的机器，qwen和doubao的访问速度就会明显下降，如果选择使用百炼国际节点来使用qwen，我只能说非常贵，大概是国内的3倍，不如直接用gemini 3 flash解决一切，我试了我的场景（客服和教育），claude不好用；openai大杯模型都不错（贵），mini那些不行。

并发量

如果是本地部署，在我的使用场景里很容易碰到迭代并发量不够的导致执行这个节点速度很慢，默认是10，所以需要去env设置一个参数（不记得什么参数了，把env文件喂给ai问问就行）

变量合聚合器

变量聚合器这个节点可以把相同类型的变量聚合在一起，这个节点可以节省很多功夫，例如客人想咨询还是购买，我设置了不同的回复，但后续节点是一致的，就可以把不同的回复聚合在一起，不用写两个甚至更多一模一样的后续流程。

环境变量

环境变量在chatflow和workflow都很好用，因为可以定义一个公共的变量，无论是很重复的prompt或者定义一个标记变量都可以用这个，例如设置了一个prompt是定义所有llm的角色，或者所有llm都需要遵循的规则，如果后续有变动可以直接改变量而不是一个个改（烦死）。

自定义分流

我觉得dify自带的问题分类器不好用，不如写一个llm节点来执行执行分流，例如客人是想咨询还是购买。

json schema（非常重要）

llm节点里面有一个结构化输出，也就是json schema，这个可以卸载llm的参数设置里（gemini、openai等插件），也可以写在这里。主要功能是限制llm输出json格式且对应字段，在很多情况非常好用。现在的模型基本上都有这个功能，最近的模型只有doubao seed 1.6有时候不太遵守。

自定义记忆

在某些场景下，我们需要对用户输入进行分流或信息提取。此时，不应使用 LLM 节点自带的记忆功能。

原因在于：我们通常会在 system prompt 中明确定义分流规则，例如“情况1输出A，请求2输出B”，并要求模型仅输出 A 或 B。然而，如果启用了记忆功能，LLM 会将此前多轮 user/assistant 的对话历史一并带入当前请求。这相当于在补全上下文，但其中混杂了大量与当前任务无关的对话内容，会严重干扰 system prompt 中设定的严格输出规则。

举个例子：

● 上一个节点是通用对话 LLM，用户说“你好”，LLM 回复：“你好，我是AI客服，有什么可以帮到您？”
● 下一个节点切换为分流 LLM，其 system prompt 要求只输出 A 或 B。
● 但如果启用了记忆功能，上述对话历史（包括 assistant 的回复）会被作为上下文传入分流 LLM。
● 结果，分流 LLM 可能受历史回复影响，不再严格遵守“仅输出 A 或 B”的指令，导致行为偏离预期。

因此，我个人的做法是：通过插件或自定义 workflow，将整个对话历史收集并整合为一条完整的 user 输入，再一次性发送给 LLM。这样既能保留必要上下文，又避免了多轮对话中 assistant 回复对分流逻辑的干扰，确保 system prompt 的规则被准确执行。

就先记到这里吧，之后我遇到了什么问题再补充，也欢迎大家给出自己的经验。

5 posts - 3 participants

Read full topic

via LINUX DO - 最新话题 (author: 爱吃桃子的土狗一号)

Invalid media:
image
image
image
image

反重力或者反代遇见问题请更新版本参考下面提交

好像今天反重力检验拉版本
旧版本会出现 下面问题:

如果是反重力软件就官方更新版本
如果是反代参考我修改的代码:

image
具体提交信息查看 合并 antigravity 分支：更新antigravity 版本号解决版本回复问题 · dadongwo/claude-relay-service@367347f

1 post - 1 participant

Read full topic

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

Invalid media:
image
image

GPT team车位靠谱吗?一般能用多久呢？哪里来的渠道呢？

之前一直用Gemini，以为GPT没有薅的方法，昨天突然看到有team这种说法应该是跟Gemini家庭组一样，看到有人50LDC卖，这是一个月的吗？这些车头怎么来的，靠不靠谱啊，会不会导致自己封号呢？还有就是这个一个月是按我加入时间算还是车头开通时间算的呢？求佬们给我解答一下

15 posts - 10 participants

Read full topic

via LINUX DO - 最新话题 (author: 鬼还没吹灯)

Kimi海外0.99刀一个月Moderato订阅（国内99元）+2月份3倍使用额度，大伙速冲！

KIMI官方刚刚宣布即日起至2026年2月28号，每个新老用户都可享受最高平时3倍的使用额度

详见： Kimi Code Plan 升级：接入 K2.5，升级 token 计费，还有最高「3x」狂欢活动 - #2，来自 Midflowers
配合KIMI海外0.99刀一个月Moderato订阅的砍价活动，国内订阅价格为99元，简直不要太香，可以使劲蹬了，大伙速冲！

砍价活动攻略： KIMI国外砍价活动，0.99刀拿下Moderato一个月订阅（国内原价99元）

7 posts - 7 participants

Read full topic

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

Invalid media: image

公司打算推广 AI 编码，各位佬有什么经验可以分享吗？

这个锅到了我头上了 🫠

12 posts - 4 participants

Read full topic

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

K2.5一些时候会错误输出英文 是不是和训练啥的有关系

大概平均十多次询问会莫名其妙出现一次英文
他这个输出是英文翻译成中文 还是？
1 post - 1 participant

Read full topic

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

Invalid media: image

自己订阅Max*20被封得太厉害了，所以求求有大神通的佬友

有无卖Claude Max*20官号的商家价格好说 :xhs_021:

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: Elizabeth Grant)

求大佬解惑clash的配置文件.ini里面的策略组怎么能匹配节点

用了@ZeroDeng大佬的Sublink Pro项目，再次感谢，非常满意，真的是我心坎里最好用的订阅管理项目
现在有个问题就是
大佬的可以自定义yaml的配置，然后我用的是ACL4SSR的最精简配置https://raw.githubusercontent.com/ACL4SSR/ACL4SSR/refs/heads/master/Clash/config/ACL4SSR_Mini.ini
然后想在此配置增加2个策略组，每个策略组都只包含机场A开头的节点，现在情况是不管我咋匹配都匹配不到
请问这个策略组该怎么匹配啊

我用的匹配规则如下：

; 新增策略组
custom_proxy_group=一元机场`select`[]DIRECT`.*一元机场.*
custom_proxy_group=风萧萧`select`[]DIRECT`.*风萧萧.*
custom_proxy_group=宝可梦`select`[]DIRECT`.*宝可梦.*
custom_proxy_group=便宜机场`select`[]DIRECT`.*便宜机场.*
custom_proxy_group=维云云`select`[]DIRECT`.*维云云.*
custom_proxy_group=FScloud`select`[]DIRECT`.*FScloud.*

是不是这个地方也要修改添加个策略组呀

  - name: 🚀 节点选择
    type: select
    proxies:
      - ♻️ 自动选择
      - DIRECT
  - name: ♻️ 自动选择
    type: url-test
    url: http://www.gstatic.com/generate_204
    interval: 300
    tolerance: 50```

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: chu762278436)

火山引擎协作奖励计划上线GLM4.7

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: donnad)

Invalid media: image

闲来无事，用AI搓了个邮箱验证码助手插件

邮箱验证码助手马上完工了，给你挺简单的，后续会加入网页白名单（白名单网页会自动提验证码自动输入验证码）

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: Aimer)

Invalid media:
image
image

最近麦当劳有双堡的优惠套餐

这两天麦当劳也出了虾堡的团购，两个27.5元，于是想试试麦当劳的虾堡怎么样，上周吃了肯德基的虾堡感觉还不错。就是不知道为什么现在的新品都是搞预约制，先预热一段时间，下了单还得过几天才可以吃 🤣
1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: leogogo)

Invalid media: image

经济萧条就连全球大企业也逃不掉！

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: 希望)

Invalid media: image

【抽奖】老破小(WOW)公益站1000刀瓜分活动

大家好！佬友们实在是太热情了，这才大约4天，公益站的注册就快破2000了 w(ﾟДﾟ)w
今天咱来瓜分个 1000 刀玩玩 ψ(｀∇´)ψ

主帖：【已接入LinuxDO OAuth】老破小公益站复活~ 注册送100刀（已上线 Kimi-2.5）

公益站内的可用模型主要为开源模型，有 DeepSeek、Cohere（command-a/r-plus）、Meta(llama)、Mistral、Kimi(k2/k2.5)、OpenAI(gpt-oss)、Qwen、GLM…

注册就送 100 刀 (≧∇≦)ﾉ

----------------------

抽奖主题：老破小(WOW)公益站1000刀瓜分活动

🏆️ 奖品详情：

前 3 名(含第三名)：每人 100 刀
4-13名(含第十三名)：每人 50刀
14-23(含第二十三名)：每人 20 刀

:three_o_clock: 活动时间：

开始时间：Fri, Jan 30, 2026 12:50 PM CST
截止时间：Sat, Jan 31, 2026 11:00 PM CST

📝 参与方式：

在本帖下回复任意内容并携带公益站内的用户 ID。

🔍️ 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。
如抽到未注册公益站的用户，该用户获得的奖品将作废。

⚠️ 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2小时内在本帖公布，并通过人工发放奖励。
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。

5 posts - 5 participants

Read full topic

via LINUX DO - 最新话题 (author: 吴先生)

有什么国内的接码平台推荐吗？

之前加了个孟加拉的女生，今天突然问我有没有多余的手机号码，她想注册抖音

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: 我视我)