先说下背景，苹果手机，大概几年前买了个外区账号（具体哪个区不记得了），装了 TG 以及火箭等应用，没有退出过，但是期间很少用，唯一加入的就是一个 Alist 群组。TG 绑定了国内手机号。PC 端也是很早装过客户端，但是用的很少。
今天想加入一个 emby 群组的时候提示密码是否还记得，手贱去试了试，结果不记得了，然后就提示要 7 天后重置。茶尝试 PC 端登录也不行。这个时候手机端还是登录状态，还能正常使用。结果在某个群组里面查看消息提示版本不支持，于是考虑更新。
切换到美区 ID 登录，点击更新的时候提示 APP 已经下架，搜索得知，可能是之前下载的那个区把 TG 下架了，当时没多想，直接把手机上的 TG 卸载了。然后重新下载，很顺利就装上了。
启动后直接进入输入手机号的界面，输入之前的手机号，然后又要求输入邮箱和邮箱验证码，通过后要输入手机短信验证码，但是始终收不到。
如果还想使用之前的账号，这种情况还有办法登录吗？
众所周知，RAG 最基本的流程是：
数据处理 → 向量化 → 存储 → 匹配文本 → 结果优化 → 最终的匹配结果
其中，数据预处理与匹配结果优化尤为重要。
在处理一篇长篇幅的文章时，通常需要将整个文本切分为多个小块，每个小块分别向量化后再存储。
如果分块方式不合理，可能会导致无法命中真正相关的内容。因此，合理的分块策略至关重要。
看这里：
👉 Text Splitters Overview - LangChain
Login
Text-structuredDocument-structured即使文本被拆成多个块，匹配结果依旧可能不准确。因为 RAG 本身存在局限性：若问题与任何文本块都不相关，匹配效果自然不佳。
简单来说,就是将文本拆分成不同大小的块再配上关键词索引
小块可以提供更多细节，但也可能带来噪音信息。
多维度匹配后可能得到大量候选文本，因此需要做进一步排序：
import { RecursiveCharacterTextSplitter } from "@langchain/textsplitters"
const getBaseTextRecursiveSplitter = () => {
const bigSplitter = new RecursiveCharacterTextSplitter({
chunkSize: SPLITTER_BIG_CHUNK_SIZE,
chunkOverlap: SPLITTER_BIG_CHUNK_OVERLAP,
separators: SPLITTER_SEPARATORS
});
const miniSplitter = new RecursiveCharacterTextSplitter({
chunkSize: SPLITTER_MINI_CHUNK_SIZE,
chunkOverlap: SPLITTER_MINI_CHUNK_OVERLAP,
separators: SPLITTER_SEPARATORS
});
return {
bigSplitter,
miniSplitter
}
}
// split chunk relate
export const SPLITTER_BIG_CHUNK_SIZE = 1000; // 大块字符数
export const SPLITTER_BIG_CHUNK_OVERLAP = 200; // 大块重叠字符数
export const SPLITTER_MINI_CHUNK_SIZE = 150; // 小块字符数
export const SPLITTER_MINI_CHUNK_OVERLAP = 30; // 小块重叠字符数
export const SPLITTER_SEPARATORS = ["\n\n", "\n", "。", ";", ",", " ", ""]
使用 lunr.js + jieba（处理中文更优）
考虑到运行在客户端的性能问题没使用 rerank 模型，仅通过加权与归一化排序处理并优化了一点打分逻辑
参考代码如下:
let [lshRes, fullIndexResFromDB] = await Promise.all([
searchLshIndex(),
searchFullTextIndex(),
]) as [Search.LshItemRes[], lunr.Index.Result[]]
// 向量匹配排序
const sortedLshRes = lshRes.sort((a, b) => b.similarity - a.similarity)
.slice(0, config.SEARCH_RESULT_HEADER_SLICE_SIZE)
// 全文匹配排序
const sortedFullIndexResFromDB = fullIndexResFromDB.sort((a, b) => b.score - a.score)
.slice(0, config.SEARCH_RESULT_HEADER_SLICE_SIZE)
// 重新打分、归一化
await FullTextIndex.loadJieBa()
const fullIndexFromDBTextChunkRes = await store.getBatch({
storeName: constant.TEXT_CHUNK_STORE_NAME,
keys: sortedFullIndexResFromDB.map((item) => Number(item.ref))
})
FullTextIndex.add([{ field: 'text' }], fullIndexFromDBTextChunkRes.map(item => ({
id: item.id,
text: item.text
})))
let newFullIndexRes = FullTextIndex.search(question)
newFullIndexRes = newFullIndexRes.sort((a, b) => b.score - a.score)
const maxScore = newFullIndexRes[0]?.score || 1
const reRankFullIndexRes = newFullIndexRes.map(item => ({
...item,
score: item.score / maxScore
}))
// 合并向量和关键词匹配结果
let mixIndexSearchedRes: { id: number, score: number }[] = []
const vectorWeight = config.SEARCHED_VECTOR_WEIGHT
const fullTextWeight = config.SEARCHED_FULL_TEXT_WEIGHT
sortedLshRes.forEach(lshItem => {
const match = reRankFullIndexRes.find(item => Number(item.ref) === lshItem.id)
if (match) {
mixIndexSearchedRes.push({
id: lshItem.id,
score: lshItem.similarity * vectorWeight + match.score * fullTextWeight
})
} else {
mixIndexSearchedRes.push({
id: lshItem.id,
score: lshItem.similarity
})
}
})
// 补充关键词匹配的尾部数据
const lshTailStartIndex = Math.floor(vectorWeight * sortedLshRes.length)
const lshTailMaxScore = sortedLshRes.slice(lshTailStartIndex)?.[0]?.similarity || 1
reRankFullIndexRes.forEach(item => {
if (!mixIndexSearchedRes.find(i => i.id === Number(item.ref))) {
mixIndexSearchedRes.push({
id: Number(item.ref),
score: item.score * lshTailMaxScore
})
}
})
mixIndexSearchedRes = mixIndexSearchedRes
.sort((a, b) => b.score - a.score)
.filter(item => item.score > config.SEARCH_SCORE_THRESHOLD)
啥,你觉得这一套不靠谱,看下面!!!
代码已开源(有帮助的话来个 star 吧)
想看实际演示?这里
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
2.上了 DeepSeek 的集成推荐 https://github.com/deepseek-ai/awesome-deepseek-integration
比如什么天气、股票，真是，哎，如何干掉呢
雷军突然宣布，小米自研的手机 SoC 芯片命名为“玄戒 O1”，并计划于 5 月下旬正式发布。这一消息令业界震惊，同时标志着小米在芯片研发领域的重要突破。
回顾小米的造芯历程，雷军表示：“小米十年造芯路，始于 2014 年 9 月。超长周期、超大投入和无限的勇气，终于迎来了这一时刻。”事实上，小米在自研芯片的道路上已经走过了不少波折。
支持命令：
$ echo
$ cd
$ clear
$ cp: 支持 -r 递归复制
$ pwd
$ cat
$ mkdir: 支持 -r 递归创建
$ mv
$ touch
$ rm: 支持 -r 递归删除
$ ls
$ vi/vim/edit: 编辑文件
$ help
$ download: 文件下载
$ upload: 加载文件到终端当前目录
$ ffmpeg: gif / 视频 处理
注册到申请几小时就通过了也没打电话 过程中就发了一个邮件验证, 点击里面 URL 进去确认然后就验证通过了(美国公司); 创建证书然后就能直接用 jsign 签名了,可集成到 CI/CD 中, 不需要微软那些 SDK 工具; 实测可过 smartscreen
brew install azure-cli
az login
region=eus
account=Trusted-Signing-account
profile=cert-profile-name
app=Download/app-win-x64-1.0.0-test.exe
jsign \
--storetype 'TRUSTEDSIGNING' \
--keystore "${region}.codesigning.azure.net" \
--alias "${account}/${profile}" \
--storepass "$(az account get-access-token \
--resource 'https://codesigning.azure.net' \
--query 'accessToken' -o tsv)" \
"$app"
然后就签好了
嘗試過，
都还是无法正常连结 App Store 、TV 、Music…
請問有什麼解決辦法嗎？
换机到 m4pro ，能耗模式选自动，亮度自动，只开了一些 chrome 和 vscode 远程以及一些其他没啥负载的程序，70 的电只能用 4h ？ 和之前用 M1 mbp 时候的体验差太多了。也已经用了一段时间，大致可以排除 spotlight 重建索引的原因？其他用 m4pro 的朋友们耗电是个什么情况呢？
最近刷 B 站经常给我推送户晨风这个博主，看了几次，有点接地气，但无脑推荐苹果（虽然我大部分产品也是苹果），就有点想笑，甚至有时候一度认为是反串。
另外看过几个和他连麦的，很多都是被批评教育，这些人大部分都是他的粉丝或者了解他连麦风格的吧，为什么还要主动连麦去被一顿教育呢？有点怀疑是请的演员，节目效果拉满。
当然对他了解的不多，大家喜欢这个博主么？
最近辞职了准备找工作，然后这几天就在开始投简历。
中午打游戏的时候突然收到一条短信，说我简历过了，让我留个邮箱。
🤔 当时我还在纳闷，我的简历上明明有邮箱，怎么还来问我？
但我想可能是 HR 粗心，也就没多想，直接发了过去。
💥 后面精彩的来了：
大概过了一个小时，我收到一封邮件，问我在哪个区域。
我以为是公司办公点多，想就近安排面试，就随手回复了。
然后又过了一小时，对方发来一个 .docx 附件，说是“面试邀请函”。
我一看内容，开始觉得不对劲了：
邀请函-XXX 公司.docx，一看就很套路🧠 我立刻警觉起来，把邮件放一边没动。打算等下班扔虚拟机里打开看看有没有宏病毒或者钓鱼脚本。
.docx 附件，要特别提防带宏的文档希望我的经历能给正在找工作的朋友提个醒
买了个 85 寸雷鸟电视，但是感觉像个「大号砖头」，自带的影视内容很少，爱优腾都要单独的电视会员，影视内容也不够多。想看一些美剧、韩剧或者 TOP 热门电影有什么办法吗？
现在能想到的，只有吉祥三宝了
今天在论坛刷帖，看到有人求推荐好用的 HTTPS 抓包软件，感觉这个需求还挺有意思的！😄我自己最近在规划一个独立开发项目，就想着要不自己搞一款抓包工具试试？
我是 C++ 和 Python 开发背景，比较偏爱底层和技术驱动的项目，所以不太想做纯 Web 的东西。但估摸着这种工具开发难度应该挺大的，耗时也会很久，所以想听听大家的意见，这个想法靠谱吗？🤔（当下无金钱压力，时间也充裕）
欢迎大佬们分享经验、泼冷水或者给点灵感！😎
独立开发要兼顾界面和功能，我平时又多用 mac 开发，所以开发语言上可能会选 Swift
我去很多地方观察，
都是年轻人自己带，或者送托管，当然托管中心肯定都是年轻人，
甚至亚洲国家，都好像没听说有像中国一样，这么普遍老人日常带孩子的，
真的是中国独有的现象吗？
