上海移动 Qos 这么严重吗
上海移动互联网专线上传，上海电信家宽接收，单线程限速在 1Mbps
上海移动互联网专线上传，上海电信家宽接收，单线程限速在 1Mbps
iPad 做 Mac mini 的唯一显示器，傻瓜式，网页一键连接
如题，Mac mini 没有连接物理显示器，做了一个小工具，可以在局域网一键随航连接到 iPad 。testflight 正在审核，有需要的可以关注一下。
某站演示视频
https://www.bilibili.com/video/BV1YfVAz2EtB/?vd_source=4466cd39b499e243b6a9f2d1583dfb55
增加 web 管理界面，不需要再通过命令行管理，只需要在 Mac mini 上面打开软件即可 https://testflight.apple.com/join/naGem1nN 关注我，带你解锁更多姿势🐶。
如题，Mac mini 没有连接物理显示器，做了一个小工具，可以在局域网一键随航连接到 iPad 。testflight 正在审核，有需要的可以关注一下。
某站演示视频
https://www.bilibili.com/video/BV1YfVAz2EtB/?vd_source=4466cd39b499e243b6a9f2d1583dfb55
增加 web 管理界面，不需要再通过命令行管理，只需要在 Mac mini 上面打开软件即可 https://testflight.apple.com/join/naGem1nN 关注我，带你解锁更多姿势🐶。
有哪些值得关注的运维类和 SRE 相关的微信公众号，求推荐。
有哪些值得关注的运维类和 SRE 相关的微信公众号，求推荐。
PS: 当前的信息来源如下。
## 新闻&信息来源
* [Hacker News --- 黑客新闻]( https://news.ycombinator.com/)
* [reddit]( https://www.reddit.com/)
* [SRE WEEKLY – scalability, availability, incident response, automation]( https://sreweekly.com/)
* [维基百科]( http://zh.wikipedia.org/)
* [Python Weekly - Issue 501]( https://mailchi.mp/pythonweekly/python-weekly-issue-501)
### 网友
* [https://rickhw.github.io/]( https://rickhw.github.io/)
* [https://www.kawabangga.com/]( https://www.kawabangga.com/)
有哪些值得关注的运维类和 SRE 相关的微信公众号，求推荐。
PS: 当前的信息来源如下。
## 新闻&信息来源
* [Hacker News --- 黑客新闻]( https://news.ycombinator.com/)
* [reddit]( https://www.reddit.com/)
* [SRE WEEKLY – scalability, availability, incident response, automation]( https://sreweekly.com/)
* [维基百科]( http://zh.wikipedia.org/)
* [Python Weekly - Issue 501]( https://mailchi.mp/pythonweekly/python-weekly-issue-501)
### 网友
* [https://rickhw.github.io/]( https://rickhw.github.io/)
* [https://www.kawabangga.com/]( https://www.kawabangga.com/)
为何百度云的修改文件夹名特别费时？是不是存储结构不同
我现在同时用 115 网盘和百度云网盘（都是会员），在 115 上面比如一个文件夹的名称或者位置安排不是很满意就会改名称或者换位置，往往一下就好了。
而百度云文件夹（里面资源比较多）就会花老半天改名称/位置，甚至于另开一个网页会经常看到新名称和老名称同时存在。
两者差别之大让我在想是不是百度云的存储和 115 的存储方式有区别？本人不是计算机相关专业，胡乱猜测，是不是百度还在用类似文件夹树的方式，要改名字就要开一个新文件夹然后把这些文件都转移过去；而 115 就是把这些文件换一个标记名称之类的
我现在同时用 115 网盘和百度云网盘（都是会员），在 115 上面比如一个文件夹的名称或者位置安排不是很满意就会改名称或者换位置，往往一下就好了。
而百度云文件夹（里面资源比较多）就会花老半天改名称/位置，甚至于另开一个网页会经常看到新名称和老名称同时存在。
两者差别之大让我在想是不是百度云的存储和 115 的存储方式有区别？本人不是计算机相关专业，胡乱猜测，是不是百度还在用类似文件夹树的方式，要改名字就要开一个新文件夹然后把这些文件都转移过去；而 115 就是把这些文件换一个标记名称之类的
有什么办法在 Windows 和 Linux 桌面或者新标签页显示 Microsoft To Do 的内容吗？
类似手机上的这种。
平时都靠手机桌面组件提醒我吃药，结果五一三天没怎么玩手机就三天没吃药。
类似手机上的这种。
平时都靠手机桌面组件提醒我吃药，结果五一三天没怎么玩手机就三天没吃药。
《Steve and Maggie》史提夫和小鸟少儿英语动画视频资源下载《Wow English TV》完整版全 468 合集
[Imgur]( https://imgur.com/Q2xuFxh)
🎬《 Wow English TV 》油管版资源整理（共 457 集）
📌 资源概览
资源名称：《 Wow English TV 》（现名《 Steve and Maggie 》）
版本：YouTube 频道版（油管版）
集数：457 集（截至 2024 年 4 月 1 日）
视频格式：MP4 ，1080P 高清，内嵌英文字幕
文件大小：约 70GB
附赠资源：配套音频 MP3
支持设备：手机、电脑、电视、平板等
更新频率：每月同步 YouTube 官网频道，永久免费更新获取
KeinSci 论坛
📦 版本介绍
《 Wow English TV 》共发行了三种版本，本站均有收录：
油管版本：
每月持续更新，带英文字幕。
您当前所看到的版本即为油管版本。
官网发行版：
共 8 季，288 集，无字幕。
国内引进版：
共 2 季，76 集，带中英文字幕。
📖 资源简介
《 Steve and Maggie 》原名为《 Wow English TV 》，自 2020 年 5 月起正式更名。作为五年的老粉丝，我仍习惯称其为《 Wow English TV 》。
该节目由 Steve 和小鸟 Maggie 主演，在幼儿英语和小学英语教育中享有盛誉，是英美家庭最喜爱的品牌之一，国际粉丝数量不断增长。
《 Wow English TV 》是一套非常受欢迎的幼儿英语启蒙教学视频，内容涵盖趣味游戏、歌曲童谣、食物、天气、颜色、节日、学校生活、动物等英语教学中必备的主题，许多英美学校采用其情节设计课堂互动。
家长不会教？没关系！与孩子一起观看并模仿，一同进步，其乐无穷！
🌟 学习优势
《 Wow English TV 》被公认为具有以下四大英语学习优点：
生活化应用：
内容贴近生活，适合实际应用，避免了单纯的绘本学习。
涵盖游戏、运动、生日、学习、学校、动物园、饮食等生活必备内容。
活泼场景：
场景设计活泼富有想象力，适合幼儿园和小学的孩子们使用。
即使是简单的英语技能，也通过精心设计表现得妙趣横生。
标准发音：
发音适合学习，重要词汇巧妙地重复。
小鸟 Maggie 的发音经过语音和儿童心理专家的多次研究，声音对孩子具有吸引力，并通过与 Steve 的对比发音，促进孩子的聆听和学习。
亲子互动：
适合亲子互动和学校活动。
越来越多的英美学校采用《 Wow English TV 》的情节设计课堂互动，家长也可以通过观看节目与孩子共同学习英语，模仿场景进行亲子互动，有助于孩子英语的吸收和利用。
通过网盘分享的文件：
链接: https://pan.baidu.com/s/1OYaZRZ8ZrAdllfKgyesQUA?pwd=5wjt 提取码: 5wjt 复制这段内容后打开百度网盘手机 App ，操作更方便哦
整理不易资源转载地址： https://www.cundangjilu.com/thread-7485-1-1.html
《 Steve and Maggie 》史提夫和小鸟少儿趣味英语动画视频《 Wow English TV 》，全 468 合集，1080P 高清视频资源 带英文字幕完整版
[Imgur]( https://imgur.com/Q2xuFxh)
🎬《 Wow English TV 》油管版资源整理（共 457 集）
📌 资源概览
资源名称：《 Wow English TV 》（现名《 Steve and Maggie 》）
版本：YouTube 频道版（油管版）
集数：457 集（截至 2024 年 4 月 1 日）
视频格式：MP4 ，1080P 高清，内嵌英文字幕
文件大小：约 70GB
附赠资源：配套音频 MP3
支持设备：手机、电脑、电视、平板等
更新频率：每月同步 YouTube 官网频道，永久免费更新获取
KeinSci 论坛
📦 版本介绍
《 Wow English TV 》共发行了三种版本，本站均有收录：
油管版本：
每月持续更新，带英文字幕。
您当前所看到的版本即为油管版本。
官网发行版：
共 8 季，288 集，无字幕。
国内引进版：
共 2 季，76 集，带中英文字幕。
📖 资源简介
《 Steve and Maggie 》原名为《 Wow English TV 》，自 2020 年 5 月起正式更名。作为五年的老粉丝，我仍习惯称其为《 Wow English TV 》。
该节目由 Steve 和小鸟 Maggie 主演，在幼儿英语和小学英语教育中享有盛誉，是英美家庭最喜爱的品牌之一，国际粉丝数量不断增长。
《 Wow English TV 》是一套非常受欢迎的幼儿英语启蒙教学视频，内容涵盖趣味游戏、歌曲童谣、食物、天气、颜色、节日、学校生活、动物等英语教学中必备的主题，许多英美学校采用其情节设计课堂互动。
家长不会教？没关系！与孩子一起观看并模仿，一同进步，其乐无穷！
🌟 学习优势
《 Wow English TV 》被公认为具有以下四大英语学习优点：
生活化应用：
内容贴近生活，适合实际应用，避免了单纯的绘本学习。
涵盖游戏、运动、生日、学习、学校、动物园、饮食等生活必备内容。
活泼场景：
场景设计活泼富有想象力，适合幼儿园和小学的孩子们使用。
即使是简单的英语技能，也通过精心设计表现得妙趣横生。
标准发音：
发音适合学习，重要词汇巧妙地重复。
小鸟 Maggie 的发音经过语音和儿童心理专家的多次研究，声音对孩子具有吸引力，并通过与 Steve 的对比发音，促进孩子的聆听和学习。
亲子互动：
适合亲子互动和学校活动。
越来越多的英美学校采用《 Wow English TV 》的情节设计课堂互动，家长也可以通过观看节目与孩子共同学习英语，模仿场景进行亲子互动，有助于孩子英语的吸收和利用。
通过网盘分享的文件：
链接: https://pan.baidu.com/s/1OYaZRZ8ZrAdllfKgyesQUA?pwd=5wjt 提取码: 5wjt 复制这段内容后打开百度网盘手机 App ，操作更方便哦
整理不易资源转载地址： https://www.cundangjilu.com/thread-7485-1-1.html
《 Steve and Maggie 》史提夫和小鸟少儿趣味英语动画视频《 Wow English TV 》，全 468 合集，1080P 高清视频资源 带英文字幕完整版
发现了一款超酷的开源行为验证码： Cap
以前我们网站表单用的那种验证码，就是让用户输入图片里的文字，现在感觉没啥用了。AI 那么厉害，分分钟就能破解，这可咋整？我琢磨着，得找个新招儿来保护我们的表单。
前两天，我在网上闲逛的时候发现了 Cap ，这玩意儿可有意思了！它用了一种新技术，叫 “工作量证明”，就是让电脑做点计算，而不是让用户去猜图里的字。这不挺好吗？用户用起来轻松多了。
我试着用 Docker 把它装到我的服务器上，结果发现操作超简单，几分钟就搞定啦！而且这玩意儿还能隐身，或者在需要的时候才冒出来。最让我喜欢的是，它完全开源，用起来特别放心。
我打算把它用到我的网站的表单里，替代原来的验证码。我觉得这样不仅能防止机器人捣乱，还能让用户用起来更顺手，一举两得。
Cap: https://capjs.js.org/
以前我们网站表单用的那种验证码，就是让用户输入图片里的文字，现在感觉没啥用了。AI 那么厉害，分分钟就能破解，这可咋整？我琢磨着，得找个新招儿来保护我们的表单。
前两天，我在网上闲逛的时候发现了 Cap ，这玩意儿可有意思了！它用了一种新技术，叫 “工作量证明”，就是让电脑做点计算，而不是让用户去猜图里的字。这不挺好吗？用户用起来轻松多了。
我试着用 Docker 把它装到我的服务器上，结果发现操作超简单，几分钟就搞定啦！而且这玩意儿还能隐身，或者在需要的时候才冒出来。最让我喜欢的是，它完全开源，用起来特别放心。
我打算把它用到我的网站的表单里，替代原来的验证码。我觉得这样不仅能防止机器人捣乱，还能让用户用起来更顺手，一举两得。
Cap: https://capjs.js.org/
寻靠谱负责深圳全栈工程师 + 后端工程师
早期团队，成员来自 Goldman Sachs 、Apple 、CME 、Intel 等知名企业，技术实力强，氛围简单直接，无内耗。现寻找靠谱、负责的深圳工程师加入。
团队可提供 HK 签证。
要求 TLDR: 计算机基础必须扎实 / 责任心强，对工作认真负责 / 不要求 Crypto 相关经验，一起学习
# JD Details
**Backend Developer (Junior/Senior)**
**要求**
- **认真负责**
- 任一语言的长期使用者: C++、Rust 、Golang 、Node.js/TypeScript
- 扎实的数据结构与算法基础，性能优化能力
- Bonus: 有区块链/EVM/智能合约相关经验或知识储备
- Bonus: DevOps 经验
**简历投递：** [hiring@deltazero.network](mailto:hiring@deltazero.network)
---
**Fullstack Developer (Junior/Senior)**
**要求：**
- **认真负责**
- 技术栈: React 、Next.js 、TailwindCSS
- 会使用 Figma 或其他设计工具
- Bonus: 具备响应式设计, Canvas/SVG 动画经验优先
- Bonus: 有 ethers.js/Solana/EVM 钱包集成、后端基础或网络安全经验
- Bonus: DevOps 经验
**简历投递：** [hiring@deltazero.network](mailto:hiring@deltazero.network)
早期团队，成员来自 Goldman Sachs 、Apple 、CME 、Intel 等知名企业，技术实力强，氛围简单直接，无内耗。现寻找靠谱、负责的深圳工程师加入。
团队可提供 HK 签证。
要求 TLDR: 计算机基础必须扎实 / 责任心强，对工作认真负责 / 不要求 Crypto 相关经验，一起学习
# JD Details
**Backend Developer (Junior/Senior)**
**要求**
- **认真负责**
- 任一语言的长期使用者: C++、Rust 、Golang 、Node.js/TypeScript
- 扎实的数据结构与算法基础，性能优化能力
- Bonus: 有区块链/EVM/智能合约相关经验或知识储备
- Bonus: DevOps 经验
**简历投递：** [hiring@deltazero.network](mailto:hiring@deltazero.network)
---
**Fullstack Developer (Junior/Senior)**
**要求：**
- **认真负责**
- 技术栈: React 、Next.js 、TailwindCSS
- 会使用 Figma 或其他设计工具
- Bonus: 具备响应式设计, Canvas/SVG 动画经验优先
- Bonus: 有 ethers.js/Solana/EVM 钱包集成、后端基础或网络安全经验
- Bonus: DevOps 经验
**简历投递：** [hiring@deltazero.network](mailto:hiring@deltazero.network)
咱 web 端也能跑本地知识库,RAG(傲娇)-篇章 1-核心技术方案
核心技术方案如下
transfomerjs + indexdb
## **知识库与 RAG 介绍**
可能有些小伙伴对这两玩意不太清楚,大致介绍下
### **知识库(偏狭义上或特定领域下的知识库)**
知识库我觉得算是一个赛道方向,现在有很多家如 dify,openai 等等,包括阿里等平台,都有提供这类功能服务,通过将用户文本**向量化**(将文本变成数字),存储到数据库中,最后在搜索时,可通过文本再**向量化**,达到语义化搜索(向量相似度计算),最后将相应匹配的文本交给 AI 回答.
这样做的好处就是,当你存储的文本如果是 "我想吃苹果", 而你搜索的文本是"我吃苹果"或者"我超级 tm 的想吃苹果"时,是能够搜索到的.
### **RAG**
而 RAG,则是实现这样知识库的一个手段,如向量化,分片文本,文本预处理,巴拉巴拉的
### **划重点,圈起来,要考的地方**
向量化,向量化,向量化
## **回归正题**
### **向量化**
通过 transfomerjs 来处理文本向量化,这样咱就完成了最基础也是最核心的地方,参考代码如下
```jsx
import { env, pipeline } from '@huggingface/transformers';
// Create a pipeline for feature extraction, using the full-precision model (fp32)
const pipe = await pipeline('feature-extraction', 'your-model-name', {
dtype: "fp32",
});
const output = await pipe(inputTexts, { pooling: 'mean', normalize: true })
```
文档链接:
https://huggingface.co/docs/transformers.js/pipelines
### **存储与搜索**
而由于是在 web 端,要能存储大量数据的方案,也只有 indexdb 了(好像是可以存储电脑总硬盘量百分之五十哦,记不太清楚了)
但这有个问题,向量化的数据怎么存储到 indexdb 并保证搜索呢???
要知道,大部分服务端存储向量数据方案,是有专门的向量数据库的,而 indexDB 是类似于 Mongodb 的 JSON 存储,这咋玩???
咱们不妨把心思放野一点, 自己实现个最基础的向量数据库试下呢
思路也有,而我,采用了 LSH 方案,细节太多了,后续可以单开篇章来讲,感兴趣的可以直接看源码
啥,你觉得这个技术栈不靠谱,看下面!!!
## **成果**
**代码已开源**
[github.com/Yoan98/Ncurator]( https://github.com/Yoan98/Ncurator)
**想看实际演示?这里**
[www.ncurator.com]( https://www.ncurator.com/)
**有啥能证明这个玩意靠谱呢?这里**
1.上了阮一峰的周刊
[科技爱好者周刊（第 337 期）：互联网创业几乎没了]( https://www.ruanyifeng.com/blog/2025/02/weekly-issue-337.html)
2.上了 DeepSeek 的集成推荐
https://github.com/deepseek-ai/awesome-deepseek-integration
核心技术方案如下
transfomerjs + indexdb
## **知识库与 RAG 介绍**
可能有些小伙伴对这两玩意不太清楚,大致介绍下
### **知识库(偏狭义上或特定领域下的知识库)**
知识库我觉得算是一个赛道方向,现在有很多家如 dify,openai 等等,包括阿里等平台,都有提供这类功能服务,通过将用户文本**向量化**(将文本变成数字),存储到数据库中,最后在搜索时,可通过文本再**向量化**,达到语义化搜索(向量相似度计算),最后将相应匹配的文本交给 AI 回答.
这样做的好处就是,当你存储的文本如果是 "我想吃苹果", 而你搜索的文本是"我吃苹果"或者"我超级 tm 的想吃苹果"时,是能够搜索到的.
### **RAG**
而 RAG,则是实现这样知识库的一个手段,如向量化,分片文本,文本预处理,巴拉巴拉的
### **划重点,圈起来,要考的地方**
向量化,向量化,向量化
## **回归正题**
### **向量化**
通过 transfomerjs 来处理文本向量化,这样咱就完成了最基础也是最核心的地方,参考代码如下
```jsx
import { env, pipeline } from '@huggingface/transformers';
// Create a pipeline for feature extraction, using the full-precision model (fp32)
const pipe = await pipeline('feature-extraction', 'your-model-name', {
dtype: "fp32",
});
const output = await pipe(inputTexts, { pooling: 'mean', normalize: true })
```
文档链接:
https://huggingface.co/docs/transformers.js/pipelines
### **存储与搜索**
而由于是在 web 端,要能存储大量数据的方案,也只有 indexdb 了(好像是可以存储电脑总硬盘量百分之五十哦,记不太清楚了)
但这有个问题,向量化的数据怎么存储到 indexdb 并保证搜索呢???
要知道,大部分服务端存储向量数据方案,是有专门的向量数据库的,而 indexDB 是类似于 Mongodb 的 JSON 存储,这咋玩???
咱们不妨把心思放野一点, 自己实现个最基础的向量数据库试下呢
思路也有,而我,采用了 LSH 方案,细节太多了,后续可以单开篇章来讲,感兴趣的可以直接看源码
啥,你觉得这个技术栈不靠谱,看下面!!!
## **成果**
**代码已开源**
[github.com/Yoan98/Ncurator]( https://github.com/Yoan98/Ncurator)
**想看实际演示?这里**
[www.ncurator.com]( https://www.ncurator.com/)
**有啥能证明这个玩意靠谱呢?这里**
1.上了阮一峰的周刊
[科技爱好者周刊（第 337 期）：互联网创业几乎没了]( https://www.ruanyifeng.com/blog/2025/02/weekly-issue-337.html)
2.上了 DeepSeek 的集成推荐
https://github.com/deepseek-ai/awesome-deepseek-integration