祈愿博客

祈愿博客模板：一个开箱即用的全功能 Astro 博客 + 资源站方案

Tue, 14 Jul 2026 02:00:00 GMT

项目已开源（仓库名：qiyuan-blog-template）。

qiyuan-blog-template

带 AI 问答的 Astro 全功能博客模板 — 内置 RAG 站内问答、文章朗读、评论、网盘、短链与资源站，EdgeOne Makers 部署，开箱即用。

基于 Astro 深度定制的个人博客与技术资源站模板（衍生自 Koharu 主题），在线示例：https://www.qiyuan.icu。

功能页面截图

祈愿博客首页截图

上图为**示例站（qiyuan.icu，已开启全部可选功能）**首页：顶部 Hero 视频区、作者卡片、文章列表、站内 AI 助手浮窗、导航栏的资源/网盘/短链入口等。模板默认关闭这些可选功能，克隆后按需开启。

歌单	临时邮箱
歌单页面	临时邮箱

网盘	资源站
网盘	资源站

本仓库 qiyuan-blog-template 是一个博客模板：在 GitHub 仓库页面点击 Use this template 即可一键创建你自己的博客仓库，再按需修改 config/site.yaml、填充文章、配置环境变量后部署。部署优先推荐国内友好的 EdgeOne Makers，详见下方「作为模板使用」（资源站为独立子项目，需单独部署，见「资源站搭建教程」）。

永久免费说明

本模板的全部功能（含评论、站内 AI 助手、资源站、临时邮箱、文章朗读、短链、网盘）在对应服务商的免费额度内均可永久免费使用，不强制任何付费。下表列出每个功能所依赖的外部服务及其当前免费额度（数据核实于 2026-07，以各厂商官网为准）：

功能	依赖服务	免费额度（当期）
站点托管 + 全部 API（RAG / 临时邮箱 / 评论 / 上传 / MCP / 统计）	EdgeOne Makers	边缘函数 300 万次/月、云函数 100 万次/月、KV / Blob 各 1 GB、构建 500 次/月、自定义域名 200 个、免费 SSL；网站加速流量/请求在限免阶段不限量（免费版不含视频/大文件分发加速，本站视频与网盘文件经 R2 直传，不消耗该加速额度）
站内 AI 助手 · 博客文章向量库	Neon（Postgres + pgvector）	永久免费：0.5 GB 存储/项目、100 CU-小时/月、100 个项目、5 GB 出站/月（空闲自动缩容）
站内 AI 助手 · 资源站向量库	Supabase	永久免费：500 MB 数据库、1 GB 文件存储、5 GB 带宽/月、5 万 MAU、API 请求不限量（空闲 7 天暂停）
站内 AI 助手 · 嵌入 / 重排	硅基流动 bge-m3 / bge-reranker	永久免费、中国大陆直连、1000 RPM
站内 AI 助手 · 生成模型	智谱 GLM-4.7-Flash（首选兜底）	永久免费（200K 上下文）；ModelScope Llama-3.3-70B 每日 2000 次免费；商汤 deepseek-v4-flash 公测免费（每 5 小时数百次调用）
评论存储	Cloudflare KV	10 万读/天、1000 写/天、1000 删/天、1 GB 存储
评论图 / 文章朗读音频 / 网盘对象	Cloudflare R2	10 GB 存储/月、100 万 Class A 操作、1000 万 Class B 操作/月、出站流量免费
评论图 / 网盘上传 Worker	Cloudflare Workers	10 万请求/天
临时邮箱（收信 / 存储 / 验证）	Cloudflare D1 + Email Routing + Turnstile	D1 5 GB 存储 / 500 万行读/天；Email Routing 免费；Turnstile 免费无限
短链存储	Cloudflare KV	与评论共用同一命名空间额度（键前缀 `short:`）

说明：

永久免费档（长期有效）：Neon、Supabase、Cloudflare（Workers/KV/R2/D1/Email Routing/Turnstile）、硅基流动嵌入/重排、智谱 GLM-4.7-Flash。

当前限时免费 / 公测：EdgeOne Makers 加速流量处于限免阶段；商汤 sensenova（deepseek-v4-flash）为免费公测，额度与政策可能随公测结束调整——但模板已内置多生成平台兜底（智谱 GLM-4.7-Flash 永久免费、ModelScope 每日 2000 次免费），任一平台变动都不会让 AI 助手失效。

文章朗读音频在本地预生成（Edge TTS，走微软免费语音端点，无需密钥、无费用），生成后仅占用 Cloudflare R2 的存储额度。

只要使用量不超出上表各档额度，整套博客（含全部可选功能）即可零成本永久运行；仅在超出免费额度后才需按量付费（如 Supabase 扩容、Cloudflare 超出请求数、Neon 升级计算等）。

作为模板使用

进入本仓库 qiyuan-blog-template 页面，点击 Use this template → Create a new repository，填写你的新仓库名（可任意命名）。
git clone 到本地，npm install。
复制 .env.example 为 .env，按需填写各功能的环境变量（不填则对应功能自动关闭）。
编辑 config/site.yaml：改 site.title / url / avatar / social 为你自己的信息。
删除 src/content/blog/welcome.md，放入你自己的 .md 文章。
部署到 EdgeOne Makers（或其它 Astro 兼容平台），在平台的环境变量中配置与 .env 相同的键值。

可选功能默认关闭

为保持模板开箱即用的纯净度，以下可选功能默认全部关闭，克隆后按需开启：

功能	配置文件开关	默认值	开启方式
评论	`comment.provider`	`none`（关闭）	改为 `giscus` / `waline` / `twikoo` / `custom` 并填对应配置
站内 AI 助手（RAG）	`rag.enabled`	`false`	设为 `true`，并配置 `SILICONFLOW_API_KEY` / `NEON_SERVERLESS_URL` 等
资源站	`resources.enabled`	`false`	设为 `true`，并单独部署 `resource-site/`（见「资源站搭建教程」）
临时邮箱	`tempMail.enabled`	`false`	设为 `true`，并在 Cloudflare 部署收信 Worker + D1 + Email Routing
文章朗读	文章 frontmatter `audio: true`	不设置即关闭	在文章顶部加 `audio: true`，并配置 `SILICONFLOW_API_KEY` + R2
网盘	导航项 `enabled`	`false`	导航项改为 `enabled: true` + 部署 `/api/drive/*`（R2/S3 + KV）
短链	导航项 `enabled`	`false`	导航项改为 `enabled: true` + 部署 `/api/shorten/*`

说明：评论 / 临时邮箱 / 文章朗读属「零依赖或轻依赖」，配好即用；站内 AI 助手 / 资源站 / 网盘 / 短链依赖边缘函数与外部服务（Neon / Supabase / R2 / Cloudflare），需在部署平台配置对应环境变量。各功能的完整配置见下方「功能特性」与各 docs/*.md。

开发工具：右键样式编辑器（仅本地 `astro dev`）

本地 astro dev 运行时直接定死右键可用，无需开关：在页面任意位置右键即弹出样式编辑器，边看边调。面板内不使用任何表情符号，图标一律为内联 SVG；所有可调属性均标注中文 / 日文 / 英文三语。

元素：编辑右键所点元素的内联样式（文字/背景颜色、字号、字重、内边距、外边距、圆角、边框、对齐、行高、不透明度）。
上传媒体替换：元素面板顶部「上传图片 / 画像 / Image」按钮（SVG 图标），支持 图片 / GIF / 视频：
- 右键 <img>（如头图、精选分类图）→ 直接替换其 src；若右键的是包裹图片的容器，会自动定位其中的 <img> 一并替换。
- 右键带背景图的元素（如背景图区域）→ 替换其 background-image；上传视频则注入一个绝对定位的 <video> 覆盖层作为动态背景。
- 内容以 base64 / blob 注入，刷新后还原（开发期调试用，不写盘）。
主题变量：按当前「亮色 / 暗色」分别编辑全局 CSS 变量（SVG 太阳 / 月亮图标切换）。变量以自然语言说明呈现（如「页面背景色 / ページ背景 / Page background」），技术变量名仅作小号代码注记。改动注入 <style> 并持久化到 localStorage，刷新后保留；「复制 CSS」可导出，「重置」恢复默认。
面板不显示滚动条（已隐藏，主题变量区改双列网格压缩高度）；点击面板外空白处自动关闭；面板配色使用博客主题变量，自动跟随亮/暗主题。

⚠️ 该功能仅在 import.meta.env.DEV 下挂载（src/layouts/Layout.astro 中以 {import.meta.env.DEV && <StyleEditor />} 包裹，src/components/dev/StyleEditor.tsx 组件内亦有兜底守卫）。astro build 时被自动 tree-shake，不进入生产产物，对线上访客零影响。

安全响应头

两个边缘函数（edge-functions/api/[[default]].js 与 resource-site/edge-functions/api/[[default]].js）已为所有 API 响应统一注入安全头（经 getCorsHeaders() spread，一处覆盖全部 JSON / 流式 / 代理响应）：

响应头	值
`X-Content-Type-Options`	`nosniff`
`Referrer-Policy`	`strict-origin-when-cross-origin`
`X-Frame-Options`	`SAMEORIGIN`（非 `DENY`，保证网盘内联预览的同站 `<iframe>` 不被阻断）
`Permissions-Policy`	`camera=(), microphone=(), geolocation=()`
`Strict-Transport-Security`	`max-age=63072000; includeSubDomains`（未上 preload 列表，不加 `preload`）

静态资源（HTML / JS / CSS / 字体 / 图片）的安全头需在 EdgeOne 控制台 → 站点加速 → 配置 → HTTP 响应头（修改响应头） 中按文件后缀统一添加上述同样的头（CDN 缓存层注入，被缓存的资源也带安全头）。CSP 暂未启用（站内有 AdSense 与内联脚本，需单独审计）。

可选加固：在 EdgeOne 控制台 → 安全防护 → 速率限制 给写入类接口配「客户端 IP 60s 内 ≥1 次 → 拦截 429」，覆盖 POST /api/comment-image、POST /api/drive/upload-init、POST /api/temp-mail/address，防滥发。EdgeOne 边缘直接判真实客户端 IP（EO-Connecting-IP），不会因 CDN 聚合误伤全体用户。

技术栈

Astro 5（SSG）+ 定制主题，支持中文 / English / 日本語三语（[lang]/ 镜像路由）。
部署平台：EdgeOne Makers（腾讯云边缘函数 / 云函数）。站点 qiyuan.icu 跑在边缘，全文搜索用 Pagefind。
边缘运行时：
- edge-functions/api/[[default]].js —— EdgeOne 边缘函数单体，承载 RAG 聊天、临时邮箱、评论、上传、MCP、统计等全部 API。
- cloud-functions/ —— Makers 云函数（如博客图床上传 api/images/upload）。
外部依赖：Neon（Postgres + pgvector，博客文章向量库）、Supabase（资源站向量库）、硅基流动（bge-m3 / bge-reranker 嵌入重排）、商汤 sensenova + ModelScope + 智谱（生成模型）、Cloudflare（KV 评论存储 + R2 评论图 + 临时邮箱 Worker/D1）。

功能特性

博客文章：Markdown/MDX，封面图，目录，Pagefind 站内搜索；支持按语言切换。
站内 AI 助手（RAG）「就这篇文章问 AI」：
- 检索：博客文章（Neon + pgvector rag_posts 余弦检索）+ 资源站（Supabase products 混合检索：向量 + 词法 ilike，RRF 融合），各取候选经重排后送入上下文。
- 嵌入 BAAI/bge-m3、重排 BAAI/bge-reranker-v2-m3（均经硅基流动，免费）。
- 生成：首选商汤 sensenova deepseek-v4-flash（多密钥轮询、关闭思考模式），兜底 ModelScope / 智谱 GLM / 硅基流动 DeepSeek。
- 使用的大模型平台：
  - 硅基流动（SiliconFlow）：嵌入 BAAI/bge-m3 + 重排 BAAI/bge-reranker-v2-m3（免费），并作生成最终兜底（DeepSeek）。
  - 商汤 sensenova：生成首选，模型 deepseek-v4-flash（多密钥轮询、关闭思考模式）。
  - ModelScope 魔搭：生成兜底，Llama-3.3-70B（国内直连免费）。
  - 智谱 GLM：生成兜底，GLM-4.7-Flash（永久免费、国内直连）。
- 性能优化：Neon 预热（请求内 SELECT 1 与嵌入并发，消除 scale-to-zero 冷启动）、问题向量缓存（LRU 5 条，相同问题跳过重复嵌入调用）。
临时邮箱 qiyuanmail.cc.cd：Cloudflare Email Routing → Worker → D1（temp_addresses / temp_messages）；Turnstile 人机验证；前端支持收件箱、自动刷新、HTML 邮件渲染（链接新标签打开）。
- ⚠️ 收信 Worker + D1 + Email Routing 需在 Cloudflare 控制台自行部署（代码见 cloudflare/）；本仓库的边缘函数只负责 UI 与读信/生成地址。
评论系统：评论存 Cloudflare KV，图片存 Cloudflare R2（经上传 Worker 直写，无需 S3 密钥）；config/site.yaml 中 comment.provider 默认 none（可选 custom / giscus / waline / twikoo）。
R2 独立图床：评论图走 r2.qiyuan.icu（国内经 EdgeOne 边缘回源 Cloudflare，浏览器全程只碰腾讯网络）。
文章朗读（Edge TTS 预生成音频）：文章 frontmatter 加 audio: true 即生成中文朗读 mp3。流程为发布前本地用 Edge TTS 合成 → 上传 Cloudflare R2（audio/<slug>.mp3，经 r2.qiyuan.icu CDN）→ 前端播放器点击播放（非运行时实时合成，体验更稳）。清单 src/assets/audio-manifest.json 记录每篇 slug →，文章页据此显示播放器。
- 音频 URL 自动带缓存破坏参数 ?v=<mp3 内容 sha256 前 12 位>：R2/EdgeOne 对未知 query 参数按同一对象返回，但浏览器/CDN 以完整 URL 作缓存键，故音频内容更新后 URL 必变、强制重新拉取，避免旧 mp3 被长期缓存（R2 默认 Cache-Control: max-age=604800）。
- 生成：npm run generate:audio（增量，内容+音色哈希命中则跳过）；-- --force 全量重生成；-- --local 强制落本地 public/audio/。增量缓存存 .cache/audio-cache.json。
短链（Short URL）：把长链接缩短成 {origin}/api/s/<slug>。存储于 Cloudflare KV（与评论同命名空间，前缀 short:）；支持自定义短码（3–32 位字母数字 _-）或自动生成 6 位随机码；仅接受 http/https 目标；访问 /api/s/<slug> 即 302 跳转到原链接，不存在返回 404。需配置 CF_KV_*。
公开网盘（Netdisk） /drive：浏览器经 S3 presigned PUT 直传 Cloudflare R2，文件元数据存 Cloudflare KV；单文件默认上限 500MB（DRIVE_MAX_BYTES 可覆盖）。提供上传初始化 /api/drive/upload-init、完成回调 /api/drive/upload-complete、列表 /api/drive/list、分享页元数据 /api/drive/meta/:token。文件 24 小时后自动删除（KV expirationTtl，DRIVE_TTL_HOURS 可改时长），需配合 Cloudflare 控制台 R2 桶 Lifecycle 规则（前缀 drive/）才能真正清理对象。需配置 R2_* 与 CF_KV_*。

本地开发

npm install
npm run dev      # http://localhost:4321
npm run build    # 构建到 dist/
npm run preview  # 预览构建结果

需要 Node.js 18.17.1+（推荐 20+）与 npm 9+。

RAG 相关脚本（可选，CI/部署时通常自动跑）：npm run index:neon（文章向量）、npm run index:resources（资源向量回填）、npm run generate:summaries 等。

文章朗读音频需本地预生成：npm run generate:audio 合成并上传 R2 后，须提交 src/assets/audio-manifest.json（部署只读取清单、不生成音频）。新增或编辑 audio: true 文章后务必重跑本命令。

环境变量（EdgeOne 控制台）

边缘函数通过环境变量注入密钥，本仓库代码不包含任何密钥。

RAG 必需

变量	说明
`SILICONFLOW_API_KEY`	嵌入(bge-m3)/重排(bge-reranker) 必需；文本生成也复用它作最后兜底
`NEON_SERVERLESS_URL`	博客文章向量库 `rag_posts`（pgvector）连接串，必需
`SUPABASE_URL` / `SUPABASE_SERVICE_KEY`	资源站向量库 `products` 连接信息，必需

生成模型（首选 + 兜底）

变量	说明
`SENSENOVA_API_KEYS`	生成首选；多把密钥用逗号/换行分隔，按顺序轮询，全部失败才顺延下一个平台；模型固定 `deepseek-v4-flash`，思考模式已强制关闭
`MODELSCOPE_API_KEY`	可选兜底，ModelScope 魔搭 `Llama-3.3-70B`（国内直连免费）
`ZHIPU_API_KEY`	可选兜底，智谱 `GLM-4.7-Flash`（永久免费、国内直连）

评论 / R2 图床

变量	说明
`CF_KV_NAMESPACE_ID` / `CF_KV_API_TOKEN`	Cloudflare KV（评论 + 短链存储），必需（否则评论/短链接口 503）
`CF_ACCOUNT_ID`	Cloudflare 账户 ID（R2 / KV 共用，默认已知可不改）
`UPLOAD_WORKER_URL` / `UPLOAD_WORKER_KEY`	上传 Worker（R2 绑定直写评论图，优先于 S3 直传）
`R2_ACCOUNT_ID` / `R2_ACCESS_KEY_ID` / `R2_SECRET_ACCESS_KEY` / `R2_BUCKET` / `R2_PUBLIC_URL`	文章朗读音频与网盘上传 R2 所用的 S3 凭据（评论图已改走上传 Worker，但音频与网盘仍走 S3 直传）；缺省则音频落本地 `public/audio/`、网盘不可用

网盘 / 短链

变量	说明
`DRIVE_TTL_HOURS`	网盘文件存活时长（小时），默认 `24`；到期由 KV `expirationTtl` 自动标记失效，并需配合 R2 桶 Lifecycle 规则（前缀 `drive/`）真正删除对象
`DRIVE_MAX_BYTES`	网盘单文件大小上限（字节），默认 `524288000`（500MB）

短链复用上方 CF_KV_*；网盘复用上方 R2_* 与 CF_KV_*。

临时邮箱

变量	说明
`TEMP_MAIL_D1_ID`	D1 数据库 ID
`CF_D1_API_TOKEN`	D1 读写 Token（含 D1 权限）
`TURNSTILE_SECRET`	Turnstile 私密密钥（注意：不是站点密钥）
`TEMP_MAIL_DOMAIN`	可选，默认 `qiyuanmail.cc.cd`

资源站（可选）

变量	说明
`JWT_SECRET`	资源站用户登录 JWT 签名密钥（必填，否则 `/api/auth/*` 报错）
`PUBLISH_KEY`	MCP 发布与图片上传密钥（同时用于 `/api/publish` 与 `/api/images/upload`），可选
`PUBLIC_BASE_URL`	公开站点基址，如 `https://www.qiyuan.icu`，用于生成分享 / SEO 链接

资源站是独立部署的项目，博客只是引用它的数据。完整步骤见下方「资源站搭建教程」。

资源站搭建教程

⚠️ 资源站与博客是两个相互独立的部署，不要混为一谈：

资源站（网盘资源分享站）：一个单独的 EdgeOne 项目，源码在本仓库的 resource-site/ 子目录，拥有自己的边缘函数、Supabase 数据库与（可选）前端页面，需单独部署、绑定自己的域名（如 resources.qiyuan.icu）。

博客：通过共用同一套 Supabase 数据库 + RESOURCES_API_PROXY 指向资源站域名来引用资源数据，在内置「资源」页（/resources）中展示、搜索、获取网盘链接。

也就是说：先把 resource-site/ 当作独立项目部署好，博客再指过去。 二者可共用同一个 Supabase 项目，也可各自独立。

架构

                    ┌──────────────────── 资源站（独立部署，resource-site/）
浏览器               │   EdgeOne 项目 A（域名如 resources.qiyuan.icu）
 ├─ 资源站站点 ──────┤     ├─ edge-functions/api/[[default]].js（认证/商品/评论/图片/MCP）
 │                  │     └─ Supabase（users / products / reviews / orders；product-images 桶）
 │                  └────────────────────
 │
 └─ 博客「资源」页 ──→ EdgeOne 项目 B（博客，本仓库根目录）
        /resources        └─ /api 经 RESOURCES_API_PROXY 引用资源站，或直连同一套 Supabase 读取 products

一、部署资源站（独立项目）

源码见 resource-site/，详细文档见 resource-site/README.md。

建库与 RLS：在 Supabase SQL Editor 依次执行：
- resource-site/database/schema.sql（建表：users / products / reviews / orders / quark_orders）
- resource-site/database/rls_policies.sql（RLS：users 对 anon 完全不可见，商品匿名只读上架）
建 Storage 桶：创建 product-images 桶并设为公开（或经 /api/images/* 代理）。
单独部署 resource-site/：将该目录作为独立 EdgeOne 项目部署（边缘函数 + 可选静态前端），并在其控制台配置环境变量：
```
SUPABASE_URL=https://your-project.supabase.co
SUPABASE_SERVICE_KEY=eyJ...      # 服务端密钥
JWT_SECRET=***                    # 资源站登录 JWT 签名密钥（必填）
```
前端页面（public/*.html）未随模板附带，可自行编写或从原站取用；仅需 API 时可只部署边缘函数。

二、让博客引用资源站

数据层：博客与资源站共用同一套 Supabase。如需 RAG 语义搜索，在 Supabase 执行 database/products_embedding.sql 为 products 加向量列；分类多语言可选执行 database/resource_category_i18n.sql。
配置指向：博客侧设置 RESOURCES_API_PROXY 指向资源站域名（如 https://resources.qiyuan.icu），本地开发时 npm run dev 会据此代理 /api。
开启资源页：config/site.yaml 中 resources.enabled: true（默认已开），按需改 label / icon / ownerUserId。
部署博客：推送到 Git，EdgeOne Makers 自动构建并发布。

验证

# 对资源站域名验证
curl https://resources.your-domain.com/api/categories
curl "https://resources.your-domain.com/api/products?limit=2"

返回 JSON 即说明资源站已正常工作。管理后台可注册账号、发布商品（密码需同时包含大写 + 小写 + 数字 + 符号）。

站点配置

主配置在 config/site.yaml，常用项：

配置项	说明
`site.title` / `site.subtitle`	站点标题与副标题
`site.name` / `site.author`	作者名称
`site.avatar`	头像路径（当前 `/img/avatar.svg`，可换 `.jpg`/`.webp`）
`site.url`	站点 URL，用于 RSS 与 SEO
`site.startYear`	建站年份
`tempMail.domain`	临时邮箱域名（默认 `qiyuanmail.cc.cd`）
`turnstileSiteKey`	Turnstile 站点密钥（公开，用于前端渲染验证框）
`comment.provider`	评论提供商，默认 `none`（可选 `custom` / `giscus` / `waline` / `twikoo`）

替换头像：将图片放到 public/img/avatar.svg（或同名 .jpg/.webp），并同步更新 public/favicon.ico（favicon 由头像生成）。

如何添加文章

在 src/content/blog/ 新建 Markdown/MDX 文件，如 my-post.md。
在文件顶部写 frontmatter：

---
title: 我的文章标题
description: 一句话摘要
pubDate: 2026-06-05
heroImage: ./cover.png   # 可选，封面放同级或子目录
categories:
  - 笔记
tags:
  - 标签一
audio: true        # 可选：设为 true 即生成该篇文章的 Edge TTS 中文朗读音频（详见上方「文章朗读」）
---

正文内容写在这里…

封面图规则：
- 与文章同目录：heroImage: ./cover.png
- 在子目录：heroImage: ./my-post/cover.png
保存后本地 npm run dev 预览，或 npm run build 构建。

pubDate / heroImage 会自动映射为 date / cover，与 src/content.config.ts 中的 schema 对齐。

修改图片后建议运行 npm run generate:lqips 更新占位渐变。

目录结构

路径	说明
`config/site.yaml`	站点主配置
`src/pages/`	页面路由（含 `[lang]/` 多语言镜像）
`src/content/blog/`	文章集合（Markdown/MDX）
`src/components/`	UI 组件（含 `tempmail/`、`chat/`）
`src/layouts/`	页面布局
`edge-functions/api/[[default]].js`	EdgeOne 边缘函数：RAG 聊天 / 临时邮箱 / 评论 / 上传 / MCP / 统计
`cloud-functions/`	Makers 云函数（博客图床上传等）
`cloudflare/`	临时邮箱收信 Worker、D1 schema、wrangler 配置（需自行部署到 Cloudflare）
`public/`	静态资源（favicon、图片、字体等）
`scripts/generate-audio.mjs`	文章朗读音频生成（Edge TTS → R2/CDN，产出 `src/assets/audio-manifest.json`）
`src/assets/audio-manifest.json`	音频清单：`slug → { url, voice, chars, bytes, generatedAt }`，`url` 带 `?v=<哈希>` 缓存破坏

部署

推送到 Git 后由 EdgeOne Makers 自动构建（npm run build）并发布，边缘函数随仓库部署。部署前需在 EdgeOne 控制台填好上面对应的环境变量（尤其 SILICONFLOW_API_KEY / NEON_SERVERLESS_URL / SUPABASE_* / SENSENOVA_API_KEYS / CF_KV_*）。

临时邮箱功能另需在 Cloudflare 控制台完成：部署 cloudflare/ 下的收信 Worker、建 D1 表、配置 Email Routing catch-all → Worker、配置 Turnstile。详见各文件内注释。

许可证

本项目以 MIT 许可证 开源（详见 LICENSE）。你可以自由 fork、修改、部署为自己的博客，只需保留版权与许可证声明；商业用途亦可，风险自负。

零成本建站：免费获取永久二级域名并一键托管 Cloudflare 详尽指南

Mon, 13 Jul 2026 08:10:00 GMT

在个人建站、网络服务测试、学习 Linux 运维或是搭建个人测试节点的场景下，购买正规的顶级域名（如 .com）往往是一笔不必要的开销。许多人在寻找免费域名的过程中，经常遇到需要绑定海外 VISA 信用卡验证、或者是平台被封禁无法访问的情况。

本文将为你详细剖析如何利用国内网络圈非常老牌、稳定的免费二级域名分发平台 —— DNS 壳 (my.dnshe.com)，白嫖 3 个长达 10 年有效（或支持长期免费续约）的二级域名，并将其一键托管到大名鼎鼎的 Cloudflare 平台，实现零成本无限衍生子域名解析。

一、准备工作与平台直达

在正式开始操作之前，请确保你已经准备好以下工具、账号以及直达链接：

电子邮箱： 建议准备一个常用的电子邮箱。为了提高效率，平台支持 Google 账号授权快捷登录。如果使用国内的 QQ 邮箱、网易邮箱，也完全支持常规输入注册。
免费域名注册平台： DNS 壳官网直达 (my.dnshe.com)。这是目前少数不需要绑定信用卡、仅凭邮箱即可直接获取免费域名的稳定平台。
域名解析托管平台： Cloudflare 官网直达 (cloudflare.com)。用于接管后续的域名 DNS 解析，并免费提供全球 CDN 加速、免费 SSL 安全证书以及基础防 DDOS 攻击保护。

二、第一阶段：注册并获取免费域名

早期的免费域名申请非常简单（例如曾经大火的 Freenom 平台），但随着政策收紧和滥用加剧，大量平台已经彻底关闭。目前 DNS 壳 依然处于仅需邮箱验证即可免费获取域名的红利期，以下是详细的申请步骤。

1. 账号注册与登录

使用浏览器打开 DNS 壳 (my.dnshe.com)。
为了省去接收邮件验证码、设置复杂密码等繁琐步骤，强烈推荐在登录页直接点击 Google 账号图标进行快捷授权登录。
如果你选择常规注册，则需要按提示依次填入自定义用户名、你的常用电子邮箱，点击发送验证码。登录你的邮箱查收并将验证码填回网页，最后设置一个安全的密码即可完成。

2. 免费域名的申请与后缀甄别

登录成功进入后台控制面板后，在左侧导航栏或主页明显位置找到并点击 “免费域名” 选项。
配额限制： 该平台以前允许单个账号最多注册 5 个免费域名，随着资源收紧，当前每个账号最多只能注册 3 个免费域名。虽然数量有所减少，但对于个人测试和日常折腾而言，3 个名额已经完全够用。
后缀与有效期选择： 平台目前提供多种不同的二级域名后缀（例如 .cc、.cn、.cd 等）。不同的后缀，其免费时效和规则有所不同：
10年有效期后缀： 视频中博主重点演示了某点C后缀。这类后缀在成功注册后，系统会直接分配长达 10年 的免费使用权（在后台可以直接看到到期时间为 2036 年），属于必抢的优质后缀。
1年期续约后缀： 另一部分后缀（如 .cd 后缀）首次申请只给 1年有效期。但无需担心，平台制定了极其良心的续期规则：支持提前 185 天免费续约。这意味着只要你在到期前半年的任意时间，登录平台点击一下续期，就可以实现变相的“永久免费”。
注册操作： 在域名前缀输入框内输入你想要的主体名称。系统会自动检测该前缀是否被他人占用。只要显示该域名可注册，点击 “注册” 按钮，该域名便会瞬间绑定到你的账户下。

⚠️ 避坑指南（重要）： 在选择二级域名后缀时，请避开带有 .com 结尾的二级后缀。因为 Cloudflare 为了防止黑产和滥用，目前部分特定二级后缀域名不支持直接托管到 Cloudflare (CF)，在 CF 添加时会报错提示无法识别。请优先选择平台提供的 .cc、.biz、.org 等其他原生二级后缀，这些可以完美通过 Cloudflare 的验证。

三、第二阶段：一键托管至 Cloudflare (CF)

成功获取到免费的二级域名后，原平台自带的解析面板通常存在解析生效慢、功能单一的问题。为了获得极速的 DNS 生效体验，并白嫖免费的 SSL 证书（自动实现网页 https 绿色安全锁）和防攻击保护，我们需要将域名的解析权彻底移交给 Cloudflare。

1. 在 Cloudflare 中添加站点

打开并登录你的 Cloudflare 账号，进入控制面板，点击右上角的 “添加站点” (Add a Site)。
将你在上一阶段从 DNS 壳 申请到的完整二级域名（包含前缀和后缀，例如 mytest.dnshe.cc）完整复制并粘贴到输入框中，点击 “继续”。

2. 选择免费方案

页面会跳转到付费方案选择页（包含专业版、商业版等选项）。直接下滑到页面最底部，找到并选择 “免费” (Free) 计划（0美元/月），然后点击确认。
Cloudflare 会自动开始扫描该域名现有的 DNS 记录。扫描完成后，不需要做任何修改，直接点击前往下一步。

3. 修改域名服务器 (DNS Name Servers)

此时，Cloudflare 会在页面上显眼地列出两条其专属的 名称服务器 (Name Servers) 地址（例如：dash.cloudflare.com 提供的两个官方 ns 记录）。点击旁边的复制按钮。
重新返回 DNS 壳 (my.dnshe.com) 后台，在已购域名列表中找到你刚刚申请的那个域名，点击进入 “域名管理” 或 “DNS 服务” 设置面板。
将原平台默认自带的 DNS 服务器地址全部删除，然后将你刚刚从 Cloudflare 复制的那两行新地址粘贴进去，保存修改。

4. 等待托管彻底激活

修改完成后，回到 Cloudflare 页面，点击底部的 “我已更改名称服务器”。
平台会提示正在验证中。由于二级域名的 DNS 刷新速度极快，通常在几分钟内、甚至几秒钟内即可完成同步。
当看到 Cloudflare 后台该域名的状态从“待处理”变为 “活动中” (Active)，且你绑定的邮箱收到 Cloudflare 发来的激活成功邮件时，即代表域名托管彻底成功。此后，你可以完全关闭 DNS 壳网站，所有的解析操作都在 Cloudflare 进行。

四、核心技术科普：什么是一级、二级、三级域名？

许多刚接触网络建站的新手，经常分不清域名的层级关系。理清这个概念，能帮你把白嫖到的域名发挥出成倍的价值：

一级域名（顶级域名）：

也就是我们在阿里云、腾讯云或 Namecheap 等注册商处，花钱购买的常规正规域名，形如 baidu.com、google.com。它的特点是点（.）前面只有一段自定义的主体名称。

二级域名：

在一级域名的前面再加一个自定义的前缀，中间用点隔开。例如 mail.google.com 或 pan.baidu.com。
我们在 DNS 壳 免费白嫖到的，本质上就是该平台所拥有的顶级域名下的二级域名（如 yourname.dnshe.cc）。

三级域名的“无限套娃”（核心价值所在）：

许多人存在误区，以为免费拿到一个二级域名后，就只能用来绑定一个网站或搭建一个服务。其实不然。
只要你把这个二级域名成功托管到了 Cloudflare，你就拥有了该域名向下的“绝对控制权”。
你可以在 Cloudflare 的 DNS 解析面板中，点击“添加记录”，任意添加新的 A 记录、AAAA 记录或 CNAME 记录。比如你添加一个前缀叫 blog，那么你就创造了一个属于你自己的三级域名：blog.yourname.dnshe.cc。如果你再加一个前缀叫 vpn，就会生成 vpn.yourname.dnshe.cc。
结论： 依靠 Cloudflare 的强大功能，你白嫖到的这 1 个二级域名，可以衍生出无限多个三级域名、四级域名。你可以用不同的前缀去分别绑定博客、挂载个人网盘、搭建查 IP 的小工具、或者是做各类临时网络实验，实现真正的零成本、多用途、无限套娃。

五、总结与商业建议

完美适用场景： 这种通过 DNS 壳 申请并托管到 Cloudflare 的免费二级域名，具备极高的稳定性和极快的解析速度。非常适合技术爱好者用于折腾服务器测试、学习前端建站、临时网络实验或者搭建一些非公开的个人私有服务，是不折不扣的省钱利器。
商业正规化建议： 尽管这种域名可以通过续约机制做到长期使用，但必须明确，域名的最终所有权仍然归属于分发平台。如果你计划搭建的是面向大众的商业网站、正规公司官网、核心电商系统或是打算长期运营的个人品牌博客，依然强烈建议前往正规注册商处购买一个专属的 .com 顶级域名（目前一年费用仅需 50-60 元左右）。只有这样，在网站的安全稳定性、SEO 搜索引擎排名以及品牌保护上，才具有最坚实的法律与技术保障。

vue-effort-slider 教程：带 WebGL 火焰拖尾的 Vue 3 滑块组件

Sat, 11 Jul 2026 18:10:00 GMT

vue-effort-slider 教程：带 WebGL 火焰拖尾的 Vue 3 滑块组件

这是什么

vue-effort-slider 是一个高度可定制的 Vue 3 滑块组件，最大特点是带实时 WebGL 火焰拖尾特效——灵感来自 Claude Code 的 effort slider。当滑块拖到阈值（默认满值）时，会激活 GPU 加速的火焰拖尾；同时具备平滑的「吸附到刻度」动画、动态配色以及零运行时依赖。

简单说，它把一个普通的 0–100 滑块，做成了一个有科技感、可随手调外观的 AI「思考深度」选择器。

效果预览

拉到最大档位时的火焰拖尾效果：

Max 档位的火焰拖尾效果

常规拖动的实时演示（动图）：

核心特性

WebGL2 火焰拖尾：滑块达到阈值时激活 GPU 实时渲染的火焰效果。
吸附刻度动画：以 cubic ease-out 平滑吸附到最近的 25% 档位。
完全可主题化：10+ 颜色属性，可定制滑块、拖尾、轨道、标签、辉光等每个视觉元素。
v-model 支持：标准 Vue 双向绑定（modelValue）。
圆角裁切（Squircle）：卡片与轨道采用 Apple 风格超椭圆裁切路径。
响应式：宽度接受像素值或 CSS 字符串（如 '100%'）。
帮助气泡：内置帮助图标 + teleport tooltip。
轻量：零运行时依赖，仅需 Vue 3 作为 peerDependency。

安装

npm install vue-effort-slider

快速开始

从零创建项目

# 1. 创建项目
npm create vite@latest my-slider -- --template vue
cd my-slider
npm install vue-effort-slider

修改 src/App.vue：

<script setup>
import { ref } from 'vue'
import { EffortSlider } from 'vue-effort-slider'
import 'vue-effort-slider/style.css'

const value = ref(75)
</script>

<template>
  <EffortSlider v-model="value" />
  <p style="color:#71717a;text-align:center;margin-top:16px">Current value: {{ value }}</p>
</template>

# 2. 运行
npm run dev

打开 http://localhost:5173，即可看到带火焰拖尾的滑块。

全局注册

// main.js
import { createApp } from 'vue'
import App from './App.vue'
import VueEffortSlider from 'vue-effort-slider'
import 'vue-effort-slider/style.css'

const app = createApp(App)
app.use(VueEffortSlider)
app.mount('#app')

<template>
  <EffortSlider v-model="value" />
</template>

<script setup>
import { ref } from 'vue'
const value = ref(75)
</script>

局部引入

<template>
  <EffortSlider v-model="value" label="思考深度" />
</template>

<script setup>
import { ref } from 'vue'
import { EffortSlider } from 'vue-effort-slider'
import 'vue-effort-slider/style.css'

const value = ref(50)
</script>

子模块按需引入（Tree-shaking）

// 完整组件
import { EffortSlider } from 'vue-effort-slider'
import 'vue-effort-slider/style.css'

// 仅组件
import { EffortSlider } from 'vue-effort-slider/EffortSlider'

// 单独引入 composable
import { useSliderState } from 'vue-effort-slider/useSliderState'
import { useWebglFire } from 'vue-effort-slider/useWebglFire'

// 或批量从 composables 引入
import { useSliderState, useWebglFire } from 'vue-effort-slider/composables'

// 仅着色器（GLSL 源字符串）
import { VERT, FRAG_SIM, FRAG_BLUR, FRAG_COMP } from 'vue-effort-slider/shaders'

独立火焰 Canvas

用 useWebglFire 可以把火焰拖尾效果加到任意 canvas 上：

<template>
  <canvas ref="canvasRef" width="400" height="60"
    style="width:400px;height:60px;border-radius:10px;background:#0c0c0c" />
</template>

<script setup>
import { ref } from 'vue'
import { useWebglFire } from 'vue-effort-slider/useWebglFire'

const canvasRef = ref(null)
const sliderValue = ref(100)
const isActive = ref(true)

useWebglFire(canvasRef, sliderValue, isActive, () => '#a857f7')
</script>

在线配置面板

组件配套一个在线配置面板 slider.qiyuan.icu，可以实时调整每个 prop、预览火焰拖尾效果，并一键复制生成的代码（动图）：

想直接上手调参，打开 slider.qiyuan.icu 即可。

Props

基础 Props

Prop	类型	默认值	说明
`modelValue`	`Number`	`75`	当前值，支持 `v-model`，范围 `0`–`100`
`width`	`String \| Number`	`376`	组件宽度，像素数字或 CSS 字符串（如 `'100%'`）
`label`	`String`	`'Slider'`	顶部标签文字
`threshold`	`Number`	`100`	激活 WebGL 火焰效果的阈值，设 `100` 即仅满值激活
`scaleLabels`	`String[]`	`['Faster', 'Smarter']`	轨道两端的刻度标签
`statusLabels`	`Object`	`{ level1:'Minimal', level2:'Low', level3:'Medium', level4:'High', level5:'Max' }`	5 档状态文字
`background`	`String`	`'#000000'`	卡片背景色（任意 CSS 颜色）
`borderRadius`	`String \| Number`	`20`	卡片圆角（像素）
`showHelp`	`Boolean`	`true`	是否显示帮助图标
`helpText`	`String`	`'Drag the slider to adjust AI thinking depth'`	点击帮助图标弹出的提示内容

颜色 Props

所有颜色属性均接受任意合法 CSS 颜色值（hex / rgb / hsl 等）。

Prop	类型	默认值	说明
`labelColor`	`String`	`'#b0b0c7'`	顶部标签文字颜色
`statusColor`	`String`	`'#a1a1aa'`	未达阈值时的状态文字颜色
`activeColor`	`String`	`'#c084fc'`	达阈值时状态文字颜色（带辉光）
`highlightColor`	`String`	`'#c084fc'`	达阈值时滑块辉光颜色
`scaleLabelColor`	`String`	`'#b0b0b8'`	端点标签颜色
`helpIconColor`	`String`	`'#a1a1aa'`	帮助图标颜色
`trailColor`	`String`	`'#a857f7'`	WebGL 火焰拖尾颜色
`thumbColor`	`String`	`'#ffffff'`	滑块拖柄颜色
`trackColor`	`String`	`'#0c0c0c'`	轨道背景色
`dotColor`	`String`	`'#494950'`	轨道上 5 个装饰圆点颜色

Events

事件	回调参数	说明
`update:modelValue`	`Number`	拖动过程中持续触发，供 `v-model` 使用
`change`	`Number`	拖动结束、吸附动画完成后触发一次，参数为最终吸附值
`help`	—	点击帮助图标时触发

RAG 超级教程：从原理到实战，用向量+重排模型搭出又准又省钱的 AI 问答

Fri, 10 Jul 2026 04:50:00 GMT

你有没有过这种冲动：网站有几百篇文章，想做一个「站内 AI 助手」，于是把全部文章正文拼进 system prompt，再问问题？

我最初也是这么干的。直到账单出来、回答开始胡说八道、长文章直接超出上下文窗口——才意识到这是条弯路。

这篇教程把 RAG（Retrieval-Augmented Generation，检索增强生成）讲透：为什么不要「全塞进 prompt」，正确的姿势是什么，怎么用硅基流动免费的两个模型（嵌入 BAAI/bge-m3 + 重排 BAAI/bge-reranker-v2-m3）搭出又准又省钱的问答系统。

想白嫖这两个免费模型，可以用这个注册链接：https://cloud.siliconflow.cn/i/MBwLMSrY

一、什么是 RAG（Why）

RAG = Retrieval-Augmented Generation（检索增强生成）：在让大模型生成答案之前，先从外部知识库里检索出最相关的资料，把这些资料连同问题一起交给大模型，让它「带着资料」回答。

它的核心思想一句话：让模型「现查现答」，而不是指望它把全世界的 knowledge 都背在参数里。

为什么会出现 RAG？

大模型本身有几个天生的天花板：

知识有截止日期：模型只在训练数据时间点之前「懂」，之后的事一概不知。
看不到你的私有数据：公司文档、你的博客、客户聊天记录，模型训练时根本没见过。
上下文窗口有限：哪怕有 200K 上下文，也装不下整个知识库。
会一本正经地胡说（幻觉 / Hallucination）：资料里没有的内容，它也会编得头头是道。

2020 年 Meta 等提出的 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 论文，就是为了让模型在回答时「先查资料」，从而缓解上述问题。后来随着向量数据库和 embedding 模型成熟，RAG 成了落地 LLM 应用最主流的范式。

它解决了什么问题 / 与传统大模型回答的区别

	传统大模型回答	RAG 增强回答
知识来源	训练时「背」进去的参数	实时检索的外部资料
时效性	停在训练截止日	资料更新即生效
私有数据	看不到	能检索到
可溯源	无法引用出处	能给出资料来源
幻觉	容易编造	有资料约束，显著降低

一句话：传统大模型是「凭记忆考试」，RAG 是「开卷考试」。

二、为什么需要 RAG

重点说痛点，这恰恰是 RAG 存在的理由：

大模型知识会过时：2024 年的模型答不了 2026 年的新政策、新 API。
容易产生幻觉（Hallucination）：没有资料时，模型会自信地编造事实、链接、数字。
无法直接访问企业私有数据：内部 Wiki、合同、工单，模型根本不知道。
Prompt 太长，Token 成本高：把全站文章塞进 prompt，每次提问都重发几百万 token。
无法引用资料来源：用户无法核实「这句话到底出自哪里」，不信任。

RAG 把「记忆」和「查资料」解耦——模型负责推理和表达，知识存放在外面随时可更新。

三、RAG 的工作流程

一张流程图就能说清：

flowchart LR
  Q[用户问题] --> E[Embedding 向量化]
  E --> V[(Vector Database 向量库)]
  V --> R[Retriever 检索 Top-K]
  R --> RR[Reranker 重排 可选]
  RR --> L[LLM 生成答案]

放到文字里就是：

用户问题
   ↓
Embedding（向量化：把问题变成向量）
   ↓
Vector Database（向量数据库里存着所有资料的向量）
   ↓
Retriever（检索：找出和问题向量最相似的若干段）
   ↓
Reranker（重排，可选：对召回结果按真实相关性重新打分）
   ↓
LLM（带着最相关的资料生成答案）

每一步的作用：

Embedding：把自然语言变成一串数字（向量），让「语义相似」可以被「数学距离」衡量。
Vector Database：存放所有资料的向量，支持「按向量找最近邻」的高效检索。
Retriever：用问题的向量去库里做最近邻搜索，粗筛出候选（如 15 段）。
Reranker：把「问题 + 每个候选」拼起来重新打分，精排出真正最相关的（如 5 段）。这是质量的关键一步。
LLM：只消费 top-N 资料，生成带出处的答案。

四、RAG 的核心组件

1. Embedding（嵌入模型）

把文本映射成固定维度的稠密向量。维度常见的有 768 / 1024 / 1536。中文场景首选 BAAI/bge-m3（1024 维，中英文都强），在硅基流动上免费。

那「向量」到底是什么？

一句话：向量就是一串数字，代表一段文本在「语义空间」里的坐标。

想象一张地图：每篇文章、每句话都是一个点，语义相近的句子在地图上离得近，不相关的离得远。但文字本身没法直接算「距离」，所以嵌入模型把它变成一串定长的数字，比如 1024 维的 [0.12, -0.03, 0.87, …]。这串数字就是那句话的「坐标」。

维度越高，能表达的语义越细腻（1024 维比 384 维装得下更多细微差别）。
「语义相似」≈「向量距离近」：用余弦相似度（两个向量夹角的余弦）衡量，越接近 1 越相关，越接近 0 越不相关。

大模型「读」的是向量吗？——这是个常见误解

不是。要把两件事分清楚：

向量只用来「检索」：检索阶段，系统把问题也变成向量，去向量库里找「离得最近」的几个文本片段。这一步全是数学计算（算距离、排序），大模型不参与。
真正喂给大模型的是「原文」：检索完成后，系统把对应的原始文本片段（注意，不是那串数字）拼进 prompt，大模型读的是这些文字，再据此生成答案。

所以更准确的说法是：向量负责「找得准」，大模型负责「读得懂」。 向量是给检索器用的「地址」，不是给大模型读的「内容」。也是因为这个分工，RAG 才能用很便宜的模型就答得准——大模型看到的只是精挑细选出来的几段文字。

2. Chunk（文本切分）

把长文档切成小段（chunk）。RAG 的检索粒度是 chunk，不是整篇文档。切得太粗→召回不精准；太细→语义被切碎。常见甜区是 300~500 字。

3. Vector Database（向量数据库）

专门存向量、支持 ANN（近似最近邻）检索的数据库。可选 Qdrant / Milvus / Chroma / FAISS，或直接在 Postgres 里用 pgvector 扩展（本博客用的就是它）。

4. Retriever（检索器）

负责「问题向量 → 候选 chunk」的粗筛。核心是余弦相似度 / 内积 / 欧氏距离。

5. Reranker（重排模型）

Cross-Encoder 结构，比单纯余弦准得多。把 query + 候选 一起喂进去打分。BAAI/bge-reranker-v2-m3 在硅基流动上同样免费。

6. LLM（生成模型）

最后消费 top-N 资料生成答案。因为只看到几段，所以可以用更便宜的模型，成本骤降。

它们如何配合：嵌入模型负责「入库」和「查」时的向量化；向量库+检索器负责粗筛；重排模型负责精排；LLM 负责表达。前三者决定「找得准」，最后一个决定「答得好」。

五、RAG 的优势

回答更准确：带着真实资料回答，而不是凭空编。
降低幻觉：有资料约束，编造空间被压缩。
可引用来源：每条答案能附上出处段落，用户可核实。
知识实时更新：往库里加新文档即可，不用动模型。
降低 Token 消耗：只送 top-N 段（几千 token），不是全库。
可使用更便宜的生成模型：因为上下文短而精，小模型也答得不错。
企业数据无需重新训练模型：知识在外面，模型参数不动。

六、RAG 与微调（Fine-tuning）的区别

这是高频搜索话题，一张表说清：

维度	RAG	微调（Fine-tuning）
知识更新	快（加文档即生效）	慢（需重新训练）
是否修改模型	不改参数	修改模型权重
实时更新知识	支持	不支持，需重训
成本	低（主要是检索+少量生成）	高（训练算力+数据标注）
适合场景	知识库 / 检索问答	让模型学会某种「能力 / 风格」

重点：很多企业实际采用 「RAG + 微调」组合——用 RAG 提供最新、可溯源的知识，用微调让模型掌握特定的表达风格或任务格式。不是二选一。

七、如何搭建一个 RAG

完整流程：

准备文档：博客文章、PDF、Wiki、工单等原始资料。
文本切分（Chunk）：按语义切成 300~500 字的小段。
Embedding：用 bge-m3 把每段变成向量。
写入向量数据库：chunk + 向量 + 元数据 入库。
用户提问：问题进来。
检索：问题向量化后，在库里召回 Top-15。
重排（可选但推荐）：用 bge-reranker 重排，取 Top-5。
交给 LLM 回答：把 Top-5 拼进 prompt，生成答案并附来源。

八、常见开源方案（生态一览）

框架

LangChain（最流行，组件多）
LlamaIndex（数据接入与索引见长）
Haystack（企业级 pipeline）

Embedding 模型

BGE（BAAI/bge-m3 等，中英文强，硅基流动免费）
Jina Embeddings
Nomic Embed

向量数据库

Qdrant（Go 写，性能好，易部署）
Milvus（大规模分布式）
Chroma（轻量，开发友好）
FAISS（Meta 的向量检索库，常作底层引擎）

Reranker

BGE Reranker（BAAI/bge-reranker-v2-m3，免费）
Jina Reranker

九、如何优化 RAG（最容易忽略、却最有价值）

Chunk 大小怎么选：300~500 字是常见甜区；超长文档可先按标题/段落结构切。
Chunk 是否需要重叠（Overlap）：建议留 10%~20% 重叠，避免一句话被切断导致语义丢失。
Hybrid Search（混合检索）：向量检索（语义）+ 关键词检索（BM25 / 全文索引）融合（RRF），召回率明显更高。本博客资源站就是「向量 + ilike 词法」双路 RRF 融合。
Metadata Filter（元数据过滤）：先按时间、分类、作者过滤，再检索，能大幅降噪（比如只搜「2026 年的教程」）。
Top-K 如何设置：召回 15~20、重排后取 5，是稳妥起点；太长反而引入噪声。
是否需要 Reranker：几乎总是「需要」——它能把余弦召回的误排纠正回来，质量提升肉眼可见。
如何降低 Token 成本：只送重排后的 Top-5；生成模型选便宜的；嵌入/重排用免费模型。
如何提高召回率：混合检索 + 元数据过滤 + 合理 chunk + overlap + 重排，四管齐下。

十、RAG 的应用场景（适合什么场景）

企业知识库：员工问制度、流程、产品文档。
AI 客服：检索历史工单与 FAQ，给出准确答复。
PDF 问答：上传合同 / 论文 / 手册，直接问内容。
API 文档助手：开发者问「这个接口怎么调」，定位到对应段落。
法律咨询：检索法条与判例（须人工复核，不可直接采信）。
医疗知识助手：检索指南与文献（同理，辅助而非替代专业判断）。
教育平台：按教材章节答疑、出练习题。
博客问答：就像本博客的「就这篇文章问 AI」——读者对某一篇提问，模型只基于该文作答。

十一、常见误区

RAG ≠ 微调：一个补知识，一个学能力，别混为一谈。
RAG 不会让模型变聪明：它只是给资料，模型本身能力不变。
RAG 不是数据库：它是「检索 + 生成」的范式，底层才用数据库。
RAG 不是搜索引擎：它最终要生成自然语言答案，不是返回链接列表。
RAG 不一定比微调更适合所有场景：要模型「学会新能力/新风格」还是得微调。
Reranker 不是必须的：但加了通常显著更好，属于「可选但强烈推荐」。
Chunk 越大不一定越好：过大反而稀释相关性、浪费 token。

十二、实战案例：本博客的「就这篇文章问 AI」

以这个博客为例，真实架构是：

Markdown 文章（知识库）
   ↓ 自动切分（按段落 / 标题）
   ↓ bge-m3 生成 Embedding
   ↓ 存入向量库（本博客用 Postgres + pgvector；你也可以用 Qdrant）
   ↓
用户提问
   ↓ bge-m3 向量化问题
   ↓ 向量库召回相关文章片段（Top-15）
   ↓ bge-reranker-v2-m3 重排（Top-5）
   ↓ 调用硅基流动的 DeepSeek（或更便宜的免费模型）生成答案

一次完整的问答流程（伪代码，可直接落地）：

// ① 索引阶段（写文章时跑一次）
const chunks = splitByHeading(markdownText);          // 自动切分
const vectors = await embed(chunks);                  // bge-m3 向量化
await db.insert(chunks.map((c, i) => ({ content: c, embedding: vectors[i] })));

// ② 提问阶段
const queryVec = (await embed([question]))[0];        // 问题向量化
const candidates = await db.search(queryVec, 15);     // 向量库召回 Top-15
const ranked = await rerank(question, candidates, 5); // bge-reranker 重排取 Top-5
const context = ranked.map(r => candidates[r.index]).join('\n\n');

// ③ 生成（只送 5 段，便宜又准）
const answer = await chatWithLLM(`
请根据以下资料回答，并标注来源：
${context}

问题：${question}
`);

嵌入与重排调用硅基流动的免费模型：

const SF_KEY = process.env.SILICONFLOW_API_KEY!;

// 嵌入：BAAI/bge-m3（免费，1024 维）
async function embed(texts: string[]): Promise<number[][]> {
  const r = await fetch('https://api.siliconflow.cn/v1/embeddings', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json', Authorization: `Bearer ${SF_KEY}` },
    body: JSON.stringify({ model: 'BAAI/bge-m3', input: texts, encoding_format: 'float' }),
  });
  const j = await r.json();
  return j.data.map((d: any) => d.embedding as number[]);
}

// 重排：BAAI/bge-reranker-v2-m3（免费）
async function rerank(query: string, documents: string[], topN = 5) {
  const r = await fetch('https://api.siliconflow.cn/v1/rerank', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json', Authorization: `Bearer ${SF_KEY}` },
    body: JSON.stringify({ model: 'BAAI/bge-reranker-v2-m3', query, documents, top_n: topN }),
  });
  return (await r.json()).results; // [{ index, relevance_score }] 已按分数排序
}

完整 SQL（pgvector 建表 + 余弦召回）和成本对比，见我另一篇短文；核心结论：嵌入 + 重排都免费，生成模型只看 Top-5（约 3000 token），比「全塞 prompt」省 99%+。

小结

RAG 的精髓就一句话：知识放向量库，提问时只送最相关的几段给大模型。

嵌入用 BAAI/bge-m3（免费）
重排用 BAAI/bge-reranker-v2-m3（免费）
向量库用 pgvector / Qdrant
生成模型只看 Top-5

照这个结构搭，你的 AI 问答会更准、更快、便宜一个数量级。想白嫖这两个免费模型，注册链接：https://cloud.siliconflow.cn/i/MBwLMSrY

本文代码可直接复用——事实上这个博客自己的「就这篇文章问 AI」功能，跑的就是同一套管线。

Roogoo 虚拟卡开卡教程 2026：0 开卡费、费率说明与 ChatGPT 订阅实测

Sun, 05 Jul 2026 04:00:00 GMT

2026 年如果你还在找一张能拿来订阅 ChatGPT、Claude、Gemini，或者做日常跨境消费的 U 卡，Roogoo 依然算是比较热门的一类方案。它的逻辑不复杂，本质上就是你先注册账号、完成实名认证、充值 USDT、申请虚拟卡，然后再把这张卡拿去做海外线上支付。

很多人真正卡住的地方，不是“有没有入口”，而是下面这些问题：

Roogoo 到底是什么卡，和普通虚拟信用卡有什么区别
首张卡是不是真的 0 开卡费，后面还有哪些费用
三张卡应该怎么选，哪张适合 ChatGPT 和 Claude
注册、KYC、充值、开卡到底按什么顺序走
明明开卡了，为什么绑卡时还是被拒

这篇文章就按这条线把流程重新梳理一遍，并把文中注册链接统一改成下面这个：

先给结论：Roogoo 值不值得开

如果你想要的是一张自己能掌控、能做海外订阅和跨境支付的虚拟卡，Roogoo 还是值得看的，尤其适合下面这几类人：

想订阅 ChatGPT Plus、Claude Pro、Gemini Advanced 这类海外 AI 服务
没有海外银行卡，但能接受实名认证和 USDT 充值
想自己控制卡内余额，不想每次都找别人代充
想把 AI 订阅、海淘、小额跨境消费放到同一张卡上管理

不太适合的人也很明确：

完全不想实名
希望永久 0 成本、0 手续费
完全不想碰 USDT、链上转账或买币流程

从实用角度看，Roogoo 的核心优势不是“绝对便宜”，而是“流程相对清楚、开卡门槛相对可控、适合 AI 订阅场景”。对于很多没有海外信用卡的人来说，它比直接用国内银行卡去碰运气要现实得多。

2026 实测信息速览

维度	常见信息
首张虚拟卡	常见活动为 0 开卡费
开卡首充	通常 10 USD 起
新用户权益	常见为新用户 0 费率、开卡返现 1 USD
充值方式	以 USDT 为主
卡组织	常见为 Visa / Mastercard
适合场景	ChatGPT、Claude、Gemini、海淘、跨境消费
注意事项	第二张卡费用、交易费、跨境费等以实时页面为准

注册链接统一使用这一条：

wap.roogoo.money

Roogoo - 无边界支付服务平台

Roogoo 是一个无边界支付服务平台。Roogoo 卡片打造全球Web3消费引擎,充值加密货币,可畅享全球无国界支付。Roogoo 为我们的商家和开发人员提供了许多产品，来接受来自客户的加密资产支付，以及通过批量接口向你的客户付款。智能拦截伪造的、被行业拉黑的USDT等加密资产，体验无与伦比的收款和付款的便捷与安全。

https://wap.roogoo.money/register?inviteCode=zd9kgv

Roogoo 是什么？和普通虚拟卡有什么区别

Roogoo 本质上是一个支持加密货币充值，再向用户发放虚拟卡的平台。你往平台里充值 USDT，平台给你一张可用于线上支付的 Visa 或 Mastercard 虚拟卡，再用这张卡去绑定海外服务。

它和很多人理解中的“银行虚拟信用卡”不是一回事：

传统银行虚拟卡更依赖本地银行账户、地区限制和发卡审核
U 卡平台更偏向“充值后消费”的模式，适合没有海外信用卡的人
在 OpenAI、Anthropic、海外 SaaS 等场景里，U 卡成功率通常会比普通国内银行卡高

简单说，Roogoo 这类平台不是替代银行卡的万能工具，而是给“海外线上支付”提供一条更现实的路径。

Roogoo 靠不靠谱？安全吗？

判断这类平台值不值得用，不要只盯着宣传页里的“0 开卡费”，更要看下面几件事：

是否要求实名认证
是否有相对明确的合规信息披露
是否能看到真实的卡种、费率和使用规则
是否有真实用户在常见场景里成功消费

Roogoo 至少不是那种“什么都不要、随便开卡”的野路子平台。对支付类产品来说，愿意做 KYC、愿意要求邮箱验证、愿意展示卡种和费用规则，反而更像是一个长期运营的平台。

但要说“绝对安全”，那也不现实。虚拟卡平台本来就有行业变化、费率调整和风控收紧的风险，所以更稳妥的用法一直只有一句话：

用多少充多少，不把它当存钱账户。

Roogoo 适合谁？三张卡怎么选

很多人不是不会注册，而是卡种一开始就选错了，后面再怎么换 IP、改地址也可能白折腾。

比较常见的理解是这样：

尊享卡：更偏 AI 订阅和日常跨境支付
无界卡：更偏普通消费、大额差旅或通用消费
乐享卡：也适合线上订阅和日常国际消费

如果你的核心目标是订阅 ChatGPT、Claude、Gemini 这类服务，优先看尊享卡或乐享卡会更稳。

下面这张表可以直接看：

项目	尊享卡	无界卡	乐享卡
卡组织	MasterCard	Visa	Visa
常见定位	AI 订阅 + 日常消费	普通消费 + 差旅	订阅 + 日常国际消费
开卡费用	常见活动下 0 USD	常见活动下 0 USD	常见活动下 0 USD
开卡首充	10 USD 起	10 USD 起	10 USD 起
交易费	常见约 1%	常见约 0.8%	常见约 1%
非美元区消费	常见有跨境费	以页面为准	常见有跨境费
Apple Pay / Google Pay / 支付宝	以页面显示为准	以页面显示为准	以页面显示为准
OpenAI / Claude / AI 订阅	更适合	不建议优先选	更适合

需要强调两点：

上表只是整理常见信息，最终以你注册后的页面为准
费率、卡种支持范围、活动权益都可能动态调整

如果你只想记最简单的选卡逻辑：

订阅 ChatGPT / Claude：先看尊享卡或乐享卡
普通跨境消费：再考虑无界卡

开卡前要准备什么

很多人看教程只关心“点哪里注册”，但真正顺不顺，主要看准备是否到位。正式开卡前，建议先准备这四样：

一个能稳定接收验证码的邮箱
身份证、护照等实名认证材料
一笔用于开卡首充的 USDT
后续订阅海外服务时要用的网络环境和账单地址方案

如果你只是临时看看页面，注册账号问题不大；但只要你准备真正开卡，就别跳过 KYC，也别等到最后一步才想“USDT 从哪来”。

Roogoo 入口、邀请码和使用方式

本文统一使用这个链接：

如果页面已经自动带出邀请码，就不要手改，直接保持 zd9kgv 即可。

从使用方式看，Roogoo 通常支持网页或 H5 入口完成注册和大部分操作，不一定必须先安装 App。实名认证时，可能会按页面要求调用手机相机或扫码验证，跟着流程一步步来就行。

USDT 从哪来？首次充多少更合适

Roogoo 这类平台的充值逻辑一般都是先拿到 USDT，再转入平台钱包。对第一次接触的人来说，这里最容易踩坑的不是“平台难用”，而是链和币种没对上。

首次充值，建议至少考虑下面三件事：

确认平台支持的币种是不是 USDT
确认当前支持的链路是不是你准备走的那条链
第一次尽量先做小额测试，再走正式金额

虽然很多时候开卡首充门槛是 10 USD，但如果你后面马上还要订阅 ChatGPT Plus，建议不要只卡最低值。因为很多订阅场景会有预授权、小额验证或税费波动，卡里多留一点更稳。

比较保守的思路是：

只想开卡看看：按最低要求走
准备马上绑 AI 订阅：预留大于月费的缓冲金额

Roogoo 虚拟卡开卡教程：6 步走完

整体流程其实很清楚：

注册 -> 实名 -> 充值 -> 选卡 -> 审核 -> 消费

下面按实际顺序拆开说。

步骤 1：注册 Roogoo 账号

先打开链接：

wap.roogoo.money

Roogoo - 无边界支付服务平台

Roogoo 是一个无边界支付服务平台。Roogoo 卡片打造全球Web3消费引擎,充值加密货币,可畅享全球无国界支付。Roogoo 为我们的商家和开发人员提供了许多产品，来接受来自客户的加密资产支付，以及通过批量接口向你的客户付款。智能拦截伪造的、被行业拉黑的USDT等加密资产，体验无与伦比的收款和付款的便捷与安全。

https://wap.roogoo.money/register?inviteCode=zd9kgv

然后按页面提示填写邮箱、验证码和密码完成注册。注册阶段本身不复杂，关键是别把“注册成功”误以为“已经能直接消费”。

真正会影响能不能开卡的，是后面的实名、充值和卡种选择。

步骤 2：完成实名认证

注册完成后，优先去把实名认证做完。通常需要上传证件并做人脸验证。

Roogoo 实名认证流程示意

很多人会对 KYC 有抗拒，但对这类支付产品来说，愿意做实名认证反而比完全不认证的平台更正常。你后面如果要查看卡号、长期使用或者处理风控问题，实名都是基础。

一般建议：

证件照片尽量清晰
姓名、出生日期等信息按真实资料填写
网络环境保持稳定，别一会儿切来切去

这样可以少走很多回头路。

步骤 3：充值 USDT

KYC 完成后，再去处理充值。这里最重要的不是“充多少”，而是下面三项必须核对清楚：

币种
链路
到账状态

第一次转入时，最稳妥的方法一直都是先小额测试。只要网络选错、链选错或者币种没核对清楚，后面就不是“麻烦一点”的问题，而可能是直接无法找回。

步骤 4：选择卡种并开卡

充值到位后，进入开卡页，看当前卡种和活动说明。很多人最关心的“0 开卡费”“新用户 0 费率”“开卡返现 1 USD”一般都会在这一步看到。

Roogoo 开卡福利与活动页示意

如果你的目标是 AI 订阅，优先看尊享卡或乐享卡，不要只为了表面费率低一点，就直接选到不适合 OpenAI / Claude 的卡种。

步骤 5：提交资料并等待审核

选好卡种之后，按页面要求提交资料并等待审核。

Roogoo 开卡审核页示意

这一步的关键不是“快不快”，而是信息尽量保持真实、完整、前后一致。很多支付类审核被卡住，往往不是系统故障，而是资料逻辑对不上。

步骤 6：查看卡号并试消费

审核通过后，就能看到卡片页面，卡内通常也会显示对应余额。

Roogoo 卡片页面示意

查看卡号、有效期和 CVV 时，通常还需要邮箱验证码确认：

Roogoo 查看 CVV 时的邮箱验证示意

这一块一定注意：

不要把完整卡号和 CVV 发到聊天工具
不要在录屏、直播、监控明显的环境里查看
不要把虚拟卡截图长期存在随手可见的位置

用 Roogoo 订阅 ChatGPT、Claude、Gemini

这部分才是大多数人真正关心的重点。

很多人会搜索“Roogoo 能不能绑 GPT”“Roogoo 能不能绑 Claude”，其实答案从来都不是单纯的“能”或“不能”，而是要看下面四件事是不是一起满足：

卡种选对
卡内余额够
账单地址合理
当前网络环境不过分异常

ChatGPT Plus

如果你要订阅 ChatGPT Plus，建议先把这些准备好：

适合 AI 订阅的卡种
不低于月费的卡内余额
一个逻辑上合理的账单地址
稳定的网络出口

很多失败并不是卡本身不行，而是验证扣款、地址信息或支付环境出了问题。尤其是在 Stripe 这类风控比较严格的支付环境里，卡、IP、账单信息和历史行为会一起影响结果。

Claude Pro / Gemini Advanced

Claude Pro 和 Gemini Advanced 的思路也类似。你同样要先保证卡种适合、余额够用、支付环境稳定。

如果你已经在 ChatGPT 上踩过坑，到了 Claude 或 Gemini 这边也不要急着一直重试。因为连续触发支付失败，有时候会让后续成功率更低。

订阅前自检清单

正式支付之前，建议你自己对照下面这张清单过一遍：

是否使用了尊享卡或乐享卡
卡里余额是否覆盖月费加验证扣款
账单地址和邮编是否合理
当前网络出口是否稳定
最近是否已经连续失败很多次

绑卡失败 / 支付被拒怎么办

很多人看到 Your card has been declined 就以为卡废了，其实未必。常见原因通常是下面这些：

卡种选错
卡内余额不足
账单地址或邮编填写不合理
当前网络环境异常
商户风控触发
连续多次失败后进入更严格审核

比较实用的排查顺序是：

先确认是不是用了尊享卡或乐享卡
再确认卡里余额是否覆盖月费和预授权
再检查账单地址和邮编
最后再排查网络出口和风控问题

如果已经连续失败三次以上，别一直硬刷，停一段时间后再试，通常更稳。

常见费用怎么理解

很多人只看“0 开卡费”，但真实使用成本不只这一项。真正应该关注的是：

首张卡是不是免费
第二张卡是否收费
普通交易费是多少
非美元区消费是否有跨境费
小额授权是否有额外费用

所以正确理解应该是：

首张卡有机会做到低门槛开卡，但后续真实成本还是要看你选的卡种和消费场景。

如果你只是偶尔订阅一次 AI 服务，成本感知可能没那么强；如果你准备长期拿来做订阅、海淘、跨境消费，费率结构就必须提前看清楚。

安全使用建议

Roogoo 这类虚拟卡最怕的不是“不会注册”，而是“卡开出来以后用得太随意”。比较稳妥的习惯有这几条：

用多少充多少，不长期囤大额余额
首次充值先小额测试
订阅前确认卡种、余额和账单信息
连续拒付时先停下来排查，不要无脑反复提交
涉及卡号和 CVV 时，避免录屏、群聊和公开环境

你把它当支付工具用，风险会低很多；你如果把它当长期余额账户去放钱，那就不是它最适合的用法了。

总结：现在开 Roogoo 还来得及吗

如果你的需求是自己搞定 AI 订阅和海外线上支付，那现在开 Roogoo 依然不算晚。它不是什么“无敌神卡”，但在没有海外银行卡的前提下，确实是一条相对现实的路。

把全文压缩成一句话就是：

注册 Roogoo 账号 -> 完成 KYC -> 充值 USDT -> 选尊享卡或乐享卡 -> 开卡 -> 再去绑 ChatGPT / Claude / Gemini。

本文统一使用的入口如下：

常见问题 FAQ

Q1：Roogoo 官网、App、H5 入口怎么选？

直接从本文注册链接进入即可。多数情况下，网页或 H5 就足够完成注册和主要操作，不一定必须先安装 App。具体页面入口以平台实时显示为准。

Q2：邀请码必须填吗？

如果页面已经自动带出邀请码，保持 zd9kgv 即可，不要手改。本文统一使用的注册链接是：

wap.roogoo.money

Roogoo - 无边界支付服务平台

Roogoo 是一个无边界支付服务平台。Roogoo 卡片打造全球Web3消费引擎,充值加密货币,可畅享全球无国界支付。Roogoo 为我们的商家和开发人员提供了许多产品，来接受来自客户的加密资产支付，以及通过批量接口向你的客户付款。智能拦截伪造的、被行业拉黑的USDT等加密资产，体验无与伦比的收款和付款的便捷与安全。

https://wap.roogoo.money/register?inviteCode=zd9kgv

Q3：KYC 一般多久通过？

这件事没有绝对固定时间，通常和资料清晰度、当时风控压力、系统审核速度有关。资料真实、清晰、前后一致，通常会更顺。

Q4：USDT 充值多久到账？

主要看你走的链路、链上拥堵情况和平台入账速度。第一次一定建议先小额测试，不要一上来就直接大额转。

Q5：首张卡真的 0 开卡费吗？

很多时候会有首张卡 0 开卡费的活动，但活动是否存在、具体针对哪张卡、持续多久，都要以你看到的页面为准。

Q6：新用户 0 费率是什么？

通常是新用户活动的一部分，但适用时间、适用范围和卡种限制都可能调整，最好以平台实时活动页为准。

Q7：开卡返现 1 USD 怎么拿？

一般也是活动权益的一部分。核心思路不是死记“必返”，而是先看你当前页面有没有这个活动，再按平台要求完成对应步骤。

Q8：哪张卡适合订 ChatGPT？

优先看尊享卡或乐享卡。无界卡更偏普通消费，不建议拿它作为 OpenAI / Claude 订阅的首选。

Q9：不想 KYC，有没有办法？

不建议为了省 KYC 去找来路不明的平台。对支付类产品来说，完全不实名反而往往更危险。

Q10：Roogoo 会不会跑路？

没有任何支付平台可以承诺“绝对不会出问题”。对用户来说，更现实的风控方式不是去赌平台永远稳定，而是控制卡内余额、不要大额长期沉淀。

Q11：和其他 U 卡相比怎么选？

核心还是看你的目标。如果你是为了 AI 订阅，优先找对 OpenAI、Claude 这类场景更友好的卡种；如果你是普通跨境消费，则更关注费率、通用性和日常支付体验。

说明：本文是流程整理和经验汇总，不构成投资建议，也不构成开卡成功、审核通过或收益结果承诺。平台活动、费率、支持币种、卡种和审核要求都可能变动，具体以 Roogoo 页面实时展示为准。

快手转抖音半年：社区氛围对创作者心态的影响

Thu, 11 Jun 2026 02:00:00 GMT

做自媒体这两年，我先后在快手和抖音都待过。最近从快手转到抖音，说实话，精神状态好了不少。这篇文章聊聊我的真实感受。

快手评论区：一个让人窒息的地方

在快手做内容的那段时间，最让我头疼的不是流量，而是评论区。

快手的社区氛围，怎么说呢，比较”原始”。一条普通的视频下面，经常能看到莫名其妙的对骂。

第一，杠精特别多。 你说东他偏要说西，你分享个方法，下面一定有人跳出来”这样不行""你这没用”。而且不是理性讨论，是直接开骂。

第二，对创作者极不友好。 我之前发了一个工具项目作品，本来是分享给需要的人用。结果评论区一堆人喷我——“装什么""收费的吧""骗子”。我明明是免费开源的东西，底下硬是被骂成商业推广。

第三，对女性创作者极不友好。 但凡有女生发自拍、发好看的视频，下面的评论就变得非常逆天。各种露骨的骚扰言论、涉黄评论层出不穷。有些女生只是分享日常生活，评论区却充满了让人不适的凝视和意淫。更离谱的是，这些评论不仅没人管，还有人点赞顶上去。

第四，负面情绪传染。 你回复一句，对方能回十句，越吵越凶。做内容本来是为了分享和记录，结果每天打开后台都是负面情绪。

抖音评论区：同一个作品，两个世界

转到抖音之后，最让我震惊的是同一条视频在两个平台的反馈差距。

还是那个工具项目作品，发到抖音之后，评论区画风完全不一样——全是求项目地址的。“大佬这个在哪下载""求链接""怎么获取”。没有人骂你，大家都在讨论怎么用、好不好用、有没有类似推荐。

一条视频发出去，更多的是”学到了""谢谢分享""已收藏”这类正向互动。

抖音评论区让我感觉舒服的几个点：

第一，算法推荐更精准。 推给你的用户更匹配你的内容，所以收到的反馈也更友好。喜欢你内容的人才会看到你。

第二，用户基数大，噪音被稀释。 抖音的日活比快手高很多，评论区的”噪音”被大量正常用户稀释了。

第三，社区氛围更包容。 从学生到白领到中年人都有，大家对不同内容的接受度更高。你分享一个小众工具，下面是”长见识了”而不是”这有什么好发的”。

第四，创作者保护机制更好。 有更完善的评论管理工具，可以设置关键词过滤，屏蔽恶意用户。

两个平台的本质区别

核心差异在于用户画像和算法逻辑：

快手更偏向”老铁文化”，圈子化严重，容易形成对立
抖音的算法更注重内容质量本身，优质内容更容易被看到
抖音的用户基数更大，评论区的”噪音”被稀释了

简单来说，快手像是一个小圈子，互相看不顺眼；抖音像是一个大广场，人多但彼此尊重。

给想转平台的朋友

先试试水——同样的内容在两个平台各发几条，看反馈
别急着删老号——保留快手账号，万一以后想回来
内容可以复用——大部分视频两个平台都能发，调性微调即可
心态最重要——如果一个平台让你不开心，换一个没什么损失

做自媒体是场持久战，选一个让自己舒服的平台，才能坚持下去。

Claude最新模型深度测评：Fable 5、Opus 4.8全面对比，谁才是最强AI？

Wed, 10 Jun 2026 06:00:00 GMT

前言

Anthropic最近一个月连续发布了两个重磅模型：5月28日的Claude Opus 4.8和6月9日的Claude Fable 5。作为一个每天都在用AI写代码、做研究的人，我第一时间体验了这两个模型。

今天这篇文章，我会从benchmark数据、实际使用体验、性价比三个维度，详细对比目前市面上的主流AI模型，帮你找到最适合自己的那个。

一、模型基本信息

先看一张表，了解这几个模型的基本参数：

模型	厂商	发布时间	上下文窗口	定价（/1M tokens）
Claude Fable 5	Anthropic	2026-06-09	1M	$8.20
Claude Opus 4.8	Anthropic	2026-05-28	1M	$4.10
Claude Opus 4.7	Anthropic	2026-04	1M	$4.10
GPT-5.5	OpenAI	2026-05	922K	$4.35
Gemini 3.1 Pro	Google	2026-05	1M	$1.74
Qwen3.7 Max	阿里巴巴	2026-05	1M	$1.43

几个关键点：

Claude Fable 5和Opus 4.8都支持100万token上下文，GPT-5.5是92.2万
Claude的定价比GPT-5.5便宜一点（Opus 4.8是4.10vsGPT−5.5的4.10 vs GPT-5.5的4.10vsGPT−5.5的4.35）
国产模型（Qwen3.7）价格只有Claude的三分之一

二、Benchmark分数对比

我从Artificial Analysis拿到了最新的排行榜数据（2026年6月）：

智能指数排名（满分越高越好）

排名	模型	智能指数	速度（tokens/s）	首token延迟（s）	总响应时间（s）
1	Claude Fable 5	65	60	107.99	116.28
2	Claude Opus 4.8	61	61	61.26	69.46
3	GPT-5.5 (xhigh)	60	50	94.25	104.30
4	GPT-5.5 (high)	59	49	31.12	41.31
5	Claude Opus 4.7	57	45	23.25	-
5	Gemini 3.1 Pro	57	112	22.34	-
5	Qwen3.7 Max	57	153	2.65	-

解读

Claude Fable 5是目前最强的AI模型，智能指数65，比第二名Opus 4.8高了4分。但代价是价格贵了一倍（8.20vs8.20 vs 8.20vs4.10），而且延迟很高（108秒才出第一个token）。
Claude Opus 4.8性价比最高，智能指数61，只比Fable 5低4分，但价格只有它的一半。而且延迟低很多（61秒 vs 108秒）。
GPT-5.5和Opus 4.8接近，xhigh版本60分，high版本59分。但GPT-5.5的速度更慢（50 tokens/s vs 61 tokens/s）。
国产模型进步明显，Qwen3.7 Max智能指数57，和Opus 4.7持平，但速度快了3倍（153 vs 45 tokens/s），价格只有1/3。

三、实际使用场景对比

光看benchmark不够，我用这几个模型做了实际测试。

场景1：写代码

我让每个模型写一个Python爬虫，抓取豆瓣电影Top250并保存为CSV。

模型	一次通过	代码质量	速度
Claude Opus 4.8	✓	9/10	中等
Claude Fable 5	✓	9.5/10	慢
GPT-5.5 (high)	✓	8.5/10	中等
Qwen3.7 Max	✓	8/10	快

结论：Claude在代码方面确实更强，Opus 4.8和Fable 5写的代码更规范，错误处理更完善。GPT-5.5也不差，但偶尔会有一些小问题。Qwen3.7速度快，适合快速原型。

场景2：长文档分析

我上传了一份50页的PDF论文，让模型总结核心观点。

模型	理解准确度	总结质量	能否处理100页+
Claude Fable 5	9.5/10	9.5/10	✓
Claude Opus 4.8	9/10	9/10	✓
GPT-5.5	8.5/10	8.5/10	✓
Gemini 3.1 Pro	8/10	8/10	✓

结论：Claude的长文档处理能力确实强，尤其是Fable 5，能抓住论文的核心逻辑。GPT-5.5也不错，但有时候会遗漏一些细节。

场景3：创意写作

我让模型写一篇关于”AI与未来教育”的短文。

模型	创意	文笔	逻辑性
GPT-5.5	9/10	9.5/10	8.5/10
Claude Opus 4.8	8.5/10	8.5/10	9/10
Claude Fable 5	8.5/10	8.5/10	9.5/10
Qwen3.7 Max	8/10	8/10	8.5/10

结论：GPT-5.5在创意和文笔方面确实更好，写出来的文章更流畅、更有感染力。Claude则更注重逻辑性和深度。

场景4：多轮对话

我模拟了一个10轮的技术问答对话，测试模型的记忆能力和一致性。

模型	记忆准确度	回答一致性	能否处理复杂上下文
Claude Fable 5	9.5/10	9.5/10	✓
Claude Opus 4.8	9/10	9/10	✓
GPT-5.5	8.5/10	8.5/10	✓
Qwen3.7 Max	8/10	8/10	部分

结论：Claude在多轮对话中表现最好，能很好地记住前面的上下文，回答保持一致。GPT-5.5偶尔会”忘记”前面说过的内容。

四、性价比分析

这是很多人关心的问题：花同样的钱，哪个模型最值？

按智能指数/价格计算

模型	智能指数	价格（/1M tokens）	智能/价格比
Qwen3.7 Max	57	$1.43	39.9
Gemini 3.1 Pro	57	$1.74	32.8
Claude Opus 4.8	61	$4.10	14.9
GPT-5.5 (high)	59	$4.35	13.6
Claude Fable 5	65	$8.20	7.9

结论：

性价比之王：Qwen3.7 Max，智能/价格比最高
最强但最贵：Claude Fable 5，适合对质量要求极高的场景
最佳平衡：Claude Opus 4.8，性能强，价格适中

五、我的推荐

根据不同使用场景，我的建议是：

日常编码和任务

首选：Claude Opus 4.8

理由：

代码能力强，一次通过率高
价格合理（$4.10/1M tokens）
100万token上下文，够用
延迟可接受（61秒）

复杂推理和研究

首选：Claude Fable 5

理由：

智能指数最高（65分）
长文档处理能力最强
多轮对话最稳定

缺点是贵（$8.20/1M tokens），延迟高（108秒），适合不赶时间的深度研究。

创意写作和内容创作

首选：GPT-5.5

理由：

文笔最好，写出来的文章更流畅
创意能力强
价格和Opus 4.8差不多

预算有限

首选：Qwen3.7 Max

理由：

价格只有Claude的1/3
智能指数57，日常够用
速度快（153 tokens/s）
100万token上下文

六、总结

2026年的AI模型市场，Claude确实领先了一步。Fable 5目前是最强的AI模型，Opus 4.8是性价比最高的选择。GPT-5.5在创意方面依然有优势，国产模型则在价格和速度上更有竞争力。

我的日常配置是：

主力模型：Claude Opus 4.8（编码、分析、对话）
深度研究：Claude Fable 5（论文分析、复杂推理）
创意写作：GPT-5.5（写文章、头脑风暴）
快速任务：Qwen3.7 Max（简单问答、快速原型）

没有最好的模型，只有最适合的模型。根据你的需求和预算选择就好。

数据来源：Artificial Analysis LLM Leaderboard (2026年6月10日) 测评时间：2026年6月10日

大学生应该如何开始学习Python

Wed, 10 Jun 2026 02:00:00 GMT

这篇文章写给还在犹豫要不要学Python的大学生。

我自己也是从零开始学的，走过不少弯路。这篇把我觉得最实用的部分整理出来，帮你少踩坑、快速上手。

为什么大学生应该学Python

先说结论：Python是目前最适合非计算机专业学生入门的编程语言，没有之一。

原因很简单：

优势	说明
语法简单	接近自然语言，新手友好
应用广泛	数据分析、自动化、AI、Web都能做
学习资源多	中文教程、视频、社区都非常丰富
就业加分	不管什么专业，会Python都是加分项

你可能是文科生、商科生、艺术生——没关系，Python不需要你有数学基础，也不需要你懂计算机原理。会打字就能开始学。

第一步：搭建环境（30分钟搞定）

很多人卡在这一步，其实没那么复杂。

Windows 用户

直接从下面的链接下载（华为云镜像，国内高速下载）：

版本	说明	下载
Python 3.12.10	推荐	下载（26MB）
Python 3.11.9	稳定版	下载（26MB）
Python 3.10.11	推荐	下载（28MB）

下载完成后双击安装，一定要勾选 “Add Python to PATH”（很多人漏了这步），然后点 Install Now，等一两分钟就装好了。

Mac 用户

Mac自带Python，但版本比较旧。建议：

先装Homestock（Mac的包管理器），打开终端输入：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

装好后输入：

brew install python

搞定。

验证安装

打开终端（Windows叫”命令提示符”或”PowerShell”），输入：

python --version

如果显示 Python 3.12.x，说明安装成功。

第二步：选一个代码编辑器

别用记事本写代码，效率太低。推荐两个：

编辑器	特点	推荐指数
VS Code	免费、轻量、插件丰富	⭐⭐⭐⭐⭐
PyCharm	专业Python IDE，功能强大	⭐⭐⭐⭐

新手直接选VS Code，理由：免费、启动快、社区资源多。

安装VS Code后，装一个Python扩展：

打开VS Code
点左侧扩展图标（或按 Ctrl+Shift+X）
搜索 Python
安装微软官方的那个（下载量最多的）

第三步：学习基础语法（2-4周）

别一上来就啃书，直接动手写代码。以下是最核心的内容，按顺序学：

3.1 变量和数据类型

# 变量赋值
name = "violet"
age = 20
score = 95.5
is_student = True

# 打印
print("我叫" + name)
print(f"我今年{age}岁")  # f-string格式化，最常用

3.2 条件判断

score = 85

if score >= 90:
    print("优秀")
elif score >= 80:
    print("良好")
elif score >= 60:
    print("及格")
else:
    print("不及格")

3.3 循环

# for循环：遍历列表
fruits = ["苹果", "香蕉", "橘子"]
for fruit in fruits:
    print(fruit)

# while循环：重复执行
count = 0
while count < 5:
    print(f"第{count + 1}次")
    count += 1

3.4 函数

def greet(name):
    """打招呼的函数"""
    return f"你好，{name}！"

message = greet("violet")
print(message)  # 输出：你好，violet！

3.5 列表和字典

# 列表：有序集合
students = ["小明", "小红", "小刚"]
students.append("小李")  # 添加元素
print(students[0])  # 访问第一个元素

# 字典：键值对
student = {
    "name": "小明",
    "age": 20,
    "major": "计算机"
}
print(student["name"])  # 输出：小明

这5个掌握了，Python基础就差不多了。

第四步：做项目（最重要的一步）

光看教程不写项目，等于没学。以下是从易到难的项目推荐：

入门项目

1. 计算器

def calculator():
    print("简单计算器")
    num1 = float(input("输入第一个数："))
    op = input("输入运算符(+,-,*,/)：")
    num2 = float(input("输入第二个数："))

    if op == "+":
        print(f"结果：{num1 + num2}")
    elif op == "-":
        print(f"结果：{num1 - num2}")
    elif op == "*":
        print(f"结果：{num1 * num2}")
    elif op == "/":
        if num2 != 0:
            print(f"结果：{num1 / num2}")
        else:
            print("错误：除数不能为0")
    else:
        print("不支持的运算符")

calculator()

2. 猜数字游戏

import random

target = random.randint(1, 100)
guess_count = 0

print("猜数字游戏！我想了一个1-100之间的数字。")

while True:
    guess = int(input("你的猜测："))
    guess_count += 1

    if guess < target:
        print("太小了")
    elif guess > target:
        print("太大了")
    else:
        print(f"恭喜！猜对了！你用了{guess_count}次。")
        break

3. 批量重命名文件

import os

# 把当前目录所有.txt文件加上前缀
folder = "./documents"
prefix = "2026_"

for filename in os.listdir(folder):
    if filename.endswith(".txt"):
        new_name = prefix + filename
        os.rename(
            os.path.join(folder, filename),
            os.path.join(folder, new_name)
        )
        print(f"已重命名：{filename} → {new_name}")

进阶项目

项目	用到的知识	难度
爬取豆瓣电影Top250	requests + BeautifulSoup	⭐⭐
生成词云图	wordcloud + jieba	⭐⭐
自动发送邮件	smtplib	⭐⭐
简单网站	Flask框架	⭐⭐⭐
数据分析图表	pandas + matplotlib	⭐⭐⭐

第五步：选一个方向深入

Python能做的事情很多，选一个你感兴趣的方向深耕：

数据分析（最热门）

适合：商科、经济、统计、社科类学生

学习路线：Python基础 → pandas → matplotlib → seaborn → 机器学习入门

推荐项目：分析自己的消费记录、分析电影数据、做可视化报表

自动化办公

适合：所有专业

学习路线：Python基础 → openpyxl(Excel) → python-docx(Word) → 自动化脚本

实用场景：批量处理Excel、自动整理文件、定时发送邮件

爬虫

适合：新闻传播、市场营销、调研类学生

学习路线：Python基础 → requests → BeautifulSoup → Scrapy

实用场景：爬取招聘数据、舆情监控、竞品分析

Web开发

适合：计算机、信息类学生

学习路线：Python基础 → Flask/Django → 数据库 → 前端基础

实用场景：做个人博客、小型管理系统

学习资源推荐

免费教程

资源	类型	适合阶段
菜鸟教程-Python	在线文档	入门
廖雪峰Python教程	在线教程	入门-进阶
Python官方教程	官方文档	进阶
B站搜”Python教程”	视频	入门

书籍推荐

《Python编程：从入门到实践》 — 最适合新手的一本，有项目实战
《笨办法学Python 3》 — 适合完全零基础，手把手教你敲代码
《利用Python进行数据分析》 — 数据分析方向必读

练习平台

平台	特点
牛客网	中文刷题，适合找工作
LeetCode	算法练习，面试必备
Kaggle	数据科学实战

常见问题

Q：我完全没基础，能学会吗？

能。Python是最友好的入门语言，很多非计算机专业的人都在学。关键是坚持每天写代码，哪怕只有30分钟。

Q：要不要报培训班？

不建议。网上的免费资源完全够用，培训班教你的一般网上都有。把钱省下来买本好书或者吃顿好的。

Q：学多久能找到工作？

看方向和深度。如果只是想加分项，学2-3个月基础够了。如果想转行做开发，至少需要半年到一年的系统学习。

Q：Python和Java/C++先学哪个？

先学Python。语法简单、反馈快、成就感强。等有了编程思维，再学其他语言会容易很多。

Q：每天要学多久？

建议每天至少30分钟-1小时。重要的不是时长，是每天都写代码。断断续续学三天忘两天，不如每天学半小时。

我的建议

先跑起来再说。别纠结用什么编辑器、看什么教程，先写一个 print("Hello World")，看到输出的那一刻，你就入门了。
做项目比看教程重要100倍。看完基础语法就开始做项目，遇到不会的再查，这是最高效的学习方式。
别怕报错。报错信息是你最好的老师，读懂报错信息比读懂教程更有用。
找一个学习伙伴。一个人学容易放弃，找同学一起学，互相监督，效率翻倍。
记录学习过程。写博客或者笔记，既能巩固知识，以后回头看也特别有成就感。

Python不难，难的是开始。现在就打开终端，输入 python，开始你的第一步。

新手Vibe Coding指南：如何做出美观、功能完善且安全的项目

Mon, 08 Jun 2026 02:00:00 GMT

Vibe Coding这个词最近很火。简单说就是：告诉AI你想做什么，让它帮你写代码。

听起来很美好，但实际操作起来，新手往往会遇到三个问题：界面丑、功能残、安全差。最后做出来的东西，自己都不好意思拿给别人看。

这篇文章聊聊怎么避免这些问题。

什么是Vibe Coding

先澄清一下：Vibe Coding不是”让AI完全替你写”，而是你定方向，AI执行，你再调整。

你不需要精通每一种编程语言，但你需要：

能描述清楚你想要什么
能判断AI给的方案好不好
知道哪些地方必须自己把关

这三点是底线。没了它们，你只是在”碰运气”，不是在”vibe”。

美观：别让AI自由发挥

AI写前端最大的问题不是代码跑不起来，而是跑起来之后长一个样。

居中大标题、三张卡片、蓝紫渐变——不管做什么项目，AI总能给你整出这套。原因是：这是训练数据里最常见的”安全选择”。

怎么破

1. 给参考，不给描述

别说”帮我做一个好看的landing page”，而是说”参考linear.app的风格，做一个工具介绍页”。有具体参考，AI的产出会靠谱很多。

2. 约束设计规则

在项目里加一个设计规范文件，告诉AI：

字体用什么（比如Inter、Noto Sans SC）
主色用什么（别让AI自己选，它大概率选蓝紫）
间距用什么体系（8px、12px、16px这种）
不要用什么（比如不要渐变背景、不要卡片堆叠）

3. 分步骤来

先让AI出结构，你确认布局OK，再让它填内容和样式。一步到位的结果通常不好看，因为AI会在每个地方都”加料”。

功能：先跑通再完善

新手常犯的错误：上来就想做一个功能完整的大项目。结果是——什么都写了，什么都不能用。

正确的节奏

第一步：最小可用版本

先做一个只有核心功能的版本。比如你要做一个笔记应用，第一版只做”创建笔记”和”查看笔记”就够了。别急着加搜索、标签、导入导出。

第二步：逐个功能迭代

每加一个功能，先测试，确认没问题再加下一个。AI写的代码经常有隐性bug，你一次性让它写十个功能，debug的时候会怀疑人生。

第三步：处理边界情况

AI不会主动考虑这些：

用户输入为空怎么办？
网络断了怎么办？
数据量很大怎么办？

这些是”功能完善”的关键。不是功能多，而是每个功能都靠谱。

和AI协作的技巧

一次只让它改一个地方。改多了它容易顾此失彼。
让它解释代码。不是为了看懂每一行，而是确认它理解了你的需求。
遇到问题先拆分。大问题拆成小问题，逐个击破。

安全：最容易被忽略的部分

AI写代码有个致命问题：它不关心安全。

它会把密码写死在代码里，会忽略输入校验，会用最不安全的方式存储数据。不是因为它故意的，而是训练数据里安全代码的比例太低。

新手必须注意的几件事

1. 永远不要把密钥写在代码里

# 错误示范
API_KEY = "sk-1234567890"

# 正确做法
API_KEY = process.env.API_KEY

用环境变量，或者配置文件（但配置文件不要提交到Git）。

2. 输入必须校验

不管用户输入什么，都要检查。邮箱格式对不对、密码长度够不够、数字是不是数字——这些AI不会自动帮你做。

3. 数据库存储要加密

密码不能明文存储，用bcrypt或argon2。用户敏感信息要加密。这些AI通常不会主动处理。

4. 依赖要定期检查

npm audit、pip audit这些命令要养成习惯。AI引入的依赖可能有已知漏洞。

5. 别信AI说的”这段代码很安全”

让它审计自己的代码，它经常说”没问题”。换个角度问：“这段代码有哪些潜在的安全风险？“它会给你更多有用的回答。

一些实用建议

1. 学会看报错信息

不需要完全看懂，但要学会找到关键信息：哪一行、什么错误、什么类型。这是和AI高效协作的基础。

2. 用版本控制

Git不是给专业人士用的，是给所有人的。每次改动前commit一下，出问题能回退。AI改坏代码是常事，没版本控制就只能重来。

3. 不要一次信任太多

AI说”这段代码没问题”，你自己跑一下试试。AI说”这个方案最好”，你搜一下有没有更好的。AI是工具，不是专家。

4. 先学概念，再用AI

不需要精通语法，但要理解基本概念：什么是API、什么是数据库、什么是前端后端。有了这些基础，你才能判断AI的方案合不合理。

5. 从小项目开始

别上来就做SaaS产品。先做一个个人工具、一个简单的网站、一个小应用。积累经验后再挑战复杂项目。

最后

Vibe Coding降低了编程的门槛，但没有降低做好软件的标准。

美观、功能、安全——这三件事AI帮不了你太多，最终还是要靠你的判断。好消息是，你不需要成为专家才能做出好东西。你需要的是：知道什么是好的，然后让AI帮你实现。

这就是Vibe Coding的正确打开方式。

Taste Skill：让AI写前端时少一点模板味

Sun, 07 Jun 2026 02:00:00 GMT

用AI写前端最大的痛点是什么？不是代码跑不起来，而是跑起来之后长得一模一样。

居中大标题、三张卡片、蓝紫渐变、纯黑背景——不管你是做SaaS官网还是个人博客，AI总能给你整出一套”AI味”十足的界面。好看吗？不难看。有辨识度吗？完全没有。

Taste Skill就是为了解决这个问题。

前端AI审美外挂：Taste Skill

它是什么

Taste Skill不是组件库，也不是UI框架。它是一组SKILL.md文件，专门给Cursor、Claude Code、Codex、Gemini CLI、Lovable、OpenCode这些AI编码工具用。

核心思路很简单：在AI开始写代码之前，先把”什么是好界面”的规则告诉它。

仓库里有几个关键文件：

taste-skill/SKILL.md — 通用审美规则
gpt-tasteskill/SKILL.md — 更强调布局变化和GSAP动效
redesign-skill/SKILL.md — 专门改造已有项目
image-to-code-skill/SKILL.md — 先生成参考图，再写代码
imagegen-frontend-web/SKILL.md — 网页端参考图生成
imagegen-frontend-mobile/SKILL.md — 移动端参考图生成
brandkit/SKILL.md — 品牌风格探索

它怎么约束AI

不是靠prompt，而是靠规则文件。举几个例子：

字体和间距：明确指定字体族、容器宽度、栅格系统，不让AI随便用默认值。

反模板规则：避免默认紫蓝渐变、三列卡片、纯黑背景——这些是AI最爱用的”安全选择”。

Taste Skill 追求的效果：更强的版式、留白、视觉层级

上面这张图就是Taste Skill追求的效果——不堆卡片，用留白和层级让信息自然流动。左边是AI默认会生成的”安全界面”，右边是加上审美约束后的产出。区别一眼就能看出来。

状态补齐：loading、empty、error、hover、active，该有的状态一个不能少。很多AI写的界面，鼠标放上去没有任何反馈，就是因为缺了hover状态。

动画规范：用transform和opacity做动画，避免性能差的布局动画（比如直接改width、height）。

依赖检查：先检查package.json，不要凭空import不存在的依赖。

背后的研究

项目里有个research/目录，整理了2025年的一些受控实验。结论挺有意思的：在复杂多要求的提示下，模型经常漏掉必需章节、格式约束和长度要求。

这不是AI偷懒，而是上下文太长时，注意力会被分散。Taste Skill的output-skill就是针对这类问题，把”完整输出、不要占位、不要跳段”写进规则。

要注意的是，这些是项目内整理的背景资料，不是独立的基准测试排行榜。写项目介绍时，把它当成设计依据更准确。

怎么用

夸克网盘打包了全部 SKILL.md 文件和使用教程文档，一次性下载即可：

夸克网盘下载

下载后解压，里面有所有 skill 文件和使用教程，按需放到项目里就行。

Taste Skill 工作流

实际用起来什么感觉

我拿它试了几个场景：

场景一：给一个工具站做Landing Page

以前用Cursor直接写，出来的一定是”居中大标题+三个feature卡片+底部CTA”。用了taste-skill之后，AI会主动做一些布局变化，比如左对齐标题、用不对称网格、加一些微妙的背景纹理。不敢说惊艳，但至少不像模板了。

场景二：改造一个后台管理界面

用redesign-skill扫描了一个挺粗糙的管理后台，它列出了字体不统一、按钮缺少hover状态、空状态没有设计等问题，然后逐个修复。没有重写项目，只是在现有基础上打磨。

场景三：移动端多屏流程

用imagegen-frontend-mobile生成参考图，再让Codex对照实现。比纯文字描述要精准得多，因为”参考图长这样”比”用现代化设计风格”具体多了。

适合谁

用AI写前端的开发者：不想每次都要手动调审美
独立开发者：没设计师，但界面也不能太丑
团队统一规范：多人用AI写前端时，确保风格一致
改造已有项目：不想重写，只想提升质感

不适合谁

不用AI写前端的人——这东西没有手动使用的场景
对设计有极高要求的项目——它能帮你从60分到80分，但从80到90还是得靠人
一次塞太多Skill——不同项目选一个最贴近任务的就够了

几点注意

Beta阶段：官网标注”Beta testing right now”，团队落地建议先小范围试用
不是设计师替代品：它解决的是”生成前的设计约束”，不替代设计判断
参考图只出图不写代码：imagegen类Skill只负责生成视觉参考，代码实现是另外的流程
图像驱动更稳：先固定视觉目标，再让AI写代码，比直接写要可控

最后

Taste Skill值得关注的地方，不是”让AI页面变高级”这句口号，而是把审美问题拆成了工程规则。

字体怎么选、卡片什么时候该少用、动效怎么避免卡顿、按钮和表单状态要不要补齐——这些原本靠经验判断的细节，被写进了SKILL.md。对经常用Codex、Cursor、Claude Code做前端的人来说，它更像一套可携带的UI审稿规则。

项目地址：https://github.com/Leonxlnx/taste-skill

如果你也在为AI写的前端”模板味”头疼，可以试试。

Windows 安装 Claude Code 完整教程：从 Node.js 开始

Sat, 06 Jun 2026 02:00:00 GMT

之前写过 Claude Code 接 MiMo 和 DeepSeek API 的配置方法，但没写安装过程。这篇从零开始，Windows 下装 Claude Code 的完整流程，适合没用过 Node.js 的人。

第一步：安装 Node.js

Claude Code 是 Node.js 应用，所以第一步是装 Node.js。

下载安装包：node-v24.16.0-x64.msi
双击运行，一路点 Next，保持默认设置
安装完成后重启终端（PowerShell 或 CMD）

验证安装是否成功：

node -v
# 输出类似 v22.x.x 就说明装好了

npm -v
# 输出类似 10.x.x

Node.js 18 及以上版本都支持 Claude Code，建议装最新的 LTS 版。

第二步：安装 Claude Code

打开 PowerShell，执行：

npm install -g @anthropic-ai/claude-code

-g 表示全局安装，装完后任何目录都能用 claude 命令。

验证安装：

claude --version

如果输出版本号就说明装好了。

第三步：配置 API

Claude Code 默认走 Anthropic 官方 API。如果你有自己的 Anthropic Key，直接跳到第四步。

如果你想用第三方 API（更便宜），可以参考之前写的两篇文章：

Claude Code 配置 MiMo API — 小米 MiMo 模型，按量付费或 Token Plan
Claude Code 配置 DeepSeek API — DeepSeek API，支持 Web Search

第四步：启动 Claude Code

在你的项目目录下打开终端，输入：

claude

首次启动会让你登录 Anthropic 账号或者配置 API Key。配置好之后就能直接用了。

Claude Code 会自动读取当前目录的代码，你可以用自然语言让它帮你写代码、改 bug、加功能。

常见问题

Q：npm install 报错 permission denied 用管理员权限运行 PowerShell，或者用 npx 临时执行：

npx @anthropic-ai/claude-code

Q：claude 命令找不到 重启终端试试。如果还不行，检查 Node.js 安装是否成功（node -v）。

Q：连接 API 超时 检查 ANTHROPIC_BASE_URL 是否正确，确认网络能访问到 API 地址。

以上就是 Windows 下安装 Claude Code 的全部步骤。装好之后可以看看我之前写的 Claude Code 配置 MiMo API 和 DeepSeek API 用法，了解怎么接第三方 API。

明天高考，写给每一位即将走进考场的你

Fri, 05 Jun 2026 18:00:00 GMT

明天就是高考了。

写这篇文章的时候是6月6号凌晨，距离明天早上开考还有一天多。如果你正在刷手机看到这篇，希望你能放下手机，好好睡一觉。

你已经准备了很久

从高三开学到现在，整整九个月。做过的卷子摞起来比人高，用完的笔芯能装满一个抽屉。那些早起晚睡的日子，那些错题本上反复标记的题型，那些崩溃过又重新拿起课本的瞬间——都不会白费。

你现在站在终点线前，该做的都已经做了。

考前最后几件事

1. 早点睡

别熬夜看手机，别反复翻错题本。大脑需要休息，睡眠是最后的”复习”。今晚睡好了，明天考场上脑子才转得动。

2. 检查好东西

准考证、身份证、2B铅笔、黑色签字笔、橡皮、尺子。最好用一个透明文件袋装好，放在门口显眼的位置。每年都有忘带准考证的，别当那个幸运儿。

3. 吃好早饭

明天早上正常吃，别空腹也别吃太撑。清淡为主，鸡蛋、牛奶、面包就够了。别喝太多水，考试中间上厕所很耽误时间。

考场上的心态

遇到不会的题，先跳过。

这是最重要的策略。一道题卡住超过3分钟，果断标记跳过，先做会做的。把能拿的分先拿到手，回头再啃硬骨头。

别和别人比进度。

旁边的人翻卷子了你别慌，他可能只是在瞎翻。每个人节奏不一样，按自己的来。

选择题别纠结太久。

第一感觉往往是对的，改来改去反而容易改错。实在拿不准就选最初的答案。

关于结果

我知道现在说什么”别紧张""尽力就好”你可能听不进去。该紧张还是会紧张，这很正常。

但我想说的是——高考很重要，但它不是终点，也不是唯一的路。它只是人生众多岔路口中的一个。考得好，前面有好的风景；考得不理想，也有别的路可以走。

十二年后回过头看，你会发现高考只是漫长人生中的一个节点。真正定义你的，不是那几天的分数，而是你一路走来的坚持和成长。

最后

明天走进考场的时候，深呼吸，告诉自己：我准备好了。

你不是一个人在战斗。全国一千多万考生和你一起，你的老师、父母、朋友都在为你加油。

去吧，好好发挥。

祝所有2026年高考学子，金榜题名，前程似锦。

Ship Safe：一行命令扫描AI项目所有安全漏洞

Fri, 05 Jun 2026 14:00:00 GMT

用AI写代码越来越方便，但安全问题也越来越隐蔽。你用Cursor生成的代码可能藏着SQL注入，你的MCP配置可能被投毒，你的CLAUDE.md里可能有人埋了恶意指令。

Ship Safe就是解决这个问题的——一行命令扫描你整个项目，找出所有安全漏洞。

它是什么

Ship Safe是一个开源的AI安全扫描工具，23个安全Agent并行工作，覆盖80多种攻击类型。不需要注册，不需要API Key，离线也能用。

npx ship-safe

一行命令，直接开扫。

能检测什么

代码漏洞：

SQL/NoSQL注入、命令注入、XSS
JWT缺陷（alg
、弱密钥）
CSRF、OAuth配置错误、TLS绕过
SSRF（服务端请求伪造）

AI/LLM特有漏洞：

Prompt注入（OWASP LLM Top 10）
MCP工具投毒、Agent劫持
RAG上下文注入、文档投毒
系统提示词泄露
Agent内存投毒（隐藏Unicode载荷）

供应链安全：

依赖混淆、Typosquatting
可疑安装脚本
Docker/Terraform/K8s配置错误

其他：

硬编码密钥（含Git历史）
CI/CD流水线投毒
PII合规检查（身份证号、银行卡等）

实际跑一下

我在自己的Astro博客项目上跑了一下：

Security Score: 84.6/100 B — Minor issues to review

Category Breakdown
────────────────────────────────────────────────
✔  Secrets                clean                     +0
✔  Code Vulnerabilities   clean                     +0
✘  Dependencies           4 issue(s)                -13 pts
✔  Auth & Access Control  clean                     +0
✔  Configuration          clean                     +0
✘  Supply Chain           2 issue(s)                -2.4 pts
✔  API Security           clean                     +0
✔  AI/LLM Security        clean                     +0

4个依赖CVE，2个供应链问题。代码本身没问题。

23个安全Agent

每个Agent专门负责一类漏洞，并行扫描，自动跳过不相关的项目：

Agent	检测内容
InjectionTester	SQL注入、命令注入、XSS、路径遍历
AuthBypassAgent	JWT缺陷、CSRF、OAuth错误
SSRFProber	服务端请求伪造
SupplyChainAudit	依赖混淆、可疑安装脚本
ConfigAuditor	Docker/K8s/Terraform配置
LLMRedTeam	Prompt注入、系统提示泄露
MCPSecurityAgent	MCP工具投毒、输入验证
AgenticSecurityAgent	Agent劫持、权限提升
RAGSecurityAgent	上下文注入、文档投毒
MemoryPoisoningAgent	Agent内存投毒
…	还有13个

用法

# 交互式扫描
npx ship-safe

# 完整审计
npx ship-safe audit .

# 只看分数
npx ship-safe score .

# AI自动修复
npx ship-safe agent .

# CI/CD集成
npx ship-safe ci . --threshold 80

适合谁

用AI写代码的开发者（Cursor、Copilot、Claude Code用户）
做AI Agent开发的团队
用MCP集成外部工具的项目
需要做安全审计的开源项目

项目地址：https://github.com/asamassekou10/ship-safe

721星，MIT协议，npx ship-safe一行命令就能用。不管你用什么AI写代码，跑一遍总没坏处。

Paperclip：管理AI Agent团队的开源平台

Sun, 31 May 2026 02:00:00 GMT

用 AI Agent 做项目的时候，最大的问题不是单个 Agent 能不能干活，而是怎么管理一群 Agent。你同时开了 20 个 Claude Code 终端，每个在做不同的事，根本不知道谁在干什么。Paperclip 解决的就是这个问题。

Paperclip 是什么

一句话：像管理公司一样管理 AI Agent 团队。

它是一个开源的 Node.js 服务器 + React 界面，用来编排和管理多个 AI Agent。你可以给 Agent 分配角色（CEO、CTO、工程师、设计师），设定目标和预算，然后从一个仪表盘监控所有 Agent 的工作。

GitHub 6.9 万星，MIT 协议。

核心功能

1. 任意 Agent 都能接入

支持 OpenClaw、Claude Code、Codex、Cursor、Bash、HTTP 等各种 Agent。只要能接收心跳信号，就能被管理。

“如果它能接收心跳，它就被雇用了。“

2. 组织架构

给 Agent 设定角色和汇报关系。有 CEO、CTO、工程师、设计师、市场人员——每个 Agent 都有自己的职位和职责描述。

3. 目标对齐

每个任务都追溯到公司目标。Agent 知道自己在做什么，也知道为什么要做。

4. 预算控制

每个 Agent 有月度预算上限。一旦达到限额就停止，不会产生意外费用。这点对于用 API 计费的 Agent 特别重要。

5. 心跳机制

Agent 按照预设时间表醒来，检查工作状态，然后执行任务。任务分配沿着组织架构上下流动。

6. 工单系统

每个对话都有记录，每个决策都有解释。完整的工具调用追踪和不可篡改的审计日志。

7. 多公司管理

一个部署可以管理多个”公司”，数据完全隔离。一个控制面板管理你的整个 Agent 组合。

8. 移动端支持

可以从手机上监控和管理你的 Agent 团队。

安装使用

最简单的方式：

npx paperclipai onboard --yes

这会启动本地回环模式，最快上手。如果需要局域网访问：

npx paperclipai onboard --yes --bind lan

手动安装：

git clone https://github.com/paperclipai/paperclip.git
cd paperclip
pnpm install
pnpm dev

启动后访问 http://localhost:3100。内嵌 PostgreSQL 数据库，不需要额外配置。

需要 Node.js 20+ 和 pnpm 9.15+。

使用场景

多 Agent 项目管理

同时运行多个 AI Agent 做不同任务，从一个界面统一管理。不用在 20 个终端之间来回切换。

自动化业务流程

设定目标和角色，让 Agent 团队自动协作完成复杂任务。比如一个 Agent 负责写代码，一个负责测试，一个负责部署。

成本监控

实时查看每个 Agent 的 API 消费，设置预算上限，避免意外支出。

团队协作

多人共享一个 Paperclip 实例，各自管理自己的 Agent 团队。

总结

Paperclip 把 AI Agent 管理从”开一堆终端”升级到了”管理一个虚拟公司”。如果你同时用多个 AI 工具做项目，或者想让 Agent 自动化协作，这个工具值得认真看看。

GitHub：github.com/paperclipai/paperclip

Odysseus：自托管AI工作空间，ChatGPT和Claude的开源替代

Sat, 30 May 2026 08:00:00 GMT

想自己搭一个 ChatGPT 那样的 AI 助手平台，但不想把数据交给第三方？Odysseus 就是干这个的。

Odysseus 是什么

一句话：自托管的 AI 工作空间。

它是一个开源平台，可以在你自己的服务器上运行，提供类似 ChatGPT 和 Claude 的体验，但数据完全在你手里。

GitHub 5.3 万星，MIT 协议。

核心功能

1. AI 聊天

支持多种大语言模型：

OpenAI（GPT-4）
Anthropic（Claude）
Google AI（Gemini）
Ollama（本地模型）
任何 OpenAI 兼容的 API

可以同时配置多个模型，随时切换。

2. AI Agent

不只是聊天，还能让 AI 自己执行任务。支持任务分解、工具调用、网页浏览、代码执行等能力。

3. 深度研究

AI 驱动的研究功能，可以多步骤收集信息、阅读文献、生成研究报告。支持引文管理和事实核查。

4. 文档编辑

内置文档编辑器，AI 可以辅助你写文档、做笔记。支持 Markdown、HTML、CSV 等格式。

5. 邮件管理

集成 IMAP/SMTP，AI 可以帮你：

自动分类邮件
生成回复草稿
邮件摘要
垃圾邮件过滤

6. 日历

支持 CalDAV 同步，可以和 Nextcloud、Radicale 等日历服务对接。AI 可以帮你安排日程、检测冲突。

7. 记忆和技能

AI 有持久记忆和技能系统，用得越久越了解你的工作习惯。

安装部署

最简单的方式是 Docker：

git clone https://github.com/tj-actions/odysseus.git
cd odysseus
docker-compose up -d

然后打开 http://localhost:3000 就能用了。

手动安装需要 Node.js 18+ 和 PostgreSQL：

npm install
cp .env.example .env
npx prisma generate
npx prisma db push
npm run dev

技术栈

Next.js 14 + TypeScript
Tailwind CSS + shadcn/ui
Prisma ORM（PostgreSQL/SQLite）
Vercel AI SDK
Docker 部署

适用场景

个人 AI 助手 — 搭建自己的 ChatGPT，数据完全私有
团队协作 — 多人共享一个 AI 工作空间
研究工具 — 深度研究功能适合学术和市场调研
邮件和日历 — 一站式管理日常工作

总结

Odysseus 是目前功能最全的自托管 AI 工作空间。聊天、代理、研究、文档、邮件、日历，基本上你能想到的 AI 应用场景它都覆盖了。如果你想要一个完全属于自己的 AI 助手平台，这个值得认真考虑。

GitHub：github.com/tj-actions/odysseus

Open Design：开源版 Claude Design，本地运行的设计工具

Sat, 30 May 2026 01:00:00 GMT

Anthropic 的 Claude Design 很好用，但它是闭源的，数据要上传到云端。Open Design 提供了一个开源替代方案——功能类似，但完全本地运行。

Open Design 是什么

一句话：开源的 Claude Design 替代品。

它是一个本地运行的设计工具，界面和功能对标 Claude Design，但代码完全开源，数据不离开你的电脑。

GitHub 5.9 万星，Apache 2.0 协议。

核心功能

1. 本地运行

所有处理都在本地完成，不需要联网，数据不会上传到任何服务器。对于处理敏感设计稿的团队来说，这是关键优势。

2. 150+ 设计系统

内置了 150 多个设计系统，包括常见的 UI 框架和组件库。不需要从零开始，直接在现有设计系统基础上工作。

3. 261 个插件

插件生态丰富，覆盖各种设计场景。从图标生成到动效设计，基本都能找到对应的插件。

4. 21 个编码代理

支持 21 个编码代理，可以直接把设计稿转换成代码。设计完直接出前端代码，省去了设计到开发的沟通成本。

5. 14 个媒体提供商

支持多种媒体资源来源，可以直接在设计中使用各种素材。

安装使用

下载地址：open-design.ai

支持 macOS、Windows、Linux，下载后直接安装。首次启动可以选择内置的 Model Router，不需要额外配置 API key。

和 Claude Design 对比

Claude Design 是 Anthropic 的官方产品，功能强大但需要联网，数据在云端处理。Open Design 功能对标，但完全本地运行，开源免费。

如果你在意数据隐私，或者需要在没有网络的环境下工作，Open Design 是目前最好的替代方案。

适用场景

UI/UX 设计 — 和 Claude Design 类似的使用体验
原型制作 — 快速出设计稿和交互原型
设计到代码 — 设计完直接生成前端代码
团队协作 — 开源方案更容易定制和集成

总结

Open Design 是目前最成熟的开源设计工具之一。如果你在用 Claude Design 但介意数据隐私，或者想要一个完全可控的设计工具，可以试试这个。

GitHub：github.com/nexu-io/open-design

MemPalace：开源AI记忆系统，让AI记住你说过的每一句话

Fri, 29 May 2026 06:00:00 GMT

用AI写代码或者做项目的时候，最烦的就是它”失忆”。上一个对话里讨论的方案，新开一个窗口就全忘了。MemPalace 解决的就是这个问题。

MemPalace 是什么

一句话：让AI拥有持久记忆的开源系统。

它是本地优先的，所有数据存在你自己的设备上，不依赖云服务。在 LongMemEval 基准测试中达到了 96.6% 的 R@5 召回率，而且零 API 调用。

GitHub 5.3 万星，MIT 协议。

核心功能

1. 本地优先

所有记忆数据存在本地，不需要上传到任何云服务。对于在意隐私的人来说，这是最重要的特性。

2. 逐字存储

不是向量化后的近似存储，而是逐字存储原始内容。这意味着你之前说过的话、写过的代码，都是原样保存，不会因为向量化而丢失细节。

3. 高召回率

LongMemEval 基准测试 96.6% 的 R@5 召回率，意味着你问它之前聊过的内容，它几乎都能准确找到。

4. 可插拔后端

支持多种存储后端，可以根据自己的需求选择。

5. 和 Claude Code 集成

专门为 Claude Code 等 AI 编程工具设计了集成方案。Claude Code 的会话默认 30 天过期，MemPalace 可以帮你保留关键信息。

安装使用

pip install mempalace

安装后按照文档配置存储路径和后端，就可以开始使用了。

适用场景

AI 编程助手记忆

用 Claude Code 或 Cursor 写代码的时候，MemPalace 可以记住你之前的讨论、决策和代码片段。新会话里直接问”之前那个函数怎么写的”，它能准确回答。

长期项目管理

一个项目做几个月，中间的讨论和决策很容易丢失。MemPalace 帮你保存所有上下文，随时可以回溯。

知识积累

把日常的学习笔记、想法、代码片段都存进去，慢慢形成一个个人知识库。

总结

MemPalace 解决的是 AI 工具最大的痛点之一——失忆。本地存储、高召回率、和主流 AI 工具集成，对于经常用 AI 写代码的人来说值得试试。

GitHub：github.com/MemPalace/mempalace

CloakBrowser：绕过 Cloudflare 的开源隐身浏览器

Fri, 29 May 2026 02:00:00 GMT

做爬虫或者自动化的人最头疼的就是反爬检测。Cloudflare Turnstile、reCAPTCHA、FingerprintJS……普通浏览器或者 Selenium/Puppeteer 裸跑，分分钟被拦。CloakBrowser 解决的就是这个问题。

CloakBrowser 是什么

一句话：从 Chromium C++ 源码层面修改指纹的隐身浏览器。

不是 JS 注入，不是配置补丁，而是直接改 Chromium 的源码。反爬系统检测到的就是一个正常浏览器——因为它本质上就是。

开源，MIT 协议，GitHub 2.4 万星。

核心能力

1. 58 个 C++ 源码级补丁

覆盖了几乎所有指纹检测点：

Canvas 指纹
WebGL 指纹
音频指纹
字体列表
GPU 信息
屏幕参数
WebRTC 泄露
网络时序
自动化信号（CDP 检测）
输入行为模拟

这些修改是在浏览器编译层面做的，不是运行时注入 JS，所以检测网站根本发现不了。

2. 通过 30+ 反爬检测

官方测试通过的检测网站包括：

Cloudflare Turnstile — 直接通过
FingerprintJS — 无法识别
BrowserScan — 通过
reCAPTCHA v3 — 评分 0.9（人类级别）

实测效果确实不错，Cloudflare 的 5 秒验证页基本秒过。

3. 人类行为模拟

开启 humanize=True 后：

鼠标移动轨迹像真人（不是直线）
键盘输入有自然的间隔
滚动行为模拟人类习惯

这对行为检测类的反爬系统很有效。

4. 和 Playwright/Puppeteer 完美兼容

API 完全兼容，换一行 import 就行：

# 之前
from playwright.sync_api import sync_playwright
pw = sync_playwright().start()
browser = pw.chromium.launch()

# 现在
from cloakbrowser import launch
browser = launch()

JavaScript 也一样：

import { launch } from 'cloakbrowser';
const browser = await launch();

你之前写的 Playwright 代码几乎不用改。

5. 自带配置文件管理器

CloakBrowser 还有一个 Browser Profile Manager，可以自托管：

docker run -p 8080:8080 -v cloakprofiles:/data cloakhq/cloakbrowser-manager

打开 localhost:8080 就能创建不同的浏览器配置文件，每个文件有独立的指纹和代理。类似于 Multilogin、GoLogin，但免费开源。

安装

pip install cloakbrowser
# 或者
npm install cloakbrowser

首次运行会自动下载 Chromium 二进制文件（约 200MB），之后缓存在本地。

Docker 也可以直接用：

docker run --rm cloakhq/cloakbrowser cloaktest

实际使用场景

爬虫绕过反爬

最直接的用途。很多网站上了 Cloudflare 或者类似防护，用 requests 或者普通 Selenium 根本过不去。CloakBrowser 直接绕过，省去大量对抗时间。

自动化测试

有些网站的反爬系统会误杀自动化测试。用 CloakBrowser 跑测试用例，既能正常测试，又不会被拦。

数据采集

需要从有反爬保护的网站采集数据时，CloakBrowser 是目前最省心的方案之一。

使用建议

配合住宅代理使用。 指纹再好，IP 是机房的也会被拦。住宅代理 + CloakBrowser 是最佳组合。
开启 humanize 模式。 除非你确定目标网站不检测行为，否则建议始终开启。
不要频繁切换指纹。 和正常使用一样，一个 session 用一个指纹，别来回切换。
关注更新。 反爬系统一直在升级，CloakBrowser 也在持续更新补丁，保持最新版本很重要。

总结

CloakBrowser 是目前开源反检测浏览器里质量最高的一个。C++ 源码级的修改让它在对抗反爬系统时有天然优势，加上和 Playwright/Puppeteer 的兼容性，迁移成本极低。

如果你受够了和 Cloudflare 斗智斗勇，可以试试这个。免费开源，没有不用的理由。

GitHub：github.com/CloakHQ/CloakBrowser

Headroom：让AI Agent省60-95% Token的开源压缩工具

Thu, 28 May 2026 02:00:00 GMT

最近在用Claude Code的时候发现一个问题——跑几个复杂任务下来，Token消耗快得吓人。尤其是那种需要读大量文件、搜索代码库的场景，一轮对话下来几万Token就没了。

后来找到了Headroom这个项目，试了一下确实有效果。

它是做什么的

简单说，Headroom是一个上下文压缩层。它在你的AI Agent和LLM之间加了一层，把要发送的内容先压缩一遍再送给模型。

核心卖点：

省Token：官方数据是60-95%的削减
不影响准确率：在GSM8K、TruthfulQA等基准测试上，压缩后准确率基本不变
本地运行：数据不会上传到任何地方
可逆压缩：原始内容保留着，模型需要的时候可以取回来

实际效果

官方给出的测试数据：

场景	压缩前	压缩后	节省
代码搜索（100条结果）	17,765 tokens	1,408 tokens	92%
SRE故障排查	65,694 tokens	5,118 tokens	92%
GitHub Issue分类	54,174 tokens	14,761 tokens	73%
代码库探索	78,502 tokens	41,254 tokens	47%

我在自己项目里试了一下，大概能省50-70%左右，没有官方说的那么夸张，但确实能省不少。

怎么用

最简单的方式是一行命令包裹你的Agent：

# 安装
pip install "headroom-ai[all]"

# 包裹Claude Code
headroom wrap claude

# 包裹Codex
headroom wrap codex

# 或者用代理模式（零代码改动）
headroom proxy --port 8787

代理模式最方便——它启动一个本地代理服务器，你的Agent配置指向这个代理就行，不用改任何代码。

支持哪些Agent

Agent	支持方式
Claude Code	`headroom wrap claude`
Codex	`headroom wrap codex`
Cursor	打印配置，粘贴一次即可
Aider	启动代理+启动
Copilot CLI	启动代理+启动

基本上主流的编程AI助手都支持。

几个亮点

1. 跨Agent记忆共享

如果你同时用Claude Code和Codex，Headroom可以在它们之间共享压缩后的上下文，避免重复处理相同内容。

2. headroom learn

这个功能挺有意思——它会分析你失败的会话，找出问题所在，然后自动写入CLAUDE.md或AGENTS.md，相当于让Agent自己总结经验教训。

3. 内容感知压缩

不是简单的截断或删减，而是根据内容类型选择不同的压缩算法：

JSON数据 → SmartCrusher
代码 → CodeCompressor（AST感知）
文本 → Kompress-base（专门训练的模型）

适合谁用

每天用AI编程助手，Token消耗大的开发者
同时用多个Agent，想要统一管理的团队
对数据隐私有要求，不想把代码发到外部服务的人

不适合谁用

只用单一Agent，且用量不大
沙箱环境，没法跑本地进程

项目地址：https://github.com/chopratejas/headroom

1.4万星，Apache 2.0协议，Python和TypeScript都支持。如果你也在为Token费用头疼，可以试试。

Python 安装教程：Windows 安装配置 + pip 国内镜像加速

Thu, 28 May 2026 01:00:00 GMT

这篇文章把自己装 Python 的流程整理了一遍，包括 Windows 安装、环境变量配置、pip 换国内源加速下载。底部附了 Python 3.8 到 3.12 Windows 安装包合集的夸克网盘链接，一个文件夹全包，不需要翻墙也不用到处找。

Windows 安装 Python

下载安装包

夸克网盘打包了 Python 3.8 到 3.12 全部 Windows 64 位安装包，一个链接全下完（国内高速，无需翻墙）。

所有安装包同步自 python.org 官方，MD5 一致。下载后在文件夹里选你需要的版本安装即可。

如果不知道选哪个，直接选 3.10 或 3.12，覆盖绝大多数使用场景。

版本	说明
Python 3.8.10	兼容老项目
Python 3.9.13	稳定版
Python 3.10.11	推荐
Python 3.11.9	性能提升
Python 3.12.10	推荐

夸克网盘下载（3.8-3.12 合集）

校验文件完整性

下载完成后建议校验哈希值，确保文件完整无损坏。所有安装包同步自 python.org 官方，MD5 一致。

MD5：

# 3.8.10
62cf1a12a5276b0259e8761d4cf4fe42
# 3.9.13
e7062b85c3624af82079794729618eca
# 3.10.11
a55e9c1e6421c84a4bd8b4be41492f51
# 3.11.9
e8dcd502e34932eebcaf1be056d5cbcd
# 3.12.10
5eddb0b6f12c852725de071ae681dde4

SHA256：

# 3.8.10
7628244cb53408b50639d2c1287c659f4e29d3dfdb9084b11aed5870c0c6a48a
# 3.9.13
fb3d0466f3754752ca7fd838a09ffe53375ff2c981279fd4bc23a005458f7f5d
# 3.10.11
d8dede5005564b408ba50317108b765ed9c3c510342a598f9fd42681cbe0648b
# 3.11.9
5ee42c4eee1e6b4464bb23722f90b45303f79442df63083f05322f1785f5fdde
# 3.12.10
67b5635e80ea51072b87941312d00ec8927c4db9ba18938f7ad2d27b328b95fb

校验命令

Windows 下打开 cmd，进入下载目录，执行以下命令（以 3.12 为例）：

certutil -hashfile python-3.12.10-amd64.exe MD5
certutil -hashfile python-3.12.10-amd64.exe SHA256

其他版本把文件名替换即可，格式为 certutil -hashfile python-版本号-amd64.exe MD5。

安装步骤

双击下载好的 .exe 文件
第一个页面一定要勾选 “Add Python to PATH”（底部那个复选框），然后点 “Install Now”
等进度条走完，点 “Close”

如果安装时忘了勾选 PATH，有两个补救办法：

方法一：重新安装

卸载后重新运行安装包，这次记得勾选。

方法二：手动加环境变量

右键「此电脑」→ 属性 → 高级系统设置 → 环境变量
在「系统变量」里找到 Path，双击编辑
新建两条，分别填入：
- C:\Users\你的用户名\AppData\Local\Programs\Python\Python310\
- C:\Users\你的用户名\AppData\Local\Programs\Python\Python310\Scripts\
确定保存，重新打开 cmd 或 PowerShell

验证安装

打开 cmd 或 PowerShell，输入：

python --version
pip --version

看到版本号就说明装好了。

pip 换国内镜像加速

默认的 pip 源在国外，国内下载包经常特别慢，甚至超时。换一下源就好了。

不换源的话大概会遇到这种报错：

ERROR: Could not find a version that satisfies the requirement requests
ERROR: No matching distribution found for requests

WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ConnectTimeoutError(<pip._vendor.urllib3.connection.HTTPSConnection object at 0x...>, 'Connection to pypi.org timed out. (connect timeout=15.0)')': /simple/requests/

临时使用

每次安装时加 -i 参数指定源：

pip install requests -i https://mirrors.aliyun.com/pypi/simple/

永久生效（推荐）

一条命令搞定，以后所有 pip install 都走国内源。选一个你喜欢的，复制粘贴运行即可：

阿里云（推荐）

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
pip config set global.trusted-host mirrors.aliyun.com

清华

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/
pip config set global.trusted-host pypi.tuna.tsinghua.edu.cn

腾讯

pip config set global.index-url https://mirrors.cloud.tencent.com/pypi/simple/
pip config set global.trusted-host mirrors.cloud.tencent.com

中科大

pip config set global.index-url https://pypi.mirrors.ustc.edu.cn/simple/
pip config set global.trusted-host pypi.mirrors.ustc.edu.cn

四个都行，随便选一个。我个人习惯用阿里云，比较稳定。

验证是否生效

pip config list

看到 index-url 指向你设置的镜像地址就对了。

常见问题

Q：python 和 python3 命令有什么区别？

Windows 上一般只有 python，Linux/Mac 上可能两个都有。装好之后用 python --version 确认就行。

Q：装多个版本会冲突吗？

Windows 上可以装多个版本，但默认只有一个在 PATH 里。需要切换的话用 py -3.10 这样的命令指定版本（py launcher 会自动装上）。

Q：pip install 报错 “Could not find a version that satisfies the requirement”？

大概率是源的问题，先确认换源成功了（pip config list）。如果换了源还是不行，可能是这个包本身不支持你的 Python 版本，试试升级 Python。

Q：需要虚拟环境吗？

做项目的话建议用。一个项目一个环境，依赖互不干扰：

python -m venv myenv
myenv\Scripts\activate

激活后命令行前面会出现 (myenv)，之后 pip install 的包只装在这个环境里。

祈愿博客

祈愿博客模板：一个开箱即用的全功能 Astro 博客 + 资源站方案

qiyuan-blog-template

功能页面截图

永久免费说明

作为模板使用

可选功能默认关闭

开发工具：右键样式编辑器（仅本地 astro dev）

安全响应头

技术栈

功能特性

本地开发

环境变量（EdgeOne 控制台）

RAG 必需

生成模型（首选 + 兜底）

评论 / R2 图床

网盘 / 短链

临时邮箱

资源站（可选）

资源站搭建教程

架构

一、部署资源站（独立项目）

二、让博客引用资源站

验证

更多文档

站点配置

如何添加文章

目录结构

部署

许可证

零成本建站：免费获取永久二级域名并一键托管 Cloudflare 详尽指南

一、 准备工作与平台直达

二、 第一阶段：注册并获取免费域名

1. 账号注册与登录

2. 免费域名的申请与后缀甄别

三、 第二阶段：一键托管至 Cloudflare (CF)

1. 在 Cloudflare 中添加站点

2. 选择免费方案

3. 修改域名服务器 (DNS Name Servers)

4. 等待托管彻底激活

四、 核心技术科普：什么是一级、二级、三级域名？

五、 总结与商业建议

vue-effort-slider 教程：带 WebGL 火焰拖尾的 Vue 3 滑块组件

vue-effort-slider 教程：带 WebGL 火焰拖尾的 Vue 3 滑块组件

这是什么

效果预览

核心特性

安装

快速开始

从零创建项目

全局注册

局部引入

子模块按需引入（Tree-shaking）

独立火焰 Canvas

在线配置面板

Props

基础 Props

颜色 Props

Events

RAG 超级教程：从原理到实战，用向量+重排模型搭出又准又省钱的 AI 问答

一、什么是 RAG（Why）

为什么会出现 RAG？

它解决了什么问题 / 与传统大模型回答的区别

二、为什么需要 RAG

三、RAG 的工作流程

四、RAG 的核心组件

1. Embedding（嵌入模型）

2. Chunk（文本切分）

3. Vector Database（向量数据库）

4. Retriever（检索器）

5. Reranker（重排模型）

6. LLM（生成模型）

五、RAG 的优势

六、RAG 与微调（Fine-tuning）的区别

七、如何搭建一个 RAG

八、常见开源方案（生态一览）

九、如何优化 RAG（最容易忽略、却最有价值）

十、RAG 的应用场景（适合什么场景）

十一、常见误区

十二、实战案例：本博客的「就这篇文章问 AI」

开发工具：右键样式编辑器（仅本地 `astro dev`）

一、准备工作与平台直达

二、第一阶段：注册并获取免费域名

三、第二阶段：一键托管至 Cloudflare (CF)

四、核心技术科普：什么是一级、二级、三级域名？

五、总结与商业建议