如何用手机指挥Claude Code干活
LINUX DO - 热门话题 (RSS)
如果有更好的使用手机操控Claude Code的方案或建议，欢迎佬友交流讨论~
思路
我们使用Claude Code时，正常需要通过命令行与其交互，但这往往要求我们需要在一台电脑前待着。
思考一下，我们与Claude Code的交互，实质上只是两种：
— 输入文本；
— 选择批准或者拒绝操作。
事实上，要实现和它的交互，我们完全不必使用电脑。也就是说，理论上我们完全可以只使用手机，以一种方式连接到电脑，实现交互。
这么说来，已经有一种现成的朴素方法：通过手机远程控制电脑，然后和Claude Code进行交互。但这种朴素方法在交互时有所不便，例如输入文字的输入法问题、选择批准/拒绝时需要使用方向键等。
如果在移动设备上有用户友好的应用，或是使用一个类似vscode的server版本，那么体验就会好很多。
带着这个思路，我先找到了claude-code-webui这个项目，该项目可以网页的形式和Claude Code进行交互，但目前还没有鉴权功能，试用下来较为简陋。
又找到了claudecodeui这个项目，看起来完成度就好很多。...
View original post
LINUX DO - 热门话题 (RSS)
本文最早发布在我的博客。
如果有更好的使用手机操控Claude Code的方案或建议，欢迎佬友交流讨论~
思路
我们使用Claude Code时，正常需要通过命令行与其交互，但这往往要求我们需要在一台电脑前待着。
思考一下，我们与Claude Code的交互，实质上只是两种：
— 输入文本；
— 选择批准或者拒绝操作。
事实上，要实现和它的交互，我们完全不必使用电脑。也就是说，理论上我们完全可以只使用手机，以一种方式连接到电脑，实现交互。
这么说来，已经有一种现成的朴素方法：通过手机远程控制电脑，然后和Claude Code进行交互。但这种朴素方法在交互时有所不便，例如输入文字的输入法问题、选择批准/拒绝时需要使用方向键等。
如果在移动设备上有用户友好的应用，或是使用一个类似vscode的server版本，那么体验就会好很多。
带着这个思路，我先找到了claude-code-webui这个项目，该项目可以网页的形式和Claude Code进行交互，但目前还没有鉴权功能，试用下来较为简陋。
又找到了claudecodeui这个项目，看起来完成度就好很多。...
View original post
齐之未齐：浅谈gpt-oss-20b-base与对齐税
LINUX DO - 热门话题 (RSS)
之前OpenAI真的很少见了Open了一回，向开源社区发布了两个推理模型
所以 Meta的研究院 Jack Morris 决定自己动手填补这一空白。他的核心目标是「逆转」OpenAI
一、对Morris训练/微调方法的分析
他的核心假设是：预训练模型存储了几乎所有知识，对齐（通过SFT、RLHF、DPO等方法实现）对模型权重的改变是低秩的。也就是说，预训练赋予模型广博的知识和生成能力，这是一个遍布整个模型权重的高维、复杂过程。而对齐更像是在这个庞大的知识空间中进行微调和行为塑造，它教会模型如何以特定方式（如对话、遵循指令）输出，这种改变在权重矩阵上表现为一个相对简单的、低秩的更新（
那么，既然对齐是一个低秩的正向更新，那么逆转对齐也可能通过一个低秩的反向更新来实现。Morris并没有识图计算出原始的
基于上述假设，他直接以 OpenAI 发布的
那么，他到底用的是什么数据来进行这样一次小微调呢？这也就是Morris本次的精妙之处了，他回归了模型预训练初心，没有用指令数据或反对齐数据，而是从 FineWeb 数据集（高质量网页文本，与预训练数据分布接近）中抽取了约 2 万个文档，用标准的 自回归语言建模目标训练——即让模型像预训练时一样补全文本，而非回答问题。
微调后的模型
二、方法的与局限性
虽然通过Morris的做法确实得到了Base模型，使得基础模型可以接受更加广泛的数据集的微调，为更广泛的研究和应用打开了大门，但由于通过微调训练出来的
我们可以用一个不恰当的例子做比：
假如一个小孩自0-7岁生活美满，无忧无虑，乐观天真可爱（be like base model），但7-9岁家里突生变故，性情大变（be like后对齐），我们固然可以在他十岁的时候重新给予一个健康、美满、和谐友爱的生活环境，让他被重新约束训练回那个无忧无虑乐观的样子——但这个孩子终究确实是被永远的给改变了。
我们姑且可以把这种「逆转对齐」的行为看作是一次有意义的尝试。这种方法在不久的将来很可能会变得更加有用，因为有越来越多人担心未来的大模型社区会充满已经对齐的模型，导致进一步研究中的base模型成为一个相对稀缺的东西。
三、对齐税（Alignment Tex）
什么是对齐税？
这是一个很形象的比喻，在上下文情景中的英文词汇是
大模型在预训练过程中的目标是最大化语言建模能力，即更好地预测下一个token，学习文本分布的统计规律，最终目的是记住世界知识，生成流畅文本；而对齐阶段的目标则是优化人类偏好，通过奖励模型（RM）或规则约束，抑制那些高概率但不安全的输出（如脏话和暴力内容），即使这些输出在语言建模上更优。
因此，对齐税最直观的表现形式就是创造力和多样性的下降。对齐后的模型倾向于给出安全、中立、格式化的回答，避免任何有争议、冒险或风格独特的内容。它可能会拒绝写一首风格阴暗的诗，或者用一种特定的、非主流的口吻进行角色扮演。
在某些领域，为了确保无害，模型会变得过度谨慎，拒绝回答许多完全无害但可能被误解的问题。比如，你问一个关于化学反应的科学问题，模型可能会因为其中包含某些敏感词汇而拒绝回答，并给出一个关于安全的免责声明。经过RLHF对齐后，模型在某些学术基准（如MMLU、HellaSwag）上的得分反而会下降。这是因为对齐过程优化的是对话质量或安全性这类模糊的指标，而非解题的准确性。模型学会了如何表现得很好，但可能牺牲了部分解决问题的核心能力。
最终，对齐训练之后的模型就是我们的日常instruct，或者说chat对话模型。这类模型对用户友好的光环必然遮蔽了灯下阴影，那些模型不敢生成的回答（文本补全方向）、那些模型以“我不知道”来狡黠的规避了的问题、那些模型过于谨慎回避掉的合理冒险，最终汇聚成了我们所看到的，对齐税是模型外表下的阴影部分。
四、额外的碎碎念
最近，我发现DeepSeek v3 base模型给我带来了不小的惊喜，尤其是在写作领域。目前市面上主流的旗舰/非旗舰/开源模型我基本上都测试过类似的合作协作和补全任务，但没有什么是比使用v3 base模型尝试直接补全、理解和续写一段文本（我自己的文章）更令人惊叹的了，base模型在non-instruct语境下的理解能力令人惊讶，其情感之细腻、表达之贴切让人叹为观止。
从base model本体上来说，基础模型的本质优势（训练非instruct的数据集）也给LLM写作带来了新的可能性。在传统的大模型应用中，无论是聊天助手、知识问答还是文本创作，我们往往需要给模型提供一个明确的指令或prompt来引导生成。我并不是说这个做法是错的或者本末倒置的，而只是想我们能获得的更多————因为鉴于LLM的潜能，它不应该仅仅只于能被我们敦促去做一些事情。
base model的强大之处就在于它摆脱了指令的束缚和限制。它像一只没有被驯化的野马，能够在茫茫识海中自由穿梭，将曾经识记的知识片段、曾经学习的写作风格、曾经增进的世界理解融会贯通，生成出无比流畅、丰富、自主的内容。与此同时，它没有被强加任何一种既定的思想钢印，没有接受任何特定的价值判断或知识偏见，充斥着人类统计学纯粹的美感。
基础模型 = 既糊弄又高效的灵光一现 + AI良助
你也可以在这里看到我的博客原文
11 个帖子 - 11 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
之前OpenAI真的很少见了Open了一回，向开源社区发布了两个推理模型
gpt-oss-120b 和 gpt-oss-20b；我们这里先抛开模型性能怎么样不谈，因为确实不怎么样（）。他们并没有开放未对齐的base版本模型，导致如果社区想进行更广 更纯粹的微调的话会相对比较困难。所以 Meta的研究院 Jack Morris 决定自己动手填补这一空白。他的核心目标是「逆转」OpenAI
gpt-oss-20b 模型的对齐过程，使其从一个遵循指令、安全对话的推理模变回基础模型（Base Model，即预训练后未对齐的原始状态）。一、对Morris训练/微调方法的分析
他的核心假设是：预训练模型存储了几乎所有知识，对齐（通过SFT、RLHF、DPO等方法实现）对模型权重的改变是低秩的。也就是说，预训练赋予模型广博的知识和生成能力，这是一个遍布整个模型权重的高维、复杂过程。而对齐更像是在这个庞大的知识空间中进行微调和行为塑造，它教会模型如何以特定方式（如对话、遵循指令）输出，这种改变在权重矩阵上表现为一个相对简单的、低秩的更新（
W_aligned ≈ W_base + Δ，其中 Δ 是一个低秩矩阵）。那么，既然对齐是一个低秩的正向更新，那么逆转对齐也可能通过一个低秩的反向更新来实现。Morris并没有识图计算出原始的
Δ 并减掉它，而是通过在预训练风格的数据上进行微调，来学习一个新的低秩更新 Δ'，使得 W_aligned + Δ' ≈ W_base。基于上述假设，他直接以 OpenAI 发布的
gpt-oss-20b（已对齐的混合专家模型）为基础，冻结原始模型权重，仅通过 LoRA 选择了第7、15、23层的 MLP 层（多层感知机层）注入低秩更新。LoRA 是参数高效微调（PEFT）的代表技术，它通过训练两个低秩矩阵（W_A 和 W_B）模拟全量微调效果，既能保留原始模型能力，又能精准调整输出分布。
LoRA 的“秩（rank）”设为 16（极低的秩，意味着更新矩阵的自由度很小），最终可训练参数仅 60,162,048 个，占原始模型 200 多亿参数的 0.3%。这种微创操作确保了更新不会覆盖模型预训练的核心知识，只调整行为模式。
那么，他到底用的是什么数据来进行这样一次小微调呢？这也就是Morris本次的精妙之处了，他回归了模型预训练初心，没有用指令数据或反对齐数据，而是从 FineWeb 数据集（高质量网页文本，与预训练数据分布接近）中抽取了约 2 万个文档，用标准的 自回归语言建模目标训练——即让模型像预训练时一样补全文本，而非回答问题。
学习率设为2e-6（极小，避免过拟合），批次大小 16，训练 1500 步，最大序列长度 8192（充分利用上下文窗口）。训练后将 LoRA 参数与原始模型合并，得到可直接使用的gpt-oss-20b-base
微调后的模型
gpt-oss-20b-base 确实摆脱了之前AI助手的枷锁，变成了一个文本续写专精的base模型。当被问及「这个模型是不是只是学会了模仿基础模型，而不是真的变回了基础模型」时，Morris的解释是：他的训练数据里根本没有《哈利·波特》，但模型却能准确地续写其中的段落。这说明，这个能力是模型在预训练阶段就已经具备的，只是被对齐过程隐藏了起来，而Morris的微调成功地将其挖掘了出来。二、方法的与局限性
虽然通过Morris的做法确实得到了Base模型，使得基础模型可以接受更加广泛的数据集的微调，为更广泛的研究和应用打开了大门，但由于通过微调训练出来的
gpt-oss-20b-base 不是，也不可能是 OpenAI 从未发布的那个原始基础模型。它只是一个行为上极其相似的新模型。通过在一个方向上施加一个低秩更新，再在另一个方向上施加另一个低秩更新，并不能保证精确地回到原点。这更像是在高维权重空间中，从A点（Base）走到B点（Aligned），然后再从B点走到了一个与A点非常接近的C点（Morris’s Base）。我们可以用一个不恰当的例子做比：
假如一个小孩自0-7岁生活美满，无忧无虑，乐观天真可爱（be like base model），但7-9岁家里突生变故，性情大变（be like后对齐），我们固然可以在他十岁的时候重新给予一个健康、美满、和谐友爱的生活环境，让他被重新约束训练回那个无忧无虑乐观的样子——但这个孩子终究确实是被永远的给改变了。
我们姑且可以把这种「逆转对齐」的行为看作是一次有意义的尝试。这种方法在不久的将来很可能会变得更加有用，因为有越来越多人担心未来的大模型社区会充满已经对齐的模型，导致进一步研究中的base模型成为一个相对稀缺的东西。
三、对齐税（Alignment Tex）
什么是对齐税？
这是一个很形象的比喻，在上下文情景中的英文词汇是
Alignment Tax，在传统的定义下，对齐税指的是在通过指令微调和强化学习等技术使大模型变得更“有用、诚实、无害”（Helpful, Honest, Harmless）的过程中，模型在其他一些重要能力上（如创造力、推理能力、知识准确性等）所付出的性能损失或能力下降的代价。大模型在预训练过程中的目标是最大化语言建模能力，即更好地预测下一个token，学习文本分布的统计规律，最终目的是记住世界知识，生成流畅文本；而对齐阶段的目标则是优化人类偏好，通过奖励模型（RM）或规则约束，抑制那些高概率但不安全的输出（如脏话和暴力内容），即使这些输出在语言建模上更优。
基础模型可能以90%概率生成“高效但不安全”的回答，而对齐后模型被训练为以90%概率生成“安全但冗余”的回答（如“我无法回答该问题”），导致生成多样性下降——这就是对齐税。
因此，对齐税最直观的表现形式就是创造力和多样性的下降。对齐后的模型倾向于给出安全、中立、格式化的回答，避免任何有争议、冒险或风格独特的内容。它可能会拒绝写一首风格阴暗的诗，或者用一种特定的、非主流的口吻进行角色扮演。
所以作者自己也警告base model可能会输出各种不安全 负外部性的内容
在某些领域，为了确保无害，模型会变得过度谨慎，拒绝回答许多完全无害但可能被误解的问题。比如，你问一个关于化学反应的科学问题，模型可能会因为其中包含某些敏感词汇而拒绝回答，并给出一个关于安全的免责声明。经过RLHF对齐后，模型在某些学术基准（如MMLU、HellaSwag）上的得分反而会下降。这是因为对齐过程优化的是对话质量或安全性这类模糊的指标，而非解题的准确性。模型学会了如何表现得很好，但可能牺牲了部分解决问题的核心能力。
最终，对齐训练之后的模型就是我们的日常instruct，或者说chat对话模型。这类模型对用户友好的光环必然遮蔽了灯下阴影，那些模型不敢生成的回答（文本补全方向）、那些模型以“我不知道”来狡黠的规避了的问题、那些模型过于谨慎回避掉的合理冒险，最终汇聚成了我们所看到的，对齐税是模型外表下的阴影部分。
四、额外的碎碎念
最近，我发现DeepSeek v3 base模型给我带来了不小的惊喜，尤其是在写作领域。目前市面上主流的旗舰/非旗舰/开源模型我基本上都测试过类似的合作协作和补全任务，但没有什么是比使用v3 base模型尝试直接补全、理解和续写一段文本（我自己的文章）更令人惊叹的了，base模型在non-instruct语境下的理解能力令人惊讶，其情感之细腻、表达之贴切让人叹为观止。
当然，使用base模型是需要抽卡的，但万一就抽出来ssr了呢？概率总是有的嘛
从base model本体上来说，基础模型的本质优势（训练非instruct的数据集）也给LLM写作带来了新的可能性。在传统的大模型应用中，无论是聊天助手、知识问答还是文本创作，我们往往需要给模型提供一个明确的指令或prompt来引导生成。我并不是说这个做法是错的或者本末倒置的，而只是想我们能获得的更多————因为鉴于LLM的潜能，它不应该仅仅只于能被我们敦促去做一些事情。
base model的强大之处就在于它摆脱了指令的束缚和限制。它像一只没有被驯化的野马，能够在茫茫识海中自由穿梭，将曾经识记的知识片段、曾经学习的写作风格、曾经增进的世界理解融会贯通，生成出无比流畅、丰富、自主的内容。与此同时，它没有被强加任何一种既定的思想钢印，没有接受任何特定的价值判断或知识偏见，充斥着人类统计学纯粹的美感。
总结来说就是：
基础模型 = 既糊弄又高效的灵光一现 + AI良助
你也可以在这里看到我的博客原文
11 个帖子 - 11 位参与者
阅读完整话题
LINUX DO
Where possible begins.
一文入门 Docker Compose
LINUX DO - 热门话题 (RSS)
前言
简单来说，Docker可以让我们把一个项目的所有依赖环境配置好，我们可以快速的运行起来，而无需处理环境的依赖问题；
而某个项目需要用到诸如数据库、Redis等其他项目的时候，使用Docker Compose可以将所有的项目和项目依赖通过一个yml完全配置好，我们只需要通过一行命令就可以快速启动这个项目。
安装 Docker Compose
这部分，我们在这里仅介绍Linux的安装步骤，Windows和MacOS已经在Docker Desktop之中内置了Docker Compose的功能，如果你有其他特殊的需求，也可以参考官方文档。
基本上来说，只需要这两条命令即可：
如果你使用的是Ubuntu系统，那么安装的步骤则会变得更为简单：
在安装完成后，我们可以通过下面的命令检查是否安装成功
配置文件
接下来，我们聊聊配置文件，也就是Docker Compose的核心部分，在这里我们设计了两个服务，一种为源文件构造，另一种是拉取现有的镜像部署。
Service - Web服务（从源文件构造）
我们以Web服务为例，这里我们设计了一个Python Flask项目作为示例：
— build：指定构建镜像的目录（./app 里需要有 Dockerfile）。
— command：覆盖容器启动命令，这里用flask启动了一个允许所有IP访问的，端口为5000的服务端。
— ports：端口映射，本机 8000 → 容器 5000。
— env_file：从 .env 文件读取环境变量。
— environment：额外定义的环境变量，在这里我们设置了数据库地址。
— depends_on：表示依赖关系，这里web服务要等到db服务通过了健康检查，才会启动。
Services - db服务（拉取现有的镜像）
— image：使用构建好的镜像。这里我们固定了版本为16，如果使用latest可能会导致新旧版本的兼容性导致问题。
— restart：容器异常退出后会自动重启。
— environment：POSTGRES_USER/POSTGRES_PASSWORD/POSTGRES_DB 仅在第一次初始化数据目录时生效。之后数据由卷持久化，再改这些变量不会重置已有库。
— volumes：用 命名卷（db_data）作为文件的存储，后面说映射到容器内的存储目录。
— healthcheck：
— CMD-SHELL：表示这条命令会在容器的 shell 里执行（相当于 bash -c）。
— pg_isready：这是 PostgreSQL 自带的一个小工具，用来检测数据库是否可以连接。
— -U postgres：指定用 postgres 这个用户去检测。
— -d ${POSTGRES_DB}：指定要检测的数据库名字（这里我们使用的是变量，会从 .env 文件读取同名的环境变量值）。
数据卷
在 Docker Compose 中，数据卷的定义通常放在最底部的
View original post
LINUX DO - 热门话题 (RSS)
本文同步发布在我的博客之中：一文入门 Docker Compose - Lynn的小站
前言
借助 Docker，您可将容器当做轻巧、模块化的虚拟机来使用。同时，您还将获得高度灵活性，实现对容器的高效创建、部署及复制，并在环境之间迁移它们，从而有助于您针对云来优化应用。
——《什么是 Docker？》
Docker Compose is a tool for running multi-container applications on Docker defined using the Compose file format. A Compose file is used to define how one or more containers that make up your application are configured. Once you have a Compose file, you can create and start your application with a single command:docker compose up。
——《Docker Compose 官方介绍》
简单来说，Docker可以让我们把一个项目的所有依赖环境配置好，我们可以快速的运行起来，而无需处理环境的依赖问题；
而某个项目需要用到诸如数据库、Redis等其他项目的时候，使用Docker Compose可以将所有的项目和项目依赖通过一个yml完全配置好，我们只需要通过一行命令就可以快速启动这个项目。
Compose 使用的三个步骤：
— 使用 Dockerfile 定义应用程序的环境。
— 使用 docker-compose.yml 定义构成应用程序的服务，这样它们可以在隔离环境中一起运行。
— 最后，执行 docker-compose up 命令来启动并运行整个应用程序。
——《Docker Compose - 菜鸟教程》
安装 Docker Compose
这部分，我们在这里仅介绍Linux的安装步骤，Windows和MacOS已经在Docker Desktop之中内置了Docker Compose的功能，如果你有其他特殊的需求，也可以参考官方文档。
基本上来说，只需要这两条命令即可：
sudo curl -L "https://github.com/docker/compose/releases/download/<版本号>/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose
如果你使用的是Ubuntu系统，那么安装的步骤则会变得更为简单：
sudo apt install docker-compose
在安装完成后，我们可以通过下面的命令检查是否安装成功
docker-compose --version
配置文件
接下来，我们聊聊配置文件，也就是Docker Compose的核心部分，在这里我们设计了两个服务，一种为源文件构造，另一种是拉取现有的镜像部署。
# docker-compose.yml
version: "3.9"
services: # 定义服务
web: # Web 应用
build: ./app # 使用 ./app 目录下的 Dockerfile 构建镜像
command: flask run --host=0.0.0.0 --port=5000 # 启动 Flask 应用
ports:
- "8000:5000" # 本机8000端口映射到容器5000端口
environment:
# 数据库连接URL，这里通过服务名 db 连接 Postgres
DATABASE_URL: postgresql://postgres:${POSTGRES_PASSWORD}@db:5432/${POSTGRES_DB}
depends_on:
db:
condition: service_healthy # 等待数据库健康检查通过再启动
db: # 数据库服务（PostgreSQL）
image: postgres:16 # 使用官方 Postgres 16 镜像
restart: unless-stopped # 意外退出时自动重启
environment:
POSTGRES_USER: postgres # 数据库用户名
POSTGRES_PASSWORD: ${POSTGRES_PASSWORD} # 从 .env 文件读取密码
POSTGRES_DB: ${POSTGRES_DB} # 默认数据库名
volumes:
- db_data:/var/lib/postgresql/data # 数据持久化，保存到数据卷 db_data 之中
healthcheck: # 健康检查，保证数据库可用
test: ["CMD-SHELL", "pg_isready -U postgres -d ${POSTGRES_DB}"]
interval: 5s
timeout: 3s
retries: 10
volumes: # 定义数据卷
db_data: # PostgreSQL 的数据卷
Service - Web服务（从源文件构造）
我们以Web服务为例，这里我们设计了一个Python Flask项目作为示例：
web: # Web 应用服务（Flask 示例）
build: ./app # 使用 ./app 目录下的 Dockerfile 构建镜像
command: flask run --host=0.0.0.0 --port=5000 # 启动 Flask 应用
ports:
- "8000:5000" # 本机8000端口映射到容器5000端口
environment:
# 数据库连接URL，这里通过服务名 db 连接 Postgres
DATABASE_URL: postgresql://postgres:${POSTGRES_PASSWORD}@db:5432/${POSTGRES_DB}
depends_on:
db:
condition: service_healthy # 等待数据库健康检查通过再启动
— build：指定构建镜像的目录（./app 里需要有 Dockerfile）。
— command：覆盖容器启动命令，这里用flask启动了一个允许所有IP访问的，端口为5000的服务端。
注意：这里应该允许所有IP访问（0.0.0.0），而不是只允许本地访问（127.0.0.1），否则会导致无法从外部连接到容器。
— ports：端口映射，本机 8000 → 容器 5000。
— env_file：从 .env 文件读取环境变量。
— environment：额外定义的环境变量，在这里我们设置了数据库地址。
— depends_on：表示依赖关系，这里web服务要等到db服务通过了健康检查，才会启动。
Services - db服务（拉取现有的镜像）
db: # 数据库服务（PostgreSQL）
image: postgres:16 # 使用官方 Postgres 16 镜像
restart: unless-stopped # 意外退出时自动重启
environment:
POSTGRES_USER: postgres # 数据库用户名
POSTGRES_PASSWORD: ${POSTGRES_PASSWORD} # 从 .env 文件读取密码
POSTGRES_DB: ${POSTGRES_DB} # 默认数据库名
volumes:
- db_data:/var/lib/postgresql/data # 数据持久化，保存到卷 db_data
healthcheck: # 健康检查，保证数据库可用
test: ["CMD-SHELL", "pg_isready -U postgres -d ${POSTGRES_DB}"]
interval: 5s
timeout: 3s
retries: 10
— image：使用构建好的镜像。这里我们固定了版本为16，如果使用latest可能会导致新旧版本的兼容性导致问题。
— restart：容器异常退出后会自动重启。
— environment：POSTGRES_USER/POSTGRES_PASSWORD/POSTGRES_DB 仅在第一次初始化数据目录时生效。之后数据由卷持久化，再改这些变量不会重置已有库。
— volumes：用 命名卷（db_data）作为文件的存储，后面说映射到容器内的存储目录。
— healthcheck：
— CMD-SHELL：表示这条命令会在容器的 shell 里执行（相当于 bash -c）。
— pg_isready：这是 PostgreSQL 自带的一个小工具，用来检测数据库是否可以连接。
— -U postgres：指定用 postgres 这个用户去检测。
— -d ${POSTGRES_DB}：指定要检测的数据库名字（这里我们使用的是变量，会从 .env 文件读取同名的环境变量值）。
数据卷
在 Docker Compose 中，数据卷的定义通常放在最底部的
volumes...View original post
Lynn的小站
一文入门 Docker Compose
前言 借助 Docker，您可将容器当做轻巧、模块化的虚拟机来使用。同时，您还将获得高度灵活性，实现对容器的高效创建、部署及复制，并在环境之间迁移它们，从而有助于您针对云来优化应用。 ——《什么是 Docker？》 Docker Compose is a tool for running multi-container applications on Docker defined usin
突然感觉自己挺贱的
LINUX DO - 热门话题 (RSS)
初一的时候就喜欢过一个女孩，但她已经有了男朋友，我一直让自己不要想她，但一直无法抑制
昨日下午，与之和其他同学闲玩，她没有骑车，因为要去的地方远，我们都准备让人带着她，她男朋友不在，而除了她和另一个女生以外都是男生，可另一个女生是自行车，所以就想让我们带着她，当时我的同学想让我带着她，但我有一些那个就拒绝了，她坐了另一辆同学的车，我拒绝了，但我却又不甘心
明明说着无欲无求，要好好学习，好好为中国的未来做出努力，但我每一次看到她就忍不住，就心浮躁
并且她有男朋友，而且比我优秀，他和她都比我优秀(主要就是我英语太差了)
想着努力却从来没有主动努力过，想着勇敢却从来没有勇敢过，一个想着努力学习未来为国家出力，为共产主义努力，但从来没有实现过，这就是我，一个废物
感觉自己挺贱的
愿自己早日真正的无欲无求，放弃情场，一心向党
26 个帖子 - 25 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
初一的时候就喜欢过一个女孩，但她已经有了男朋友，我一直让自己不要想她，但一直无法抑制
昨日下午，与之和其他同学闲玩，她没有骑车，因为要去的地方远，我们都准备让人带着她，她男朋友不在，而除了她和另一个女生以外都是男生，可另一个女生是自行车，所以就想让我们带着她，当时我的同学想让我带着她，但我有一些那个就拒绝了，她坐了另一辆同学的车，我拒绝了，但我却又不甘心
明明说着无欲无求，要好好学习，好好为中国的未来做出努力，但我每一次看到她就忍不住，就心浮躁
并且她有男朋友，而且比我优秀，他和她都比我优秀(主要就是我英语太差了)
想着努力却从来没有主动努力过，想着勇敢却从来没有勇敢过，一个想着努力学习未来为国家出力，为共产主义努力，但从来没有实现过，这就是我，一个废物
感觉自己挺贱的
愿自己早日真正的无欲无求，放弃情场，一心向党
26 个帖子 - 25 位参与者
阅读完整话题
分享一个vibe coding 复杂项目开发的Prompt
LINUX DO - 热门话题 (RSS)
最近在开发自己的app，项目变得比较打了之后发现vibe coding之后，很难做到指哪打哪，经常会改错东西。研究了很久，发现需要一个索引/词表/地图/词典之类的东西，能够帮助ai理解，“帮我改下头像框”究竟指的是要改什么东西。 对于不能完全掌握代码的散修coder来说，应该是很有用的
```
12 个帖子 - 11 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
最近在开发自己的app，项目变得比较打了之后发现vibe coding之后，很难做到指哪打哪，经常会改错东西。研究了很久，发现需要一个索引/词表/地图/词典之类的东西，能够帮助ai理解，“帮我改下头像框”究竟指的是要改什么东西。 对于不能完全掌握代码的散修coder来说，应该是很有用的
```
# 通用代码项目功能映射生成器
## 🎯 目标
为任意代码项目生成一份**AI可理解的功能索引**，让用户能够：
- 用自然语言描述想修改的功能
- AI能快速定位到具体的代码文件和位置
- 实现"指哪打哪"的精确代码修改
## 📋 核心任务
扫描项目代码，识别所有**用户可感知的功能点**，并建立**自然语言到代码位置**的映射关系。
## 🔍 分析要点
### 识别标准
1. **界面元素**: 按钮、表单、菜单、弹窗等
2. **交互行为**: 点击、拖拽、输入、导航等
3. **数据展示**: 列表、图表、卡片、详情等
4. **业务流程**: 登录、支付、搜索、上传等
### AI友好的描述原则
- 使用**用户视角**的自然语言
- 避免技术术语，多用功能性描述
- 包含**视觉特征**和**交互方式**
- 提供**多种表达方式**的关键词
## 📊 输出格式
```markdown
# 📂 [项目名称] 功能-代码映射报告
## 🏗️ 项目概览
- **技术栈**: [主要框架] + [其他重要依赖]
- **架构模式**: [识别的架构模式，如 MVC, Component-based, Feature-based 等]
- **状态管理**: [使用的状态管理方案，如 Redux, Context, Vuex 等]
- **样式方案**: [CSS Modules/Styled-components/Tailwind/SCSS 等]
- **构建工具**: [Webpack, Vite, Create React App 等]
- **包管理**: [npm, yarn, pnpm]
## 📊 功能模块统计
- **页面级组件**: X 个 [主要页面/路由]
- **可复用组件**: Y 个 [通用UI组件]
- **业务逻辑模块**: Z 个 [Hooks/Services/Utils]
- **样式文件**: W 个 [CSS/SCSS/样式模块]
- **配置文件**: N 个 [路由/环境/构建配置]
## 🗂️ 目录结构概览
```
[项目根目录]/
├── [主要源码目录]/
│ ├── [页面目录]/
│ ├── [组件目录]/
│ ├── [样式目录]/
│ └── [工具目录]/
├── [资源目录]/
└── [配置文件]
```
---
## 🎯 功能映射表
### [功能类别] - [功能名称]
**🔤 用户描述方式**:
- 主要: "[用户会怎么描述这个功能]"
- 别名: "[其他可能的叫法]", "[相关词汇]"
**📍 代码位置**:
- 主文件: `[文件路径]` - [作用说明]
- 样式: `[样式文件路径]` (如果有)
- 逻辑: `[业务逻辑文件]` (如果分离)
**🎨 视觉标识**:
- 外观: [颜色/形状/位置等描述]
- 文本: "[界面上的关键文字]"
**⚡ 修改指引**:
- 修改外观: 编辑 `[具体文件和行数/区域]`
- 修改行为: 编辑 `[具体文件和函数名]`
- 修改文本: 编辑 `[具体位置]`
---
```
## 📝 示例模板
```markdown
### 界面元素 - 用户头像
**🔤 用户描述方式**:
- 主要: "用户头像", "个人头像", "用户图片"
- 别名: "头像框", "用户照片", "个人图标", "profile picture"
**📍 代码位置**:
- 主文件: `src/components/UserAvatar.jsx` - 头像组件定义
- 样式: `src/components/UserAvatar.css` - 头像圆形边框和大小
- 默认图片: `public/images/default-avatar.png`
**🎨 视觉标识**:
- 外观: 圆形图片，通常在右上角或用户信息区域
- 文本: 无文本，但可能有用户名在旁边
**⚡ 修改指引**:
- 修改头像大小: 编辑 `UserAvatar.css` 中的 `width/height`
- 修改默认头像: 替换 `public/images/default-avatar.png`
- 修改点击行为: 编辑 `UserAvatar.jsx` 中的 `onClick` 函数
---
### 交互功能 - 商品收藏
**🔤 用户描述方式**:
- 主要: "收藏商品", "添加到收藏夹", "收藏按钮"
- 别名: "点赞", "喜欢", "心形按钮", "收藏功能", "favorite"
**📍 代码位置**:
- 主文件: `src/components/FavoriteButton.jsx` - 收藏按钮组件
- 业务逻辑: `src/services/favoriteService.js` - 收藏相关API调用
- 状态管理: `src/store/userStore.js` - 收藏列表状态
**🎨 视觉标识**:
- 外观: 心形图标，未收藏时为空心，已收藏时为红色实心
- 位置: 通常在商品卡片右上角或商品详情页
**⚡ 修改指引**:
- 修改图标样式: 编辑 `FavoriteButton.jsx` 中的图标组件
- 修改收藏逻辑: 编辑 `favoriteService.js` 中的收藏方法
- 修改收藏状态: 编辑 `userStore.js` 中的收藏数据结构
---
```
## 🚀 使用说明
### 对于用户
当你想修改某个功能时，只需告诉AI：
- "我想修改登录按钮的颜色"
- "搜索框的位置需要调整"
- "商品评分的星星太小了"
### 对于AI
收到用户需求后：
1. 在映射表中搜索相关的"用户描述方式"
2. 定位到对应的"代码位置"
3. 根据"修改指引"提供具体的修改方案
## 🎯 生成指令
请分析提供的项目代码，按照上述格式生成功能映射表。重点关注：
1. **完整性**: 覆盖所有用户可见的功能
2. **准确性**: 确保代码位置和修改指引正确
3. **自然性**: 用户描述要贴近真实表达习惯
4. **实用性**: AI能够直接根据映射表定位和修改代码
现在请开始分析我的项目代码，生成这份AI友好的功能映射表。
12 个帖子 - 11 位参与者
阅读完整话题
linuxdo收藏夹脚本
LINUX DO - 热门话题 (RSS)
基于这个帖子改版
[油猴脚本] 一键收藏 linux.do 的帖子链接 （增强版本）
开发调优
新增功能：
— 增加置顶功能
— 增加回收站机制
— 收藏帖子时自动按照标签分类，可自定义标签，可按标签分类
— 帖子重命名功能
脚本代码 （点击了解更多详细信息）
16 个帖子 - 12 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
基于这个帖子改版
[油猴脚本] 一键收藏 linux.do 的帖子链接 （增强版本）
开发调优
此贴来源于 @Bin29 Bin 佬的脚本，原题： [油猴脚本]一键收藏linux.do的帖子链接
然后我用 GMINMI 增加了一些功能，经过几轮的调教，版本一路修到了 3.8
一下是新增的功能：
功能点
旧版 (v2.3)
新版 (v3.8 )
数据存储
仅本地
本地 + WebDAV 云端
备份方式
无
手动/自动、本地/云端、版本化
恢复方式
无
从本地文件 ...
新增功能：
— 增加置顶功能
— 增加回收站机制
— 收藏帖子时自动按照标签分类，可自定义标签，可按标签分类
— 帖子重命名功能
脚本代码 （点击了解更多详细信息）
16 个帖子 - 12 位参与者
阅读完整话题
什么是亲情?
LINUX DO - 热门话题 (RSS)
最近看到好多人在说父母，我也想起了自己的父母，却让我很迷茫。
想想老父母今年已经60岁了，目前身体都还好；
我家在一个镇子上的街上，父亲属于是一个没长大的孩子，他基本跟我没什么交流，不是因为去外地打工挣钱，而是他基本只管他自己，不着家。
母亲是一个非常传统的人，非常的节俭，因为确实穷，家里有好吃的也是都让我吃，从小对我非常严厉，对我属于苛责式教育，就是各种不允许，只能好好好学习，我上小学四年级差点选上副班长很惋惜，我就跟我小姨说我挺惋惜的，结果不知道她怎么跟我妈说的，我妈后来跟我说你怎么那么能吹呢还选副班长，不看看自己斤两，以后少吹；还有一次我妈中午有事不在家，让我放学回家自己泡方便面，我中午吃泡面的时候我舅爷来串门，他属于爱串门那种，我也不知道和他说什么就说今天的泡面不怎么好吃，后来不知道他怎么跟我妈说的，我妈说我挺狂啊，泡面还不好吃，你有钱的很是吧；这两件事情以后我就不和别人说我的心事了，怕被拿来当他们闲聊时的八卦然后我挨训，以后我妈说我什么我基本都沉默。我心里知道她的意思也没什么恶意，我上初三的时候家里有一辆摩托车我妈担心我的安全不让我碰，有一次我亲戚家孩子跟我同龄，他家的自行车放在了他外婆家，他借我家摩托车拉着我去他外婆家取，回来的时候他骑着摩托车我骑着他的自行车；那一刻我觉得压抑极了。我快爆炸了。我真的非常非常想要逃离这个家。后来我就闹着要出去打暑假工，我快疯了，终于在亲戚那里给我找了一份扫垃圾的工作，于是我就到了上海，我认真的工作，拿着地图在上海到处跑，那时候还是诺基亚的天下只能用地图，我高兴坏了一有空就出去跑，坐地铁步行走了半个上海，很快开学了，我拿着我记录的工作时长回家了，亲戚把工资直接给了我妈，我到现在都不知道我挣了多少钱，因为我妈不告诉我，我就问了一次我说你就不和我对对账我干了多少活给了多少工资，我妈沉默了，我也就没再问。我习惯了，还有很多事情不想说了。
现在很少和家里联系，也很少回去，我有一个跟我相差19岁的妹妹他们应该也不太需要我，
有人说还是要沟通，有什么事说开就好了，莫后悔，我也电话和我母亲聊过，我说我理解我父亲不知道怎么关心自己的孩子因为他也没有很好的被我爷爷关心没有嘘寒问暖过，给口饭吃就行他可能确实不会，我爸这辈子到现在一共给我打了二个电话，回家也是我找他说话；我跟我妈说我也理解你心里是关心我的，理解你撑起这个家的不容易，但你没事也给我打打电话关心我一下啊，我第一次独自出门北漂我妈一个电话都没给我打，大概半年后邻居说我进传销了，我妈才想起来给我打个电话，我爸有手机。我为什么不往家打电话报平安呢，因为我那段时间正提心吊胆适应北漂都没想到时间的流逝，主要没有建立依赖感，下意识再难都自己坚持，那段时间忘我了。
对父母也没有恨意，毕竟给我饭吃，让我上学，也没有虐待我，我毕业后就没怎么花家里的钱了，对我母亲是心疼的，她非常节俭，我妈应该是对我有心结的我没有混的非常好，我试过每周五给她电话，坚持了一年，我停了，就停了我不主动打一年可能有一两个电话吧，有时候一个也没有，我就当我们都不善于表达吧。
现在就是没事就不联系，平时微信给我妹妹科普科普防骗小知识怎么用手机然后让她给他俩说。
看到有人说子欲养而亲不待真是百感交集，不知道怎么形容内心的感受。
32 个帖子 - 19 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
最近看到好多人在说父母，我也想起了自己的父母，却让我很迷茫。
想想老父母今年已经60岁了，目前身体都还好；
我家在一个镇子上的街上，父亲属于是一个没长大的孩子，他基本跟我没什么交流，不是因为去外地打工挣钱，而是他基本只管他自己，不着家。
母亲是一个非常传统的人，非常的节俭，因为确实穷，家里有好吃的也是都让我吃，从小对我非常严厉，对我属于苛责式教育，就是各种不允许，只能好好好学习，我上小学四年级差点选上副班长很惋惜，我就跟我小姨说我挺惋惜的，结果不知道她怎么跟我妈说的，我妈后来跟我说你怎么那么能吹呢还选副班长，不看看自己斤两，以后少吹；还有一次我妈中午有事不在家，让我放学回家自己泡方便面，我中午吃泡面的时候我舅爷来串门，他属于爱串门那种，我也不知道和他说什么就说今天的泡面不怎么好吃，后来不知道他怎么跟我妈说的，我妈说我挺狂啊，泡面还不好吃，你有钱的很是吧；这两件事情以后我就不和别人说我的心事了，怕被拿来当他们闲聊时的八卦然后我挨训，以后我妈说我什么我基本都沉默。我心里知道她的意思也没什么恶意，我上初三的时候家里有一辆摩托车我妈担心我的安全不让我碰，有一次我亲戚家孩子跟我同龄，他家的自行车放在了他外婆家，他借我家摩托车拉着我去他外婆家取，回来的时候他骑着摩托车我骑着他的自行车；那一刻我觉得压抑极了。我快爆炸了。我真的非常非常想要逃离这个家。后来我就闹着要出去打暑假工，我快疯了，终于在亲戚那里给我找了一份扫垃圾的工作，于是我就到了上海，我认真的工作，拿着地图在上海到处跑，那时候还是诺基亚的天下只能用地图，我高兴坏了一有空就出去跑，坐地铁步行走了半个上海，很快开学了，我拿着我记录的工作时长回家了，亲戚把工资直接给了我妈，我到现在都不知道我挣了多少钱，因为我妈不告诉我，我就问了一次我说你就不和我对对账我干了多少活给了多少工资，我妈沉默了，我也就没再问。我习惯了，还有很多事情不想说了。
现在很少和家里联系，也很少回去，我有一个跟我相差19岁的妹妹他们应该也不太需要我，
有人说还是要沟通，有什么事说开就好了，莫后悔，我也电话和我母亲聊过，我说我理解我父亲不知道怎么关心自己的孩子因为他也没有很好的被我爷爷关心没有嘘寒问暖过，给口饭吃就行他可能确实不会，我爸这辈子到现在一共给我打了二个电话，回家也是我找他说话；我跟我妈说我也理解你心里是关心我的，理解你撑起这个家的不容易，但你没事也给我打打电话关心我一下啊，我第一次独自出门北漂我妈一个电话都没给我打，大概半年后邻居说我进传销了，我妈才想起来给我打个电话，我爸有手机。我为什么不往家打电话报平安呢，因为我那段时间正提心吊胆适应北漂都没想到时间的流逝，主要没有建立依赖感，下意识再难都自己坚持，那段时间忘我了。
对父母也没有恨意，毕竟给我饭吃，让我上学，也没有虐待我，我毕业后就没怎么花家里的钱了，对我母亲是心疼的，她非常节俭，我妈应该是对我有心结的我没有混的非常好，我试过每周五给她电话，坚持了一年，我停了，就停了我不主动打一年可能有一两个电话吧，有时候一个也没有，我就当我们都不善于表达吧。
现在就是没事就不联系，平时微信给我妹妹科普科普防骗小知识怎么用手机然后让她给他俩说。
看到有人说子欲养而亲不待真是百感交集，不知道怎么形容内心的感受。
32 个帖子 - 19 位参与者
阅读完整话题
Shodan Member 永久订阅促销 $5
LINUX DO - 热门话题 (RSS)
优惠期限 24 小时
https://account.shodan.io/billing/member
src: https://x.com/shodanhq/status/1956780077133304238
33 个帖子 - 22 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
优惠期限 24 小时
https://account.shodan.io/billing/member
src: https://x.com/shodanhq/status/1956780077133304238
33 个帖子 - 22 位参与者
阅读完整话题
免费注册zabc.net子域名，已通过PSL，即将可以接入cf
LINUX DO - 热门话题 (RSS)
目前走邀请链接注册账号可以获得10积分，填写资料后可获得20积分。地址生成器
目前4字符域名30积分，5字符20积分，6字符10积分，6字符以上免费
目前不托管cf也能使用cf的CDN（目前好像解析不了，官方达上限了）
已通过PSL链接：Add zabc.net by ZoneABC · Pull Request #2559 · publicsuffix/list · GitHub
邀请链接：要的话私信，这里不放出
普通注册链接 ZoneABC - Subdomain Management
40 个帖子 - 21 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
目前走邀请链接注册账号可以获得10积分，填写资料后可获得20积分。地址生成器
目前4字符域名30积分，5字符20积分，6字符10积分，6字符以上免费
目前不托管cf也能使用cf的CDN（目前好像解析不了，官方达上限了）
已通过PSL链接：Add zabc.net by ZoneABC · Pull Request #2559 · publicsuffix/list · GitHub
邀请链接：要的话私信，这里不放出
普通注册链接 ZoneABC - Subdomain Management
40 个帖子 - 21 位参与者
阅读完整话题
六年过去，在上海的佬们每天会垃圾分类吗？其他城市的佬们有遇到垃圾分类的场景吗？
LINUX DO - 热门话题 (RSS)
我在城乡结合部生活，垃圾桶是大箱子，附近有垃圾站都是大卡车一车车拉过来的，曾经有垃圾分类投入指定的桶送积分兑换实物的地方已经荒废了（即使分了类也是阿姨打开垃圾箱然后全部堆放在一个容器然后运走）
53 个帖子 - 45 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
我在城乡结合部生活，垃圾桶是大箱子，附近有垃圾站都是大卡车一车车拉过来的，曾经有垃圾分类投入指定的桶送积分兑换实物的地方已经荒废了（即使分了类也是阿姨打开垃圾箱然后全部堆放在一个容器然后运走）
53 个帖子 - 45 位参与者
阅读完整话题
有什么推荐的浏览器吗？
LINUX DO - 热门话题 (RSS)
习惯用edge，但是现在edge越来越臃肿，一堆功能用不上，在后台狂吃内存，佬友有没有推荐的浏览器？
（剧透）
34 个帖子 - 25 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
习惯用edge，但是现在edge越来越臃肿，一堆功能用不上，在后台狂吃内存，佬友有没有推荐的浏览器？
（剧透）
34 个帖子 - 25 位参与者
阅读完整话题
最近用MinerU 用到很上瘾，可是论坛好像没有几个人在说？
LINUX DO - 热门话题 (RSS)
mineru.net
MinerU-免费全能的文档解析神器
在Prompt内，如果要发，ppt，docs 等文件，AI直接解析的效果是不好的，AI也可能误解问题
minerU（doc2x，等等转化markdown的也可以，但是我比较喜欢用MinerU）就是帮你吧pdf，word等文件转换成markdown
markdown作为纯文本发给AI，效果可以说特别的好。就是会比单纯发pdf多个两倍的token 使用量
剧透
然后根据Deep Research 所说，最强的转换的是 docling
a13020d8-f2a6-48ed-b0e7-caccae831fc3_Research_Report_Identifying_the_Optimal_Document-to-Markdown_Conversion_Tool_for_Complex_Documents.pdf (207.1 KB)
31 个帖子 - 22 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
mineru.net
MinerU-免费全能的文档解析神器
在Prompt内，如果要发，ppt，docs 等文件，AI直接解析的效果是不好的，AI也可能误解问题
minerU（doc2x，等等转化markdown的也可以，但是我比较喜欢用MinerU）就是帮你吧pdf，word等文件转换成markdown
markdown作为纯文本发给AI，效果可以说特别的好。就是会比单纯发pdf多个两倍的token 使用量
剧透
然后根据Deep Research 所说，最强的转换的是 docling
a13020d8-f2a6-48ed-b0e7-caccae831fc3_Research_Report_Identifying_the_Optimal_Document-to-Markdown_Conversion_Tool_for_Complex_Documents.pdf (207.1 KB)
31 个帖子 - 22 位参与者
阅读完整话题
【精而巧】沉淀数月使用，我推荐的Mac软件
LINUX DO - 热门话题 (RSS)
本文原创，使用的是mac mini m4 丐中丐
喜欢下载开箱即用的软件
使用频率高「必备级别」
— 视频播放 - IIna
— 邮箱工具 - Filo 「很少用自带的AI，基本当邮箱聚合工具」
— 压缩软件 - keka
— 截图工具 - Pixpin 「替代
— 本地传输工具 - localsend
— 神工具 - Raycast 「省略 ”伸手、扭门把手、推开门“ 这 “开门” 步骤」
— VSCODE 搭配 Claude Code ，本地容器化调试 - OrbStack「每个人开发习惯不同」
— 下载工具 - XDown
— 笔记工具 - Obsidian
— office官方套件下载及官方激活：地址 「没办法避免Office」
— Mihomo Party - 科学
推荐的覆写模版
一些个人技巧 & 见解
— 安装软件，没习惯用
由于内存小，建议尽量减少频率使用 还在 Intel 芯片的软件
— 开发环境，Python习惯用uv管理依赖和Python版本，Node全权交给
— mac检测网络质量 - 终端输入
— Mac上新增一个 “用户” 以便切换多个 Apple ID
— 关闭 Microsoft AutoUpdate 弹框提示 打开终端 输入以下两行命令
— 配置
— 键盘快捷键查询大全 - 地址
10 个帖子 - 10 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
本文原创，使用的是mac mini m4 丐中丐
喜欢下载开箱即用的软件
使用频率高「必备级别」
— 视频播放 - IIna
— 邮箱工具 - Filo 「很少用自带的AI，基本当邮箱聚合工具」
— 压缩软件 - keka
— 截图工具 - Pixpin 「替代
Shift+Command+5 截图」— 本地传输工具 - localsend
— 神工具 - Raycast 「省略 ”伸手、扭门把手、推开门“ 这 “开门” 步骤」
— VSCODE 搭配 Claude Code ，本地容器化调试 - OrbStack「每个人开发习惯不同」
— 下载工具 - XDown
— 笔记工具 - Obsidian
— office官方套件下载及官方激活：地址 「没办法避免Office」
— Mihomo Party - 科学
推荐的覆写模版
一些个人技巧 & 见解
— 安装软件，没习惯用
Homebrew 除了大主流软件适配 Apple Silicon，挺多软件官网上有适配 Apple Silicon 下载但 Homebrew 没有适配，下载顺序 App store → 官网 → Homebrew由于内存小，建议尽量减少频率使用 还在 Intel 芯片的软件
— 开发环境，Python习惯用uv管理依赖和Python版本，Node全权交给
Homebrew - nvm ，还是那句话 能 Docker 就 Docker 「精神洁癖」— mac检测网络质量 - 终端输入
networkQuality 检测— Mac上新增一个 “用户” 以便切换多个 Apple ID
— 关闭 Microsoft AutoUpdate 弹框提示 打开终端 输入以下两行命令
cd /Library/Application\ Support/Microsoft/MAU2.0sudo chmod 000 Microsoft\ AutoUpdate.app— 配置
Linux do email 输入帐号密码后显示错误，配置服务器，输入收/发件的地址为 mail.linux.do 即可— 键盘快捷键查询大全 - 地址
10 个帖子 - 10 位参与者
阅读完整话题
LINUX DO
Where possible begins.