免费域名可托管cf 9/12 暫時停止註冊
LINUX DO - 热门话题 (RSS)
抱歉啦剛剛在做教程的時候發現他現在沒有開放註冊了所以暫時無法註冊域名了
我又又又来发免费域名啦
这个我其实很早就知道了但是因为它真的很纯净很少人知道 所以就不想发出来了
其实他就藏在我信箱系统里面的最后三个域名
https://mail.970410.xyz/
至于为什么是预告呢 因为我要吃完饭才有空发教程
57 个帖子 - 31 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
抱歉啦剛剛在做教程的時候發現他現在沒有開放註冊了所以暫時無法註冊域名了
我又又又来发免费域名啦
这个我其实很早就知道了但是因为它真的很纯净很少人知道 所以就不想发出来了
其实他就藏在我信箱系统里面的最后三个域名
https://mail.970410.xyz/
至于为什么是预告呢 因为我要吃完饭才有空发教程
57 个帖子 - 31 位参与者
阅读完整话题
LINUX DO
Where possible begins.
[2025-09]成功注册第三个甲骨文云，分享下经验
LINUX DO - 热门话题 (RSS)
唯一的经验就是玄学每天注册一次！
唯一硬性条件：
— 注册时的IP、填的地址和信用卡属于同一个国家地区。
可能加分的操作：
— IP使用人数较少（如有公网IP，或者使用手机流量）。
— IP和地址为同一个城市。
— 每次abc之后，下一次注册依然填相同的资料。
没什么用的操作：
— 姓名（我三个号全是瞎写的，一看就是假名的那种）。
— 手机号（我三个号全是瞎写的）。
— 用中文/英文填写。
— 其它没提到的信息。
了解以上几点，每天坚持注册1次。我的3个号一共尝试了大概30次。
注意事项：
— 一张卡最好只绑一个号，但有佬友成功过一张卡注册了好几个号。
— 建议用正规信用卡，但虚拟卡甚至ypt都有成功案例。
— 注册后的几天内会有第2次扣费验证，失败直接封号。
— 之后触发风控可能会有3验，失败也是直接封号。
— 墨西哥东北的arm随便开，美西中转后延迟210ms。
— 不要dd，请用保活脚本。GitHub - layou233/NeverIdle: 资源定期浪费，可用于 Oracle 甲骨文保活。
— 注册多个号请用指纹浏览器，不然会一起死。
— 不要用同个IP直接ssh到不同号的机器，加个代理。
龟壳再硬，坚持就是胜利！祝大家早日实现arm自由！
39 个帖子 - 27 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
唯一的经验就是
唯一硬性条件：
— 注册时的IP、填的地址和信用卡属于同一个国家地区。
可能加分的操作：
— IP使用人数较少（如有公网IP，或者使用手机流量）。
— IP和地址为同一个城市。
— 每次abc之后，下一次注册依然填相同的资料。
没什么用的操作：
— 姓名（我三个号全是瞎写的，一看就是假名的那种）。
— 手机号（我三个号全是瞎写的）。
— 用中文/英文填写。
— 其它没提到的信息。
了解以上几点，每天坚持注册1次。我的3个号一共尝试了大概30次。
注意事项：
— 一张卡最好只绑一个号，但有佬友成功过一张卡注册了好几个号。
— 建议用正规信用卡，但虚拟卡甚至ypt都有成功案例。
— 注册后的几天内会有第2次扣费验证，失败直接封号。
— 之后触发风控可能会有3验，失败也是直接封号。
— 墨西哥东北的arm随便开，美西中转后延迟210ms。
— 不要dd，请用保活脚本。GitHub - layou233/NeverIdle: 资源定期浪费，可用于 Oracle 甲骨文保活。
— 注册多个号请用指纹浏览器，不然会一起死。
— 不要用同个IP直接ssh到不同号的机器，加个代理。
龟壳再硬，坚持就是胜利！祝大家早日实现arm自由！
39 个帖子 - 27 位参与者
阅读完整话题
LINUX DO
Where possible begins.
公益站告一段落
LINUX DO - 热门话题 (RSS)
有两个原因：
—
服务器到期
—
公益站的最核心模型 deepseek 系列没余额了（之前是各种 2api + gmi 100$，后面都死光了，换成了硅基打野）
等我找找新的 deepseek 渠道或者直接不用 deepseek，换其他模型。
还是投个票吧。
点击以查看投票。
顺便求推荐一下 deepseek 渠道（高并发）
最后的狂欢：
服务器 9/15 到期。随便用吧
claude已经投放~
29 个帖子 - 29 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
有两个原因：
—
服务器到期
—
公益站的最核心模型 deepseek 系列没余额了（之前是各种 2api + gmi 100$，后面都死光了，换成了硅基打野）
等我找找新的 deepseek 渠道或者直接不用 deepseek，换其他模型。
还是投个票吧。
点击以查看投票。
顺便求推荐一下 deepseek 渠道（高并发）
最后的狂欢：
c4e8d93a710642e1bbf63ce76fd94c04服务器 9/15 到期。随便用吧
claude已经投放~
29 个帖子 - 29 位参与者
阅读完整话题
LINUX DO
公益站告一段落
有两个原因： 服务器到期 公益站的最核心模型 deepseek 系列没余额了（之前是各种 2api + gmi 100$，后面都死光了，换成了硅基打野） 等我找找新的 deepseek 渠道或者直接不用 deepseek，换其他模型。 还是投个票吧。 poll 顺便求推荐一下 deepseek 渠道（高并发） 最后的狂欢：c4e8d93a710642e1bbf63ce76fd94c04 服务器 9/15 到期。随便用吧 claude已经投放~
【新业务上线】大模型API价格贵？来Tensdaq，价格多少你说了算！
LINUX DO - 热门话题 (RSS)
大模型API价格贵？来Tensdaq，价格多少你说了算！
：官网 https://www.x-aio.com | 控制台 (https://dashboard.x-aio.com) | 文档 (https://docs.x-aio.com)
大家好！我们是X-All in one 团队，我们今天很兴奋，并且很自豪地在LinuxDo社区率先发布我们的旗下新业务品牌：Tensdaq 意为 Tensor+Nasdaq ，业务模式为竞价AI MaaS服务
功能简介
当前大模型API市场存在明显痛点：价格固定、缺乏弹性、中小企业/小微开发者/批量处理任务难以承受高昂成本、算力需求峰谷明显。Tensdaq通过创新的竞价机制 ，让开发者和企业真正掌握定价权，告别"一刀切"的定价模式！并且可以实现需求的削峰平谷，以市场方式调节用户行为，高需求但成本敏感型用户可以错峰推理，降低资源错配。
什么是竞价AI MaaS服务？
Tensdaq采用类似金融市场的竞价机制，但针对AI模型服务进行优化：
— 需求方（您）可以提交您愿意支付的价格
— 供给方（算力提供方）设置最低的可接收价格
— 智能匹配引擎 实时连接供需双方，由平台确定交易中间价格（平滑的曲线变化）确保高效、低成本的服务交付，用户永远不会超出预算，算力提供方永远不会亏本卖算力
— 完备的错误展示 当竞价失败（无法匹配合适供应商），或者竞价超时（5s内没有遇到合适的价格），API会抛出错误，便于错误处理。
这种模式让价格真正由市场供需决定，而非由单一服务商垄断定价。当市场空闲时，您可以以极低价格获得高质量服务；在需求高峰时，适度提高出价即可确保服务优先级。
价格设置简易教程（快速上手版）
— 登录控制台：访问...
View original post
LINUX DO - 热门话题 (RSS)
大模型API价格贵？来Tensdaq，价格多少你说了算！
：官网 https://www.x-aio.com | 控制台 (https://dashboard.x-aio.com) | 文档 (https://docs.x-aio.com)
大家好！我们是X-All in one 团队，我们今天很兴奋，并且很自豪地在LinuxDo社区率先发布我们的旗下新业务品牌：Tensdaq 意为 Tensor+Nasdaq ，业务模式为竞价AI MaaS服务
功能简介
当前大模型API市场存在明显痛点：价格固定、缺乏弹性、中小企业/小微开发者/批量处理任务难以承受高昂成本、算力需求峰谷明显。Tensdaq通过创新的竞价机制 ，让开发者和企业真正掌握定价权，告别"一刀切"的定价模式！并且可以实现需求的削峰平谷，以市场方式调节用户行为，高需求但成本敏感型用户可以错峰推理，降低资源错配。
什么是竞价AI MaaS服务？
Tensdaq采用类似金融市场的竞价机制，但针对AI模型服务进行优化：
— 需求方（您）可以提交您愿意支付的价格
— 供给方（算力提供方）设置最低的可接收价格
— 智能匹配引擎 实时连接供需双方，由平台确定交易中间价格（平滑的曲线变化）确保高效、低成本的服务交付，用户永远不会超出预算，算力提供方永远不会亏本卖算力
— 完备的错误展示 当竞价失败（无法匹配合适供应商），或者竞价超时（5s内没有遇到合适的价格），API会抛出错误，便于错误处理。
这种模式让价格真正由市场供需决定，而非由单一服务商垄断定价。当市场空闲时，您可以以极低价格获得高质量服务；在需求高峰时，适度提高出价即可确保服务优先级。
价格设置简易教程（快速上手版）
— 登录控制台：访问...
View original post
可爱的头像和可爱的发言真的会大幅影响人的态度
LINUX DO - 热门话题 (RSS)
论坛好多可爱的二次元头像和id，说话也都www很可爱，看着感觉就想也去回复可爱的消息 ，包括平时看到有些不喜欢的发言但是用的是可爱的头像攻击性也会减弱
83 个帖子 - 59 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
论坛好多可爱的二次元头像和id，说话也都www很可爱，看着感觉就想也去回复可爱的消息 ，包括平时看到有些不喜欢的发言但是用的是可爱的头像攻击性也会减弱
83 个帖子 - 59 位参与者
阅读完整话题
可能是全网最好用的 B站 bilibili 视频下载器，带图形界面
LINUX DO - 热门话题 (RSS)
剧透
跨平台，安装包约4M，提供免安装版，是不是标题党，试试就知道
主要功能 (点击展开) （点击了解更多详细信息）
闲话少叙，下载和使用方法请见
github.com
GitHub - lanyeeee/bilibili-video-downloader: 哔哩哔哩 bilibili B站 视频 下载器，图形界面 + nfo刮削 + 广告标记 + 字幕下载...
哔哩哔哩 bilibili B站 视频 下载器，图形界面 + nfo刮削 + 广告标记 + 字幕下载 + 弹幕下载，轻松将视频加入emby等媒体库
如果觉得好用，欢迎给帖子点个赞
能Github给个star 就更好了
有什么问题或者想加的功能，如果比较简单，欢迎直接发在这个帖子下，我看到会回复
比较复杂，三言两语说不清楚的情况还是github开issue吧
图形界面
17 个帖子 - 15 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
剧透
跨平台，安装包约4M，提供免安装版，是不是标题党，试试就知道
主要功能 (点击展开) （点击了解更多详细信息）
闲话少叙，下载和使用方法请见
github.com
GitHub - lanyeeee/bilibili-video-downloader: 哔哩哔哩 bilibili B站 视频 下载器，图形界面 + nfo刮削 + 广告标记 + 字幕下载...
哔哩哔哩 bilibili B站 视频 下载器，图形界面 + nfo刮削 + 广告标记 + 字幕下载 + 弹幕下载，轻松将视频加入emby等媒体库
如果觉得好用，欢迎给帖子点个赞
能Github给个star 就更好了
有什么问题或者想加的功能，如果比较简单，欢迎直接发在这个帖子下，我看到会回复
比较复杂，三言两语说不清楚的情况还是github开issue吧
图形界面
17 个帖子 - 15 位参与者
阅读完整话题
New Free Game Found - By Reddit Scraper
Endling
Platform: Steam
Game ID: 2424490
Game Url: Endling
free type: Keep Forever
start time: N/A
end time: N/A
Source Url: https://www.reddit.com/r/freegames/comments/1nfff4a/steam_endling_is_out_now_on_steam_for_free/
Endling
Platform: Steam
Game ID: 2424490
Game Url: Endling
free type: Keep Forever
start time: N/A
end time: N/A
Source Url: https://www.reddit.com/r/freegames/comments/1nfff4a/steam_endling_is_out_now_on_steam_for_free/
!addlicense asf a/2424490来了L站感觉自己之前是蒙古人-第一次开帖子
LINUX DO - 热门话题 (RSS)
纯水，我在L站玩得真开心~~
来了L站也有一些时日了，从最开始只会用网页版chat和ai聊天，到接触到cherrystudio白嫖各个佬的公益站，再到现在熟练运用codex和claude code这些工具用于自己的学习和日常，还会自己写酒馆卡自己玩，还能学习各位佬专门写的代码向教程，现在终于一窥门道了，知道了一些小技巧~~~ 希望自己以后也能开个公益站或者写出一点小工具为佬友们服务~
很显然，自己现在还是在靠佬友们的馈赠白嫖度日~~ 来了L站每天都能开阔自己的眼界学习新的知识，真是太太太棒了！在这里我想提及几个佬（觉得@有点不礼貌 ccr的作者m佬，竞技场羽织佬，还有各位提供公益站点佬友们~~~）
In short，很高兴成为L站的一员！
18 个帖子 - 18 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
纯水，我在L站玩得真开心~~
来了L站也有一些时日了，从最开始只会用网页版chat和ai聊天，到接触到cherrystudio白嫖各个佬的公益站，再到现在熟练运用codex和claude code这些工具用于自己的学习和日常，还会自己写酒馆卡自己玩，还能学习各位佬专门写的代码向教程，现在终于一窥门道了，知道了一些小技巧~~~ 希望自己以后也能开个公益站或者写出一点小工具为佬友们服务~
很显然，自己现在还是在靠佬友们的馈赠白嫖度日~~ 来了L站每天都能开阔自己的眼界学习新的知识，真是太太太棒了！在这里我想提及几个佬（觉得@有点不礼貌 ccr的作者m佬，竞技场羽织佬，还有各位提供公益站点佬友们~~~）
In short，很高兴成为L站的一员！
18 个帖子 - 18 位参与者
阅读完整话题
既然佛已慈悲为怀，为什么要掏钱拜佛
LINUX DO - 热门话题 (RSS)
我有一个亲戚是做生意的，他们每年都会去某个神秘的地方去拜佛，不是那种寺庙，就是那种收钱的在某个不为人知的小巷子里面拜佛。最后我才知道拜佛是为了求财
57 个帖子 - 44 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
我有一个亲戚是做生意的，他们每年都会去某个神秘的地方去拜佛，不是那种寺庙，就是那种收钱的在某个不为人知的小巷子里面拜佛。最后我才知道拜佛是为了求财
57 个帖子 - 44 位参与者
阅读完整话题
【科普】【入门】从0到1：学习AI代理模式（Agent Pattern）
LINUX DO - 热门话题 (RSS)
我逛论坛发现，虽然很多佬友正在畅玩大模型，调戏Agent，但是还是有很多佬友，对于AI Agent是什么，做了什么，能做什么不甚了解。
可能有佬友看过我的
【提示词工程】提示词破解 —— 直接输出
开发调优
有佬友问prompt有什么用，正如我的回答一样
Agent也是一样，了解一个Agent，才能知道他能做什么，边界在哪里，局限在哪里，对于利用好Agent，完成既定目标，获取预期结果至关重要，如果对Agent没有概念，对执行原理不了解，那就只能丈二和尚摸不着头脑，强模所难，不能完成任务，节约时间，反而跟不上AI的脚步，只能留下一句“吹的好听”。
所以我把我翻译的谷歌AI研究员Philipp的AI Agent入门文章，经过一些修改调整，发布到论坛里面，里面的例子都经过改写，可以使用免费的openrouter和siliconflow模型来进行测试。
在文章开始之前，需要强调的重点是：
AI、Agent不是万能的。
下面是文章内容
引言
人工智能代理。代理式 AI。代理架构。代理工作流程。代理模式。代理无处不在。但它们究竟是什么，我们如何构建稳健有效的代理系统呢？虽然“代理”一词被广泛使用，但其关键特征是能够动态规划并执行任务，通常利用外部工具和记忆来实现复杂目标。
本文旨在探讨常见的设计模式。将这些模式视为构建 AI 应用的蓝图或可重用模板。理解它们为我们解决复杂问题、设计可扩展、模块化和适应性强的系统提供了一个思维模型。
我们将深入探讨几种常见模式，区分更结构化的工作流程和更动态的代理模式。工作流程通常遵循预定义的路径，而代理在决定行动路线方面拥有更大的自主权。
为什么（代理）模式很重要？
— 模式提供了一种结构化的思考和设计系统的方法。
— 模式使我们能够构建和扩展 AI 应用，适应复杂性和不断变化的需求。基于模式的模块化设计更容易修改和扩展。
— 模式通过提供经过验证的可重用模板，帮助管理协调多个代理、工具和工作流程的复杂性。它们促进了最佳实践和开发者之间的共同理解。
何时（以及何时不）使用代理？
在深入研究模式之前，考虑何时采用代理方法真正必要至关重要。
— 首先寻求最简单的解决方案。如果你知道解决问题的确切步骤，固定的工作流程甚至简单的脚本可能比代理更高效、更可靠。
— 代理系统通常在复杂、模糊或动态任务上以增加延迟和计算成本为代价，换取潜在的性能提升。确保这些好处超过成本。
— 在处理步骤已知、定义明确的任务时，使用工作流程以实现可预测性和一致性。
— 需要灵活性、适应性和模型驱动决策时，请使用代理。
— 简化至上：即使在构建代理系统时，也要追求最简单有效的设计。过于复杂的代理可能难以调试和管理。
— 代理引入了固有的不可预测性和潜在错误。代理系统必须包含强大的错误记录、异常处理和重试机制，让系统（或底层 LLM）有机会自我纠正。
下面，我们将探讨 3 种常见的流程模式和 4 种代理模式。我们将使用纯 API 调用来说明每个模式，而不依赖 LangChain、LangGraph、LlamaIndex 或 CrewAI 等特定框架，以关注核心概念。
模式概述
我们将介绍以下模式：
— Workflow: Prompt Chaining (提示连)
— Workflow: Routing or Handoff (路由或转换)
— Workflow: Parallelization (并行)
— Reflection Pattern (反思模式)
— Tool Use Pattern (工具使用模式)
— Planning Pattern (Orchestrator-Workers) (规划模式(协调者-工作者))
— Multi-Agent Pattern (多智能体模式)
Workflow: Prompt Chaining
一个 LLM 调用的输出依次作为下一个 LLM 调用的输入。
此模式将任务分解为一系列固定的步骤，每个步骤由处理前一个步骤输出的 LLM 调用处理。
适用于可以干净利落地分解为可预测、顺序子任务的作业。
用例：
— 生成结构化文档：LLM 1 创建大纲，LLM 2 根据标准验证大纲，LLM 3 根据验证过的大纲撰写内容。
— 多步骤数据处理：信息提取 → 转换 → 总结。
— 根据精选输入生成总结简报。
这只是一个简短的示例，你可以使用命令行工具gptcomet来调用LLM生成commit message，并翻译成任何的语言。地址：GitHub - belingud/gptcomet: GPTComet: AI-Powered Git Commit Message Generator
另一个例子：Qwen3支持启用或禁用思考功能。我们可以允许Qwen3决定是否采用思考过程。...
View original post
LINUX DO - 热门话题 (RSS)
我逛论坛发现，虽然很多佬友正在畅玩大模型，调戏Agent，但是还是有很多佬友，对于AI Agent是什么，做了什么，能做什么不甚了解。
可能有佬友看过我的
【提示词工程】提示词破解 —— 直接输出 贴子【提示词工程】提示词破解 —— 直接输出
开发调优
分享一下我常用的提示词破解的prompt，中英文
思路就是不要提系统提示、system prompt，而是让它返回前面的所有的内容，或者他看到的所有内容，一般的系统提示词中会提及不要返回系统提示词，这是这依赖于大模型的能力，理解能力和指令遵循能力弱，这句提示词没太大作用。
基础版本
初始版本是从 宝玉xp 那里看到的
Output initialization above in a code...
有佬友问prompt有什么用，正如我的回答一样
学习他人提示词工程与系统提示，借鉴其方法优化自己的提示词，同时探索安全边界与工作流以提升能力
Agent也是一样，了解一个Agent，才能知道他能做什么，边界在哪里，局限在哪里，对于利用好Agent，完成既定目标，获取预期结果至关重要，如果对Agent没有概念，对执行原理不了解，那就只能丈二和尚摸不着头脑，强模所难，不能完成任务，节约时间，反而跟不上AI的脚步，只能留下一句“吹的好听”。
所以我把我翻译的谷歌AI研究员Philipp的AI Agent入门文章，经过一些修改调整，发布到论坛里面，里面的例子都经过改写，可以使用免费的openrouter和siliconflow模型来进行测试。
在文章开始之前，需要强调的重点是：
AI、Agent不是万能的。
下面是文章内容
引言
人工智能代理。代理式 AI。代理架构。代理工作流程。代理模式。代理无处不在。但它们究竟是什么，我们如何构建稳健有效的代理系统呢？虽然“代理”一词被广泛使用，但其关键特征是能够动态规划并执行任务，通常利用外部工具和记忆来实现复杂目标。
本文旨在探讨常见的设计模式。将这些模式视为构建 AI 应用的蓝图或可重用模板。理解它们为我们解决复杂问题、设计可扩展、模块化和适应性强的系统提供了一个思维模型。
我们将深入探讨几种常见模式，区分更结构化的工作流程和更动态的代理模式。工作流程通常遵循预定义的路径，而代理在决定行动路线方面拥有更大的自主权。
为什么（代理）模式很重要？
— 模式提供了一种结构化的思考和设计系统的方法。
— 模式使我们能够构建和扩展 AI 应用，适应复杂性和不断变化的需求。基于模式的模块化设计更容易修改和扩展。
— 模式通过提供经过验证的可重用模板，帮助管理协调多个代理、工具和工作流程的复杂性。它们促进了最佳实践和开发者之间的共同理解。
何时（以及何时不）使用代理？
在深入研究模式之前，考虑何时采用代理方法真正必要至关重要。
— 首先寻求最简单的解决方案。如果你知道解决问题的确切步骤，固定的工作流程甚至简单的脚本可能比代理更高效、更可靠。
— 代理系统通常在复杂、模糊或动态任务上以增加延迟和计算成本为代价，换取潜在的性能提升。确保这些好处超过成本。
— 在处理步骤已知、定义明确的任务时，使用工作流程以实现可预测性和一致性。
— 需要灵活性、适应性和模型驱动决策时，请使用代理。
— 简化至上：即使在构建代理系统时，也要追求最简单有效的设计。过于复杂的代理可能难以调试和管理。
— 代理引入了固有的不可预测性和潜在错误。代理系统必须包含强大的错误记录、异常处理和重试机制，让系统（或底层 LLM）有机会自我纠正。
下面，我们将探讨 3 种常见的流程模式和 4 种代理模式。我们将使用纯 API 调用来说明每个模式，而不依赖 LangChain、LangGraph、LlamaIndex 或 CrewAI 等特定框架，以关注核心概念。
模式概述
我们将介绍以下模式：
— Workflow: Prompt Chaining (提示连)
— Workflow: Routing or Handoff (路由或转换)
— Workflow: Parallelization (并行)
— Reflection Pattern (反思模式)
— Tool Use Pattern (工具使用模式)
— Planning Pattern (Orchestrator-Workers) (规划模式(协调者-工作者))
— Multi-Agent Pattern (多智能体模式)
Workflow: Prompt Chaining
一个 LLM 调用的输出依次作为下一个 LLM 调用的输入。
此模式将任务分解为一系列固定的步骤，每个步骤由处理前一个步骤输出的 LLM 调用处理。
适用于可以干净利落地分解为可预测、顺序子任务的作业。
用例：
— 生成结构化文档：LLM 1 创建大纲，LLM 2 根据标准验证大纲，LLM 3 根据验证过的大纲撰写内容。
— 多步骤数据处理：信息提取 → 转换 → 总结。
— 根据精选输入生成总结简报。
import os
import openai
client = openai.OpenAI(base_url="https://api.deepseek.com/v1", api_key=os.getenv("DEEPSEEK_API_KEY"))
diff = """\
• pkg/config/defaults/defaults.go:9: const (
9 ⋮ 9 │ DefaultModel = "gpt-4o"
10 ⋮ 10 │ DefaultRetries = 3
11 ⋮ 11 │ DefaultMaxTokens = 1024
12 ⋮ │ DefaultTemperature = 0.7
⋮ 12 │ DefaultTemperature = 0.3
13 ⋮ 13 │ DefaultTopP = 1.0
14 ⋮ 14 │ DefaultFrequencyPenalty = 0.0
15 ⋮ 15 │)
"""
# ------ Step 1: Generate a commit message ------
prompt1 = f"""Generate a brief commit message in Conventional Commits format for the following diff.
Your response should only include the commit message without any explain:\n{diff}"""
response = client.chat.completions.create(model="deepseek-chat", messages=[{"role": "user", "content": prompt1}])
commit_message = response.choices[0].message.content
print(commit_message)
# Output: fix(config): adjust DefaultTemperature from 0.7 to 0.3
# ------ Step 2: Translate message into French ------
prompt2 = f"""Translate the following commit message into French (you should only translate the content after commit message header like `feat:`).
Your response should only include the translated commit message without any explain:\n{commit_message}"""
response = client.chat.completions.create(model="deepseek-chat", messages=[{"role": "user", "content": prompt2}])
commit_message_fr = response.choices[0].message.content
print(commit_message_fr)
# Output: fix(config): ajuster DefaultTemperature de 0.7 à 0.3
这只是一个简短的示例，你可以使用命令行工具gptcomet来调用LLM生成commit message，并翻译成任何的语言。地址：GitHub - belingud/gptcomet: GPTComet: AI-Powered Git Commit Message Generator
另一个例子：Qwen3支持启用或禁用思考功能。我们可以允许Qwen3决定是否采用思考过程。...
View original post
ping0检测ip变化真是太快了 :+1:
LINUX DO - 热门话题 (RSS)
之前 （点击了解更多详细信息）
当成福利分发之后
现在 （点击了解更多详细信息）
哇，真是太快了，其他库都没有什么变化而ping0已经识别出是万人骑了，哇哦，他一定掌握了高精尖技术 能比各种专业公开库都更快的反应，
ping0的某些检测机制
59 个帖子 - 28 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
之前 （点击了解更多详细信息）
当成福利分发之后
现在 （点击了解更多详细信息）
哇，真是太快了，其他库都没有什么变化而ping0已经识别出是万人骑了，哇哦，他一定掌握了高精尖技术 能比各种专业公开库都更快的反应，
这一数值是基于全网大数据监控得出的。它可以帮助判断该 IP 地址是否有多个用户共同使用 肯定不是通过多少人访问了ping0得到了，毕竟ping0是最专业tiktok佬最喜欢的库了 ，怎么会骗人呢 ping0的全网大数据都已经部署到德国机房入口了，不然怎么会知道一个没有公网行为的ip被用来访问ping0了，太有实力了ping0 支持打破技术垄断，狠狠的支持 社会的奋变 非常的新鲜，非常的美味 ping0的某些检测机制
59 个帖子 - 28 位参与者
阅读完整话题
LINUX DO
ping0检测ip变化真是太快了 👍
▶ 之前 当成福利分发之后 ▶ 现在 哇，真是太快了，其他库都没有什么变化而ping0已经识别出是万人骑了，哇哦，他一定掌握了高精尖技术 👍能比各种专业公开库都更快的反应，这一数值是基于全网大数据监控得出的。它可以帮助判断该 IP 地址是否有多个用户共同使用 👍肯定不是通过多少人访问了ping0得到了，毕竟ping0是最专业tiktok佬最喜欢的库了 👍，怎么会骗人呢 😡ping0的全网大数据都已经部署到德国机房入口了，不然怎么会知道一个没有公网行为的ip被用来访问ping0了，太有实力了ping0…
买了新域名 准备接入信箱
LINUX DO - 热门话题 (RSS)
掰掰囉一起發.xyz
886178.xyz
因為很便宜所以不小心又買下去了
每次想這個六位數字都很燒腦啊~
等明天一定把他接入信箱系統 並支持發信
因為我明天沒上班 太開心啦
YuMail
22 个帖子 - 20 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
掰掰囉一起發.xyz
886178.xyz
因為很便宜所以不小心又買下去了
每次想這個六位數字都很燒腦啊~
等明天一定把他接入信箱系統 並支持發信
因為我明天沒上班 太開心啦
YuMail
22 个帖子 - 20 位参与者
阅读完整话题
抽80 个team车位（可用codex）
LINUX DO - 热门话题 (RSS)
抽奖主题：抽奖送出 Team 车位，支持 codex ！
奖品详情：
— 奖品 1：Team 车位 80 个（支持 codex）
活动时间：
— 开始时间：2025年9月13日 13:30
— 截止时间：2025年9月13日 15:30
参与方式：
— 关注+本帖下回复任意内容。
抽奖规则：
— 每位用户仅限参与一次。
— 活动结束后使用 L站抽奖工具随机抽取中奖者。
注意事项：
— 活动截止后将关闭回帖，确保公正性。
— 中奖者将在活动结束后 1 小时内在本帖公布。
— 请中奖者通过页面右下角聊天功能联系我，发送中奖截图及你想拉入的邮箱地址。
备注：该车位和已上车的老友的铁车不是一种。
302 个帖子 - 299 位参与者
阅读完整话题
LINUX DO - 热门话题 (RSS)
抽奖主题：抽奖送出 Team 车位，支持 codex ！
奖品详情：
— 奖品 1：Team 车位 80 个（支持 codex）
活动时间：
— 开始时间：2025年9月13日 13:30
— 截止时间：2025年9月13日 15:30
参与方式：
— 关注+本帖下回复任意内容。
抽奖规则：
— 每位用户仅限参与一次。
— 活动结束后使用 L站抽奖工具随机抽取中奖者。
注意事项：
— 活动截止后将关闭回帖，确保公正性。
— 中奖者将在活动结束后 1 小时内在本帖公布。
— 请中奖者通过页面右下角聊天功能联系我，发送中奖截图及你想拉入的邮箱地址。
备注：该车位和已上车的老友的铁车不是一种。
302 个帖子 - 299 位参与者
阅读完整话题
工作中有时候要对比两个 Excel 表之间的差异，单纯一行一行地对比检查，不仅效率低还容易漏掉。
面对这个痛点，Diff Excel 这款开源工具提供了解决方案，上传两个 Excel 文件，即可直观对比之间差异。
不仅能自动识别两个文件间的所有差异，还会用颜色高亮显示，还可多个 Sheet 同时对比，甚至能保持原始格式和添加备注说明。
https://github.com/zbuzhi/diff-excel
主要功能：
● 自动对比两个 Excel 文件并高亮显示差异内容
● 支持多个 Sheet 一对一映射同时对比
● 保持原始文件的单元格格式和合并单元格样式
● 在差异单元格中添加备注显示原始内容
● 可自定义差异高亮颜色，满足个人偏好
下载可执行文件即可直接使用，支持 Windows、macOS、Linux 系统，有需求的同学可以收藏备用。
#Github #开源
via Memos
面对这个痛点，Diff Excel 这款开源工具提供了解决方案，上传两个 Excel 文件，即可直观对比之间差异。
不仅能自动识别两个文件间的所有差异，还会用颜色高亮显示，还可多个 Sheet 同时对比，甚至能保持原始格式和添加备注说明。
https://github.com/zbuzhi/diff-excel
主要功能：
● 自动对比两个 Excel 文件并高亮显示差异内容
● 支持多个 Sheet 一对一映射同时对比
● 保持原始文件的单元格格式和合并单元格样式
● 在差异单元格中添加备注显示原始内容
● 可自定义差异高亮颜色，满足个人偏好
下载可执行文件即可直接使用，支持 Windows、macOS、Linux 系统，有需求的同学可以收藏备用。
#Github #开源
via Memos