才知道有 mosh 这个
管理 vps 特别需要
但是服务器安装了 mosh ，mac 连接就显示蓝色屏
mosh: Nothing received from server on UDP port 60001. [To quit: Ctrl-^ .]
啥原因，我看好多人也发这个
请大佬帮忙看，服务器支持 udp ，也安装 gpt 一些方式确认了 什么防火墙关闭啥的
就是客户端连不上服务器那边
既然可以把文件内容提交给 AI 阅读 让 AI 充当自己的知识库 那如果是项目代码呢 以 有老哥遇到过类似的情况吗 或者说已经有类似功能的工具了呢？
让 AI 理解项目的架构阅读里面的代码，包含数据库相关的信息，然后有需求就和 AI 提交由它来实现
目前有一个有几千日活的小程序，但是功能比较杂，且面向某特定人群。现在想要抓紧把核心功能抽出来做成通用型 App ，进一步发展。目前有几个选择：
Apple 端注册个人开发者（似乎是允许个人开发者上架带 UCG 的 App 的），安卓端推 PWA 或者分发 APK 。但是这样安卓端使用门槛太高，国内没有使用 pwa 的习惯，apk 现在很多平台也需要很多步操作才能直接安装。
注册个体工商户，好处是各大平台应该都可以上架 UGC App ，也可以发验证码了。坏处是目前正在某大厂工作，公司有严格的禁止兼职的规定，担心被查到，被辞退+竞业。
注册公司，能力更丰富但是目前暂时用不到，竞业风险也更大。
挂靠在朋友的公司上，或者以亲朋好友为法人注册公司。
像问问 v 友们：
感谢！
已经简单做了一个框架，点击这里查看
然后想继续加如何使用的教程，和用 smolagent 创建的一些 agent 收集。
Smolagent 具体介绍在这里： https://huggingface.co/blog/smolagents
smolagent 是什么神器？✨ 想象一下，在喝完一杯咖啡的时间里就能搭建一个 AI 智能体？ Smolagents 让这成为可能。这是 Hugging Face 团队打造的新一代智能体框架，将复杂的 AI 开发简化到极致。它就像是给开发者的一份礼物，既轻便又强大。
为什么值得关注？🎯 极致精简： 核心代码仅约 1000 行，简洁到令人惊叹 代码优先： 告别繁琐的 JSON 配置，直接用 Python 驱动 效率超群： 相比传统方案，减少 30% 的步骤和 LLM 调用 生态丰富： 完美支持 OpenAI 、Anthropic 和 Hugging Face 全系模型 安全至上： 内置沙箱模式，让代码运行更安全 分享无忧： 一行代码即可将工具推送至 Hugging Face Hub
一直在做运维，本来是业余时间学 Android 开发，结果学个半吊子移动端凉了。 然后学 javaweb ，学 springboot ，会简单的 crud ，偶尔自己写点小需求。 从来没有真正的转开发成功过，所以经验 0 ，熟练度也不行。 现在其实属于失业状态，年前试了试找工作基本凉凉，年龄也 36 了。 据我了解，java 现在应该属于比运维更凉凉的状态了，我也不指望能转开发了，就自己做点东西玩吧。 然后目前考虑的是做点网站 or 独立游戏开发，靠兴趣驱动。
做网站的话造轮子不如直接用别人的框架，做独立游戏的话需要 C++或者 C#。
现在纠结的点是我难得学了那么久，要不要深入继续学 java ，Android 换 java 好歹还都是 java 。如果直接定目标要做什么，然后靠 ai 搞定，边做边学新东西，相当于直接放弃过去学了那么久的东西。
各位都是怎么平衡心态的呢，我指学了很久发现没用又需要学新的。
有懂音箱的大神吗？最近想入 sonos Era 300 ，发现闲鱼上有很多标注全新正品行货！未拆封！未激活！价格却很实惠 2700 ， 比京东 4149 天猫 4230 低很多。
有知道这个是什么原因么？
背景：我在不同的平台采购了一些 API 接口服务。有云 API 的，有 API 平台的，各种各样的都有。
问题：这些 API 的请求方式都不同，具体指请求的域名，密钥，参数这些。
需求：我希望能有个服务或平台（开源的也行），能够帮助我管理这些 API ，使其我在程序使用时，能够统一域名和密钥。
非常简易的一个测试程序
Login
# -*- coding: UTF-8 -*-
from flask import Flask, request
import json
import time
import re
import sys
import asyncio
from tornado.ioloop import IOLoop
from tornado.wsgi import WSGIContainer
from tornado.httpserver import HTTPServer
import sqlalchemy
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String, create_engine
from sqlalchemy.orm import sessionmaker
engine = create_engine('sqlite:///database.db?check_same_thread=False')
Base = declarative_base()
class ClientLog(Base):
__tablename__ = 'clientlog'
log_id = Column(Integer, primary_key=True, autoincrement=True)
message = Column(String(512))
def __repr__(self):
return "A"
from sqlalchemy.ext.declarative import DeclarativeMeta
class AlchemyEncoder(json.JSONEncoder):
def default(self, obj):
if isinstance(obj.__class__, DeclarativeMeta):
# an SQLAlchemy class
fields = {}
for field in [x for x in dir(obj) if not x.startswith('_') and x != 'metadata']:
data = obj.__getattribute__(field)
try:
json.dumps(data) # this will fail on non-encodable values, like other classes
fields[field] = data
except TypeError:
fields[field] = None
# a json-encodable dict
return fields
return json.JSONEncoder.default(self, obj)
Base.metadata.create_all(engine, checkfirst=True)
Session = sessionmaker(bind=engine)
session = Session()
app = Flask("app")
@app.route('/api', methods=['GET', 'POST'])
@app.route('/api/', methods=['GET', 'POST'])
def api1():
session.add(ClientLog(message="test"))
session.commit()
return "test"
def launch_server():
if sys.platform == 'win32':
asyncio.set_event_loop_policy(asyncio.WindowsSelectorEventLoopPolicy())
http_server = HTTPServer(WSGIContainer(app))
http_server.listen(8080)
IOLoop.current().start()
launch_server()
在阿里云的 Windows 2019 模板下 100 并发就会崩溃退出，报错
Exception in thread Tornado selector:
Traceback (most recent call last):
File "C:\Users\Administrator\AppData\Local\Programs\Python\Python311\Lib\threading.py", line 1045, in _bootstrap_inner
self.run()
File "C:\Users\Administrator\AppData\Local\Programs\Python\Python311\Lib\threading.py", line 982, in run
self._target(*self._args, **self._kwargs)
File "C:\Users\Administrator\AppData\Local\Programs\Python\Python311\Lib\site-packages\tornado\platform\asyncio.py", line 574, in _run_select
rs, ws, xs = select.select(to_read, to_write, to_write)
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
ValueError: too many file descriptors in select()
但是我在 Windows 10 的电脑上测试并发没问题 之前测试换了另外一个对 Windows 更友好的 web framework （想不起来名字，找了半天没找到）可以是可以，但是估计它用了不止一个进程写 SQLite ，导致冲突无法提交更改 业务需求调用一个 Windows Only 的 pip 包 ，无法更换 Linux 服务器
几个大学同学 21 号去旅游一周，问我要不要一起，可是我得上班到 28 号。他们很不解，我也很困惑。之前没有来公司自愿加班，请事假是不批的了，去不了。
难道一线大部分公司春节都是提前放假的？
最近在用 Gemini 的时候，发现它生成一段 7 行的小红书文案用了 4000 多个 token ，而我用它生成一段 20 行的数学题解析时，却只用了 1000 多个 token 。有没有人知道 Gemini 的 token 到底是怎么算的？
最近要去东北旅游，这辈子没去过这么冷的地方，难以根据经验计算自己要穿多少衣服，AI 和网上的一些攻略也是各有各的说法，服装品牌的温标更是随心所欲，所以用 AI 糊了这个工具。
我研究并参考了 国家标准|GB/T 18398-2001 和 Standard 55 – Thermal Environmental Conditions for Human Occupancy。
比如你在 15 摄氏度觉得穿一件 T 刚刚好舒适不会出汗（国标的 0.78 应该是穿了一件 T 打底左右的样子，赤膊大概是 0.6 左右），你的皮肤温度、基础保暖能力都比较大众，可以算出单位体表面积非蒸发放热率 (H) = 151.36 W/m²。
那么如果活动类型、空气湿度等等因素都不变的情况下，在 - 40 ℃ 大概需要服装热阻 (I) = 2.34 clo 的衣服。
查资料得知，550 蓬羽绒热阻 0.7 clo/oz-m^2 ，可以计算出（这部分还没做好，得手动）大概需要 3.34 盎司每平米的羽绒服，就是比较普通的款。
负责推动 AI Agent 相关产品的设计、开发和优化。作为 AI 产品经理，您将与技术、设计和业务团队密切合作，深入理解用户需求，制定产品策略，并持续推动产品在 AI 和 Crypto 领域的创新与落地。
联系邮箱： alexshungry@gmail.com
你好啊，
不知道你知道你那里官方 Ollama Registry 的 Cloudflare R2 速度怎么样，但是在我这里特别是晚高峰，那是相当的糟糕。特别是每当新的开源模型发布的一个又一个深夜，每次模型拉取的的等待都让我咬牙切齿（比如前两天的 Phi4 ）。
于是我把目光转向了 Ollama 和抱抱脸合作的 hf.co Registry，奈何在 HF 的可访问性也非常看运气，我刚好也属于运气不那么好的那部分。虽然还有 HF-Mirror 但是速度也不容乐观。 但是 hf.co Registry 也给了我一些启发，抱抱脸都可以，魔搭难道不行吗？。
于是就有了我们今天的主角 ModelScope2OllamaRegistry （比起镜像站它更类似 hf.co Registry ，所以可能也许有一丝标题党）。再加上一些可能的冷知识 Ollama Registry 是 OCI Registry （好吧，也可能大家早就知道了），我通过魔搭的 API 获取了一些元数据补上了 manifests 还有一些乱七八糟的 config ，再以及最让人讨厌的对话模板，现在它已经能够 almost 完美的工作了。
使用方法就像是这样：
请选择带有 GGUF 模型的仓库：
ollama run modelscope2ollama-registry.azurewebsites.net/qwen/Qwen2.5-7B-Instruct-gguf
这将能够拉取 https://www.modelscope.cn/models/qwen/Qwen2.5-0.5B-Instruct-gguf 中的模型，对于不带有标签或 latest 将依次按顺序尝试选择Q4_K_M、Q4_0、Q8_0量化。
可以通过 tag 指定选择的量化：
ollama run modelscope2ollama-registry.azurewebsites.net/qwen/Qwen2.5-7B-Instruct-gguf:Q8_0
这将能够拉取 https://www.modelscope.cn/models/qwen/Qwen2.5-7B-Instruct-gguf/resolve/master/qwen2.5-0.5b-instruct-q8_0.gguf ，量化类型标签不区分大小写，你可以在 这里 查看 Ollama 支持的量化。
仓库中需要包含带有正确格式文件名的 GGUF 文件（模型名称以“-”分隔，最后一位需要为有效的量化类型，形如：model-quant.gguf ），暂不支持包含类似 0000x-of-0000x 的切分后的模型。
若对话模板未能正确识别或识别有误导致对话输出异常，你可以尝试这样指定模型的对话模板：
ollama run modelscope2ollama-registry.azurewebsites.net/qwen/Qwen2.5-7B-Instruct-gguf:Q8_0--qwen2
你可以查看 Ollama 官方支持的模板，和 本项目支持的模板，以手动指定更加合适的模板。
当然，它也开源： https://github.com/onllama/Onllama.ModelScope2Registry
如果你也喜欢的话也可以为我点个 Star ，你的 Star 将是我继续维护的动力。
我跟女友都是银行柜员，理所当然每天多多少少能遇到点奇葩，但是我不喜欢把工作的事情拿回家去讨论，我觉得很烦，该怼的，该隐忍的我都是在上班的时间自己消化，而女友是上班的时候唯唯诺诺，回家了那我当垃圾桶各种吐槽，我跟她说我不喜欢做垃圾桶，是不是我的错误
如果我把 openai 或 deepseek 的 api key 写到 GUI 客户端里，然后把这个 GUI 客户端软件打包成 exe 软件分发给好多用户，我的 key 不会被用户使用网络抓包软件探测到而泄露呢？ 我是为了提高响应速度所以才会这么做的，否则我也知道可以把这部分功能放到我的服务器上面，然后再转接给客户端。 除此之外不知道还有没有别的方法？
两个设备都是奥睿科(orico)的. hub 的速度是 10 gbps(两个 typec 口, 两个 usb3 口). 硬盘盒的速度是 20gbps, typec 口, 硬盘是 2TB 的 m.2 接口的 ssd(笔记本上拆下来的).
大概是四个场景：
问了 chatgpt, 场景 3 可能是因为电脑那个 typec 端口只支持充电或小带宽传输. 问题 1 和 2 可能是因为 hub 的电源不充足, 没办法支持高速传输. 总之罗列了很多可能性, 我没办法确定根本原因.
这里面又涉及到了 usb 的多个版本和带宽:
有没有懂这方面的老哥?
楼主在 2022 年初买的加版 iPhone 13 Pro ，用了 2 年多，去年 1 月换了一次第三方电池，但也还是不耐用。想在闲鱼上买个加版的 iPhone 16 Pro Max ，看到很多家都卖加版，好奇为什么这些店家为什么都不能提供发票，而且只能他们代送修？如果我自己去送修呢？这中间是不是有什么猫腻？
预算 1000 内 玩三角洲 要求长时间佩戴舒适 不夹耳 能听脚步 影音什么的无所谓，用电视看的
今天我领了今年的阿里云学生认证的 300 元券，打算用来续去年白嫖的轻量云。结果发现，这个券竟然无法使用。
仔细看了一下，阿里云学生活动页面将轻量云删除了，现在貌似只允许购买国内的服务器。
而且，这些服务器不包含宽带，流量收费是 0.8 元/G，不能用券抵。
不太确定，想和友友们验证一下，看看是不是这么回事。
阿里云学生认证领券网页 https://university.aliyun.com/
