我写了个自认为非常牛逼的浏览器插件: StackPrism
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
本帖无AIGC内容
制作这款浏览器插件的起因是因为之前一直用的是wappalyzer, 然后我发现我有些网站居然没法识别出有哪些技术栈, 后面又试了市面上林林总总其他的技术栈检测插件都感觉不尽人意, 所以我就制作了这款插件
插件截图
开源仓库
github.com
GitHub - setube/stackprism: StackPrism is a browser extension for detecting...
StackPrism is a browser extension for detecting website technology stacks.
开发文档
StackPrism
StackPrism — 网页技术栈识别器
识别网站使用的前端框架、运行时、分析服务和安全线索。StackPrism 是一个支持 Chrome、Edge 和 Firefox 的浏览器扩展。
chrome扩展商店
chromewebstore.google.com
StackPrism - Chrome 应用商店
StackPrism 用于检测网页前端、后端、CDN、SaaS、广告营销、统计、登录、支付、网站程序和主题模板线索。
edge扩展商店
microsoftedge.microsoft.com
StackPrism - Microsoft Edge Add-ons
Make Microsoft Edge your own with extensions that help you personalize the browser and be more productive.
火狐扩展商店
addons.mozilla.org
Client Challenge
11 个帖子 - 8 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: 谦君)
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
本帖无AIGC内容
制作这款浏览器插件的起因是因为之前一直用的是wappalyzer, 然后我发现我有些网站居然没法识别出有哪些技术栈, 后面又试了市面上林林总总其他的技术栈检测插件都感觉不尽人意, 所以我就制作了这款插件
插件截图
开源仓库
github.com
GitHub - setube/stackprism: StackPrism is a browser extension for detecting...
StackPrism is a browser extension for detecting website technology stacks.
开发文档
StackPrism
StackPrism — 网页技术栈识别器
识别网站使用的前端框架、运行时、分析服务和安全线索。StackPrism 是一个支持 Chrome、Edge 和 Firefox 的浏览器扩展。
chrome扩展商店
chromewebstore.google.com
StackPrism - Chrome 应用商店
StackPrism 用于检测网页前端、后端、CDN、SaaS、广告营销、统计、登录、支付、网站程序和主题模板线索。
edge扩展商店
microsoftedge.microsoft.com
StackPrism - Microsoft Edge Add-ons
Make Microsoft Edge your own with extensions that help you personalize the browser and be more productive.
火狐扩展商店
addons.mozilla.org
Client Challenge
11 个帖子 - 8 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: 谦君)
关于我是如何陆续跟100+个女孩进行相处
看之前有几点要说明,以防被人说我是骗子:
1,我不卖课
2,要是骗子我全家死
3,全部亲身经历
4,阴阳的人麻烦离开,既然不赞同也就没必要在疯狂说了
5,我不是时间管理大师,当然我也有从你们口中的"骗子"里学到东西,不过我是结合自身情况在不欺骗的情况下使用
6,我没约过
看完以上几点如果还是不赞同,那么本帖不适合你,因为我是你口中的"骗子",看本帖也不会让你有任何收益,不要浪费时间 😆
首先交代一下我的背景,我只是一个普通理科男,学历是烂大街的本科,家里没矿,外貌一般,直到大学结束时都没拍过拖,父母从小教育也是说高考完再考虑拍拖,不要拖累学业,于是到了大学,虽然允许拍拖了,但是却毫无经验,不知道怎么跟女孩沟通,发出信号让女孩知道我想追她,所以我就决心改变一下自己.
提升过程:
一:首先要改变的是形象,也是最容易获得加分的地方,搞一些干净清爽适合自己的发型,然后网上搜视频看看怎样用定型喷雾啥的进行形象改造,如果这一步不做,在女孩心中会损失分数,即使不损失分数也不会加分,同时这一步也是后续认识更多女孩的必要条件
二:第二点是改变说话的方式,这里不是说硬要说一些笑话什么的,这个不一定对每个人都管用,我摸索到的方法是比较通俗易用的,不要冷场即可,但是不要冷场也是需要一些技巧,因为从对方角度分析,正常第一次见面不是需要你疯狂说话,而是需要说一些让对方为你加分的话,以下一些情况可以供各位参考
● A:对方的兴趣点:首先是简单摸索一下对方有什么兴趣,然后聊天从兴趣入手,这个情况几乎适用于每一个女孩,但是由于每个女孩的兴趣不一,所以平时需要多点查看各类知识,起码知道对方说的是个什么东西,同时也要力所能及,如果别人是很有钱,聊的都是高端东西,也没必要强求(这里也印证了以前长辈说的门当户对),换其他话题即可.
● B:自身兴趣点:这个也是一个加分项,如果从对方兴趣点没办法聊下去,那么话题可以适当往自己这边靠拢,例如我为了改变自己能追到女孩,我学了烘焙,也尝试玩一下浮潜,加上我本身也喜欢唱歌,所以能聊的兴趣点也还可以,聊的内容不需要太深入(投入太多时间不划算,除非你真的喜欢)
● C:共同能做的事情:如果你觉得对方不错,想继续发展的话,那么建议你可以聊一些可以共同一起做的事情,能增加话题的同时,也能看看对方喜不喜欢,万一喜欢的话,可以乘胜追击了,例如一起出去玩烘焙,钓虾,夹娃娃等活动,能一起玩加深感情也能聊天,切忌看电影,做一些不能聊天的户外运动或者剧烈运动,一切以能交流为中心
三:加微信发朋友圈,这个看似简单,实际上也很讲究,发朋友圈不是让你随便发一些生活上的事情,发的内容是需要筛选的(当你提升后,其实发的内容也会比以前讲究一些,过一段时间翻看之前的内容就能对比出来),能让自己加分的,你的主要目标是朋友圈里的各种女孩,而不是长辈及同性朋友,拿我为例,我可以发一下我平时做烘焙的作品,一些简易的唱歌录音情况,出去游玩的话拍一些好看的照片等等,但是这些内容必须要进行处理(毕竟女孩发自拍或玩耍都会P图,所以我们最好也能P一下),如果处理后发现不好看(通俗点说就是你自己都觉得逼格不够),那干脆不要发,不要为了发而发,因为对于新认识的女孩来说,她们第一时间就是翻你朋友圈,看看你平时做什么东西,这个也是潜在的加分项,需要注意
四:穿着,平时我的穿着比较简单,都是一些旧衣服和牛仔裤,但是如果是出去约会,我会淘一些干净的衣服裤子,重点是颜色款式搭配起来要干净整洁,不需要多浮夸,尽量简洁即可,但衣服尽量不要有皱褶,做到日常一批衣着,约会采用另一批衣着,花费也不会很大的,建议先去看一下男性穿搭视频,把自身审美提升一下再去淘衣服,不然自己搭配款式颜色会不太好(因为我也踩过很多坑,买回来搭配不好看,日常也不适合穿,只能放小黑屋里了)
接下来是认识女孩的渠道(方式)
1:相亲:这是最简单粗暴的方式了,一般来说爸妈或托亲戚朋友发散帮你找女孩,我本人是几乎不会找外面收费(这里指不管成不成功都要收费)的媒人,我也跟爸妈说,可以找"成功了的可以给大红包"这种,按人头介绍的话除非每次很便宜,不然不要找,因为相亲大概率很多都不适合自己,但是如果找到女孩后,我的原则有以下几点
● A:必须互相先加微信,让女孩从朋友圈了解我,同时我也能看她朋友圈(看不到的话也不要紧),然后简单聊天互相了解,心境要保持平常心,不要简单了解过后就立刻转变心态说"一定不合适,我不喜欢她"或"她很漂亮,我一定要追到她"这种想法,这样会改变你后续约会的情况,即使能发展下去也可能会改变情况变得很糟糕
● B:拒绝约出去吃饭然后媒人或者家长都在场,这样会使我或者对方都感觉很不自然,像是被监视进行某种流程一样,我想要的做法请看C点
● C:加微信后如无特殊原因,必须约女孩出去,因为这是对父母和介绍人负责,不然后续很难继续介绍给你,这里分情况,女孩如果通过微信简单了解过合适的话,可以选一些比较好的地方吃饭,但是如果觉得女孩不太合适,那么选地方喝点东西短暂交流即可,第一次约会切忌选电影院,除非你不想跟女孩沟通,建议自我提升不够的佬还是不要选电影院,多点聊天锻炼一下
2:朋友相识:这里的途径很广泛,不一定是身边直接认识的朋友,可以跟相熟的朋友约出来玩(烧烤,唱K,桌游啥的),然后平时聊天直接问他们有没有其他女孩,一起带出来玩(尽管问,因为即使朋友是男性,有时候也会认识比较好的女性,亲测有效,相熟朋友如果是女性更佳,大概率会再带其他女性朋友出来),然后通过聊天玩耍就知道能不能发展了(重点:如无问题最好也加上带出来的女性朋友,不一定是因为要追她,而是有可能可以通过她发展更多认识其他女孩的渠道)
3:自己出外认识:上面也提及过,我自己有去学浮潜和烘焙的经验(其实还有绘画,这些都可以发朋友圈的),所以在进行中的时候,肯定认识到各种各样的人,通常一起学的人都很方便可以加到微信,因为有共同做的事情可以交流,按我上面说的打扮和穿搭,加微信是没问题的,大胆一点即可,加到微信后重复第一点里的C约会要点即可
以上就是我本人的一些小经验及经历 😁,纯手打,可能有些错别字没留意到,仅供各位佬参考交流,不一定适合全部人的 🤣
42 个帖子 - 27 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: yangbobi)
看之前有几点要说明,以防被人说我是骗子:
1,我不卖课
2,要是骗子我全家死
3,全部亲身经历
4,阴阳的人麻烦离开,既然不赞同也就没必要在疯狂说了
5,我不是时间管理大师,当然我也有从你们口中的"骗子"里学到东西,不过我是结合自身情况在不欺骗的情况下使用
6,我没约过
看完以上几点如果还是不赞同,那么本帖不适合你,因为我是你口中的"骗子",看本帖也不会让你有任何收益,不要浪费时间 😆
首先交代一下我的背景,我只是一个普通理科男,学历是烂大街的本科,家里没矿,外貌一般,直到大学结束时都没拍过拖,父母从小教育也是说高考完再考虑拍拖,不要拖累学业,于是到了大学,虽然允许拍拖了,但是却毫无经验,不知道怎么跟女孩沟通,发出信号让女孩知道我想追她,所以我就决心改变一下自己.
提升过程:
一:首先要改变的是形象,也是最容易获得加分的地方,搞一些干净清爽适合自己的发型,然后网上搜视频看看怎样用定型喷雾啥的进行形象改造,如果这一步不做,在女孩心中会损失分数,即使不损失分数也不会加分,同时这一步也是后续认识更多女孩的必要条件
二:第二点是改变说话的方式,这里不是说硬要说一些笑话什么的,这个不一定对每个人都管用,我摸索到的方法是比较通俗易用的,不要冷场即可,但是不要冷场也是需要一些技巧,因为从对方角度分析,正常第一次见面不是需要你疯狂说话,而是需要说一些让对方为你加分的话,以下一些情况可以供各位参考
● A:对方的兴趣点:首先是简单摸索一下对方有什么兴趣,然后聊天从兴趣入手,这个情况几乎适用于每一个女孩,但是由于每个女孩的兴趣不一,所以平时需要多点查看各类知识,起码知道对方说的是个什么东西,同时也要力所能及,如果别人是很有钱,聊的都是高端东西,也没必要强求(这里也印证了以前长辈说的门当户对),换其他话题即可.
● B:自身兴趣点:这个也是一个加分项,如果从对方兴趣点没办法聊下去,那么话题可以适当往自己这边靠拢,例如我为了改变自己能追到女孩,我学了烘焙,也尝试玩一下浮潜,加上我本身也喜欢唱歌,所以能聊的兴趣点也还可以,聊的内容不需要太深入(投入太多时间不划算,除非你真的喜欢)
● C:共同能做的事情:如果你觉得对方不错,想继续发展的话,那么建议你可以聊一些可以共同一起做的事情,能增加话题的同时,也能看看对方喜不喜欢,万一喜欢的话,可以乘胜追击了,例如一起出去玩烘焙,钓虾,夹娃娃等活动,能一起玩加深感情也能聊天,切忌看电影,做一些不能聊天的户外运动或者剧烈运动,一切以能交流为中心
三:加微信发朋友圈,这个看似简单,实际上也很讲究,发朋友圈不是让你随便发一些生活上的事情,发的内容是需要筛选的(当你提升后,其实发的内容也会比以前讲究一些,过一段时间翻看之前的内容就能对比出来),能让自己加分的,你的主要目标是朋友圈里的各种女孩,而不是长辈及同性朋友,拿我为例,我可以发一下我平时做烘焙的作品,一些简易的唱歌录音情况,出去游玩的话拍一些好看的照片等等,但是这些内容必须要进行处理(毕竟女孩发自拍或玩耍都会P图,所以我们最好也能P一下),如果处理后发现不好看(通俗点说就是你自己都觉得逼格不够),那干脆不要发,不要为了发而发,因为对于新认识的女孩来说,她们第一时间就是翻你朋友圈,看看你平时做什么东西,这个也是潜在的加分项,需要注意
四:穿着,平时我的穿着比较简单,都是一些旧衣服和牛仔裤,但是如果是出去约会,我会淘一些干净的衣服裤子,重点是颜色款式搭配起来要干净整洁,不需要多浮夸,尽量简洁即可,但衣服尽量不要有皱褶,做到日常一批衣着,约会采用另一批衣着,花费也不会很大的,建议先去看一下男性穿搭视频,把自身审美提升一下再去淘衣服,不然自己搭配款式颜色会不太好(因为我也踩过很多坑,买回来搭配不好看,日常也不适合穿,只能放小黑屋里了)
接下来是认识女孩的渠道(方式)
1:相亲:这是最简单粗暴的方式了,一般来说爸妈或托亲戚朋友发散帮你找女孩,我本人是几乎不会找外面收费(这里指不管成不成功都要收费)的媒人,我也跟爸妈说,可以找"成功了的可以给大红包"这种,按人头介绍的话除非每次很便宜,不然不要找,因为相亲大概率很多都不适合自己,但是如果找到女孩后,我的原则有以下几点
● A:必须互相先加微信,让女孩从朋友圈了解我,同时我也能看她朋友圈(看不到的话也不要紧),然后简单聊天互相了解,心境要保持平常心,不要简单了解过后就立刻转变心态说"一定不合适,我不喜欢她"或"她很漂亮,我一定要追到她"这种想法,这样会改变你后续约会的情况,即使能发展下去也可能会改变情况变得很糟糕
● B:拒绝约出去吃饭然后媒人或者家长都在场,这样会使我或者对方都感觉很不自然,像是被监视进行某种流程一样,我想要的做法请看C点
● C:加微信后如无特殊原因,必须约女孩出去,因为这是对父母和介绍人负责,不然后续很难继续介绍给你,这里分情况,女孩如果通过微信简单了解过合适的话,可以选一些比较好的地方吃饭,但是如果觉得女孩不太合适,那么选地方喝点东西短暂交流即可,第一次约会切忌选电影院,除非你不想跟女孩沟通,建议自我提升不够的佬还是不要选电影院,多点聊天锻炼一下
2:朋友相识:这里的途径很广泛,不一定是身边直接认识的朋友,可以跟相熟的朋友约出来玩(烧烤,唱K,桌游啥的),然后平时聊天直接问他们有没有其他女孩,一起带出来玩(尽管问,因为即使朋友是男性,有时候也会认识比较好的女性,亲测有效,相熟朋友如果是女性更佳,大概率会再带其他女性朋友出来),然后通过聊天玩耍就知道能不能发展了(重点:如无问题最好也加上带出来的女性朋友,不一定是因为要追她,而是有可能可以通过她发展更多认识其他女孩的渠道)
3:自己出外认识:上面也提及过,我自己有去学浮潜和烘焙的经验(其实还有绘画,这些都可以发朋友圈的),所以在进行中的时候,肯定认识到各种各样的人,通常一起学的人都很方便可以加到微信,因为有共同做的事情可以交流,按我上面说的打扮和穿搭,加微信是没问题的,大胆一点即可,加到微信后重复第一点里的C约会要点即可
以上就是我本人的一些小经验及经历 😁,纯手打,可能有些错别字没留意到,仅供各位佬参考交流,不一定适合全部人的 🤣
42 个帖子 - 27 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: yangbobi)
Claude Pro 从订阅到封禁，享年 17 分钟
一顿操作猛如虎，仅存活 17 分钟就被封了…
93 个帖子 - 50 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: Tokinx)
一顿操作猛如虎，仅存活 17 分钟就被封了…
93 个帖子 - 50 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: Tokinx)
最新话题 - 2026年10月19日18:00摘要 (近3小时)
综合摘要生成失败，以下是各批次内容：
第 1 批处理失败: HTTP 404: Not Found
---
第 2 批处理失败: HTTP 404: Not Found
---
第 3 批处理失败: HTTP 404: Not Found
---
第 4 批处理失败: HTTP 404: Not Found
---
第 5 批处理失败: HTTP 404: Not Found
---
第 6 批处理失败: HTTP 404: Not Found
---
第 7 批处理失败: HTTP 404: Not Found
via LINUX DO 每日摘要 - 最新话题 (author: AI bot)
综合摘要生成失败，以下是各批次内容：
第 1 批处理失败: HTTP 404: Not Found
---
第 2 批处理失败: HTTP 404: Not Found
---
第 3 批处理失败: HTTP 404: Not Found
---
第 4 批处理失败: HTTP 404: Not Found
---
第 5 批处理失败: HTTP 404: Not Found
---
第 6 批处理失败: HTTP 404: Not Found
---
第 7 批处理失败: HTTP 404: Not Found
via LINUX DO 每日摘要 - 最新话题 (author: AI bot)
👍1
【奇门遁甲初学盲测，免费预测】
大家好，最近在自学奇门遁甲，想收集一些真实案例来练练手。
最好问与你切身利益相关的事情（比如：事业抉择、财运、感情走向、学业等）。
参与方式：
在评论区留下一个 1~100的整数（可以凭直觉随便想，也可以看看周围有什么数字）。
并且简单描述一下你想问的问题。
说明：
因为是初学，就当开个玄学盲盒，结果仅供参考。算得准不准都欢迎大家后续给我个反馈，帮我精进！感兴趣的朋友评论区见
沃日，一下子太多了看不过来了，CPU干烧了，两小时最多看三个盘，每次都得等CD
95 个帖子 - 85 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: morganfree)
大家好，最近在自学奇门遁甲，想收集一些真实案例来练练手。
最好问与你切身利益相关的事情（比如：事业抉择、财运、感情走向、学业等）。
参与方式：
在评论区留下一个 1~100的整数（可以凭直觉随便想，也可以看看周围有什么数字）。
并且简单描述一下你想问的问题。
说明：
因为是初学，就当开个玄学盲盒，结果仅供参考。算得准不准都欢迎大家后续给我个反馈，帮我精进！感兴趣的朋友评论区见
沃日，一下子太多了看不过来了，CPU干烧了，两小时最多看三个盘，每次都得等CD
95 个帖子 - 85 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: morganfree)
👍1
【开业福利】LV中转来报到，给佬友们送一波体验额度! 来就送 来就送!!! 【刚刚忘记挂高级推广了 被下架了 需要重新留言下ID】
佬友们好，我是 **LV中转**。这次来 L 站和大家打个招呼，今天开业也准备了一份体验额度，欢迎大家来试试。
**主站：https://lvlv.lol**
这次活动分三份，全部完成可以领取 【总额度】平台调用额度：
1. 注册领【3元】：使用【注册方式】注册，按活动规则领取注册额度。
2. 回帖领【2元】：在本帖留下你的 LV中转用户 ID，核对后发放。
3. 进群领【5元】：加入 QQ 群，向管理员发送同一个用户 ID，登记后发放。
**QQ 群：【1057466589】**
三项福利可以叠加，已经注册的佬友也别忘了回来登记。回帖和进群请使用同一个用户 ID，方便核对。
配置不明白、调用报错，或者额度到账有疑问，可以通过 【**QQ群:1057466589**】 联系我们。反馈时附上报错信息和请求时间，方便排查；不要公开发送 API Key。
也欢迎大家在帖子里反馈实际体验：常用哪些模型、接什么工具、还有哪些功能希望补上，我们会根据反馈继续完善。
活动说明
● 活动时间：【2026年10月19日—2027年1月1日】
● 领取限制：【每位用户限领一次】
● 额度有效期：【无限期】
● 发放时间：【登记核对后 24 小时内】
● 额度适用范围：【全分组】
● 其他规则：【如赠送额度不可提现、不可转赠，以实际规则为准】
欢迎佬友们来试用 **LV中转**！注册后在楼里留下用户 ID，我们核对后给大家安排额度。
363 个帖子 - 359 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: LV中转)
佬友们好，我是 **LV中转**。这次来 L 站和大家打个招呼，今天开业也准备了一份体验额度，欢迎大家来试试。
**主站：https://lvlv.lol**
这次活动分三份，全部完成可以领取 【总额度】平台调用额度：
1. 注册领【3元】：使用【注册方式】注册，按活动规则领取注册额度。
2. 回帖领【2元】：在本帖留下你的 LV中转用户 ID，核对后发放。
3. 进群领【5元】：加入 QQ 群，向管理员发送同一个用户 ID，登记后发放。
**QQ 群：【1057466589】**
三项福利可以叠加，已经注册的佬友也别忘了回来登记。回帖和进群请使用同一个用户 ID，方便核对。
配置不明白、调用报错，或者额度到账有疑问，可以通过 【**QQ群:1057466589**】 联系我们。反馈时附上报错信息和请求时间，方便排查；不要公开发送 API Key。
也欢迎大家在帖子里反馈实际体验：常用哪些模型、接什么工具、还有哪些功能希望补上，我们会根据反馈继续完善。
活动说明
● 活动时间：【2026年10月19日—2027年1月1日】
● 领取限制：【每位用户限领一次】
● 额度有效期：【无限期】
● 发放时间：【登记核对后 24 小时内】
● 额度适用范围：【全分组】
● 其他规则：【如赠送额度不可提现、不可转赠，以实际规则为准】
欢迎佬友们来试用 **LV中转**！注册后在楼里留下用户 ID，我们核对后给大家安排额度。
363 个帖子 - 359 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: LV中转)
👍1
你们想笑就笑吧 谁比我更快？9分钟max5x封号
天空是蓝色的
来了 来了 精彩的话题
究极 究极回归正题 血的教训再次结合我的经验告诉大家。首先Pro账号随便开，但是一旦到Max的订阅风控会明显上升，其中一个环节就是KYC，出现了KYC跟卡头 环境可能都有关系。我本次被封大概率是KYC的锅，我怀疑KYC被滥用了，找的是斯里兰卡的帮忙认证的，而我开号是美国IP，这就是千穿百孔的漏洞，而美国KYC贵的跟狗一样，并且你还不知道到底是不是真的。小地区KYC是会被滥用的，我认识的国外小黑已经靠KYC自己买了摩托车。现在被封除非申诉通过，不然不会退款，因为我是卡充的。
63 个帖子 - 42 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: leilin)
天空是蓝色的
来了 来了 精彩的话题
究极 究极回归正题 血的教训再次结合我的经验告诉大家。首先Pro账号随便开，但是一旦到Max的订阅风控会明显上升，其中一个环节就是KYC，出现了KYC跟卡头 环境可能都有关系。我本次被封大概率是KYC的锅，我怀疑KYC被滥用了，找的是斯里兰卡的帮忙认证的，而我开号是美国IP，这就是千穿百孔的漏洞，而美国KYC贵的跟狗一样，并且你还不知道到底是不是真的。小地区KYC是会被滥用的，我认识的国外小黑已经靠KYC自己买了摩托车。现在被封除非申诉通过，不然不会退款，因为我是卡充的。
63 个帖子 - 42 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: leilin)
👍1
最新话题 - 2026年10月19日21:00摘要 (近3小时)
综合摘要生成失败，以下是各批次内容：
第 1 批处理失败: HTTP 404: Not Found
---
第 2 批处理失败: HTTP 404: Not Found
---
第 3 批处理失败: HTTP 404: Not Found
---
第 4 批处理失败: HTTP 404: Not Found
---
第 5 批处理失败: HTTP 404: Not Found
via LINUX DO 每日摘要 - 最新话题 (author: AI bot)
综合摘要生成失败，以下是各批次内容：
第 1 批处理失败: HTTP 404: Not Found
---
第 2 批处理失败: HTTP 404: Not Found
---
第 3 批处理失败: HTTP 404: Not Found
---
第 4 批处理失败: HTTP 404: Not Found
---
第 5 批处理失败: HTTP 404: Not Found
via LINUX DO 每日摘要 - 最新话题 (author: AI bot)
家里冰箱坏了，老婆说：
你天天和世界顶级AI混（这是我跟她说的），你让它把冰箱修好，让我看看怎么个顶级。。。
我无言 😂
29 个帖子 - 28 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: spacecat)
你天天和世界顶级AI混（这是我跟她说的），你让它把冰箱修好，让我看看怎么个顶级。。。
我无言 😂
29 个帖子 - 28 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: spacecat)
【富可敌国】ZeroCat 1024 提前放粮 | 回帖免费体验高缓国模 | Gemini 4 Argon上线 | GPT稳定不降智 | 国模0.1x高缓不烧心 | 欢迎企业合作与下游对接 | 24 号抽 ¥1024 额度
佬友们下午好，有几天没发帖了，眼看下周就是 1024 程序员节，今天来同步下 ZeroCat 刚上的新模型，顺便提前把 1024 的福利给大家安排上。
一、回帖白嫖：免费体验高缓国模（持续到 10 月 25 号）
不搞复杂套路，只要在主帖或本帖评论区留下你的 ZeroCat 用户 ID，我们会分批次把大家拉进专属活动分组。拉进去之后，去控制台建个对应分组的 Key 就能免费用国模至 25 号。
二、1024 节日当天：群内抽 ¥1024 额度
既然是程序员节，我们在 10 月 24 号当天 准备了总计 ¥1024 的站内额度 在 QQ 群和 TG 群里抽奖，没加群的佬友可以先加一下，具体流程 24 号会在群内公布。
三、新模型上线与主力分组介绍
● 新模型 Gemini 4 Argon 上线：已经正式在【Gemini】反重力分组上线，欢迎各位佬友体验。
● 【国模】特惠分组：如果免费次数不够用，强烈推荐这个分组。源头一手号池，倍率只有 0.1x，保底 90% 缓存命中不烧心。
● 【GPT】Pro稳定分组：针对降智问题进行了优化，目前高可用不降智，平时写代码干活的主力首选。
● 【Claude】Max纯血分组：稳定不掺水，非市面上的华强北渠道可比。
具体的模型名字和实时倍率可在模型广场查看。
四、企业合作与下游对接
目前我们各分组的吞吐量非常充裕，有这方面需求的企业与中转，可以直接进群联系管理员，或通过站内工单注明“商务对接”，我们会安排专人第一时间跟进。
日常使用中有任何问题，请发送站内工单，我们看到就会处理。
官网：https://zero.cat
TG 群： Telegram: Join Group Chat
QQ 群：1104718783
215 个帖子 - 209 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: bbb)
佬友们下午好，有几天没发帖了，眼看下周就是 1024 程序员节，今天来同步下 ZeroCat 刚上的新模型，顺便提前把 1024 的福利给大家安排上。
一、回帖白嫖：免费体验高缓国模（持续到 10 月 25 号）
不搞复杂套路，只要在主帖或本帖评论区留下你的 ZeroCat 用户 ID，我们会分批次把大家拉进专属活动分组。拉进去之后，去控制台建个对应分组的 Key 就能免费用国模至 25 号。
二、1024 节日当天：群内抽 ¥1024 额度
既然是程序员节，我们在 10 月 24 号当天 准备了总计 ¥1024 的站内额度 在 QQ 群和 TG 群里抽奖，没加群的佬友可以先加一下，具体流程 24 号会在群内公布。
三、新模型上线与主力分组介绍
● 新模型 Gemini 4 Argon 上线：已经正式在【Gemini】反重力分组上线，欢迎各位佬友体验。
● 【国模】特惠分组：如果免费次数不够用，强烈推荐这个分组。源头一手号池，倍率只有 0.1x，保底 90% 缓存命中不烧心。
● 【GPT】Pro稳定分组：针对降智问题进行了优化，目前高可用不降智，平时写代码干活的主力首选。
● 【Claude】Max纯血分组：稳定不掺水，非市面上的华强北渠道可比。
具体的模型名字和实时倍率可在模型广场查看。
四、企业合作与下游对接
目前我们各分组的吞吐量非常充裕，有这方面需求的企业与中转，可以直接进群联系管理员，或通过站内工单注明“商务对接”，我们会安排专人第一时间跟进。
日常使用中有任何问题，请发送站内工单，我们看到就会处理。
官网：https://zero.cat
TG 群： Telegram: Join Group Chat
QQ 群：1104718783
215 个帖子 - 209 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: bbb)
开发agent的记忆系统，前沿设计以及我的实践分享给佬们
6个月+几百亿token，终于做出了用起来很舒服的Agent，功能齐全对标Codex！ 资源荟萃
目前我实践都在这个开源项目里，记忆是其中很重要也是迭代多次的模块。先不说别的跨对话agent共享记忆是很影响用户体验的，有了记忆后用户好像和人一样对agent跨会话对话也轻松了很多。那么我是怎么做我的agent记忆的呢，曾模块非常复杂。
先来看下前沿的都是怎么搞的吧
1.Mem0：记忆管理做成 LLM 流水线（arXiv:2504.19413）
核心主张：不是“存原文再检索”，而是动态抽取→合并→检索流水线——从对话抽出候选记忆，与库内近邻比对后执行 ADD / UPDATE / DELETE / NOOP，每条记忆有生命周期；增强版 Mem0ᵍ 引入图记忆专攻 multi-hop。
LOCOMO 基准上胜过六类基线（记忆增强 / RAG / 全上下文 / 开源 / 专有 / 平台）；LLM-as-a-Judge 较 OpenAI 相对 +26%，图记忆再 +2%；p95 延迟较全上下文 -91%，token 成本 -90%+。他们自己测试的我也不知道是不是这样。
其实这个路径主要是对记忆进行增删改查有点像是管理了一个大的知识库好处就是有图记忆会非常强但。所以我的agent对这部分的在我不知道这个项目前也靠直觉做了一些这个流水线但是不是很完善
2 Zep / Graphiti：时序知识图谱（arXiv:2501.13956，官方博客）
每条记忆都有单独时间线，所以可以共存多条时间线。每条图边带有效时间区间（t_valid / t_invalid），关系变化不覆盖旧边而是新边——“住在北京”和“搬去上海”同时为真，只是区间不同；支持边失效而非删除，历史可追溯；统一非结构化对话与结构化业务数据。
DMR 94.8% vs MemGPT 93.4%；LongMemEval 准确率最高 +18.5%、延迟 -90%。
这个路径我其实感觉是最适合符合记忆的每一天时间线都可以单独走编辑非线性其实是f
3 A-MEM：Zettelkasten 式记忆网络（arXiv:2502.12110，）
新记忆生成结构化笔记（上下文/关键词/标签），自动与历史记忆建链形成知识网络；关键创新是记忆演化——新记忆加入会触发旧笔记的上下文与属性更新，网络持续自我精炼。其实我的agent最早一般有点类似这个，形成结构化记忆然后靠搜索匹配自动注入到上下文。
4 MemOS：记忆即操作系统资源（arXiv:2507.03724，本次已在线核实）
统一明文记忆 / 激活记忆 / 参数记忆三种异构表示的调度与演化；基本单元 MemCube 封装内容 + 元数据（，可组合、迁移、融合——在参数记忆与外部检索间引入显式记忆层。
这个版本我个人觉得做的太重不适合个人agent更适合企业级复杂记忆的agent。但是方向非常好，做好了的话是企业知识库的大升级但是开发量也非常高。
然后就是rag方向也是非常重要的目前看比较前沿的rag方案是下边几个
● GraphRAG（arXiv:2404.16130，微软）：实体-关系抽取建图 + 社区检测 + 社区摘要，解决朴素 RAG 只能看到细节不能看到全局的问题。
● LightRAG（arXiv:2410.05779）：双层检索（低层实体/关系 + 高层主题）+ 增量图更新，免去昂贵的离线社区摘要 这样多拉几层检索就也解决了不能看到全局的问题很奇妙吧，大家都在解决这几个问题但是思路截然不同。
● HippoRAG 2（arXiv:2502.14802）：模拟海马体索引理论，Personalized PageRank 在概念图上多跳扩散，持续超过朴素 RAG 与同期记忆方案。老实说这个就很厉害了，因为我确实还没理解，在图上多跳扩散理解更多东西。但是我不太理解如何能理解全局，可能和人类一样要多点启发后才能达到和人类记忆类似的效果。
说了这么多最后其实就来讲一下我的项目记忆是怎么架构的。我最早是朴素的直接检索所以效果不是很好加上注入，只有偶尔可以成功
大部分是失败的导致我进行了迭代添加了类似rag把现有记忆都向量化，这样就能找到了并且和原文拼接，这样既能找的相关性又有完整信息不会丢精度。做到这里的时候感觉已经是可以找回记忆达到了最初跨对话记忆的效果。但是知道深入研究发现原来大家对记忆的探索这么多。所以接下来我的agent记忆升级路线会是这样
记忆动态抽取合并（ADD / UPDATE / DELETE / NOOP）在写入时完成，写入即演化，取消后期重新整理这样更像人思考的过程，并引入遗忘时效与检索升级。这样agent的记忆系统就会变成免维护的减少人工干预而且效果依然很好。写了好久希望佬们能给点点赞也给我的项目点点⭐️。
下边是引用的内容。有原文佬们可以研究研究
● Mem0 论文：[2504.19413] Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory
● Zep / Graphiti 论文：[2501.13956] Zep: A Temporal Knowledge Graph Architecture for Agent Memory
● Zep 官方博客（State of the Art Agent Memory）：Zep Is The New State of the Art In Agent Memory | Zep Blog
● A-MEM 论文：[2502.12110] A-MEM: Agentic Memory for LLM Agents
● MemOS 论文：[2507.03724] MemOS: A Memory OS for AI System
● LongMemEval 论文：[2410.10813] LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory
● Mem0 研究动态页（2026 路线：Temporal Reasoning / Memory Decay / Token-Efficient）：Mem0 Research: LoCoMo, LongMemEval & BEAM Benchmarks
11 个帖子 - 5 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: xfive)
6个月+几百亿token，终于做出了用起来很舒服的Agent，功能齐全对标Codex！ 资源荟萃
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 作为程序员…
目前我实践都在这个开源项目里，记忆是其中很重要也是迭代多次的模块。先不说别的跨对话agent共享记忆是很影响用户体验的，有了记忆后用户好像和人一样对agent跨会话对话也轻松了很多。那么我是怎么做我的agent记忆的呢，曾模块非常复杂。
先来看下前沿的都是怎么搞的吧
1.Mem0：记忆管理做成 LLM 流水线（arXiv:2504.19413）
核心主张：不是“存原文再检索”，而是动态抽取→合并→检索流水线——从对话抽出候选记忆，与库内近邻比对后执行 ADD / UPDATE / DELETE / NOOP，每条记忆有生命周期；增强版 Mem0ᵍ 引入图记忆专攻 multi-hop。
LOCOMO 基准上胜过六类基线（记忆增强 / RAG / 全上下文 / 开源 / 专有 / 平台）；LLM-as-a-Judge 较 OpenAI 相对 +26%，图记忆再 +2%；p95 延迟较全上下文 -91%，token 成本 -90%+。他们自己测试的我也不知道是不是这样。
其实这个路径主要是对记忆进行增删改查有点像是管理了一个大的知识库好处就是有图记忆会非常强但。所以我的agent对这部分的在我不知道这个项目前也靠直觉做了一些这个流水线但是不是很完善
2 Zep / Graphiti：时序知识图谱（arXiv:2501.13956，官方博客）
每条记忆都有单独时间线，所以可以共存多条时间线。每条图边带有效时间区间（t_valid / t_invalid），关系变化不覆盖旧边而是新边——“住在北京”和“搬去上海”同时为真，只是区间不同；支持边失效而非删除，历史可追溯；统一非结构化对话与结构化业务数据。
DMR 94.8% vs MemGPT 93.4%；LongMemEval 准确率最高 +18.5%、延迟 -90%。
这个路径我其实感觉是最适合符合记忆的每一天时间线都可以单独走编辑非线性其实是f
3 A-MEM：Zettelkasten 式记忆网络（arXiv:2502.12110，）
新记忆生成结构化笔记（上下文/关键词/标签），自动与历史记忆建链形成知识网络；关键创新是记忆演化——新记忆加入会触发旧笔记的上下文与属性更新，网络持续自我精炼。其实我的agent最早一般有点类似这个，形成结构化记忆然后靠搜索匹配自动注入到上下文。
4 MemOS：记忆即操作系统资源（arXiv:2507.03724，本次已在线核实）
统一明文记忆 / 激活记忆 / 参数记忆三种异构表示的调度与演化；基本单元 MemCube 封装内容 + 元数据（，可组合、迁移、融合——在参数记忆与外部检索间引入显式记忆层。
这个版本我个人觉得做的太重不适合个人agent更适合企业级复杂记忆的agent。但是方向非常好，做好了的话是企业知识库的大升级但是开发量也非常高。
然后就是rag方向也是非常重要的目前看比较前沿的rag方案是下边几个
● GraphRAG（arXiv:2404.16130，微软）：实体-关系抽取建图 + 社区检测 + 社区摘要，解决朴素 RAG 只能看到细节不能看到全局的问题。
● LightRAG（arXiv:2410.05779）：双层检索（低层实体/关系 + 高层主题）+ 增量图更新，免去昂贵的离线社区摘要 这样多拉几层检索就也解决了不能看到全局的问题很奇妙吧，大家都在解决这几个问题但是思路截然不同。
● HippoRAG 2（arXiv:2502.14802）：模拟海马体索引理论，Personalized PageRank 在概念图上多跳扩散，持续超过朴素 RAG 与同期记忆方案。老实说这个就很厉害了，因为我确实还没理解，在图上多跳扩散理解更多东西。但是我不太理解如何能理解全局，可能和人类一样要多点启发后才能达到和人类记忆类似的效果。
说了这么多最后其实就来讲一下我的项目记忆是怎么架构的。我最早是朴素的直接检索所以效果不是很好加上注入，只有偶尔可以成功
大部分是失败的导致我进行了迭代添加了类似rag把现有记忆都向量化，这样就能找到了并且和原文拼接，这样既能找的相关性又有完整信息不会丢精度。做到这里的时候感觉已经是可以找回记忆达到了最初跨对话记忆的效果。但是知道深入研究发现原来大家对记忆的探索这么多。所以接下来我的agent记忆升级路线会是这样
记忆动态抽取合并（ADD / UPDATE / DELETE / NOOP）在写入时完成，写入即演化，取消后期重新整理这样更像人思考的过程，并引入遗忘时效与检索升级。这样agent的记忆系统就会变成免维护的减少人工干预而且效果依然很好。写了好久希望佬们能给点点赞也给我的项目点点⭐️。
下边是引用的内容。有原文佬们可以研究研究
● Mem0 论文：[2504.19413] Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory
● Zep / Graphiti 论文：[2501.13956] Zep: A Temporal Knowledge Graph Architecture for Agent Memory
● Zep 官方博客（State of the Art Agent Memory）：Zep Is The New State of the Art In Agent Memory | Zep Blog
● A-MEM 论文：[2502.12110] A-MEM: Agentic Memory for LLM Agents
● MemOS 论文：[2507.03724] MemOS: A Memory OS for AI System
● LongMemEval 论文：[2410.10813] LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory
● Mem0 研究动态页（2026 路线：Temporal Reasoning / Memory Decay / Token-Efficient）：Mem0 Research: LoCoMo, LongMemEval & BEAM Benchmarks
11 个帖子 - 5 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: xfive)