【道士有话说】如何用玄学的方式去找对象？（纯干货）
LINUX DO - 热门话题 (RSS)
前言：
我来论坛有段时间了，在这段时间里，我经常能见到佬友们发的一个帖子，那就是——怎么找对象。
之前聊的都是特别玄的，今天就把我多年把妹秘籍传给佬友们。
实不相瞒，道士我啊，之前也是个海王或者说是个鱼塘主（已上岸），把过的妹子没有300也有150+，当然，大多数都是暧昧关系，不过也是属于差一层窗户纸就能捅破的那种。
我说这些并非炫耀，而是想告诉各位单身并且想脱单的佬友们说，把妹，真的没那么难，按照我的方法来，佬们也可以，重点是，你是否去改变。
正文：
在正式说干货前，我有句贴心的话想跟真心要脱单的佬友们说：你，真的愿意去改变吗？你，愿意花时间和精力去做某些事吗？你，能坚持吗？
如果做不到的佬们，也可以继续看下去，留着备用，已经准备好的佬友们，接下来，要发车了！
把妹的核心要素有哪些？
根据我众多把妹的经验来说，核心要素共有4个，分别是：外表，内在，能力，价值。
先说外表，外表是决定对方对你第一印象好坏的直接因素，也是后续是否能继续发展的前提。
外表也有两个方面：脸和穿着。
首先是脸，我跟佬们一样都是普通人，或许我的颜值没有部分单身佬友们高，但是我能把到妹的原因在于我的脸足够干净。
什么叫脸足够干净？这里用一个网图做对比：
如果佬友站在女生视角来看，相信大部分都会认为右边那个好一点对吧？因为对比起来看的话，右边的看起来更干净和精神一些，所以有胡子的佬友平时记得刮一下，如果你执意要留也没关系，但最好是有特色的那种，例如下面的图：
要是没有能打的颜值，佬友留那鸡毛胡子除了自己取悦自己之外，大部分妹子是看不上的，所以建议佬们尽可能保持外...
View original post
LINUX DO - 热门话题 (RSS)
前言：
我来论坛有段时间了，在这段时间里，我经常能见到佬友们发的一个帖子，那就是——怎么找对象。
之前聊的都是特别玄的，今天就把我多年把妹秘籍传给佬友们。
实不相瞒，道士我啊，之前也是个海王或者说是个鱼塘主（已上岸），把过的妹子没有300也有150+，当然，大多数都是暧昧关系，不过也是属于差一层窗户纸就能捅破的那种。
我说这些并非炫耀，而是想告诉各位单身并且想脱单的佬友们说，把妹，真的没那么难，按照我的方法来，佬们也可以，重点是，你是否去改变。
正文：
在正式说干货前，我有句贴心的话想跟真心要脱单的佬友们说：你，真的愿意去改变吗？你，愿意花时间和精力去做某些事吗？你，能坚持吗？
如果做不到的佬们，也可以继续看下去，留着备用，已经准备好的佬友们，接下来，要发车了！
把妹的核心要素有哪些？
根据我众多把妹的经验来说，核心要素共有4个，分别是：外表，内在，能力，价值。
先说外表，外表是决定对方对你第一印象好坏的直接因素，也是后续是否能继续发展的前提。
外表也有两个方面：脸和穿着。
首先是脸，我跟佬们一样都是普通人，或许我的颜值没有部分单身佬友们高，但是我能把到妹的原因在于我的脸足够干净。
什么叫脸足够干净？这里用一个网图做对比：
如果佬友站在女生视角来看，相信大部分都会认为右边那个好一点对吧？因为对比起来看的话，右边的看起来更干净和精神一些，所以有胡子的佬友平时记得刮一下，如果你执意要留也没关系，但最好是有特色的那种，例如下面的图：
要是没有能打的颜值，佬友留那鸡毛胡子除了自己取悦自己之外，大部分妹子是看不上的，所以建议佬们尽可能保持外...
View original post
❤1👍1
画结构图（流程图，时序图，类图）神器来了！ || 开源、免费
LINUX DO - 热门话题 (RSS)
网站介绍
我一直有这样的需求：
希望能够将文档自动转化为结构图（类图），而且最好还能继续编辑。
因此，这样一个网站来了，smart mermaid，能够将文档智能转化为结构图。
我个人还是很满意的，完全符合我的预期，佬们有兴趣的体验一下看看。
网站完全免费，我自己内置了deepseek v3（实测下来，还是claude效果最好，但是太贵了没办法）。
为了防止滥用，设置了每天5次限额，有需求的可以自己清一下storage，就能刷新了。
清除方法：
效果预览
网站地址
智能文本转 Mermaid 图表
最后，煽情一下，今天发了个帖子说自己cursor被收回了，收到了很多热情且慷慨的佬友的帮助，真的有点感动到了。
不说了，L站！！！
再贴个github地址，有兴趣的可以来给个star
https://github.com/liujuntao123/smart-mermaid
50 个帖子 - 39 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
网站介绍
我一直有这样的需求：
希望能够将文档自动转化为结构图（类图），而且最好还能继续编辑。
因此，这样一个网站来了，smart mermaid，能够将文档智能转化为结构图。
我个人还是很满意的，完全符合我的预期，佬们有兴趣的体验一下看看。
网站完全免费，我自己内置了deepseek v3（实测下来，还是claude效果最好，但是太贵了没办法）。
为了防止滥用，设置了每天5次限额，有需求的可以自己清一下storage，就能刷新了。
清除方法：
效果预览
网站地址
智能文本转 Mermaid 图表
最后，煽情一下，今天发了个帖子说自己cursor被收回了，收到了很多热情且慷慨的佬友的帮助，真的有点感动到了。
不说了，L站！！！
再贴个github地址，有兴趣的可以来给个star
https://github.com/liujuntao123/smart-mermaid
50 个帖子 - 39 位参与者
阅读完整话题
中文OCR哪家强？【系列评测一】
LINUX DO - 热门话题 (RSS)
众所周知，在语言模型爆发的当下，OCR似乎已经是一个相当成熟、完善的任务场景。那么问题来了：
— 对于简单场景，OCR算法能做到100%的准确率吗？
— 新兴的多模态大模型OCR能力如何？对比传统专门用于OCR的模型和软件又如何？
— ...
在使用OCR服务时我便出现了疑问，本文尝试粗浅地使用小样本对上面部分问题进行探究。一些说明：
— 本测试多模态大模型时，温度统一设置为0。
— 大部分模型测试5次取平均值（尽管温度设置为0，只有一部分模型多次重复结果一致）；对于传统的OCR算法，测试发现每次输出基本完全一致，故没有都测满5次。
— 本测试仅使用了4张图像，包括新闻评论、书籍截图。
— 本测试专注于字符准确率，忽略排版影响，使用levenshtein距离计算准确率。
先直接附上测试结果，蓝色为多模态大模型，橙黄色为传统OCR算法/软件等：
从结果中可以发现：
— 有四个模型能够达到99.9%以上的准确率，但其中有两个是传统的OCR模型，可以看出多模态大模型在绝对准确率上，仍有进步空间。其中夸克扫描（应该就是阿里OCR）取得全场最高99.95%，很多人用的百度OCR（白描）也相当好（99.90%）。和百度API相比，百度开源的PaddleOCR系列比较一般。前两天PaddleOCR发布v5版本，在线测试结果为99.58%，PaddleOCRv4版本我使用本地运行只有94.84%，应该是API接口做了更多的预处理优化工作。
— Gemini-1.5-Pro模型取得大模型最高分，说实话有点意外；Gemini-2.5-Pro次之，由此也可以看出Gemini在多模态领域的领先地位。
— 字节新出的Seed1.5-VL（Doubao-1.5-thinking-vision-pro）也很强，Qwen2.5-VL-32B为Qwen系列最强，72B版本差距也不大，3B版本也有99.1%的准确率。
— 新...
View original post
LINUX DO - 热门话题 (RSS)
众所周知，在语言模型爆发的当下，OCR似乎已经是一个相当成熟、完善的任务场景。那么问题来了：
— 对于简单场景，OCR算法能做到100%的准确率吗？
— 新兴的多模态大模型OCR能力如何？对比传统专门用于OCR的模型和软件又如何？
— ...
在使用OCR服务时我便出现了疑问，本文尝试粗浅地使用小样本对上面部分问题进行探究。一些说明：
— 本测试多模态大模型时，温度统一设置为0。
— 大部分模型测试5次取平均值（尽管温度设置为0，只有一部分模型多次重复结果一致）；对于传统的OCR算法，测试发现每次输出基本完全一致，故没有都测满5次。
— 本测试仅使用了4张图像，包括新闻评论、书籍截图。
— 本测试专注于字符准确率，忽略排版影响，使用levenshtein距离计算准确率。
先直接附上测试结果，蓝色为多模态大模型，橙黄色为传统OCR算法/软件等：
从结果中可以发现：
— 有四个模型能够达到99.9%以上的准确率，但其中有两个是传统的OCR模型，可以看出多模态大模型在绝对准确率上，仍有进步空间。其中夸克扫描（应该就是阿里OCR）取得全场最高99.95%，很多人用的百度OCR（白描）也相当好（99.90%）。和百度API相比，百度开源的PaddleOCR系列比较一般。前两天PaddleOCR发布v5版本，在线测试结果为99.58%，PaddleOCRv4版本我使用本地运行只有94.84%，应该是API接口做了更多的预处理优化工作。
— Gemini-1.5-Pro模型取得大模型最高分，说实话有点意外；Gemini-2.5-Pro次之，由此也可以看出Gemini在多模态领域的领先地位。
— 字节新出的Seed1.5-VL（Doubao-1.5-thinking-vision-pro）也很强，Qwen2.5-VL-32B为Qwen系列最强，72B版本差距也不大，3B版本也有99.1%的准确率。
— 新...
View original post
基于 Linux 打造的万能反代神器，强力推荐！
LINUX DO - 热门话题 (RSS)
不想折腾 Nginx？懒得配置 Caddy？这款基于 Linux Shell 的万能反代工具，轻松帮你一键反代网站，简单到离谱，强大到流泪！
亮点功能：
— 零依赖，无需配置 Nginx 或 Caddy
— 自动生成并运行反代规则
— 支持 HTTPS、多端口、多域名、多实例批量部署
— 新手一键交互式操作，高手直接命令行搞定
快速开始：
进入交互式模式（推荐给新手）
进阶批量反代（适合熟练用户）：
自带全局站点防护：
— WAF OWASP ModSecurity Core Rule Set（CRS）
— 兼容cf防御
— 高负载自动5秒盾
— fail2ban恶意IP拉黑
— 请求连接数限制
自带全局性能优化：
— 缓冲区优化
— SSL性能优化
— 静态资源优化
— zstd压缩
— br压缩
26 个帖子 - 18 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
不想折腾 Nginx？懒得配置 Caddy？这款基于 Linux Shell 的万能反代工具，轻松帮你一键反代网站，简单到离谱，强大到流泪！
亮点功能：
— 零依赖，无需配置 Nginx 或 Caddy
— 自动生成并运行反代规则
— 支持 HTTPS、多端口、多域名、多实例批量部署
— 新手一键交互式操作，高手直接命令行搞定
快速开始：
进入交互式模式（推荐给新手）
bash <(curl -sL kejilion.sh) fd
进阶批量反代（适合熟练用户）：
bash <(curl -sL kejilion.sh) fd [你的域名] [目标IP] [目标端口]
bash <(curl -sL kejilion.sh) fd web1.example.com 123.123.123.123 8080
bash <(curl -sL kejilion.sh) fd web2.example.com 123.123.123.123 8060
bash <(curl -sL kejilion.sh) fd web3.example.com 123.123.123.123 3000
bash <(curl -sL kejilion.sh) fd web4.example.com 123.123.123.123 5132
自带全局站点防护：
— WAF OWASP ModSecurity Core Rule Set（CRS）
— 兼容cf防御
— 高负载自动5秒盾
— fail2ban恶意IP拉黑
— 请求连接数限制
自带全局性能优化：
— 缓冲区优化
— SSL性能优化
— 静态资源优化
— zstd压缩
— br压缩
26 个帖子 - 18 位参与者
阅读完整话题
搓了一个MCP帮你高精度还原代码
LINUX DO - 热门话题 (RSS)
介绍
F2C（figma to code）MCP Server 是一个基于 F2C 实现的 MCP Server。它能够获取 Figma 设计稿节点信息，将其转换为高还原度的HTML、React甚至其它更多代码。支持Cursor、Trae、Dify等。
相较于现在比较流行的 Trae 内置 Figma MCP，优势在于会将设计稿信息先喂给 F2C 进行代码实现，在通过返回已经具有高还原度的代码给 clients。相较于直接将 Figma 设计稿节点信息丢给 clients，具有更高的稳定性和还原度。
使用展示
获取Figma的Personal access tokens
我们打开Figma App，点击左上角个人菜单
随后选择
配置 MCP
这里我拿cursor举例，根据 文档 选择自己想要的方式配置好MCP Server
使用
在 chat 处输入你想要做的事情，例如（这里只是随便写的）
点击运行我们可以看到 agent 会调用 tool
测试的设计稿大致长这样
先来看看比较热门的 Figma MCP 实现的样子（都是同样的prompt）
再看看基于F2C的MCP Server的效果
同时代码相关的图片也会下载到本地
总结
还有一些实战的视频，由于限制没办法公开，后续将会更新到 Github上。当然目前也收集到一些问题，比如：
— 模型会给自己加戏，我们返回的代码已经是高度还原的了，结合Figma信息模型会 自行优化，有时候效果会适得其反，目前我们已经在tool内进行优化和限制。
— 输出的代码有时候需要二次润色优化
— 命名还不够拟人化
后续会看看怎么结合模型能力优化，欢迎各位大佬试用，如果在使用中有什么问题或者建议，欢迎提issues。
24 个帖子 - 18 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
介绍
F2C（figma to code）MCP Server 是一个基于 F2C 实现的 MCP Server。它能够获取 Figma 设计稿节点信息，将其转换为高还原度的HTML、React甚至其它更多代码。支持Cursor、Trae、Dify等。
相较于现在比较流行的 Trae 内置 Figma MCP，优势在于会将设计稿信息先喂给 F2C 进行代码实现，在通过返回已经具有高还原度的代码给 clients。相较于直接将 Figma 设计稿节点信息丢给 clients，具有更高的稳定性和还原度。
使用展示
获取Figma的Personal access tokens
我们打开Figma App，点击左上角个人菜单
随后选择
Security，点击 Generate new token生成一个新的 Personal access tokens配置 MCP
这里我拿cursor举例，根据 文档 选择自己想要的方式配置好MCP Server
使用
在 chat 处输入你想要做的事情，例如（这里只是随便写的）
点击运行我们可以看到 agent 会调用 tool
测试的设计稿大致长这样
先来看看比较热门的 Figma MCP 实现的样子（都是同样的prompt）
再看看基于F2C的MCP Server的效果
同时代码相关的图片也会下载到本地
总结
还有一些实战的视频，由于限制没办法公开，后续将会更新到 Github上。当然目前也收集到一些问题，比如：
— 模型会给自己加戏，我们返回的代码已经是高度还原的了，结合Figma信息模型会 自行优化，有时候效果会适得其反，目前我们已经在tool内进行优化和限制。
— 输出的代码有时候需要二次润色优化
— 命名还不够拟人化
后续会看看怎么结合模型能力优化，欢迎各位大佬试用，如果在使用中有什么问题或者建议，欢迎提issues。
24 个帖子 - 18 位参与者
阅读完整话题
PPLX程序员起床,????cursor你在干什么???CURSOR起床???PPLX你在干什么
LINUX DO - 热门话题 (RSS)
PPLX: 你不会管管吗？优惠码满天飞，心都凉了。
CURSOR: 你又没提前跟我说要限量，怎么怪我？
PPLX: 这明明你的锅！我会员才五千，你给我开五十万张！
CURSOR: 上限是你自己没设，一个码一块钱，规矩写得清清楚楚。
PPLX: ......我只认五千，剩下四十九万五千你别想让我掏！
CURSOR: 笑死，我这边后台早显示全部被用掉，你跑不掉。
PPLX: 不能这样黑！我又没批准发这么多，你收我冤枉钱？
CURSOR: 商定流程摆那儿，你懒得点设置，现在怪谁？
PPLX: 说来说去都是你的锅！
CURSOR: 别甩锅，账单一分不少，欠的你得结。
PPLX: 卧槽？你讲不讲江湖道义？
CURSOR: 商业合同，比江湖更硬。麻烦守约，别做癞皮狗。
PPLX: 让我想想办法，能不能分期？
CURSOR: 先把责任理清：优惠码谁开的？
PPLX: 系统默认开，实际上没人提醒我。
CURSOR: 那还是你的账户操作，锅还是你的。
PPLX: 好吧好吧，锅我背，但钱我分期行不？
CURSOR: 行，三个月内还清，迟一天利息翻倍。
PPLX: ......成交，但我要写在合同里，免得又变卦。
CURSOR: 没问题，文件我马上发。记得签字，别再甩锅了。
PPLX: 行，这回我盯紧设置，再出事就绝不是我的锅。
CURSOR: 只要你负责，锅就不会飞到别人头上。
PPLX: 说得好，谁的锅谁扛，这次记住了。
14 个帖子 - 14 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
PPLX: 你不会管管吗？优惠码满天飞，心都凉了。
CURSOR: 你又没提前跟我说要限量，怎么怪我？
PPLX: 这明明你的锅！我会员才五千，你给我开五十万张！
CURSOR: 上限是你自己没设，一个码一块钱，规矩写得清清楚楚。
PPLX: ......我只认五千，剩下四十九万五千你别想让我掏！
CURSOR: 笑死，我这边后台早显示全部被用掉，你跑不掉。
PPLX: 不能这样黑！我又没批准发这么多，你收我冤枉钱？
CURSOR: 商定流程摆那儿，你懒得点设置，现在怪谁？
PPLX: 说来说去都是你的锅！
CURSOR: 别甩锅，账单一分不少，欠的你得结。
PPLX: 卧槽？你讲不讲江湖道义？
CURSOR: 商业合同，比江湖更硬。麻烦守约，别做癞皮狗。
PPLX: 让我想想办法，能不能分期？
CURSOR: 先把责任理清：优惠码谁开的？
PPLX: 系统默认开，实际上没人提醒我。
CURSOR: 那还是你的账户操作，锅还是你的。
PPLX: 好吧好吧，锅我背，但钱我分期行不？
CURSOR: 行，三个月内还清，迟一天利息翻倍。
PPLX: ......成交，但我要写在合同里，免得又变卦。
CURSOR: 没问题，文件我马上发。记得签字，别再甩锅了。
PPLX: 行，这回我盯紧设置，再出事就绝不是我的锅。
CURSOR: 只要你负责，锅就不会飞到别人头上。
PPLX: 说得好，谁的锅谁扛，这次记住了。
14 个帖子 - 14 位参与者
阅读完整话题