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)
异地失业情侣想去北京散散心，求佬友们推荐
好久没发贴了，年初找到工作，等不到年尾，又变成灵活就业人员了。 😆
我和女朋友去年不太顺利，今年也不顺：不仅都没工作，而且每个月两个人必有一人往医院跑（真乏了）。我们这对牛郎织女今年也没结束异地状态（不过感情还是很好），得给我俩发个奖状。一辈子遇到对的人不容易，坚持更难，谢谢我们彼此的坚持和体谅 :bili_028:。
说回正题，这次去北京，是因为我有种预感：现在虽然身体有恙，但是毕竟有闲，尚有结余；要是这次不去，往后想起来大概会遗憾。所以，我说服了心疼钱的女朋友，想和她一起去见识见识北方，见识见识北京。 :bili_075:
麻烦各位佬们抽空瞟一眼下面的内容，帮忙推荐推荐，谢谢各位佬友啦。
----------------------
1. 出行人数与人员结构
● 两个人，情侣
● 两人都是低精力人群，并且女朋友膝盖受伤，所以考虑租借轮椅。
2. 时间与旅游
● 假期时间：11.1-11.10，10天9晚
● 出发城市 ● 湖北武汉
● 目的地 ● 北京 ● 10天都逛北京，可能会很单调；所以，可以推荐离北京不远的城市
● 行程别排太满，每天1-2个景点即可
3. 预算
● 总预算：1W（不了解帝都消费，暂定这个金额）
4. 目的地与证件
● 我和女朋友都是南方人，女朋友怕冷
● 北京温度10-25℃，衣物怎么搭配呢？需要穿薄的羽绒服吗？
5. 交通与必去景点
● 往返大交通：飞机/高铁 ● 武汉-北京，不太清楚选哪个？
● 当地交通：地铁/公交/打车
● 必去景点 ● 毛主席纪念堂 ● 我们都很想见见他老人家 ● 地坛 ● 《我与地坛》：我和女朋友很喜欢的一本书，女朋友很庆幸，在最难的时候，遇到了『地坛』
6. 住宿
● 位置优先，离景点通勤40分钟内（北京交通不太好吧？40分钟够用吗？）
● 需要电梯/安静
● 连续住还是频繁换宿，都可以
7. 行程安排
● 每天1-2个景点最好
● 方便轮椅通行
● 不要把行程排成“打卡任务”
8. 餐饮
● 吃饭不要高消费，不追网红店
9. 天气与装备
● 北京11月天气如何呢？温差大不大？需要带雨具，还是防晒呢
10. 絮絮叨叨
● 女朋友膝盖软骨磨损，出行不能频繁走动，所以考虑租轮椅。请问，去哪里租界更好呢？
● 景区选择也得考虑女朋友身体情况
● 景区是不是都得提前预约呢？论坛其他帖子佬友，推荐过『“京通” 微信小程序』
90 个帖子 - 75 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: 糖糖软萌喵)
好久没发贴了，年初找到工作，等不到年尾，又变成灵活就业人员了。 😆
我和女朋友去年不太顺利，今年也不顺：不仅都没工作，而且每个月两个人必有一人往医院跑（真乏了）。我们这对牛郎织女今年也没结束异地状态（不过感情还是很好），得给我俩发个奖状。一辈子遇到对的人不容易，坚持更难，谢谢我们彼此的坚持和体谅 :bili_028:。
说回正题，这次去北京，是因为我有种预感：现在虽然身体有恙，但是毕竟有闲，尚有结余；要是这次不去，往后想起来大概会遗憾。所以，我说服了心疼钱的女朋友，想和她一起去见识见识北方，见识见识北京。 :bili_075:
麻烦各位佬们抽空瞟一眼下面的内容，帮忙推荐推荐，谢谢各位佬友啦。
[!tip]
希望各位佬都能以自己喜欢的方式，过好每一天。
也愿大家忙里有闲，折腾有度，日子常有点小盼头。
----------------------
1. 出行人数与人员结构
● 两个人，情侣
● 两人都是低精力人群，并且女朋友膝盖受伤，所以考虑租借轮椅。
2. 时间与旅游
● 假期时间：11.1-11.10，10天9晚
● 出发城市 ● 湖北武汉
● 目的地 ● 北京 ● 10天都逛北京，可能会很单调；所以，可以推荐离北京不远的城市
● 行程别排太满，每天1-2个景点即可
3. 预算
● 总预算：1W（不了解帝都消费，暂定这个金额）
4. 目的地与证件
● 我和女朋友都是南方人，女朋友怕冷
● 北京温度10-25℃，衣物怎么搭配呢？需要穿薄的羽绒服吗？
5. 交通与必去景点
● 往返大交通：飞机/高铁 ● 武汉-北京，不太清楚选哪个？
● 当地交通：地铁/公交/打车
● 必去景点 ● 毛主席纪念堂 ● 我们都很想见见他老人家 ● 地坛 ● 《我与地坛》：我和女朋友很喜欢的一本书，女朋友很庆幸，在最难的时候，遇到了『地坛』
6. 住宿
● 位置优先，离景点通勤40分钟内（北京交通不太好吧？40分钟够用吗？）
● 需要电梯/安静
● 连续住还是频繁换宿，都可以
7. 行程安排
● 每天1-2个景点最好
● 方便轮椅通行
● 不要把行程排成“打卡任务”
8. 餐饮
● 吃饭不要高消费，不追网红店
9. 天气与装备
● 北京11月天气如何呢？温差大不大？需要带雨具，还是防晒呢
10. 絮絮叨叨
● 女朋友膝盖软骨磨损，出行不能频繁走动，所以考虑租轮椅。请问，去哪里租界更好呢？
● 景区选择也得考虑女朋友身体情况
● 景区是不是都得提前预约呢？论坛其他帖子佬友，推荐过『“京通” 微信小程序』
90 个帖子 - 75 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: 糖糖软萌喵)
热门话题 - 2026年10月20日00:00摘要 (近24小时)
第 1 批处理失败: HTTP 404: Not Found
via LINUX DO 每日摘要 - 热门话题 (author: AI bot)
第 1 批处理失败: HTTP 404: Not Found
via LINUX DO 每日摘要 - 热门话题 (author: AI bot)
👍1
福利羊毛 - 2026年10月20日00:00摘要 (近24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
via LINUX DO 每日摘要 - 福利羊毛 (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
via LINUX DO 每日摘要 - 福利羊毛 (author: AI bot)
👍1
最新话题 - 2026年10月20日00:00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)
👍1
【RelayFor】逆向渠道Opus5.5
如题。
我修复了一下工具调用，不过还是有一些问题，缓存不是很好，适合酒馆/聊天使用，编码请自行考虑。
----------------------
over.
c欸d-b3aae32你2a7b看看8d2要不要ad7删除我70b3d1ba8还是f79e不管ed
15 个帖子 - 15 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: Akan)
如题。
我修复了一下工具调用，不过还是有一些问题，缓存不是很好，适合酒馆/聊天使用，编码请自行考虑。
----------------------
over.
c欸d-b3aae32你2a7b看看8d2要不要ad7删除我70b3d1ba8还是f79e不管ed
15 个帖子 - 15 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: Akan)
👍1
workbuddy 转换成api 之后只用deepseek v4.1 flash 积分都用不完
弄了5个账号,直接大肥鱼自由了
推荐给用deepseek v4.1 flash 用的多的佬友
直接google workbuddy2api-panel GitHub里面就有
54 个帖子 - 36 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: 海绵宝宝)
弄了5个账号,直接大肥鱼自由了
推荐给用deepseek v4.1 flash 用的多的佬友
直接google workbuddy2api-panel GitHub里面就有
54 个帖子 - 36 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: 海绵宝宝)
👍1
国产大区Minimax3.1f猫老板榜单出炉！
刷分大区实锤了，连私人榜单也刷，脸都不要了
70 个帖子 - 40 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: 栏杆拍遍)
刷分大区实锤了，连私人榜单也刷，脸都不要了
70 个帖子 - 40 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: 栏杆拍遍)
👍1
美帝认证：美国国土安全部封禁一切DeepSeek产品
美国国土安全部下令，将 DeepSeek 产品排除出联邦文职部门采购并清除现有系统
美国国土安全部发布命令通知，依据《联邦采购供应链安全法》，将杭州深度求索人工智能基础技术研究有限公司（DeepSeek）及其关联实体开发的信息技术产品与服务，排除出联邦文职行政部门的采购范围，并要求从文职机构的信息系统中移除所有 DeepSeek 及相关实体产品，以及使用 DeepSeek 实现的第三方产品与服务。
命令涵盖 DeepSeek 及其关联方，并延伸至基于其实现的第三方产品。此前，国防部与情报界已对 DeepSeek 有类似使用限制。
来源：已变更为未公开😆
51 个帖子 - 38 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: hisen)
美国国土安全部下令，将 DeepSeek 产品排除出联邦文职部门采购并清除现有系统
美国国土安全部发布命令通知，依据《联邦采购供应链安全法》，将杭州深度求索人工智能基础技术研究有限公司（DeepSeek）及其关联实体开发的信息技术产品与服务，排除出联邦文职行政部门的采购范围，并要求从文职机构的信息系统中移除所有 DeepSeek 及相关实体产品，以及使用 DeepSeek 实现的第三方产品与服务。
命令涵盖 DeepSeek 及其关联方，并延伸至基于其实现的第三方产品。此前，国防部与情报界已对 DeepSeek 有类似使用限制。
来源：已变更为未公开😆
51 个帖子 - 38 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: hisen)
👍1
尝试继续更新 apk reverse
从github被举报封禁了，apk-reverse停止更新继续讨论：
github被举报封禁了，apk-reverse停止更新
作为前（毕竟仓库被封了）唯一（提交代码的除了作者貌似就剩我了）的贡献者我感到非常悲痛。正好最近在研究 llvm 的架构又发现的好玩的，于是尝试继续更新
目前添加的内容
arm64 汇编
jsvmp
binder/seccom
webview 注入
这些杂七杂八的东西
主要是随缘更新，查漏补缺为主，下一步是 unity 游戏或者极端混淆（嵌套vm，动态分发）这些。
仓库在 codeberg dot org 斜杠 dabao1955 斜杠 apk-reverse（主要是我有写权限），原本是想在42git做一个镜像的，因为不知道密码（linuxdo）登录的就作罢了。为什么是 codeberg 而不是别的主要是怕被牵连而我仓库里有汉化这类逆向的 codeberg 都没有封我 😂
等到仓库解封了肯定是要合并回去的，所以不存在噬主的可能 （
二更： 已完成 42git 的镜像操作，千山万水总是情，给我 gh 点点 fo 行不行 （雾）
58 个帖子 - 19 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: dabao1955)
从github被举报封禁了，apk-reverse停止更新继续讨论：
github被举报封禁了，apk-reverse停止更新
所以之后将不再更新
作为前（毕竟仓库被封了）唯一（提交代码的除了作者貌似就剩我了）的贡献者我感到非常悲痛。正好最近在研究 llvm 的架构又发现的好玩的，于是尝试继续更新
目前添加的内容
arm64 汇编
jsvmp
binder/seccom
webview 注入
这些杂七杂八的东西
主要是随缘更新，查漏补缺为主，下一步是 unity 游戏或者极端混淆（嵌套vm，动态分发）这些。
仓库在 codeberg dot org 斜杠 dabao1955 斜杠 apk-reverse（主要是我有写权限），原本是想在42git做一个镜像的，因为不知道密码（linuxdo）登录的就作罢了。为什么是 codeberg 而不是别的主要是怕被牵连而我仓库里有汉化这类逆向的 codeberg 都没有封我 😂
等到仓库解封了肯定是要合并回去的，所以不存在噬主的可能 （
二更： 已完成 42git 的镜像操作，千山万水总是情，给我 gh 点点 fo 行不行 （雾）
58 个帖子 - 19 位参与者
阅读完整话题
via LINUX DO - 热门话题 (author: dabao1955)
👍1
最新话题 - 2026年10月20日03:00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
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
via LINUX DO 每日摘要 - 最新话题 (author: AI bot)