[分享创造] 我开发了一个开源版 Surge，把 Mac 变成可导入规则、可按设备分流的全屋透明代理网关。
OpenSurge for Mac 是一个开源应用，提供类似 Surge 的体验，可以把你的 Mac 变成全屋的代理网关：同一局域网里的手机、电视、PS5 、游戏机、VR 设备和虚拟机，无需逐台设置代理；设备一接入网络，便自动通过 Mac 的全屋代理网关，并按各自策略选择直连或代理出口。
你可以为每台设备设置不同的出口策略：手机和 Mac 一起走代理、游戏机连美服、电视走流媒体节点。DHCP/DNS 、分流策略和流量状态，都由 OpenSurge 集中管理。
- 可导入已有的 mihomo 配置或订阅，保留原有节点、代理组和规则
- Web GUI 实时展示每台设备的连接、上下行流量和实际出口链；菜单栏随时查看网关状态与恢复提醒。
- 底层由 dnsmasq 提供 DHCP/DNS ，mihomo 负责代理与策略，macOS pf 和 IPv4 forwarding 提供 NAT 与转发。
仓库链接在下面：
🔗 https://github.com/YTwsy/OpenSurge-for-Mac
OpenSurge for Mac 是一个开源应用，提供类似 Surge 的体验，可以把你的 Mac 变成全屋的代理网关：同一局域网里的手机、电视、PS5 、游戏机、VR 设备和虚拟机，无需逐台设置代理；设备一接入网络，便自动通过 Mac 的全屋代理网关，并按各自策略选择直连或代理出口。
你可以为每台设备设置不同的出口策略：手机和 Mac 一起走代理、游戏机连美服、电视走流媒体节点。DHCP/DNS 、分流策略和流量状态，都由 OpenSurge 集中管理。
- 可导入已有的 mihomo 配置或订阅，保留原有节点、代理组和规则
- Web GUI 实时展示每台设备的连接、上下行流量和实际出口链；菜单栏随时查看网关状态与恢复提醒。
- 底层由 dnsmasq 提供 DHCP/DNS ，mihomo 负责代理与策略，macOS pf 和 IPv4 forwarding 提供 NAT 与转发。
仓库链接在下面：
🔗 https://github.com/YTwsy/OpenSurge-for-Mac
[分享创造] 我做了个 macOS 菜单栏音频工具，可以同时控制多个输出设备的音量和延迟
1. 事情是怎么开始的
我用 Mac 的时候，常年都会接一块显示器，有时候还会接入蓝牙音箱。平时系统只能选择一个默认输出，我就在想：既然面前有两三个能发出声音的设备，为什么不能让它们同时发声？
我上网找了攻略，发现可以用系统内建的“音频 MIDI 设置”创建多输出设备。声音虽然能同时出来，但操作很繁琐：没有一个好用的总音量控制，也不方便分别调整 AirPods 、显示器和其他音箱。更麻烦的是不同设备会有延迟，声音不同步的时候，听起来就像在 KTV 里一群人在抢麦。
2. 为什么还是决定自己做
我没有一开始就直接做，因为很怕自己变成那种做出十分钟 Demo 就宣布解决问题的自嗨开发者。自己遇到的问题，可能已经有人解决过，也可能市面上早已有成熟产品；如果不先研究，只是在浪费 token 、重复造轮子。
我最早看到了 GitHub 上的 FineTune ，但是它设计的理念是针对单个 APP 音量调节，对于多设备输出，也是从 APP 进入，不太符合我的习惯。还有就是类似的 APP ，他们都没有针对多设备同步时候，无线或者蓝牙音箱延迟进行调整的功能。我有个蓝牙音箱，总是比 Mac 的自带音箱慢一点。 还有收费的 SoundSource 等等，他们的虚拟声卡功能更专业，不过也没有针对同步功能进行优化。 所以才开始做 Tutti 。
https://youtu.be/s_t-8aCeBWE
3. Tutti 现在能解决什么
Tutti 是一个常驻 Mac 菜单栏的音频控制工具。最基础的功能，是在面板里勾选多个本地输出设备，让 MacBook 扬声器、AirPods 、蓝牙音频设备、USB 音频设备或者 HDMI 显示器同时播放，并分别控制音量。
它也可以按 App 调整音量和分配输出。例如，可以让某个 App 从显示器播放，另一个 App 从 MacBook 扬声器播放。或者和你朋友一人一副 AirPods 看电影，苹果在 iPhone 上实现了这个 AirPods 同播的功能，我不知道为什么在 Mac 上却没有？
我还做了左右声道拆分，可以把左、右声道分别交给两个输出设备，就可以实现戴耳机才能实现的立体声效果，来听一些左右声道的歌非常爽；
你也可以单独调整某台设备的延迟。通过延迟补偿，可以尽量把不同设备听到的声音对齐。
上面所有的设备都保存成预设一键切换，我甚至做了 iOS 的 APP ，可以当做遥控器控制 Mac 上的 Tutti 。
4. 我在实现上的取舍
Tutti 是原生 macOS 应用，为了不做的那么“重”，它只用 CoreAudio 来实现，不需要安装虚拟音频驱动或系统扩展。退出后会恢复系统原来的音频输出。应用本体支持 macOS 13 及以上；按 App 控制音量、EQ 和输出需要 macOS 14.4 及以上。
这是我第一次真正把一个 App 从想法、代码、测试，一直做到官网、支付和售后。整个流程走完后，我最大的感受是：Vibe coding 做出一个能运行的玩具并不难，但要把它做成一个稳定、有人愿意使用的产品，需要花更多时间处理兼容性、反馈和各种边缘问题。
第一版虽然很快就做出来了，但我不知道功能优先级应该怎么排，也不知道是否真的有人需要。后来找了一些用户测试，根据他们使用的设备、实际需求和遇到的问题，持续迭代了一个多月，才决定正式拿出来分享。
5. 已知限制和商业化思考
目前已知的主要限制：
● AirPlay 设备不能加入 Tutti 的多输出组合；
● 部分 App 或新的 macOS 测试版可能存在 Core Audio 兼容问题；
● 应用音量和应用输出功能需要 macOS 14.4 及以上。
这个产品在我想开始做的时候，我就决定它一定是一个大部分功能免费，但是呢，专业功能或者说某些痛点功能是进行收费的。因为我不想把它当做一个 demo 或者说一个玩具来去做，我希望它是一个成熟的产品，那它就是要面向市场去获得一些商业化上的正反馈。所以 Tutti 的基础功能可以免费使用，Pro 提供 7 天试用，之后是一次买断。
6. 想听听大家的真实使用方式
我现在最想了解的是：
1. 大家平时会给一台 Mac 同时连接哪些音频设备？
2. 在多设备输出、应用音量和应用输出分配之间，大家最常遇到的问题是什么？
欢迎：https://tutti.barrybarrywu.com
1. 事情是怎么开始的
我用 Mac 的时候，常年都会接一块显示器，有时候还会接入蓝牙音箱。平时系统只能选择一个默认输出，我就在想：既然面前有两三个能发出声音的设备，为什么不能让它们同时发声？
我上网找了攻略，发现可以用系统内建的“音频 MIDI 设置”创建多输出设备。声音虽然能同时出来，但操作很繁琐：没有一个好用的总音量控制，也不方便分别调整 AirPods 、显示器和其他音箱。更麻烦的是不同设备会有延迟，声音不同步的时候，听起来就像在 KTV 里一群人在抢麦。
2. 为什么还是决定自己做
我没有一开始就直接做，因为很怕自己变成那种做出十分钟 Demo 就宣布解决问题的自嗨开发者。自己遇到的问题，可能已经有人解决过，也可能市面上早已有成熟产品；如果不先研究，只是在浪费 token 、重复造轮子。
我最早看到了 GitHub 上的 FineTune ，但是它设计的理念是针对单个 APP 音量调节，对于多设备输出，也是从 APP 进入，不太符合我的习惯。还有就是类似的 APP ，他们都没有针对多设备同步时候，无线或者蓝牙音箱延迟进行调整的功能。我有个蓝牙音箱，总是比 Mac 的自带音箱慢一点。 还有收费的 SoundSource 等等，他们的虚拟声卡功能更专业，不过也没有针对同步功能进行优化。 所以才开始做 Tutti 。
https://youtu.be/s_t-8aCeBWE
3. Tutti 现在能解决什么
Tutti 是一个常驻 Mac 菜单栏的音频控制工具。最基础的功能，是在面板里勾选多个本地输出设备，让 MacBook 扬声器、AirPods 、蓝牙音频设备、USB 音频设备或者 HDMI 显示器同时播放，并分别控制音量。
它也可以按 App 调整音量和分配输出。例如，可以让某个 App 从显示器播放，另一个 App 从 MacBook 扬声器播放。或者和你朋友一人一副 AirPods 看电影，苹果在 iPhone 上实现了这个 AirPods 同播的功能，我不知道为什么在 Mac 上却没有？
我还做了左右声道拆分，可以把左、右声道分别交给两个输出设备，就可以实现戴耳机才能实现的立体声效果，来听一些左右声道的歌非常爽；
你也可以单独调整某台设备的延迟。通过延迟补偿，可以尽量把不同设备听到的声音对齐。
上面所有的设备都保存成预设一键切换，我甚至做了 iOS 的 APP ，可以当做遥控器控制 Mac 上的 Tutti 。
4. 我在实现上的取舍
Tutti 是原生 macOS 应用，为了不做的那么“重”，它只用 CoreAudio 来实现，不需要安装虚拟音频驱动或系统扩展。退出后会恢复系统原来的音频输出。应用本体支持 macOS 13 及以上；按 App 控制音量、EQ 和输出需要 macOS 14.4 及以上。
这是我第一次真正把一个 App 从想法、代码、测试，一直做到官网、支付和售后。整个流程走完后，我最大的感受是：Vibe coding 做出一个能运行的玩具并不难，但要把它做成一个稳定、有人愿意使用的产品，需要花更多时间处理兼容性、反馈和各种边缘问题。
第一版虽然很快就做出来了，但我不知道功能优先级应该怎么排，也不知道是否真的有人需要。后来找了一些用户测试，根据他们使用的设备、实际需求和遇到的问题，持续迭代了一个多月，才决定正式拿出来分享。
5. 已知限制和商业化思考
目前已知的主要限制：
● AirPlay 设备不能加入 Tutti 的多输出组合；
● 部分 App 或新的 macOS 测试版可能存在 Core Audio 兼容问题；
● 应用音量和应用输出功能需要 macOS 14.4 及以上。
这个产品在我想开始做的时候，我就决定它一定是一个大部分功能免费，但是呢，专业功能或者说某些痛点功能是进行收费的。因为我不想把它当做一个 demo 或者说一个玩具来去做，我希望它是一个成熟的产品，那它就是要面向市场去获得一些商业化上的正反馈。所以 Tutti 的基础功能可以免费使用，Pro 提供 7 天试用，之后是一次买断。
6. 想听听大家的真实使用方式
我现在最想了解的是：
1. 大家平时会给一台 Mac 同时连接哪些音频设备？
2. 在多设备输出、应用音量和应用输出分配之间，大家最常遇到的问题是什么？
欢迎：https://tutti.barrybarrywu.com
[分享创造] 搞了一个小白使用的静态网站发布工具
最近搞了一个特别适合小白的静态网站发布工具。你不需要懂服务器，也不用折腾复杂的命令，只要把 HTML 、CSS 、图片这些文件打包上传，等几秒钟，就能得到一个可以直接访问的网站链接。
做这个工具的原因很简单：很多人会用 AI 生成网页，也能下载到完整代码，但一到“怎么让别人看到”这一步，就卡住了。买服务器、配域名、装环境，听着就头大。
所以我想把发布网站这件事做得像发朋友圈一样简单：上传、确认、完成。它比较适合作品展示、活动页面、个人介绍和临时落地页。现在功能还不算多，但核心流程已经跑通了，后面会继续慢慢完善。
htmltowebsite.com
最近搞了一个特别适合小白的静态网站发布工具。你不需要懂服务器，也不用折腾复杂的命令，只要把 HTML 、CSS 、图片这些文件打包上传，等几秒钟，就能得到一个可以直接访问的网站链接。
做这个工具的原因很简单：很多人会用 AI 生成网页，也能下载到完整代码，但一到“怎么让别人看到”这一步，就卡住了。买服务器、配域名、装环境，听着就头大。
所以我想把发布网站这件事做得像发朋友圈一样简单：上传、确认、完成。它比较适合作品展示、活动页面、个人介绍和临时落地页。现在功能还不算多，但核心流程已经跑通了，后面会继续慢慢完善。
htmltowebsite.com
[分享创造] 让 AI 给我基于真的终端搓了个假的终端😆
前两天让 AI 搓了个真的终端访问我的博客： https://mabbs.github.io/linux/
刚刚闲来无事又让它基于这个项目： https://github.com/Erzbir/jsnix
给我搓了个假的： https://mabbs.github.io/jsnix/
前两天让 AI 搓了个真的终端访问我的博客： https://mabbs.github.io/linux/
刚刚闲来无事又让它基于这个项目： https://github.com/Erzbir/jsnix
给我搓了个假的： https://mabbs.github.io/jsnix/
[分享创造] 做了一个让图片局部“抖起来”的小工具
前段时间在 X 上刷到一张局部抖动的二次元图片网站，效果很有意思，就顺手研究了一下是怎么做的。
我一直想做点二次元相关的产品，上传图片后，可以让图片的部分区域产生那种“ぷるぷる”的抖动效果。
网站： https://purupurumaker.app/
目前还是比较早期的版本，有些地方可能不够顺手。大家可以来试试，如果遇到问题，或者希望增加什么功能，欢迎直接告诉我。
也欢迎把做出来的效果贴在回复里看看。
前段时间在 X 上刷到一张局部抖动的二次元图片网站，效果很有意思，就顺手研究了一下是怎么做的。
我一直想做点二次元相关的产品，上传图片后，可以让图片的部分区域产生那种“ぷるぷる”的抖动效果。
网站： https://purupurumaker.app/
目前还是比较早期的版本，有些地方可能不够顺手。大家可以来试试，如果遇到问题，或者希望增加什么功能，欢迎直接告诉我。
也欢迎把做出来的效果贴在回复里看看。
[硬件] 想用 AI 给孩子搓个识别播报的玩具，请教下要买什么
孩子比较喜欢玩一个卡片游戏，下图是淘宝的图片
https://gw.alicdn.com/bao/uploaded/i3/2218057021544/O1CN01WzGlnY1NHCc5ykfgb_!!2218057021544.jpg
一张卡片上有 7-8 个动物，然后每人每局出一张，谁先找到相同的动物，就拿走 2 张
想让孩子一起来做一个带图像识别和播报的小硬件，快速识别出来有那个是相同的动物，然后播报出来。
没做过硬件相关的，各位佬给个思路和关键词
孩子比较喜欢玩一个卡片游戏，下图是淘宝的图片
https://gw.alicdn.com/bao/uploaded/i3/2218057021544/O1CN01WzGlnY1NHCc5ykfgb_!!2218057021544.jpg
一张卡片上有 7-8 个动物，然后每人每局出一张，谁先找到相同的动物，就拿走 2 张
想让孩子一起来做一个带图像识别和播报的小硬件，快速识别出来有那个是相同的动物，然后播报出来。
没做过硬件相关的，各位佬给个思路和关键词
[程序员] cloudflare 的新博客好难看
原来是比较朴实的，新博客长这样：
https://i.imgur.com/PjntuXq.png
最重要的正文部分改成了浅灰色的小字，从来没见过哪个内容为主的网站会用这种样式，对阅读很不友好
这是不是 Vibe Coding 的坏处？有 AI 之后，重构东西很容易，手里有锤子，看哪都想去敲一下。虽然原来的版本可能更好，但也要去敲一下。把自己的公司做得 fancy 一点，更能蹭上 AI 的叙事
cloudflare 还提到过，他们有不少设计师从传统的 Figma 转向了直接用 AI 写代码出原型，很难想象这个再跃进一点，是不是直接原来的前端把设计也包干了？直接让 AI Vibe 一个出来，反正自己也不用自己的产品，看着更好看能交差就行
NET 在 Top line growth 还能保持 30%的情况下，两个月前发狂裁了 1100 多人，有理由怀疑剩下的人虽然没裁，但是工作量也发生了变化。于是也一跟着一起发狂了，不管产品质量，先交付再说，反正自己也不用
原来是比较朴实的，新博客长这样：
https://i.imgur.com/PjntuXq.png
最重要的正文部分改成了浅灰色的小字，从来没见过哪个内容为主的网站会用这种样式，对阅读很不友好
这是不是 Vibe Coding 的坏处？有 AI 之后，重构东西很容易，手里有锤子，看哪都想去敲一下。虽然原来的版本可能更好，但也要去敲一下。把自己的公司做得 fancy 一点，更能蹭上 AI 的叙事
cloudflare 还提到过，他们有不少设计师从传统的 Figma 转向了直接用 AI 写代码出原型，很难想象这个再跃进一点，是不是直接原来的前端把设计也包干了？直接让 AI Vibe 一个出来，反正自己也不用自己的产品，看着更好看能交差就行
NET 在 Top line growth 还能保持 30%的情况下，两个月前发狂裁了 1100 多人，有理由怀疑剩下的人虽然没裁，但是工作量也发生了变化。于是也一跟着一起发狂了，不管产品质量，先交付再说，反正自己也不用
[分享发现] 用 Claude Design / GPT-5.6-sol / Kimi K3 给我的游戏做技能特效，附三份可玩的 standalone
在业余时间做一款哥特埃及题材类吸血鬼幸存者的 roguelike 游戏（ Phaser 4.1 + H5 ）。美术、特效、UI 全部靠 AI 流水线产出，分享一下这套 pipeline 跑到今天的样子，以及最近一次挺有意思的实验。
这是游戏实际跑起来的样子：
技能特效(VFX) 生成 pipeline
核心思路：把「设计」当成一份可验收的工程交付(pipeline with skills)，而不是一句 prompt 。
1. Handoff 包生成 skill：每个设计需求打成一个自包含 zip —— 真实游戏截图、机制数值表、视觉正交规则（新技能不和老技能相似）、性能预算等。这个 zip 会扔给 claude desgin 作为需求，并且定义交付标准。
2. 生成：设计系统返回一个自包含的交互式 standalone HTML （底部有链接） —— 不是一张图，是能玩的可调参数的网页，还要暴露一个脚本化 API 方便我自动验收让 AI 接入。
3. 独立验收：用 Playwright 录像截图，跑一套硬性 gate 后丢给另一个模型盲评打分。
4. 移植：过审的 standalone 走 takeover 流程进 Phaser —— 深读它的源码（ painter / 时间轴 / 锚点），±5% 保真门，真机 ADB 录像验证。
痛点
之前所有的 vfx 都是通过 claude desgin 做设计后产出 standalone html 后介入游戏，但是 claude 这玩意经常不够用或者就 you account has been suspended, 所以必须找个 alternaive.
之前 opendeisgin 我也尝试过，但是发现效果和 claude desgin 还是差很多，这次是在有了 gpt5.6 和 kimi k3, 准备优化 skill(生成扔给 opendeisign 的需求和交付标准) 后再尝试。
这次的实验：生产(claude desgin) vs 挑战者(open desgin with gpt5.6 sol/KIMI K3)
做的技能是「巫毒魂瓶」：瓶子在敌人之间弹跳，每跳眩晕 + 咒印，5 秒诅咒窗口内伤害叠加，期满一次性结算爆发（灵感来自 DOTA 巫医的麻痹药剂 + 诅咒）。
这个技能我的生产基准是 Claude Design 出的 standalone —— 移植上线了。我想验证的问题是：同一份生产 handoff zip 一字不改，喂给本地的 pipeline （ Open Design + 前沿模型），一轮生成能不能摸到这个生产基准的水位？
挑战者是 Open Design × GPT-5.6-sol 和 Open Design × Kimi K3 ，各一轮生成，不许互看答案。两个挑战者之间做严格盲评：等时驱动录像、抽等时关键帧、匿名乱序，GPT-5.6-sol （ high reasoning ）按 100 分表当裁判。
GPT-5.6-sol 91 分，Kimi K3 82 分 —— 两份都摸到了「可以进 owner 审阅」的水位，这在 1 个月前是不敢想的。而且我自己去体感测试了下，GPT-5.6-sol 基本达到了我的验收标准（小游戏要求比较低 ：)
三方的实验结果截图（依次 GPT-5.6-sol / Kimi K3 / Claude Design 基准）：
三份 standalone html 都发出来了，可以直接交互看效果
都是纯前端 standalone ，桌面打开效果最好，右侧有控制台可以逐节拍触发 / 切密度 / 换地面 / 换主题：
● Claude Design 基准版（已上线的那份）： https://artifact.cafe/a/54b9lvjsge
● Open Design × GPT-5.6-sol 版（盲评 91 ）： https://artifact.cafe/a/2pcxiumquv
● Open Design × Kimi K3 版（盲评 82 ）： https://artifact.cafe/a/q5mo9j3mm2
pipeline 背后的 skill （ handoff 契约、验收 gate 、盲评流程）已经放进 https://github.com/joeeeeey/open-design-skill （目前是绑定我自己游戏风格的参考实现，正在泛化成通用模板，想拿去给自己游戏用的可以先 watch ）。
游戏本体《冥骨魂殿 / Bone Halls 》还在开发收尾，网页可内侧试玩，后面会发 Steam 桌面版： https://bonehalls.com
有什么想了解的细节（ handoff 契约长什么样、验收 gate 怎么写、成本多少）欢迎聊。
在业余时间做一款哥特埃及题材类吸血鬼幸存者的 roguelike 游戏（ Phaser 4.1 + H5 ）。美术、特效、UI 全部靠 AI 流水线产出，分享一下这套 pipeline 跑到今天的样子，以及最近一次挺有意思的实验。
这是游戏实际跑起来的样子：
技能特效(VFX) 生成 pipeline
核心思路：把「设计」当成一份可验收的工程交付(pipeline with skills)，而不是一句 prompt 。
1. Handoff 包生成 skill：每个设计需求打成一个自包含 zip —— 真实游戏截图、机制数值表、视觉正交规则（新技能不和老技能相似）、性能预算等。这个 zip 会扔给 claude desgin 作为需求，并且定义交付标准。
2. 生成：设计系统返回一个自包含的交互式 standalone HTML （底部有链接） —— 不是一张图，是能玩的可调参数的网页，还要暴露一个脚本化 API 方便我自动验收让 AI 接入。
3. 独立验收：用 Playwright 录像截图，跑一套硬性 gate 后丢给另一个模型盲评打分。
4. 移植：过审的 standalone 走 takeover 流程进 Phaser —— 深读它的源码（ painter / 时间轴 / 锚点），±5% 保真门，真机 ADB 录像验证。
痛点
之前所有的 vfx 都是通过 claude desgin 做设计后产出 standalone html 后介入游戏，但是 claude 这玩意经常不够用或者就 you account has been suspended, 所以必须找个 alternaive.
之前 opendeisgin 我也尝试过，但是发现效果和 claude desgin 还是差很多，这次是在有了 gpt5.6 和 kimi k3, 准备优化 skill(生成扔给 opendeisign 的需求和交付标准) 后再尝试。
这次的实验：生产(claude desgin) vs 挑战者(open desgin with gpt5.6 sol/KIMI K3)
做的技能是「巫毒魂瓶」：瓶子在敌人之间弹跳，每跳眩晕 + 咒印，5 秒诅咒窗口内伤害叠加，期满一次性结算爆发（灵感来自 DOTA 巫医的麻痹药剂 + 诅咒）。
这个技能我的生产基准是 Claude Design 出的 standalone —— 移植上线了。我想验证的问题是：同一份生产 handoff zip 一字不改，喂给本地的 pipeline （ Open Design + 前沿模型），一轮生成能不能摸到这个生产基准的水位？
挑战者是 Open Design × GPT-5.6-sol 和 Open Design × Kimi K3 ，各一轮生成，不许互看答案。两个挑战者之间做严格盲评：等时驱动录像、抽等时关键帧、匿名乱序，GPT-5.6-sol （ high reasoning ）按 100 分表当裁判。
GPT-5.6-sol 91 分，Kimi K3 82 分 —— 两份都摸到了「可以进 owner 审阅」的水位，这在 1 个月前是不敢想的。而且我自己去体感测试了下，GPT-5.6-sol 基本达到了我的验收标准（小游戏要求比较低 ：)
三方的实验结果截图（依次 GPT-5.6-sol / Kimi K3 / Claude Design 基准）：
三份 standalone html 都发出来了，可以直接交互看效果
都是纯前端 standalone ，桌面打开效果最好，右侧有控制台可以逐节拍触发 / 切密度 / 换地面 / 换主题：
● Claude Design 基准版（已上线的那份）： https://artifact.cafe/a/54b9lvjsge
● Open Design × GPT-5.6-sol 版（盲评 91 ）： https://artifact.cafe/a/2pcxiumquv
● Open Design × Kimi K3 版（盲评 82 ）： https://artifact.cafe/a/q5mo9j3mm2
pipeline 背后的 skill （ handoff 契约、验收 gate 、盲评流程）已经放进 https://github.com/joeeeeey/open-design-skill （目前是绑定我自己游戏风格的参考实现，正在泛化成通用模板，想拿去给自己游戏用的可以先 watch ）。
游戏本体《冥骨魂殿 / Bone Halls 》还在开发收尾，网页可内侧试玩，后面会发 Steam 桌面版： https://bonehalls.com
有什么想了解的细节（ handoff 契约长什么样、验收 gate 怎么写、成本多少）欢迎聊。
[分享创造] 免费开源的有声书生成工具
https://github.com/shiye515/AudiobookMaker 做了一个有声书生成工具，把 EPUB 变成带章节、封面和完整元数据的 M4B 有声书，全程在 Mac 本地完成。生成的有声书可以直接导入到苹果图书 APP 中。如果对你有帮助，也帮我点个 star 。
https://github.com/shiye515/AudiobookMaker 做了一个有声书生成工具，把 EPUB 变成带章节、封面和完整元数据的 M4B 有声书，全程在 Mac 本地完成。生成的有声书可以直接导入到苹果图书 APP 中。如果对你有帮助，也帮我点个 star 。
[生活] 司美格鲁肽，这药有力气！
目前用药一个月零几天，掉了 10 斤，有点超出预期。这药的机制和原理，网上太多科普了，我就仅分享一下个人的主观感受。
----------------------
本人属于遗传性易胖体质，平时饮食很克制，基本不沾零食饮料，每周不小于 2 小时有氧运动，但是体重还是高居不下，长期体重(斤)>身高(身高)，脂肪肝早就有了，最近还有点糖前期的倾向。 以前靠纯节食减下去过，后面结束节食又反弹了。代价就是节食期低血糖症状明显，脑子昏昏的，无法专注，什么事都干不了。那段时期工作轻松，现在工作接受不了这种状态。
说这个是想表示，人与人的体质差距巨大，请不要评论“胖就是吃太多”“管住嘴迈开腿就能瘦了有这么难吗”之类的话，这个世界对胖子的恶意已经足够多了。
----------------------
为了保险，专门挂了医院的内分泌号，医生给做了全面的检查结论是可以用药，但是这个药不管从医院买还是自己购买，都不能走医保，全自费。
----------------------
最主要的感受就是，这个药相当于给消化系统加装了一个限流器。消化功能直接被限流，按照日常的吃法，根本消化不完，到下一顿也不会饿，主观上不想吃，整体吃的就少了。
如果还按照以前的饭量吃，代价就是感觉胃里堵住了，会打嗝（医学上叫嗳气）味道很难闻，可能还会拉肚子。 刚打第一周正好赶上公司团建，作死吃了很多烤串，结果连拉了三天，惨不忍睹。
心理敬畏+主观上不想吃，两个 buff 叠加，食量逐渐就少了。
----------------------
我相信如果不打针的话，脱产减肥，也是可以减下来的。但是人的意志力是有限的，中年人上有老下有小工作压力大，已经没有多余的意志力给到减肥这件事了。感谢科技发展。
掉了 10 斤的感觉很清爽，之前因为胖穿不上的旧衣服也能穿上了，也不打鼾了。
现在有很多新的 xx 肽了，当时医院只有司美格鲁肽就开了。
等这一管打完，打算换替尔泊肽试试。
目前用药一个月零几天，掉了 10 斤，有点超出预期。这药的机制和原理，网上太多科普了，我就仅分享一下个人的主观感受。
----------------------
本人属于遗传性易胖体质，平时饮食很克制，基本不沾零食饮料，每周不小于 2 小时有氧运动，但是体重还是高居不下，长期体重(斤)>身高(身高)，脂肪肝早就有了，最近还有点糖前期的倾向。 以前靠纯节食减下去过，后面结束节食又反弹了。代价就是节食期低血糖症状明显，脑子昏昏的，无法专注，什么事都干不了。那段时期工作轻松，现在工作接受不了这种状态。
说这个是想表示，人与人的体质差距巨大，请不要评论“胖就是吃太多”“管住嘴迈开腿就能瘦了有这么难吗”之类的话，这个世界对胖子的恶意已经足够多了。
----------------------
为了保险，专门挂了医院的内分泌号，医生给做了全面的检查结论是可以用药，但是这个药不管从医院买还是自己购买，都不能走医保，全自费。
----------------------
最主要的感受就是，这个药相当于给消化系统加装了一个限流器。消化功能直接被限流，按照日常的吃法，根本消化不完，到下一顿也不会饿，主观上不想吃，整体吃的就少了。
如果还按照以前的饭量吃，代价就是感觉胃里堵住了，会打嗝（医学上叫嗳气）味道很难闻，可能还会拉肚子。 刚打第一周正好赶上公司团建，作死吃了很多烤串，结果连拉了三天，惨不忍睹。
心理敬畏+主观上不想吃，两个 buff 叠加，食量逐渐就少了。
----------------------
我相信如果不打针的话，脱产减肥，也是可以减下来的。但是人的意志力是有限的，中年人上有老下有小工作压力大，已经没有多余的意志力给到减肥这件事了。感谢科技发展。
掉了 10 斤的感觉很清爽，之前因为胖穿不上的旧衣服也能穿上了，也不打鼾了。
现在有很多新的 xx 肽了，当时医院只有司美格鲁肽就开了。
等这一管打完，打算换替尔泊肽试试。
[程序员] # [分享] 写了一个有记忆系统、能自我进化的 AI Agent，从此不用整理笔记了？也不用学习课程了？
各位好，分享一个我自己在做的项目。
起因是前阵子清理电脑里的笔记，Notion 300 多篇、Obsidian 200 多篇、还有一堆 markdown 散落在各个文件夹。翻了一遍发现大部分内容我根本不记得写过什么，更别说交叉对比、发现关联了。
然后我想：LLM 每分钟能处理几千 tokens ，能同时比较大量材料，知识工作的最后一步本来就是让 AI 来做的——那为什么不把「管理知识」这件事也交给它？
于是我做了 康纳同学，一个 macOS 上的 AI Agent ，核心是一套五层记忆系统：
L2 和 L3 的区别：L2 记录"做了光的衍射实验"，L3 提炼出"光同时具有波和粒子的特性"。一个是具体事实，一个是抽象认知。
L4 我觉得最有意思——让 Agent 可以沿着关系链做连跳推理。搜"笔记"的时候，自动关联到"阅读速度"、"知识图谱"、"产品定位"这些表面不同但实际相关的内容。传统关键词检索做不到这个。
设计上几个关键选择：
● 笔记 = 对话，不需要单独维护笔记本结构
● 信息自然流入（邮件、日历、RSS 、浏览器、文件导入），不依赖用户手动整理
● 用户的反馈（修正、肯定、指导）会被记忆系统记住和提炼，Agent 随着使用越用越聪明
● 支持批量导入 Notion / Obsidian / 印象笔记 / Markdown 文件夹
● 本地优先，数据在本机
所以回到标题的问题：是否真的不用整理笔记了？
我的体感是：不用手动整理了，但「整理」这件事并没有消失——只是换了个形式。以前是你手动建文件夹、打标签；现在是通过和 Agent 对话，让它理解你的意图，然后它自动帮你整理。你的「整理成本」从写操作变成了说操作，而且积累的知识结构是可以复用的。
关于知识市场（开发中）：
计划做一个知识库的交易平台——每个人可以把自己的知识库（ L2+L3+L4 结构体）上传到市场，设定价格。其他人订阅后可以像使用本地记忆一样查询。你不需要先"学会"一门知识才能使用它，直接丢给 Agent 就行。
这个功能还在开发中，感兴趣可以关注。
----------------------
macOS 版已发布，官网： https://duanshiwen.github.io/connor-graph-agent-mac
欢迎试用和反馈，任何意见都接受。有问题直接问，我会逐条回复。
各位好，分享一个我自己在做的项目。
起因是前阵子清理电脑里的笔记，Notion 300 多篇、Obsidian 200 多篇、还有一堆 markdown 散落在各个文件夹。翻了一遍发现大部分内容我根本不记得写过什么，更别说交叉对比、发现关联了。
然后我想：LLM 每分钟能处理几千 tokens ，能同时比较大量材料，知识工作的最后一步本来就是让 AI 来做的——那为什么不把「管理知识」这件事也交给它？
于是我做了 康纳同学，一个 macOS 上的 AI Agent ，核心是一套五层记忆系统：
L0 - 原始档案库（对话、笔记、邮件、网页原文，原样保存）
L1 - 上下文窗口（缓存碎片信息，等上下文充分后再整理）
L2 - 当前状态（识别项目、人物、任务，回答"现在进展到哪了"）
L3 - 可复用知识（从 L2 的事实中提炼抽象认知）
L4 - 实体关系图（建立知识之间的关联，支持跨跳推理）
L2 和 L3 的区别：L2 记录"做了光的衍射实验"，L3 提炼出"光同时具有波和粒子的特性"。一个是具体事实，一个是抽象认知。
L4 我觉得最有意思——让 Agent 可以沿着关系链做连跳推理。搜"笔记"的时候，自动关联到"阅读速度"、"知识图谱"、"产品定位"这些表面不同但实际相关的内容。传统关键词检索做不到这个。
设计上几个关键选择：
● 笔记 = 对话，不需要单独维护笔记本结构
● 信息自然流入（邮件、日历、RSS 、浏览器、文件导入），不依赖用户手动整理
● 用户的反馈（修正、肯定、指导）会被记忆系统记住和提炼，Agent 随着使用越用越聪明
● 支持批量导入 Notion / Obsidian / 印象笔记 / Markdown 文件夹
● 本地优先，数据在本机
所以回到标题的问题：是否真的不用整理笔记了？
我的体感是：不用手动整理了，但「整理」这件事并没有消失——只是换了个形式。以前是你手动建文件夹、打标签；现在是通过和 Agent 对话，让它理解你的意图，然后它自动帮你整理。你的「整理成本」从写操作变成了说操作，而且积累的知识结构是可以复用的。
关于知识市场（开发中）：
计划做一个知识库的交易平台——每个人可以把自己的知识库（ L2+L3+L4 结构体）上传到市场，设定价格。其他人订阅后可以像使用本地记忆一样查询。你不需要先"学会"一门知识才能使用它，直接丢给 Agent 就行。
这个功能还在开发中，感兴趣可以关注。
----------------------
macOS 版已发布，官网： https://duanshiwen.github.io/connor-graph-agent-mac
欢迎试用和反馈，任何意见都接受。有问题直接问，我会逐条回复。
[问与答] 被 cursor 团队版购买流程及客服效率搞破防了，求助这种情况如何解决？
真心被 Cursor 新版团队版的购买流程搞破防了，对比三个月前的顺畅体验，现在的付费逻辑混乱、机制反人类，全程踩满坑，纯纯付费找罪受！ 三个月前第一次买 5 人团队版，流程简单清晰：直接选定 5 个席位，一次性支付宝全款支付，账单、收据一键导出，报销全程丝滑，没有任何多余操作。 本以为这次续费新增团队也是一样的流程，结果体验天差地别，全程漏洞百出、BUG 不断。 本次新开团队购买全过程踩坑：
1. 无法直接选购多席位，必须先强制开通 1 人账号，支付 40 美金打底；
2. 后续新增团队成员，通过邀请方式添加，每添加、确认一位成员（也可能是 2 位 or
3. or3 位，很迷）就单独生成一笔账单、单独扣款；
4. 我分批新增 11 位成员，被系统拆分成 6 笔扣款，前 5 笔正常扣款成功，第六笔扣款失败；
5. 仅仅一笔扣款失败，系统直接一刀切，直接收回我的团队管理员权限，团队入口消失，所有成员管理界面无法查看，团队直接降级成个人版，彻底瘫痪。 个人版，也无法看团队版支付记录，无法主动发起支付。 后续联系客服，邮件沟通了 4 5 次，才给了一个主动支付链接，补齐欠款后权限短暂恢复。可继续添加剩余成员时，再次触发系统异常，管理员权限再次被无故收回，反复折腾、无限内耗。
我真是麻了，周五到周日，我反复给 cursor 的客服发邮件，回复只有貌似机器回答的
“很抱歉让您久等了。你的团队订阅问题正在工单 T-E30793 处理，队友会在那里跟进。关闭这个帖子是为了让所有内容集中在一个地方。
此致，
孤独
光标的 AI 支持助手”
真心被 Cursor 新版团队版的购买流程搞破防了，对比三个月前的顺畅体验，现在的付费逻辑混乱、机制反人类，全程踩满坑，纯纯付费找罪受！ 三个月前第一次买 5 人团队版，流程简单清晰：直接选定 5 个席位，一次性支付宝全款支付，账单、收据一键导出，报销全程丝滑，没有任何多余操作。 本以为这次续费新增团队也是一样的流程，结果体验天差地别，全程漏洞百出、BUG 不断。 本次新开团队购买全过程踩坑：
1. 无法直接选购多席位，必须先强制开通 1 人账号，支付 40 美金打底；
2. 后续新增团队成员，通过邀请方式添加，每添加、确认一位成员（也可能是 2 位 or
3. or3 位，很迷）就单独生成一笔账单、单独扣款；
4. 我分批新增 11 位成员，被系统拆分成 6 笔扣款，前 5 笔正常扣款成功，第六笔扣款失败；
5. 仅仅一笔扣款失败，系统直接一刀切，直接收回我的团队管理员权限，团队入口消失，所有成员管理界面无法查看，团队直接降级成个人版，彻底瘫痪。 个人版，也无法看团队版支付记录，无法主动发起支付。 后续联系客服，邮件沟通了 4 5 次，才给了一个主动支付链接，补齐欠款后权限短暂恢复。可继续添加剩余成员时，再次触发系统异常，管理员权限再次被无故收回，反复折腾、无限内耗。
我真是麻了，周五到周日，我反复给 cursor 的客服发邮件，回复只有貌似机器回答的
“很抱歉让您久等了。你的团队订阅问题正在工单 T-E30793 处理，队友会在那里跟进。关闭这个帖子是为了让所有内容集中在一个地方。
此致，
孤独
光标的 AI 支持助手”
[程序员] [KIMI] K3 出来以后， K2.6 降智挺严重的，千问 3.8Preview 很香
RT ，之前一直用的 KIMI ，感觉回答问题准确还容易理解；最近想在自己电脑上用 codex ，不懂得就问 KIMI ，结果：
现在我问他 “codexcli 怎么使用 chatgpt plus 会员登录，之前用的 apikey 方式登录的”，结果告诉我不能使用 chatgpt plus 会员登录；
想用 K3 提示需要充值，遂作罢；拥抱千问；
RT ，之前一直用的 KIMI ，感觉回答问题准确还容易理解；最近想在自己电脑上用 codex ，不懂得就问 KIMI ，结果：
现在我问他 “codexcli 怎么使用 chatgpt plus 会员登录，之前用的 apikey 方式登录的”，结果告诉我不能使用 chatgpt plus 会员登录；
想用 K3 提示需要充值，遂作罢；拥抱千问；
[分享发现] 广东清远 16 岁女孩诬告称遭亲生父亲性侵，父亲一审被判无期徒刑，二审时女儿称系诬告：因管教太严心生怨恨报假警
周晓艺因为早恋受到了父亲周大明（化名）的严厉管教，她因此心生怨恨，为了报复父亲，选择了报警并捏造了被父亲性侵的谎言，在没有如何证据只有口供的情况下，法院一审判处周大明犯强奸罪（无期徒刑）和猥亵儿童罪（有期徒刑六年），决定执行无期徒刑，先已被羁押两年多。蔡雅齐律师认为，想让强大的司法机关承认错误难于上青天，这个案件最可能的结果是二审法院让上诉人签认罪认罚，然后实报实销两年多的羁押刑期。无数事实证明在中国只需要女人一张嘴就能把你送进监狱，而且翻案难度极大 https://www.bilibili.com/video/BV1pHKi6xEAh/?spm_id_from=333.1007.tianma.1-1-1.click&vd_source=6af9697276967d501bf279ba9ff174d1
周晓艺因为早恋受到了父亲周大明（化名）的严厉管教，她因此心生怨恨，为了报复父亲，选择了报警并捏造了被父亲性侵的谎言，在没有如何证据只有口供的情况下，法院一审判处周大明犯强奸罪（无期徒刑）和猥亵儿童罪（有期徒刑六年），决定执行无期徒刑，先已被羁押两年多。蔡雅齐律师认为，想让强大的司法机关承认错误难于上青天，这个案件最可能的结果是二审法院让上诉人签认罪认罚，然后实报实销两年多的羁押刑期。无数事实证明在中国只需要女人一张嘴就能把你送进监狱，而且翻案难度极大 https://www.bilibili.com/video/BV1pHKi6xEAh/?spm_id_from=333.1007.tianma.1-1-1.click&vd_source=6af9697276967d501bf279ba9ff174d1
[推广] 为什么越来越多团队开始放弃低价中转站？（结尾有福利）
去年这个时候，我一直觉得，做中转站最重要的是价格。 倍率低一点，客户自然会来。 直到去年，我们接入了一家 AI 企业客户，这个想法才彻底变了。 这一年合作下来，对我的触动挺大。 这家客户目前每个月的模型调用费用，大概在 300 万人民币左右（可加我联系方式验证数据是否真实）。 按理说，这种体量的客户，应该最在意价格。 但实际上，从第一次沟通到后面合作，他们很少纠结倍率。 聊得最多的反而是几个问题。 模型是不是原版？ 有没有做一致性验证？ 线路出问题能不能自动切？ 数据会不会留存？ 新模型多久能同步？ 后来我才真正理解一句话。 业务越大，越不敢赌。 省下来的那点调用成本，可能还抵不上一次线上故障带来的损失。 ⸻ 也是从那时候开始，我们把很多精力放在了以前别人不太会宣传的地方。 比如模型一致性验证。 持续检测模型状态，避免模型异常、降智。 比如企业级智能调度。 线路异常自动切换，尽量不影响线上业务。 再比如零数据留存。 请求数据不参与训练，让企业用得更放心。 还有官方源头渠道持续接入，新模型尽可能第一时间同步。 这些东西，平时看起来没什么存在感。 但真正业务跑起来以后，每一样都很重要。 ⸻ 现在回头看，中转站行业已经变了。 以前大家比的是谁更便宜。 现在真正做企业业务的人，更关心的是稳定、可靠、长期。 低价当然重要。 但如果让我重新选一次，我还是会把更多时间花在稳定性和服务上。 因为真正的客户，不会因为便宜几分钱留下来。 会因为业务一直稳定，才一直合作。 如果你也在做 AI 产品、Agent 、企业应用，或者正在找长期稳定的 API 服务，欢迎交流，也欢迎直接对比测试。 官网： https://apibrg.duoyuanx.net/ v：gsm000999 好了，最后给大家一点小福利：
1. 新用户注册即可领取 3 刀测试额度，可直接体验 GPT 、Claude 、Gemini 、DeepSeek 等主流模型。
2. 老用户充值可额外赠送对应测试额度（具体活动可咨询）。 最后说明一下： 赠送的额度为真实可用额度，没有套路，也没有隐藏门槛，欢迎直接拿自己的业务进行对比测试。
去年这个时候，我一直觉得，做中转站最重要的是价格。 倍率低一点，客户自然会来。 直到去年，我们接入了一家 AI 企业客户，这个想法才彻底变了。 这一年合作下来，对我的触动挺大。 这家客户目前每个月的模型调用费用，大概在 300 万人民币左右（可加我联系方式验证数据是否真实）。 按理说，这种体量的客户，应该最在意价格。 但实际上，从第一次沟通到后面合作，他们很少纠结倍率。 聊得最多的反而是几个问题。 模型是不是原版？ 有没有做一致性验证？ 线路出问题能不能自动切？ 数据会不会留存？ 新模型多久能同步？ 后来我才真正理解一句话。 业务越大，越不敢赌。 省下来的那点调用成本，可能还抵不上一次线上故障带来的损失。 ⸻ 也是从那时候开始，我们把很多精力放在了以前别人不太会宣传的地方。 比如模型一致性验证。 持续检测模型状态，避免模型异常、降智。 比如企业级智能调度。 线路异常自动切换，尽量不影响线上业务。 再比如零数据留存。 请求数据不参与训练，让企业用得更放心。 还有官方源头渠道持续接入，新模型尽可能第一时间同步。 这些东西，平时看起来没什么存在感。 但真正业务跑起来以后，每一样都很重要。 ⸻ 现在回头看，中转站行业已经变了。 以前大家比的是谁更便宜。 现在真正做企业业务的人，更关心的是稳定、可靠、长期。 低价当然重要。 但如果让我重新选一次，我还是会把更多时间花在稳定性和服务上。 因为真正的客户，不会因为便宜几分钱留下来。 会因为业务一直稳定，才一直合作。 如果你也在做 AI 产品、Agent 、企业应用，或者正在找长期稳定的 API 服务，欢迎交流，也欢迎直接对比测试。 官网： https://apibrg.duoyuanx.net/ v：gsm000999 好了，最后给大家一点小福利：
1. 新用户注册即可领取 3 刀测试额度，可直接体验 GPT 、Claude 、Gemini 、DeepSeek 等主流模型。
2. 老用户充值可额外赠送对应测试额度（具体活动可咨询）。 最后说明一下： 赠送的额度为真实可用额度，没有套路，也没有隐藏门槛，欢迎直接拿自己的业务进行对比测试。
[分享创造] [分享创造] 做了一个 Windows 上的 Codex 额度与 Token 用量面板，已开源
I built Codex Quota Panel, a free and open-source Windows desktop dashboard for Codex users. I am publishing it early so real users can shape the next version, and I would appreciate feedback on accuracy, Windows behavior, and installation experience.
Before building it, I tried five or six other quota panels. Most showed remaining quota, and a few also showed today's token usage. In the tools I tested, I did not find one that displayed every available reset-credit card and let me consume a selected credit after an explicit confirmation. This app brings the official weekly limit, reset time, every available reset-credit card, today's token usage, and lifetime token usage into one always-visible panel. A reset only runs after the user chooses a card and confirms it.
It connects to the official OpenAI Codex app-server already signed in on the computer. It never reads or prints authentication tokens and does not upload usage data. This is an unofficial community project built with Electron under the MIT License.
GitHub / Source: https://github.com/ooo0-0ooo/codex-quota-panel-9
Download: https://github.com/ooo0-0ooo/codex-quota-panel-9/releases/latest
---
这个项目最初是为了满足我自己的高频查看需求。我选择现在就开源，是希望下一版能由真实用户需求来推动，也欢迎大家反馈统计准确性、Windows 交互和安装体验。
开发前我实际试用了五六个同类 Codex 额度面板。它们普遍会显示剩余额度，少数还能显示今日 Token 用量；但在我试过的这些面板里，没有看到一个提供全部额度重置卡片，并允许我选择某张卡片、二次确认后直接执行重置。
更重要的痛点不是“再多几个功能”，而是官方客户端查看这些信息本身比较折腾：通常需要点击 2 ～ 3 次，菜单切换存在加载延迟；进入「 Remaining Usage （剩余用量）」时，「 Pet 」标签有时会先出现，容易误点后重新进入。这些操作每天会重复很多次。
所以我做了 Codex Quota Panel：把官方周额度、重置时间、所有可用重置卡片、今日 Token 用量和累计 Token 用量集中到一个始终可见的 Windows 桌面面板。重置不会自动执行；只有点击指定卡片的「 Use reset 」并在确认对话框同意后，才会通过官方 Codex app-server 调用该卡片的重置接口。
应用不会读取或输出认证 Token ，也不会上传用量数据。官方账户级数据优先，本机保留的 Codex 会话日志只在官方当天数据尚未出现时作为临时补充。这是使用 Electron 开发、采用 MIT License 的非官方社区项目。
GitHub / 源码： https://github.com/ooo0-0ooo/codex-quota-panel-9
下载最新版： https://github.com/ooo0-0ooo/codex-quota-panel-9/releases/latest
I built Codex Quota Panel, a free and open-source Windows desktop dashboard for Codex users. I am publishing it early so real users can shape the next version, and I would appreciate feedback on accuracy, Windows behavior, and installation experience.
Before building it, I tried five or six other quota panels. Most showed remaining quota, and a few also showed today's token usage. In the tools I tested, I did not find one that displayed every available reset-credit card and let me consume a selected credit after an explicit confirmation. This app brings the official weekly limit, reset time, every available reset-credit card, today's token usage, and lifetime token usage into one always-visible panel. A reset only runs after the user chooses a card and confirms it.
It connects to the official OpenAI Codex app-server already signed in on the computer. It never reads or prints authentication tokens and does not upload usage data. This is an unofficial community project built with Electron under the MIT License.
GitHub / Source: https://github.com/ooo0-0ooo/codex-quota-panel-9
Download: https://github.com/ooo0-0ooo/codex-quota-panel-9/releases/latest
---
这个项目最初是为了满足我自己的高频查看需求。我选择现在就开源，是希望下一版能由真实用户需求来推动，也欢迎大家反馈统计准确性、Windows 交互和安装体验。
开发前我实际试用了五六个同类 Codex 额度面板。它们普遍会显示剩余额度，少数还能显示今日 Token 用量；但在我试过的这些面板里，没有看到一个提供全部额度重置卡片，并允许我选择某张卡片、二次确认后直接执行重置。
更重要的痛点不是“再多几个功能”，而是官方客户端查看这些信息本身比较折腾：通常需要点击 2 ～ 3 次，菜单切换存在加载延迟；进入「 Remaining Usage （剩余用量）」时，「 Pet 」标签有时会先出现，容易误点后重新进入。这些操作每天会重复很多次。
所以我做了 Codex Quota Panel：把官方周额度、重置时间、所有可用重置卡片、今日 Token 用量和累计 Token 用量集中到一个始终可见的 Windows 桌面面板。重置不会自动执行；只有点击指定卡片的「 Use reset 」并在确认对话框同意后，才会通过官方 Codex app-server 调用该卡片的重置接口。
应用不会读取或输出认证 Token ，也不会上传用量数据。官方账户级数据优先，本机保留的 Codex 会话日志只在官方当天数据尚未出现时作为临时补充。这是使用 Electron 开发、采用 MIT License 的非官方社区项目。
GitHub / 源码： https://github.com/ooo0-0ooo/codex-quota-panel-9
下载最新版： https://github.com/ooo0-0ooo/codex-quota-panel-9/releases/latest
[推广] 芒果 ai 最新套餐来咯 80 元=800 刀额度， [附带一些吐槽和心酸]
也发过很多次帖子了
也有很多朋友支持进群，都给大伙儿整了兑换码，让大伙儿体验
现在市场上 ai 中转多如牛毛，但是你可以相信芒果 ai ，因为我也是程序员，并且之前也折腾过开源项目
也在开源项目上付出了很多精力，现在 ai 时代也深深体会了各种 ai 以及 ai 中转
cursor 我应该是第一批充 pro 的，还是没有 codex 和 claude code 好用
现在 ai 中转鱼龙混杂，但是芒果 ai 在这里绝对保真保质量，甚至我多次在群里面公开芒果 ai 的利润和计算公式以及成本如何计算
芒果始终保持：大伙儿都有好用，便宜的 token
希望大伙儿能在这个时代解放双手创造更多更好的内容
如果有使用量很大的朋友，请私聊我，我们一起来解决
站点： https://ai.mggoo.com/
也发过很多次帖子了
也有很多朋友支持进群，都给大伙儿整了兑换码，让大伙儿体验
现在市场上 ai 中转多如牛毛，但是你可以相信芒果 ai ，因为我也是程序员，并且之前也折腾过开源项目
也在开源项目上付出了很多精力，现在 ai 时代也深深体会了各种 ai 以及 ai 中转
cursor 我应该是第一批充 pro 的，还是没有 codex 和 claude code 好用
现在 ai 中转鱼龙混杂，但是芒果 ai 在这里绝对保真保质量，甚至我多次在群里面公开芒果 ai 的利润和计算公式以及成本如何计算
芒果始终保持：大伙儿都有好用，便宜的 token
希望大伙儿能在这个时代解放双手创造更多更好的内容
如果有使用量很大的朋友，请私聊我，我们一起来解决
站点： https://ai.mggoo.com/
[分享创造] 做了一个 Rust 内核的 pandas-like DataFrame，用来实时计算 K 线技术指标
我做了一个开源 Python 包：
一个 4 年、15 分钟级别的交易数据回测，单个标的大约就是 14 万根 K 线。50 个标的就是约 700 万行。跑这还没开始扫参数，也还没开始训练模型。经常一个回测个把小时，还没跑模型光数据处理就花掉半小时也是常有的事情。
很多时候真正先把人卡住的不是策略逻辑，而是数据处理：读数据、拼特征、算 RSI 、MACD 、ATR 、Bollinger Bands ，一跑就是好几分钟。模型还没开始训练，回测还没真正跑起来，特征表已经先变成瓶颈。
如果是在实时循环或者逐根 K 线回测里，这个问题会更明显：K 线每新增一根，pandas 流水线就可能把整列指标重算一遍。但从数据依赖上看，新来的只是最后一根 K 线，前面大多数指标值其实已经稳定了。
我之前做了个 https://github.com/kaelzhang/stock-pandas ，但后来发现它是真的太慢了，哪怕后来我把部分内容用 pyO3 换成了 rust ，但发现很大的瓶颈发生在 pandas 本身。最后无奈之下，只好把整个全部用 rust 重写了。
● API 尽量保持 pandas 手感；
● 内置 250+ 个交易指标 （非常多了，我没有专门做过对比，但搞不好是相关类库里最多的，让 AI 来做因子异动的研究会很有用）；
● 指标用指令列表达，例如
● 指标列可以缓存；
● 追加新 K 线后，下一次读取只刷新受影响的尾部窗口；
● 底层用 Rust kernel ；
● 可以导出 NumPy / Torch 。
一个最小例子：
我现在最想收集三类反馈：
1. 这个指标指令 API 是否符合大家写指标流水线的习惯；
2. 还有哪些常用指标或市场惯例缺失；
3. benchmark 方法是否有偏差，是否有真实场景里
它不是交易信号服务，也不是通用 pandas 替代品；普通表格分析继续用 pandas / polars 就好。
GitHub: https://github.com/kaelzhang/volas
在很多场景下是非常的快了，不少场景下快了几百倍。这里也有个性能对比: https://volas.ost.ai/
我做了一个开源 Python 包：
volas。一个 4 年、15 分钟级别的交易数据回测，单个标的大约就是 14 万根 K 线。50 个标的就是约 700 万行。跑这还没开始扫参数，也还没开始训练模型。经常一个回测个把小时，还没跑模型光数据处理就花掉半小时也是常有的事情。
很多时候真正先把人卡住的不是策略逻辑，而是数据处理：读数据、拼特征、算 RSI 、MACD 、ATR 、Bollinger Bands ，一跑就是好几分钟。模型还没开始训练，回测还没真正跑起来，特征表已经先变成瓶颈。
如果是在实时循环或者逐根 K 线回测里，这个问题会更明显：K 线每新增一根，pandas 流水线就可能把整列指标重算一遍。但从数据依赖上看，新来的只是最后一根 K 线，前面大多数指标值其实已经稳定了。
我之前做了个 https://github.com/kaelzhang/stock-pandas ，但后来发现它是真的太慢了，哪怕后来我把部分内容用 pyO3 换成了 rust ，但发现很大的瓶颈发生在 pandas 本身。最后无奈之下，只好把整个全部用 rust 重写了。
volas 的思路是把 OHLCV 指标计算这层做好：● API 尽量保持 pandas 手感；
● 内置 250+ 个交易指标 （非常多了，我没有专门做过对比，但搞不好是相关类库里最多的，让 AI 来做因子异动的研究会很有用）；
● 指标用指令列表达，例如
df["rsi:14"]、df["macd"]；● 指标列可以缓存；
● 追加新 K 线后，下一次读取只刷新受影响的尾部窗口；
● 底层用 Rust kernel ；
● 可以导出 NumPy / Torch 。
一个最小例子：
df["rsi:14"]
df.append(new_bar)
df["rsi:14"] # 只刷新受影响的尾部窗口
我现在最想收集三类反馈：
1. 这个指标指令 API 是否符合大家写指标流水线的习惯；
2. 还有哪些常用指标或市场惯例缺失；
3. benchmark 方法是否有偏差，是否有真实场景里
volas 明显输给 TA-Lib / pandas-ta / 自己实现。它不是交易信号服务，也不是通用 pandas 替代品；普通表格分析继续用 pandas / polars 就好。
volas 只想把 OHLCV 技术指标这层做快、做全、做得适合实时追加。GitHub: https://github.com/kaelzhang/volas
在很多场景下是非常的快了，不少场景下快了几百倍。这里也有个性能对比: https://volas.ost.ai/