浏览器屏幕共享

用ai做了一个WebRTC的屏幕共享的网页
webrtc-screen.akr-dev.com

Screen Share - WebRTC

开源地址: GitHub - lateautumn233/WebRTC-Screen: 基于 WebRTC + WebCodecs 的实时屏幕共享应用

支持自定义码率 分辨率（目前最高1080p其他的懒得删了） 编码格式等
通过p2p传输，打不通的会走turn服务器
本地回环延迟50-100ms
有什么建议可以提，反正是ai改()

GitHub上面其实这种项目很多，但是测试后发现问题很大，要么码率控制不了要么糊的要命，测试后发现webrtc本身编码器接口很垃，码率分辨率帧率很难控制，只能把编码部分手动处理然后通过WebRTC的数据通道传。

刚来这个社区不清楚能不能发这种项目，如果不能联系我删除

3 posts - 3 participants

Read full topic

via LINUX DO - 最新话题 (author: 秋秋)

Invalid media:
image
image

请问抽奖工具支持奖品数量追加吗？

比如我发个抽奖活动，临时追加奖品数量，可以吗？

1 post - 1 participant

Read full topic

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

【支付宝16.8羊毛】速度来领，不用邀请好友

蚂蚁阿福 下就给16.8

然后直接扫朋友收款码直接就可以0元给朋友扫16.8

3 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: yes)

求救，lobehub的embedding模型要怎么设置

我看到 LobeHub 知识库 / 文件上传 · LobeHub Docs · LobeHub中可以通过环境变量设置 自定义 Embedding，用newapi把硅基流动的bge模型重定向为embedding-text-3-small，但是lobehub中提示分块失败

[TaskTriggerError]: trigger chunk embedding asynctask error.Please make sure the APP_URL isavailable from your server. You can check theproxy config or WAF blocking
2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: hs)

Invalid media: image

glm5有点垃了啊

类脑那边测试了一下

反向优化了一下？

居然比小马低

比k2.5强不了多少

3 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: Sal2)

Invalid media: image

VPN节点问题请教

自公司买的墙洞跑后，公司有一个香港落地服务器，本地节点挂上之后，访问些ip检测站 显示的却是日本的，有什么能精确查出是香港还是日本的吗

另外:想问想贡献cursor能不能直接走key现在，不想出邮箱，记得站内是有工具直接拿到key

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: ning1)

tag的url怎么编程这样了？是新年福利吗？:distorted_face:

实际是：使用人工智能标记的话题

发生甚麽事了？ :distorted_face:

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: lll9p)

GLM-5更新后，GLM Code Plan会支持使用么？

我记得有这么一句话：

但是，文档中是这么写的，尤其是那个“仅”、“只能”

那么，GLM-5更新后，套餐能用么？

9 posts - 7 participants

Read full topic

via LINUX DO - 最新话题 (author: cisha1573)

Invalid media:
image
image

Antigravity的opus不到200k上下文？

用的时候经常出现 Context limit reached · /compact or /clear to continue
测试了一下，到200k的时候就会出现 prompt is too long 报错

15 posts - 5 participants

Read full topic

via LINUX DO - 最新话题 (author: 武则天)

Invalid media: image

请问ccswitch里面可以对gemini使用cpa反代的模型吗

我已经填好我自己的baseurl以及模型和秘钥了，但是打开geminicli，问个问题就会报错[API Error: 404 page not found]，我不知道该怎么解决了

4 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: 皮尔莉)

买 Claude Code Max 5x 居然比 20x 更值，我们都被骗了 （内附原因）

cj.sina.com.cn

别买 200 刀！深扒 Claude「真实额度」，Max 5x 才是性价比之王！

写在 Claude 5 发布之前。Anthropic 忘了给一个小数四舍五入。就这么简单。一个程序员注意到了 Claude 网页版返回的使用...

结论是买 1个 20x 不如买 2 个 5x

那么问题来了，有佬友 测过 Codex $20/月 的周限额 和 5小时限额是 等价多少 B 的 token吗？或者等价多少美元？

8 posts - 5 participants

Read full topic

via LINUX DO - 最新话题 (author: Rana Pathan)

从《如何快速了解一个行业》到 agent skill

如何快速了解一个行业

前段时间在互联网四处当街溜子的时候，看到微信读书的推荐书单，在其中发现了这一本书《如何快速了解一个行业》，作者肖璟老师曾是麦肯锡的前分析师。他认为“研究分析”这一件事并不是一个门槛特别高的工作，只要掌握正确、系统的方法论，大多人可以得出准确率很高的分析结果。他想要用这一本书，来建立一个“全能框架”，以此来覆盖对所有行业的研究。

这本书的主要对象是金融行业从业者，用于对行业估值，和行业研究，给行业投资建议，其次对象才是问题的解决爱好者。所以对于一些读者来说，内容可能不是想象的那样。

书中主要包括四个部分

● 行业框架：介绍行业研究的基础框架
● 行业实战：利用行业框架实战分析新能源汽车行业
● 研究方法：介绍麦肯锡分析师使用的问题分析方法
● 研究工具篇：介绍行业研究的主要咨询来源，还有部分 AI 相关的内容（这本书成书在 24 年左右，这部分内容是有局限性的）

对于这一本书的评价，有视角认为这本书对普通人来说没有任何用处，内容都是常识，或者说可能只对分析机构有参考价值。个人认为普通人了解下这其中的内容还是很能拓宽视野的，其中的某些方法论很细节，似乎整理出来可以作为 claude 的 skill 来进行使用。

Skill

我们知道，Skill 是 Agent 完成特定任务的"专业能力"或"工作流"。简单来说，如果你发现自己在使用 agent 时，总是需要重复一套固定的步骤——“先这样，再这样，最后那样”——那么这套流程就很适合被封装成一个 Skill。

这样做的价值在于：将复杂的交互模式标准化、可复用。下次遇到同类任务时，只需调用对应的 Skill，agent 就会按照既定的流程自动执行，无需反复沟通。

而《如何快速了解一个行业》这本书提到的研究框架，看起来就恰好具备这样的特征：高度流程化、标准化的内容。从行业定义、生命周期分析、商业模式拆解，再到市场规模测算……

编写过程

可行性与 MVP 版本

有了思路之后，我去找了这本书的 epub 电子版，然后丢给了 claude code，让它分析将其中的内容改成 skill 的可行性。

这本书的如何快速了解一个行业分析流程很规范化，目前 agent 流程越发完善，也可以进行 web 搜索。那么，能否分析出标准的流程，对一个行业，分析出是什么东西，需要去哪里找资料，分析发展阶段，等等，形成 skill，最后输出行业报告呢？

当前阶段，你只需要进行分析然后告诉我可行性即可

它使用 pandoc 将 epub 转成 markdown 格式，读取内容后给我的结论是，书中提供了高度标准化的分析框架，大部分资料可以通过公开搜索获得，评估指标清晰可以量化，agent 也已经具备了 web 搜索，长文本处理和推理能力，报告结构也完全可以标准化。所以写成 skill 是一个高度可行的方案。

主要问题是在于：数据质量与准确性

● 数据矛盾：难以判断哪一个正确
● 数据过时：分析失效
● 数据缺失：无法完成分析

于是给了我一个复杂的架构设计

flowchart TD
    A[行业分析 Agent 系统]

    A --> B[主控Agent<br>协调器]
    A --> C[搜索Agent<br>资料收集]
    A --> D[分析Agent<br>深度推理]

    B --> E[行业定义 Agent]
    B --> F[生命周期 Agent]
    B --> G[四大维度 Agent]

    F --> H[可行性 Agent]
    F --> I[规模性 Agent]
    F --> J[防守性 Agent]

    J --> K[盈利性 Agent]
    J --> L[估值 Agent]

    L --> M[外部因素 Agent]
    L --> N[景气度 Agent]

我对其中的一些概念也不清楚，要求 ai 进行进一步的澄清后，就让 ai 继续进行架构设计。它给了我三个方案

● 单 Skill （一体化）
● 多 Skill（每种分析方面都有一个 skill）
● 分层 skill

flowchart TD
    A[行业分析 Skill<br>协调器]
    A2[输入：行业名称 + 分析深度]
    A3[内部：智能调用子 Skill]

    A --包含--> A2
    A2 --> A3

    A3 --> B[分析深度]
    B --> C[快速扫描]
    B --> D[标准分析]

    C --> E[快速分析 Skill<br>单次]
    D --> F[完整分析 Skill<br>多步]

    F --> G[行业定义 子模块]
    F --> H[生命周期 子模块]
    F --> I[市场规模 子模块]

根据它的描述，最好的方案应该是上图的分层模式，于是我就让它根据分层来写 skill。但是实现后的 skill 抽风了，有点一口吃不下。于是乎转向了单 skill，先验证可行性。

完善

跑通 MVP 版本后，我让 AI 重新补充初版中遗漏的分析模块。同时，我尝试将书中的研究方法按 agent 的执行能力划分为三类：

● Agent 可独立完成且执行顺畅的
● Agent 可执行但过于复杂的
● Agent 无法完成的

我的要求是：agent 通过 skill 完成尽可能完备的分析，同时对后两类任务进行标注并说明原因。信息来源及其时效性等内容，通过 markdown 脚注进行标记，并在报告末尾附上说明。

此外，我还希望 agent 能够引导用户：告知他们后续可以进行哪些分析，哪些方向可以继续与 agent 深入研究。

考虑到 skill 不宜过长，对于 agent 无法确定判断的内容，也进行初步判断并标注需要进一步确认。同时要求搜索工具多样化，标注可供用户继续深入搜索的平台和渠道。

于是我得到了改进后的 skill。通过它生成的报告，内容确实更加完善了，但读起来总觉得有些空洞——感觉像大量正确的废话。

最后进一步调整，让 agent 在运行前先询问用户角色，基于角色定位来判断用户真正想了解的内容，再针对性地进行资料收集和报告撰写。经过这样一番迭代，感觉这个单体 skill 可以拿来稍稍图一乐了。

能想到什么？

信源：Agent 获取的内容基本源于网络，而网络信息存在几类问题：部分是二手信息、部分真实性存疑、还有完全闭源的内容。这直接影响分析质量。

格式：这算是一个小问题，主要是我试图让 AI 在信息上通过 markdown 脚注来直接标注信息来源，效果不是很理想。

深度与广度：这方面就见仁见智因人而异了，不同人对深度和广度的需求不一致

我们也可以想到的是，如果有更好的工具，比如 openclaw or 未来的新工具，或者搭建更好的分析模板，更细致的 skill，我们无疑能将一个行业研究的更好一些。

同时，也能想到的是，《如何快速了解一个行业》这本书是对于行业研究提出的方法论，其他书中的方法论，是否也能像这样被分解成 skill，让我们快速的通过 ai 上手呢？

另外，AI 确实好用，但如何在各个领域系统性使用 AI，仍值得我们深思。

附录

skill 文件

🔗qkyufw/industry-analysis

输出效果

上面的github 链接中有 example 文件夹，里面有更多的分析报告可以看看，不同的模型应该效果也不一样

3 posts - 3 participants

Read full topic

via LINUX DO - 最新话题 (author: 今天星期八)

Invalid media: image

豆包新模型内测，自称研究型智能模型！！！

如图所示
7 posts - 7 participants

Read full topic

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

Invalid media: image

马上就能获得一个金色的勋章啦w

大概…会在晚上发？w
如果我没有数错的话w)
18 posts - 9 participants

Read full topic

via LINUX DO - 最新话题 (author: 0wFF)

Invalid media: image

开源OpenClaw插件，让OpenClaw直接使用opencode的免费模型

开源项目地址：GitHub - dxxzst/opencode-to-openai

前置要求

1. Node.js: 18.0 或更高版本。
2. OpenCode CLI: 必须已安装在您的系统中。 ● Windows: npm install -g opencode-ai ● Linux / macOS: curl -fsSL https://opencode.ai/install | bash

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

OpenClaw 插件模式 (原生集成)

推荐方式。 将 OpenCode 模型直接集成到 OpenClaw 环境中。

1. 安装步骤

在安装了 OpenClaw 的终端中运行：

openclaw plugins install https://github.com/dxxzst/opencode-to-openai

2. 重启 Gateway

由于 OpenClaw 需要加载新插件，请重启服务：

openclaw gateway restart

说明：如果启用了插件白名单（plugins.allow），必须把本插件加入 allowlist。注意 openclaw config set ... 会覆盖原有列表，请先读取并合并后再写回：

openclaw config get plugins.allow --json
# 假设返回 ["a","b"]，请写成：
openclaw config set plugins.allow '["a","b","opencode-to-openai"]' --json
openclaw gateway restart

如果插件已经加载，也可使用命令快速写入 allowlist（仍需重启）：

/opencode_allow
openclaw gateway restart

3. 配置模型

第一步：同步模型并注入 Provider（官方方式）

运行以下命令触发插件的 Provider 认证流程，插件会自动从本地代理同步模型并写入配置：

openclaw models auth login --provider opencode-to-openai --method local

如需同时设置默认模型，可加 --set-default：

openclaw models auth login --provider opencode-to-openai --method local --set-default

第二步：选择并使用

同步完成后，您可以运行：
👉️ /model status (查看已导入的模型列表)

或者直接设置您的首选模型：
👉️ openclaw models set opencode-to-openai/opencode/kimi-k2.5-free

提示：如果在 OpenClaw 环境里模型请求卡住，可将插件配置 useIsolatedHome 设为 false，让 OpenCode 使用真实 HOME（共享已登录/已配置的本地环境）。

安全：默认禁用 OpenCode 工具调用（插件配置 disableTools=true），避免模型执行本地命令或改动文件；如确需工具能力可手动关闭。

调试：可在插件配置中将 debug 设为 true，或设置环境变量 OPENCODE_PROXY_DEBUG=1，输出请求与会话的调试日志。

4. 服务自检（推荐）

在同步模型前，建议先确认服务已启动并可用：

curl http://127.0.0.1:8083/health
curl http://127.0.0.1:8083/v1/models

若你配置了 apiKey，请加上鉴权头：

curl -H "Authorization: Bearer <YOUR_API_KEY>" http://127.0.0.1:8083/v1/models

最小对话测试（非流式）：

curl -X POST http://127.0.0.1:8083/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"opencode/kimi-k2.5-free","messages":[{"role":"user","content":"hi"}],"stream":false}'

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

写在最后

目前侧下来，还有一些小问题，不过基本能用。有啥bug，欢迎提出。

4 posts - 3 participants

Read full topic

via LINUX DO - 最新话题 (author: flywind)

好可爱……卡尔曜……

虽然就是有时候笨笨的，不过也没关系吧！

用这个项目搭建的：GitHub - yincongcyincong/MuseBot: supports Telegram, Discord, Slack, Lark（飞书），钉钉, 企业微信, QQ, 微信, compatible with various LLMs including OpenAI, Gemini, DeepSeek, Doubao, and OpenRouter. It offers intelligent conversation, image generation, video creation, and more. Works seamlessly in both private chats and group settings.

5 posts - 3 participants

Read full topic

via LINUX DO - 最新话题 (author: Karlre)

Invalid media:
image
image
image
image
image

我使用 ddddocr 模型开发的免费离线的浏览器验证码识别工具支持火狐浏览器了

继上次1.1.0版本发出来之后，听取了佬友们的很多意见和建议，感谢论坛的佬友们，到目前为止进行了三次迭代更新。现在支持自动寻找验证码和输入框并自动填写，自动勾选用户协议框，更自由的网站规则。

在1.1.3版本开始，浏览器扩展支持火狐浏览器了，也做了移动端的适配。佬友们可以在仓库直接下载新版本安装使用：
github.com

GitHub - MakotoArai-CN/ddddocr-webjs: 基于 [ddddocr](https://github.com/sml2h3/ddddocr)...

基于 [ddddocr](https://github.com/sml2h3/ddddocr) 的浏览器版本，使用 ONNX Runtime Web 在浏览器中识别验证码。

edge浏览器用户可以在edge浏览器扩展应用商店安装，edge扩展审核周期比较长，更新比较慢，大概7天左右
microsoftedge.microsoft.com

DDDD OCR Extension - Microsoft Edge Addons

Make Microsoft Edge your own with extensions that help you personalize the browser and be more productive.

FireFox浏览器用户可以在FireFox扩展商店安装
addons.mozilla.org

DDDD OCR Extension – 下载 🦊 Firefox 扩展（zh-CN）

下载 Firefox 上的 DDDD OCR Extension。完全离线的验证码识别工具，支持自动检测并填充验证码

如果只是单个网站测试使用，或者浏览器不支持扩展可以使用油猴的情况也可以考虑油猴脚本
scriptcat.org

DDDD OCR WEB - 验证码自动识别

自动检测并识别页面验证码，自动填充到输入框。首次使用需设置白名单，会自动下载约50MB模型文件以及20MB左右的ONNX推理运行时文件。

不知道什么时候开始，明明根本保护不了自己的隐私，自己却好像变得越来越重视隐私保护了，很多软件不开源我都不太敢用，开源并代表安全，但是总能给我一种莫名其妙的安全感。

佬友们请放心，我的项目没有任何隐私收集的功能，包括遥测也没有。

目前我能想到的功能我都加了，其他的我没遇到，也很难测出来。ddddocr 的模型现在我测试的结果是，精度不变的情况下，量化后的模型大小可以缩减到48%，甚至于说大小缩减了，识别精度还提高了一点。最容易出错的字符是大写i和小写L，数字0和字母O，如果还是不合佬友的心意的话，可能就要去针对性训练模型了。

欢迎大佬们给项目提建议，反馈bug

1 post - 1 participant

Read full topic

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

Invalid media:
image
image
image
image

微软评估高温超导电缆提升资料中心能源效率

https://xenospectrum.com/microsoft-data-center-hts-superconducting-power-efficiency/

[!quote]+
为了克服严重的电力短缺和基础设施压力，微软正大力推广高温超导（HTS）技术。2026 年 2 月，该公司公布了一项雄心勃勃的计划，将 HTS 引入数据中心供电系统。这不仅仅是为了提高效率，更是迈向下一代计算的垫脚石，它将从根本上颠覆依赖铜线和铝线的传统电力传输方式。

微软这项计划的背后是位于马萨诸塞州的初创公司 VEIR，微软在 VEIR 的 B 轮融资中投资了 7500 万美元，并一直与其合作开发用于数据中心的 HTS 系统。
2025 年 11 月，VEIR 宣布已在模拟数据中心环境中成功通过单根高温超导电缆输送了 3 兆瓦的电力。这一演示预示着人工智能时代机架设计的范式转变。
VEIR 首席技术官 Erhan Karaca 表示，HTS 电缆系统比传统铜缆轻 10 倍，体积小 10 倍，传输距离延长了 5 倍以上，布线占用空间减少了 20 倍以上，大大提高了数据中心内机房和机架布局的灵活性。

經濟日報

解電力瓶頸 微軟評估高溫超導電纜 提升資料中心能源效率 | 國際焦點 | 國際 | 經濟日報

微軟表示，正評估在資料中心使用超導電纜，藉此提升能源效率，並可能加快其在美國大規模興建伺服器園區的進度。隨著大型科技公司...

1 post - 1 participant

Read full topic

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

Invalid media:
image
image

新人报道~)

终于加进来了, 请多多指教 😆

6 posts - 6 participants

Read full topic

via LINUX DO - 最新话题 (author: keepme)