现在是06:39分，今天醒来蛮早，途中没有起夜一觉到现在，这是近几个月懒得的睡眠，没有懒床，醒来上了个卫生间，开始今天的新的一天常规工作和生活。
这篇文其实是昨晚记录的，但昨晚记录完后再次出现了怪事，点击发布后页面直接错误，提示无法连接，返回文章列表，查看自动保存，文章居然仅保存了200字左右，两段内容，气死我了，这事之前发生过几次，应该四五次吧。
这事发生后反思，没找到解决办法，解决网站出现这个问题，应该是不太可能。反思思考，决定改变记录方法。typecho的文章是支持MD的，Ob也是Md，为了不再出错，以后记录都现在OB记录，再发布到网站，问题得以解决，OB还多了份备份不错。
回到本文的主题，这次主要记录的是昨天带一组上海客户看房的事，看的事非我们托管的房，因为没房了，看的事村里其他村民家的房，从14点到17点10分的看房经历，有许多事情有许多值得记录和反思的内容，所以记录下。
其实我也搞不懂，为什么小学的时候同学和老师要我当班长。我的成绩不是最好的那个，虽然也不能说很差，但从来不是拔尖的几个。所以为什么他们要选我呢？学习我不是最好的那个，各种组织活动我也是很讨厌很畏惧的，但我的确就是他们投票选出来的班长，没人有异议。还记得一年级的时候，班长是自荐的，二年级的时候就改成了投票。显然我根本不知道拉票是什么，我也不知道选那个东西有什么好处有什么坏处，莫名其妙地我就被选出来了，票数还相当高。你说我跟其他同学的关系很不错吧，也不见得，因为我不是那种会主动跟他们打交道的人。一年级的时候，我经常不得不请病假，所以为什么到二年级的时候他们依然要做这种选择？之后好像就再没有选过，除非班主任说要换，但是班主任从来没有提过这样的要求，于是就一直这样下去了。我不知道其他人有没有觉得我不称职，如果他们觉得我不称职，应该把我换掉，但为什么要让我一直在那个位置上呢？我也很迷糊，既然我不喜欢干这个事情，为什么我不拒绝掉呢？大概那个时候我还不知道该如何拒绝吧。
那个时候我只知道当个班长是挺光荣的一件事情，所以我要担起责任，要管好他们的纪律。早读的时候，课间的时候，自习的时候，任何老师不在的时候。我的暴力手法是向老师学的，虽然很暴力，但同学也没有因为这个憎恨我。他们还是很受我管的。之所以这样，大概因为他们知道我没有私心，我没有偏袒谁。他们吵架打架的时候，我第一个冲上去，也不管是男同学还是女同学，把他们分开，有时候甚至用要用抱的方式把他们分开。那个时候我根本没有想过男女授受不亲之类的东西，虽然那个时候高年级同学们的心里已经懵懂出现了那个意思。当我去制止他们打架的时候，我唯一就是觉得打架不好，伤到谁都不是件好事。我不知道其他人是怎么想的，我只是一心想大家都和睦相处，不要受伤。让我有点畏惧的就是被老师知道了不好，如果闹大了要找家长找校长就更加不好。我奋不顾身拉架的时候从来没想过或许有一次我会意外受伤什么。之所以有那个自信，是因为那个时候我的身板还是不错的，对男同学完全不落下风。我没有考虑过我自身的安全，我觉得我有必要这样做，我也有能力这样做，所以我就去做了。我的运气很好，因为那些劝架都没有发生什么意外，全都被我成功制止了。即便有同学去把老师叫过来，实际上已经结束了，之后就是打架的那些人被老师抓去训一顿，至于往后有没有叫家长就不知道了。我永远是当和事佬，当和事佬的时候我毫不犹豫的就过去了。同学知道我从来不会偏袒谁，所以即便我用暴力的手段维持纪律他们也没有恨我。
现在回想起来，当年的自己真的挺神奇，大概是古装剧看多了，我把自己当成了一个大侠一样的存在。如果一切可以重来，我依然会选择傻乎乎地奋不顾身。
记得我媳妇刚生完孩子时，常常吃一些下奶的食物，比如鲫鱼、莴笋、牛肉、豆腐等等。也是担心奶量不够孩子吃。后来奶量渐渐多了，我们就不太在意特意吃下奶的东西了，只是注意避开一些容易回奶的食物。 [...]
连续几天写文化哲理类型的散文日志，脑袋有点吃不消了，今天记录琐事一个。 小女儿魏羽帆上小学四年级。前几天步行送她上学，我俩边走边聊。她给我讲了好几个发生在学校的趣事。可能是上过口才班的原因，也可能经常在睡觉前听《米小圈上学记》，她讲述得很有意思。不但眉飞色舞，而且用小孩子的特色语言，言语之间充满了童趣。 我说，你讲的学校趣事很棒啊！这些东西应该记录下来，将来你长大了再来看，你才会想起来你的童年也很好玩。 今天上午我补完《人到中年》这篇日志，见魏羽帆坐在我旁边用台式机电脑看B站上的小视频。我说你要不要看一下我写的日记？ 魏羽帆说可以。我就在台式机的浏览器上打开我的博客，当时我感动得要命，对魏羽帆感慨到，“你是咱家第一个看我博客的人！” 魏羽帆囫囵吞枣看日志，我则小心翼翼站旁边观察她的反应。她看到“绣花针和美丽的羽毛”时，指着屏幕说，“爸，这是我名字里的“羽”呀！”，我赶紧说是。 她看完这篇日志，说“爸，你写得文章真不错！”我赶紧接话茬——“这个是博客。你在学校有那么多趣事，你可以用博客记录下来，这样的话全世界都能看到你了。博客不但可以写文字，还能发图片发视频呢！我可以帮你做个博客网站。“ 魏羽帆一听，来了兴致。她对我说，“爸，你帮我做吧！”——哎呀，我就等这句话呢。我赶紧说OK。 正好，双十一时抢购的核云VPS，一台香港一台美国的，都闲着。我就用美国的这台VPS给魏羽帆搭建了一个博客。程序用的是halo。昨晚在博友群里参加域名活动，获得了一个在宝塔官网3.9元购买cn域名一年的资格。一边搭建网站一边注册域名，就这样，weiyufan.cn这个小博客就成了，最后又帮她选了个挺可爱的博客主题。 吃过晚饭，魏羽帆就开始在电脑前忙活起来了。我教她熟悉halo的后台界面，指点她如何设置博客的各种细节，这个花费了一些时间——毕竟她才9岁。不过可能是兴趣使然，她学得不亦乐乎。她修改了网站名...
最近发现公共场所抽烟的人越来越多了，楼道、电梯、路上，经常能碰到。那股烟味非常让人不太舒服。 我的店所在的这个写字楼楼道是一个密闭的空间，虽然物业也贴了楼道禁止吸烟的标语，但是也并没有什么实质性的作用，每当有人抽烟，屋里就会飘来一股烟味，有时候不得不把门关上，但是你又是在做生意，关上门又不合适，真实左右为难。 电梯里抽烟就更让人头疼了。很多次，进入电梯，里面都是一股浓浓的烟味，很多邻居也都在物业群里吐槽，这时候物业就是一只鸵鸟，不吭声，不吭声，逼急了，就说在电梯有禁烟的标语。其实他们也很无奈。还有一些年轻人也是，抽的电子烟，虽然没有那么难闻，但是危害是一样的。 电梯空间小，烟味散得慢。后面坐电梯的人还得闻这个味道。那些对烟味敏感的人，或者带着孩子的人，确实会不舒服。 路上抽烟的人也常见。走在他后面，风一吹，烟味就飘过来。有时候想超过去，他还走的挺快，闭着气赶紧穿过去，心里在骂他的娘。 我琢磨了一下，这些人大概有这么几种心态。第一种是觉得抽烟是自己的权利，想在哪抽就在哪抽。他们忘了自由的前提是不妨碍他人的自由。你的抽烟自由，不能建立在我吸二手烟的不自由上。 第二种是觉得抽几口没事，烟味一会儿就散了。他们也知道二手烟里的有害物质可以在空气中停留很久，但是，关我鸟事。 第三种是看到别人在公共场所抽烟，觉得自己也可以。典型的法不责众心理。问题是，错的事情不会因为做的人多就变成对的。 第四种是知道公共场所抽烟不对，但只要没人管，他们就照抽不误。说白了就是缺乏公德心。 有些人可能觉得，闻点烟味没什么大不了的。但二手烟确实有危害，特别是对孩子、孕妇、老人和有呼吸系统疾病的人。 其实我们国家早就出台了《公共场所控制吸烟条例》，明确规定室内公共场所、公共交通工具、电梯等地方禁止吸烟。问题是，规定是规定，执行是执行。很少看到有人因为公共场所抽烟被处罚。物业不管，保安不管，大家也都抱着"多一事不...
我最近常常思考“不可撤销性”这个词。它是一个冷峻的事实：20 岁的我，终究会抵达 40 岁，但 40 岁的我，却永远无法以当下的心境和阅历，回到 20 岁。这种单向、不可逆的特性，是生命这条河流给予我的最根本的敬畏。 但有趣的是，过了 40 岁这个重要的分水岭，这种不安感反而开始减弱，被一种前所未有的富足感取代。 告别躁动：40 岁后的心态平稳 40 岁前的生活，常常是带着一种对“追赶”的焦躁感。追赶他人的成就，追赶时代的浪潮，追赶那个理想中遥远的自己。但踏入 40 岁之后，世界像是突然静了下来。这种静，并非消极的躺平，而是一种深度的心性平稳。 Lawrence Yeo 说： 当你来到 40 岁，已历经相当多的艰难。也许你尚未遭遇此生最尖锐的苦难，但你一定明白人们为何说「生活不易」。 我终于开始明白，许多年轻时急于求成的“聪明”和“机灵”，其实是缺乏耐心的表现。我不再渴求短期的胜利，而是将目光放到了更长的周期。这种转变，正是源于对 “生活不易” 的深刻理解。 经验的复利：对抗生活难题的底气 正如所说，当你来到 40 岁，你已经历了相当多的艰难。虽然可能尚未遭遇此生最尖锐的苦难，但你已深知“生活不易”的份量。好处在于，这四十年的历练，让我真正收获了 “经验的复利效应” 。 我发现，每跨过一道障碍，我获取的教训和策略并不会随着时间被遗忘，而是像投资的复利一样，被整合到我的 “人生应对系统” 中。 在 40 岁前，失败是打击；在 40 岁后，失败是校准。 20 岁遇到变故，我可能全盘慌乱，不知所措。 40 岁遇到变故，我能迅速从过往相似的经验中，调取应对情绪、分析风险、制定方案的整体框架。 这种心性的变化，让我拥有了一种从容的底气。我想要的不是消除难题，而是少些慌乱，而 40 岁前的所有挣扎，都是为了现在这份从容积攒的资本。 追求智慧：不可撤销的成长目标 如果说 20 岁追求的是...
冬，12月漫过一周。最近太累，这周六又是满满一天的工作。昨晚睡的早，史无前例睡了十个小时，就这样，今天都还是困。下午遛完车，回程地铁上迷迷瞪瞪，差点睡着。这是到了年龄开始精力不足了么？😱周四开会时，有同事说“看到你头上好多白头发哦”~我笑了笑，呵，老了呗。下周智康中心迎检，还有优质在线评审，还有西昌会，还有单位无数事情，呃呃呃，劈成两半吧。 成都的银杏现在是彻底黄了，走在路上，不经意间便可以看到一抹亮色，那灿烂的黄。前几天还看到超级圆月，夜色下真就是“玉盘”。这段时间真的是“跳过情绪，直接做事”，很多事情能做到的不能做到的，有困难的没困难的，都先不要起情绪，不要被情绪所困扰，一个字，干。不然想太多，就啥都也干不成，甚至都没法推进。昨天和同事交流时，牢牢记住了“大悲咒”三个字。 对我而言，读一遍都够呛，遑论背诵。前天下午走着走着，嘿，走到田间地头，适得返自然，心情瞬间开怀很多。落日，晚霞，池塘，绿树，炊烟，蔬菜，飞鸟，狗儿，行人，一切都是那么的和谐而美好，欣欣然，自自然。昨晚看到街头鱼缸里的鱼，游游停停。瞪大个眼睛似乎在看人，但又似乎啥也没看，就是单纯的瞪着眼睛，目中无人。哈哈哈，能够目中无人，那也是一种本事。 很多时候心念一转，便是万般自在。刚看到这么一句话，挺好： 你在别人口中的好与坏，其实只和他们自己的利益有关系，你符合他们的利益，他们就会夸赞你抬举你，不符合他们的利益，他们就会批评你打压你甚至诋毁你，人一到群体中，智商就严重降低，为了获得认同，个体愿意抛弃是非，用智商去换取那份倍感安全的归属感，大众没有辨别能力，分不清真假善恶，他们只会干两件事，要么锦上添花，要么落井下石。
摘要由 AI 智能生成 腾格里五湖连穿 时间： 5月下旬 坐标： 腾格里沙漠 · 五湖穿越线 状态： 痛并快乐着 ◈阿拉善盟 LuminTrace Collection 这趟旅程主打一个“随性”。 5月下旬，正巧去太原考NISP二级。考试结束的那一刻，脑子里绷紧的弦断了，觉得自己急需一场荒野的“放逐”。早早就计划过的沙漠徒步，此时不动身更待何时？ 于是，说走就走，目标腾格里。 在社交平台上约好了几个搭子，清晨在酒店楼下集合。 见面的一瞬间看到其中一位“大佬”那是全副武装，妥妥的重装强驴，因为本次行程匆忙，个人计划轻装穿越，住宿乌兰胡营地。 吉祥物——一只熊。 [photos] [/photos] 前往出发点的路很漫长。 车窗外的景色像电影过场一样，高楼大厦逐渐消失，取而代之的是低矮的房屋，最后只剩下漫无边际的戈壁滩。 这种逐渐远离现代文明的感觉，既苍凉又让人兴奋。 抵达起始点。 还没开始走，光是站在沙漠边缘，那种辽阔感就已经扑面而来。整理装备，跟队友们合个影，正式踏入这片金色的无人区。 [photos] [/photos] [photos] [/photos] 刚进沙漠，脚下的触感就变了。 沙子软绵绵的，完全吃不上劲。每翻过一个沙丘，都感觉是在进行某种酷刑。 但不得不说，景色是真美。天地之间只有纯粹的蓝和黄，人走在其中，渺小得像一只蚂蚁。 [photos] [/photos] 行程虽然累，但惊喜不断。 在翻过无数个枯燥的沙梁后，眼前突然出现一抹深邃的蓝。那是沙漠里的湖泊（海子），周围生长着顽强的芦苇和不知名野草。 这种极度的荒凉和极度的生机撞击在一起，视觉冲击力太强了。 后面看照片才发现自己身后有坨屎？？ [photos] [/photos] 把熊放在沙脊上，甚至觉得自己还没有这只熊惬意。 傍晚。夕阳西下，阳光变得柔和金黄，沙丘的线条被光影勾勒得极具立体感。 这时候卸下那个...
10月中，在二手东订购了小牛FX风速版。当月底提车，骑行一个月，浅水几句，聊作记录。
广州算是国内禁摩持续时间比较长的区域。本人身居广州郊区，属于此政策受害者。因为摩托车是中短途出行的最经济方式，特别在郊区这种公共交通线路尚不完善的区域。虽然属于禁摩区域，是因为郊区原因，交管部门也没有太充足的资源去执行禁止相对庞大的出行需求。这里的郊区还是很多外地摩托车或者其他不太合规的摩托车在道路上形式。
虽然管理上没有太严格，但是由于禁摩衍生出来的一条奇葩规定让我比较麻烦：禁摩区域内的加油站不得给摩托车加油。这规定的杀伤力比禁摩本身还强。目前只能通过技术性手段在个别管理比较通融的油站进行加油。我原来有一辆GY6鬼火摩托车（RSZ祖国版），油箱大概5L。化油器版本本来就比较耗油，油箱容积又比较少，因此加油便成了难题。
结合家里2年前购置的深远电动车使用情况，决定将上面的GY6替换成电动车。
价格定得精准，GY6在海鲜市场一放便被秒😄。
家里已经有一辆电动自行车，因此选择电动摩托车会是一个相对更优的选择。时下热门的电动车品牌主要是那几家。逐家试驾了一下，驾驶感受最好的是极核，可能是因为春风旗下的产品，有一定的摩托车制造基底。智能做得好的是九号。相对于前面两家，小牛这波可能广告做得不错。其实选择小牛的主要原因是：极核做得太像摩托车，但我还有一辆踏板摩托车，实际驾驶质感比电动的好很多；九号智能化做得好，也是我很喜欢的，但是车架看上去很单薄，我体重直逼90KG，骑起来好像胖子骑狗的既视感。小牛相对平庸一点，但各种参数看上去比较适合我，因此就选择了它。
原车自带的是铅酸电瓶，对于3kw电机无法胜任。后来结合自身使用需求，在店家的推荐下，上了72V80A的三元电瓶。以1A跑2KM的能耗估算，电瓶正常跑100KM出头的续航里程是比较经济的选择。可以使用我前段时间手搓的充电器，充满大概10小时。充电效率慢了点，后来又挫了一个20A的充电器，充电时间可以缩短1半。
前后骑行了1个月时间，主要是附近溜达。公路上弹射模式速度能到80KM/H左右。日常主要是以舒适挡位模式行驶（速度约40KM/H），完全能满足短途个人出行需求。
大踏板有比较强的载货能力，也是这个原因被定义为外卖车。这个载货能力是我比较满意的。
在附近的非铺装路面骑行，减震和动力尚能接受，但驾驶质感相对于150龙骨踏板还是差很远，感觉不是同一类产品。
因为我预订的时候尚无带ABS版，在一次拐弯急刹过程中，后轮出现打滑情况，因为车速本身不快，结果也没有出状况。如果在雨天，骑行时可能要关注因为无ABS辅助刹车功能引起的适用性状况。
第一次买电摩，相对于传统摩托，还有很大的提升空间。
以前看别人搞的各种docker应用，甚是羡慕，奈何自己水平有限，总是无法完成docker应用的安装。 现在我用好几个机器练习安装docker，已经有了一点眉目，虽然还很生涩，但是总比不会要强，我自己的数据我自己做主。 下面就是我部署的docker应用: mtab mTab是一款完全免费、无广告的浏览器书签助手。它的设计理念就是要让我们这些每天都要和浏览器打交道的人，能够更加轻松地管理自己的网页收藏。说白了，就是要帮我们把乱糟糟的书签变得井井有条，让我们找起东西来不再抓瞎！ lsky_pro Lsky Pro+ 是一个使用 PHP 语言，采用 Laravel 框架开发的一款 Web […]
和往月一样，今天加班，中午点外卖吃得挺饱，下午也吃了一点零食，六点多下班时肚子并没有太饿，本想直接回去，又担心晚上会饿，思来想去不知道吃什么合适，最后奔向了公司附近新开的一家肯德基。
不知道吃什么，那就吃肯德基。
在我小时候的印象里，汉堡叫做汉堡包，搭配薯条、炸鸡、可乐，这也是我对老家本土品牌“欢乐季”最深远的记忆。每到周五，就会有工作人员在学校门口派发传单，四四方方的纸片上印着各种口味的汉堡、炸鸡、饮品，标注着价格，可以将其剪下，凭此以优惠价格购买。小时候收集了很多，但一次都没有用过。那时候一个汉堡、一份薯条，价格昂贵，家人也没有带我去过，每每路过，都会留下羡慕的眼神，尤其是看到有人生日，一家人在店里戴着生日帽、吹着蜡烛、吃着汉堡，更加羡慕。
长大以后，了解了肯德基、麦当劳，以及现在的塔斯汀，价格虽然没有特别便宜，但这却是上班族较为实惠的选择。人终究会为年少不可得之物困其一生，汉堡、薯条即是如此，遇上疯狂星期四，如果下班早，恰好当天有想吃的餐品，毫不犹豫奔向肯德基；周末在外面，到饭点，麦当劳和肯德基是我认为一人食的最佳选择。吮指原味鸡、热辣香骨鸡、蜜汁全鸡，经典的香辣鸡腿堡、老北京鸡肉卷，只要稍微回忆一下，便能想起它们的味道。
有一份专属工作日的 OK 三件套只需要 19.9 元，任选 1 份黄金 SPA 鸡排堡或者滋滋 YES 烤鸡腿堡，加一份劲爆鸡米花和中可，对于我来说，中午或晚上来上一份，就能吃饱。
陈仓颉在《麦门永存。》中提到肯德基更像是一个卖一些西餐的中餐厅，不仅有豆浆、烧饼、油条、茶叶蛋，今天看菜单，还有炸串、鸡架，越来越贴近中国人的饮食习惯和口味。在使用闲鱼下单肯德基之后，我更加确定了“不知道吃什么，那就吃肯德基”的合理性（ps：肯德基替换成麦当劳或其他品牌也适用）。一份香辣鸡腿堡，一杯中可，在闲鱼上代下单，不到 14 元，十分满意，本想放出截图，怕有广告嫌疑，遂作罢。
大学时期，学校门口便有一家肯德基，每到疯狂星期四，除了在朋友圈和微信群发一发V我 50 的段子，也会拉上室友参与一番，我点热辣香骨鸡，你点黄金鸡块，如此疯狂，如此惬意。毕业后，工作了，每周依然有疯狂星期四，但我们都不再疯狂，仅仅只为了犒劳工作一天的自己，填饱肚子。
《不知道吃什么，那就吃肯德基》最先出现在印记。
上周，在《特惠VPS突遭强制清退》一文的评论中，友博“大致”问我最终决定买了哪家的 VPS，我回复是购买了 CC 家：刚好在"网络星期一" （Cyber Monday），CloudCone 推出一款相对低价的套餐 CM-25-VPS-1，年付9.99美元，性价比不错，可惜当前已售罄。
CM-25-VPS-1 套餐详情： 1 vCPU Core 1 GB Dedicated RAM 50 GB of SSD Cached Disk On RAID-10 Configuration 1 TB/Mo Bandwidth at 1 Gb/s 1x IPv4 and 3x IPv6 Datacenter: DC1, Los Angeles, USA Lifetime Recurring Offer
下单并付款，稍等片刻机器已开通。运气不错，VPS 盲盒开出【 74.48.*.* 】IP段，根据网友反馈，该IP段可以完美解锁美区的各项跨国服务。另外，还可以在后台自助免费开通三个 IPv6 地址。
近日，了解到不少 VPS 爱好者使用一款名为“融合怪”的VPS服务器测评脚本。已整合诸多第三方测试脚本进行优化融合，一条命令搞定 VPS 基础信息、CPU测试、内存硬盘跑分、流媒体解锁测试、IP质量/安全信息查询、邮件端口测试、上游及回程路由线路检测、三网路由测试、网速测试及三网 Ping 值测试等项目。
刚好，我就“融合怪”脚本来测试新购买的 CloudCone 的 VPS——
export noninteractive=true && curl -L https://raw.githubusercontent.com/oneclickvirt/ecs/master/goecs.sh -o goecs.sh && chmod +x goecs.sh && ./goecs.sh install && goecs #针对海外服务器-无加速
export noninteractive=true && curl -L https://cdn.spiritlhl.net/https://raw.githubusercontent.com/oneclickvirt/ecs/master/goecs.sh -o goecs.sh && chmod +x goecs.sh && ./goecs.sh install && goecs #针对国际/国内服务器-带CDN加速
硬件很一般，有过度超售之嫌疑，不适合作为建站机。非纯 SSD ，而是固态缓存的机械硬盘，网友们戏称 CloudCone 的硬盘为“石头盘”。
--------------------------------------系统基础信息-------------------------------------- CPU 型号: Intel(R) Xeon(R) CPU E5-2697 v2 @ 2.70GHz CPU 数量: 1 Virtual CPU(s) CPU 缓存: L1: 64 KB / L2: 256 KB / L3: 30 MB GPU 型号: GD 5446 AES-NI : Enabled VM-x/AMD-V/Hyper-V : Enabled 内存 : 312.29 MB / 969.46 MB 气球驱动: Undetected 内核页合并: Undetected 虚拟内存 Swap: 0.00 MB / 1022.98 MB 硬盘空间: 3.60 GB / 48.14 GB [7.5%%] /dev/vda1 - / 启动盘路径: /dev/vda1 系统 : ubuntu 22.04 [x86_64] 内核 : 5.15.0-46-generic 系统在线时间 : 0 days, 00 hours, 03 minutes 时区 : UTC 负载 : 0.04 / 0.07 / 0.03 虚拟化架构: KVM NAT类型 : Full Cone TCP加速方式: cubic IPV4 ASN: AS35916 MULTA-ASN1 IPV4 Location : Los Angeles / California / United States IPV6 ASN: AS35916 MULTA-ASN1 IPV6 Location : Los Angeles / California / United States IPv6 子网掩码 : /64 --------------------------------CPU测试-通过sysbench测试-------------------------------- 1 线程测试(单核)得分: 477.95 ---------------------------------内存测试-通过stream测试---------------------------------- Function Best Rate MB/s Avg time Min time Max time Copy:6522.3 0.025541 0.024531 0.025913 Scale:10056.6 0.016271 0.015910 0.016894 Add: 9918.2 0.025001 0.024198 0.028126 Triad:10232.4 0.024645 0.023455 0.026655 -----------------------------------硬盘测试-通过fio测试----------------------------------- 测试路径块大小 读测试(IOPS) 写测试(IOPS) 总和(IOPS) /root 4k 3.51 MB/s(877) 3.54 MB/s(884) 7.05 MB/s(1761) /root 64k 58.58 MB/s(915) 59.12 MB/s(923) 117.69 MB/s(1838) /root 512k 155.46 MB/s(303) 163.72 MB/s(319) 319.18 MB/s(622) /root 1m 156.24 MB/s(152) 166.65 MB/s(162) 322.89 MB/s(314)
这个IP段不错，能解锁 Netflix 、Disney+、Spotify、ChatGPT、Sora、Gemini等几乎所有美国主流流媒体和AI服务网站。
--------------------------------------跨国平台解锁-------------------------------------- IPV4: ============[ 跨国平台 ]============ Apple:YES (Region: USA) BingSearch:YES (Region: US) Claude: YES Dazn: YES (Region: US) Disney+:YES (Region: US) Gemini:YES (Region: US) GoogleSearch:YES Google Play Store:YES (Region: US) IQiYi:YES (Region: US) Instagram Licensed Audio:YES KOCOWA:YES MetaAI:NO (GeoBlocked) Netflix:YES (Region: US) Netflix CDN:US OneTrust:YES (Region: US CALIFORNIA) ChatGPT: YES (Region: US) Paramount+:YES Amazon Prime Video:YES (Region: US) Reddit: YES SonyLiv:YES (Region: US) Sora: YES (Region: US) Spotify Registration:YES (Region: US) Steam Store:YES (Community Available) (Region: US) TVBAnywhere+:YES (Region: US) TikTok:YES (Region: US) Viu.com:YES Wikipedia Editability:YES YouTube Region:YES YouTube CDN:LAX --------------------------------------IP质量检测-------------------------------------- 以下为各数据库编号，输出结果后将自带数据库来源对应的编号 ipinfo数据库 [0] | scamalytics数据库 [1] | virustotal数据库 [2] | abuseipdb数据库 [3] | ip2location数据库 [4] ip-api数据库 [5] | ipwhois数据库 [6] | ipregistry数据库 [7] | ipdata数据库 [8] | db-ip数据库 [9] ipapiis数据库 [A] | ipapicom数据库 [B] | bigdatacloud数据库 [C] | dkly数据库 [D] | ipqualityscore数据库 [E] ipintel数据库 [F] | ipfighter数据库 [G] | fraudlogix数据库 [H] | cloudflare数据库 [I] | IPV4: 安全得分: 信任得分(越高越好): 0 [8] VPN得分(越低越好): 100 [8] 代理得分(越低越好): 100 [8] 社区投票-无害: 0 [2] 社区投票-恶意: 0 [2] 威胁得分(越低越好): 100 [8] 欺诈得分(越低越好): 84 [E] 滥用得分(越低越好): 0 [3] ASN滥用得分(越低越好): 0.0013 (Low) [A] 公司滥用得分(越低越好): 0 (Very Low) [A] 威胁级别: low [9] 流量占比: 真人(越高越好)22% [I] 机器人(越低越好)77% [I] 黑名单记录统计:(有多少黑名单网站有记录): 无害记录数: 0 [2] 恶意记录数: 0 [2] 可疑记录数: 0 [2] 无记录数: 95 [2] 安全信息: 使用类型: business [8 9] isp [A] hosting [0 3 7 C] 公司类型: hosting [0 7] isp [A] 浏览器类型: 主流71% 其他28% [I] 设备类型: 桌面55% 移动44% 其他0% [I] 操作系统类型: 主流92% 其他7% [I] 是否云提供商: Yes [7] 是否数据中心: No [6 8 A] Yes [0 5 C G] 是否移动设备: No [5 A C G] Yes [E] 是否代理: No [0 4 5 6 7 8 9 A C] Yes [E G] 是否VPN: Yes [E G] No [0 6 7 A C] 是否TorExit: No [7] 是否Tor出口: No [7] 是否网络爬虫: No [9 A E] 是否匿名: No [6 7] Yes [8] 是否攻击者: No [7 8] 是否滥用者: No [7 8 A C E] 是否威胁: No [7 8 C] 是否中继: No [0 7 8 C] 是否Bogon: No [7 8 A C] 是否机器人: No [E] DNS-黑名单: 314(Total_Check) 0(Clean) 0(Blacklisted) 0(Other) IPV6: 安全得分: 滥用得分(越低越好): 0 [3] ASN滥用得分(越低越好): 0.0013 (Low) [A] 公司滥用得分(越低越好): 0 (Very Low) [A] 流量占比: 真人(越高越好)22% [I] 机器人(越低越好)77% [I] 安全信息: 使用类型: hosting [3] isp [A] 公司类型: isp [A] 浏览器类型: 主流71% 其他28% [I] 设备类型: 桌面55% 移动44% 其他0% [I] 操作系统类型: 主流92% 其他7% [I] 是否数据中心: No [A] Yes [G] 是否移动设备: No [A G] 是否代理: No [A] Yes [G] 是否VPN: Yes [G] No [A] 是否Tor: No [3 A] 是否网络爬虫: No [A] 是否滥用者: No [A] 是否Bogon: No [A] DNS-黑名单: 314(Total_Check) 0(Clean) 0(Blacklisted) 314(Other)
尤其在晚上8-11点晚高峰期间，访问速度不错，比我之前使用的俄罗斯的 VPS 延迟更高、但速度反而更快！
------------------------------------上游及回程线路检测-------------------------------------
AS174 AS2914 AS6939
Cogent NTT Hurricane Electric
Tier1 Global Tier1 Global Tier2
北京电信v4 219.141.140.10 电信163 [普通线路]
北京联通v4 202.106.195.68 联通4837 [普通线路]
北京移动v4 221.179.155.161 移动CMI [普通线路]
上海电信v4 202.96.209.133 电信163 [普通线路]
上海联通v4 210.22.97.1 联通4837 [普通线路]
上海移动v4 211.136.112.200 移动CMI [普通线路]
广州电信v4 58.60.188.222 电信163 [普通线路]
广州联通v4 210.21.196.6 检测不到回程路由节点的IPV4地址
广州移动v4 120.196.165.24 移动CMI [普通线路]
成都电信v4 61.139.2.69 电信163 [普通线路]
成都联通v4 119.6.6.6 联通4837 [普通线路]
成都移动v4 211.137.96.205 移动CMI [普通线路]
北京电信v6 2400:89c0:1053:3::69 电信163 [普通线路]
北京联通v6 2400:89c0:1013:3::54 联通4837 [普通线路]
北京移动v6 2409:8c00:8421:1303::55 移动CMIN2 [精品线路] 移动CMI [普通线路]
上海电信v6 240e:e1:aa00:4000::24 电信163 [普通线路]
上海联通v6 2408:80f1:21:5003::a 联通4837 [普通线路]
上海移动v6 2409:8c1e:75b0:3003::26 移动CMI [普通线路]
广州电信v6 240e:97c:2f:3000::44 电信163 [普通线路]
广州联通v6 2408:8756:f50:1001::c 联通4837 [普通线路]
广州移动v6 2409:8c54:871:1001::12 移动CMIN2 [精品线路] 移动CMI [普通线路]
准确线路自行查看详细路由，本测试结果仅作参考
同一目标地址多个线路时，检测可能已越过汇聚层，除第一个线路外，后续信息可能无效
-------------------------------------三网回程路由检测-------------------------------------
[NextTrace API] preferred API IP - 104.26.13.151 - 209.01ms - Misaka.BER
广州电信 - ICMP v4 - traceroute to 58.60.188.222, 30 hops max, 52 byte packets
1.00 ms AS35916 * 美国, 加利福尼亚, 洛杉矶, multacom.com
2.37 ms AS35916 * 美国, 加利福尼亚, 洛杉矶, multacom.com
3.72 ms AS2914 [NTTA-128] 美国, 加利福尼亚, 洛杉矶, gin.ntt.net
1.04 ms AS2914 [NTT-BACKBONE] 美国, 加利福尼亚, 洛杉矶, gin.ntt.net
10.54 ms AS2914 [NTT-BACKBONE] 美国, 加利福尼亚, 圣何塞, gin.ntt.net
9.09 ms AS2914 [NTT-BACKBONE] 美国, 加利福尼亚, 圣何塞, gin.ntt.net
14.56 ms AS4134 [CHINANET-US] 美国, 加利福尼亚, 圣克拉拉, chinatelecom.com.cn 电信
155.71 ms AS4134 [CHINANET-BB] 中国, 广东, 广州, chinatelecom.com.cn
157.08 ms AS4134 [CHINANET-BB] 中国, 广东, 广州, chinatelecom.com.cn 电信
*
167.34 ms AS134774 [CHINANET-GD] 中国, 广东, 深圳, chinatelecom.cn 电信
*
广州联通 - ICMP v4 - traceroute to 210.21.196.6, 30 hops max, 52 byte packets
1.05 ms AS35916 * 美国, 加利福尼亚, 洛杉矶, multacom.com
1.03 ms AS35916 * 美国, 加利福尼亚, 洛杉矶, multacom.com
3.26 ms AS2914 [NTTA-128] 美国, 加利福尼亚, 洛杉矶, gin.ntt.net
1.35 ms AS2914 [NTT-BACKBONE] 美国, 加利福尼亚, 洛杉矶, gin.ntt.net
1.16 ms AS2914 [NTT-BACKBONE] 美国, 加利福尼亚, 洛杉矶, gin.ntt.net
0.88 ms AS701 [UU-152] 美国, 加利福尼亚, 洛杉矶, verizon.com
0.83 ms * [NSFNET-T3] 美国, 加利福尼亚, 洛杉矶
198.77 ms AS701 [UU-152] 美国, 加利福尼亚, 洛杉矶, verizon.com
188.23 ms AS4837 [CU169-BACKBONE] 中国, 广东, 广州, chinaunicom.cn 联通
189.50 ms AS4837 [CU169-BACKBONE] 中国, 广东, 广州, chinaunicom.cn 联通
*
176.67 ms AS17623 [APNIC-AP] 中国, 广东, 深圳, chinaunicom.cn 联通
166.67 ms AS17623 * 中国, 广东, 深圳, chinaunicom.cn 联通
广州移动 - ICMP v4 - traceroute to 120.196.165.24, 30 hops max, 52 byte packets
1.10 ms AS35916 * 美国, 加利福尼亚, 洛杉矶, multacom.com
2.00 ms AS35916 * 美国, 加利福尼亚, 洛杉矶, multacom.com
10.30 ms AS2914 [NTTA-128] 美国, 加利福尼亚, 洛杉矶, gin.ntt.net
0.83 ms AS2914 [NTT-BACKBONE] 美国, 加利福尼亚, 洛杉矶, gin.ntt.net
105.81 ms AS2914 [NTT-BACKBONE] 日本, 东京都, 东京, gin.ntt.net
*
158.33 ms AS2914 [NTT-BACKBONE] 中国, 香港, gin.ntt.net
162.90 ms AS2914 [NTT-BACKBONE] 中国, 香港, gin.ntt.net
158.88 ms AS2914 [NTT-GLOBAL] 中国, 香港, gin.ntt.net
156.34 ms AS58453 [CMI-INT] 中国, 香港, cmi.chinamobile.com 移动
166.51 ms AS58453 [CMI-INT] 中国, 广东, 广州, cmi.chinamobile.com 移动
169.17 ms AS9808 [CMNET] 中国, 广东, 广州, chinamobileltd.com 移动
176.66 ms AS9808 [CMNET] 中国, 广东, 广州, chinamobileltd.com 移动
*
165.89 ms AS9808 [CMNET] 中国, 广东, 广州, chinamobileltd.com 移动
167.95 ms AS9808 [CMNET] 中国, 广东, 广州, chinamobileltd.com 移动
170.17 ms AS56040 [APNIC-AP] 中国, 广东, 深圳, gd.10086.cn 移动
-------------------------------------PING值检测--------------------------------------
TG-DC1 MIA USA 58 | TG-DC3 MIA USA 58 | TG-DC4 AMS NL 150 |
TG-DC2 AMS NL 151 | TG-DC5 Singapore 175 |
CNN 13 | Twitch 17 | Sora 19 |
Claude 19 | Apple 21 | Azure 28 |
BBC 29 | DisneyPlus 31 | NYTimes 36 |
DigitalOcean 38 | OpenAI 39 | Wikipedia 43 |
Netflix 66 | Google 71 | MetaAI 76 |
Gemini 83 | AWS 84 | Bing 106 |
GitHub 107 | Docker Hub 111 | Instagram 112 |
Reddit 113 | Microsoft 117 | Amazon 122 |
GitLab 176 | eBay 178 | YouTube 179 |
StackOverflow 186 | Facebook 204 | Spotify 212 |
Bilibili 217 | ViuTV 225 | AliExpress 243 |
Twitter/X 269 | Google Cloud 304 | iQIYI 310 |
PrimeVideo 357 | TikTok 392 | TVB Anywhere 622 |
Steam 1912 |
--------------------------------------就近节点测速--------------------------------------
位置 上传速度 下载速度 延迟 丢包率
Speedtest.net 756.05 Mbps 838.81 Mbps 757.348μs N/A
洛杉矶 623.40 Mbps 750.41 Mbps 1.621001ms N/A
日本东京 438.03 Mbps 66.37 Mbps 110.051772ms N/A
联通上海5G 25.93 Mbps 0.02 Mbps 190.198559ms N/A
电信浙江 1.09 Mbps 47.54 Mbps 168.561535ms N/A
电信Suzhou5G 7.24 Mbps 88.40 Mbps 190.003686ms N/A
移动Suzhou 1.22 Mbps 0.35 Mbps 299.405527ms N/A
----------------------------------------------------------------------------------
近两年，AI迎来井喷式的发展，熊猫愿把这称作“第一次科技革命”。随着大模型和 AI agent 的不断成熟，常常让人不禁感叹：原来 AI 已经能做到这种程度了！
即便 AI 已经发展到如此“逆天”的程度，熊猫发现普通人的使用场景仍然局限在对话和生图这两类。进阶操作很少有人会，不会设置工作流，不会配置智能体，甚至连大模型有不同类别这件事都不清楚。
本期内容会从AI大模型的介绍、获取以及使用进行介绍，2025小白AI入门指南，现在开始！
在获取并使用大模型之前，首先要弄清市面上有哪些类型的模型，以及它们各自能做什么。
日常使用最多的是 LLM（大语言模型），也常被称为“语言模型”。比较知名的有 GPT 系列 —— 可以说推动大众进入 AI 时代的就是 GPT-3.5。在国内，比较出名的代表有千问和 DeepSeek。
这类模型通常指用于处理人类语言文本的模型，主要功能包括文本对话、写作、翻译、逻辑推理和情感分析等与文本相关的任务。
语言模型可分为基座模型和指令模型。基座模型——顾名思义，是所有模型的基础，通常通过海量数据预训练，擅长对输入文本进行“续写”。举个例子，如果输入“熊猫是不是猫？”，基座模型更可能沿着文本继续生成下一个句子，例如“蜗牛是不是牛？”。它对知识有一定掌握，但不具备按人类指令执行特定任务的能力。
指令模型是在基座模型的基础上，通过人工反馈（如人类评估和指令示例）进行强化学习或微调而成。这类模型能理解并执行人类指令，支持对话式交互。因此，目前常见的 GPT、DeepSeek 和千问等产品多数属于指令模型或在其基础上进行了指令化调整。
这类模型对普通用户而言用得较少，主要用于需要检索的场景，如知识库、相似度搜索等。它们通常不直接生成文字或图片，而是把文字或图片等信息编码成一串数字数组——也就是向量。这个向量相当于该信息的“身份证”或“坐标”，用于表示和比较内容的语义或特征。
向量模型会把信息编码为向量，进而在一个巨大的多维坐标空间中表示这些信息。语义相近的词或内容在空间中的位置也会相近，语义相反或无关的则会相距较远。
向量模型目前最常见的应用是 RAG（检索增强生成）。一些 NAS 的相册也提供检索功能，但那些实现多依赖传统数据库索引，而非向量检索。就我所知，使用向量模型进行精确检索计算的厂商中，目前只有威联通和极空间在实践这一方案。
视觉模型其实并不是单纯的作图这么简单，视觉模型作为大类目，再往下细分可以分为两个大类，分别是生成和理解。
很多人以为生成类模型就是直接“按提示画图”，但图像生成的过程实际上是逆向的。当前主流的生成方法依赖扩散模型 (Diffusion)：训练阶段把一张清晰图片不断加噪，直到变成类似雪花屏的满屏噪点；生成阶段则从满屏噪点开始，按用户输入的条件逐步去噪，最终复原出清晰的图像。
视觉理解顾名思义，是对已有图片进行分析和理解，常见场景包括图像识别、OCR、目标检测、图像分类等。实现这些功能的主流方法主要有 ViT（Vision Transformer）和 CNN。常见做法是把图像切分成若干小块（patch 或 receptive field），分别对每个小块提取信息或特征，再将这些局部特征汇总、融合以完成最终的判定或理解。
目前视觉模型种类繁多，既有近期走红的 Nano Banana Pro，也有老牌的 Midjourney、DALL·E 3，以及广泛使用的开源项目 Stable Diffusion。但总体来看，国内在视觉模型的研发和生态建设上，与国外相比仍存在一定差距。
多模态顾名思义，是把视觉模型的“眼睛”和语言模型的“大脑”结合在一起，从而具备视觉问答、情感交互、跨模态检索等能力，也是目前大模型的发展方向。
多模态的发展早期，通常采取将视觉模型和语言模型“强行拼接”的做法，通过后续训练让“大脑”学会理解“眼睛”传来的信息。随着技术演进，现在的多模态模型更多是在设计阶段就原生支持文本、音频、图片等多类数据的联合理解与处理，而不是简单地把单模态模块堆叠在一起。
多模态领域较为出名的代表包括 GPT‑4o 和 Gemini 1.5 Pro。多模态模型现在算是应用最广的模型类型之一——例如手机里的语音助手（如小爱、小布、小V）很多都基于多模态技术，实现了语音、图像与文本的联合理解与交互。
除了上述的模型，还有一些日常普通用户用的更少或者更为专业的模型，其中主要就是视频生成模型、音频语音模型以及专业模型等等。
视频生成模型是目前技术难度最高的模型之一，对算力要求极高。它通常在扩散模型的基础上引入 Transformer 结构，用以生成连续且逻辑自洽的帧序列，随后再把这些时间帧按顺序拼接，就能得到完整的视频。
这类模型最具代表性的就是Sora与国内比较出名的可灵。
音频语音模型其实用的并不少，比较出名的案例就是“AI歌手”孙燕姿。然而，即便音频模型已经相当成熟，调音与修音仍需要人工参与，否则即使是未接触过 AI 的普通听众，也大都能察觉到明显的失真感。
专业模型其实就是针对垂直领域特殊训练的模型，通用大模型虽然通用性强，但“什么都懂一点”的特性往往只能达到“略懂”的水平。为满足专业场景的高精度需求，才催生了这类专用模型。常见类型包括代码模型和各类科学模型（如生物、气象、数学等）。
通过以上，我相信你已经大概知道了大模型的种类以及使用场景，那么如何获取我们想要的模型呢？
先从官方渠道说起。除去少数需要付费或有使用限额的模型（例如近期走红的 Nano Banana Pro、GPT5.1、可灵等），大多数模型在官网上都可以直接免费使用，不过通常仅支持网页版或官方 APP。对普通用户而言，这类使用方式已基本满足日常需求。
如果你想通过 API 调用大模型，很多平台其实是提供了可观的免费额度的。例如阿里的通义千问可以在阿里百炼控制台领取，抖音的“豆包”可以在火山方舟引擎控制台领取。通常这类额度只发放一次，但数量往往从几百到数千万 Token 不等。用于文本类任务的话，对普通用户基本足够。
这里推荐一下美团的longchat模型（非广），虽说是稀释后的模型，但longchat也有通用模型和深度思考模型两种，同时官方文档看似没有更新，但实测是支持多模态的。
当然，最重要的是美团的longchat目前对于个人用户每天有500万的Toekn（申请之后），没错！是每天500万的Toekn，对于个人用户来说这个量非常大了，完全足够常规的文本和视觉分析处理，主打一个免费量大。
如果你有大量其他模型使用需求，例如更高质量的视觉分析、图形生成等等，那么大概率就需要付费来使用，你可以选择用官方的付费服务，但大部分情况下高质量的模型大量使用费用其实并不低，亦或者选择折扣的第三方渠道。
通常来说这类第三方网站的token会是官网的3-6折，根据模型的热度和质量而定。在计费方式上会有按次和按量两种方式，一般来说生成类模型熊猫建议是按次，文本或向量这类模型建议按Toekns来计算。
关于网址的获取其实途径非常多，百度搜索大模型第三方API站点、github中直接搜索AI内容，赞助广告中、linux.do论坛佬友们的分享等等，这些都是获取的途径，废了避免广告嫌疑，熊猫就不做推荐了，可以自行搜索。
这时候又有小伙伴会问，那么就没有完全免费的路子嘛？那当然也有，不过免费往往也会带来一些问题，例如站点可能时不时就会跑路、不支持API并发、热门付费模型没有等等。
这一类站点的获取关键词为公益站，尽可能用谷歌去搜索，当然一样的github和linux.do中也会有很多推荐，但基本上是没有热门付费模型或高质量生成类模型，比如近期大热的Nano Banana Pro。
一般来说公益站会限制用户的API并发或二次分发，大部分公益站都是不开放注册的，只会在特定的时间开放注册，类似于PT站的操作，在额度方面大概率也是签到、注册、邀请等等来获取额度。
大部分情况下注册一般就有20-100的额度，这里指的是美元，然后每天签到大概也有5-10左右，基本上也是完全够用了。
最后一种则是逆向工程，熊猫这里并不推荐这种方式，关于如何使用逆向，这里没办法做过多的介绍，可以自行github搜索相关项目。
逆向之后就不受额度、注册等限制了，但往往也伴随不稳定性以及模型使用的限制，例如不能进行图像生成、语音识别等等，这就和逆向工程的项目相关了。
最后说说大模型的实际使用。正如前面提到的，普通用户最常用的功能是对话、搜索和生图。要想实现更精准的图像生成或更深度的对话，就需要引入“智能体”概念——本质上就是对模型进行预设与流程化配置。
对于文本类项目，网上其实已经有非常多的提示词了，或者你可以直接让AI帮你生成相关需求的提示词，这里推荐熊猫之前介绍过的提示词优化器，支持直接使用以及自部署：Prompt Optimizer。
除此之外大部分的应用或者模型官网都内置一些智能体，熟练合理的运用智能体很多时候能提高不少的工作效率。
而对于图形生成，也有非常多的项目和网站会收集一些预设词，这里熊猫主推https://opennana.com/。该网站收录了一共700多种生图案例，且支持中英文双语提示词。
如今，AI的发展趋势非常之猛，作为普通人的我们并不能改变什么，前两天熊猫翻招聘软件甚至看到一些公司已经开始将熟练使用AI作为招聘要求了。
技术的发展并不会取代人，但不会新技术的人一定会被其他人取代。
以上便是本次分享的全部内容了，如果你觉得还算有趣或者对你有所帮助，不妨点赞收藏，最后也希望能得到你的关注，咱们下期见！
冬，12月漫过一周。最近太累，这周六又是满满一天的工作。昨晚睡的早，史无前例睡了十个小时，就这样，今天都还是困。下午遛完车，回程地铁上迷迷瞪瞪，差点睡着。这是到了年龄开始精力不足了么？😱周四开会时，有同事说“看到你头上好多白头发哦”~我笑了笑，呵，老了呗。下周智康中心迎检，还有优质在线评审，还有西昌会，还有单位无数事情，呃呃呃，劈成两半吧。
成都的银杏现在是彻底黄了，走在路上，不经意间便可以看到一抹亮色，那灿烂的黄。前几天还看到超级圆月，夜色下真就是“玉盘”。这段时间真的是“跳过情绪，直接做事”，很多事情能做到的不能做到的，有困难的没困难的，都先不要起情绪，不要被情绪所困扰，一个字，干。不然想太多，就啥都也干不成，甚至都没法推进。昨天和同事交流时，牢牢记住了“大悲咒”三个字。
对我而言，读一遍都够呛，遑论背诵。前天下午走着走着，嘿，走到田间地头，适得返自然，心情瞬间开怀很多。落日，晚霞，池塘，绿树，炊烟，蔬菜，飞鸟，狗儿，行人，一切都是那么的和谐而美好，欣欣然，自自然。昨晚看到街头鱼缸里的鱼，游游停停。瞪大个眼睛似乎在看人，但又似乎啥也没看，就是单纯的瞪着眼睛，目中无人。哈哈哈，能够目中无人，那也是一种本事。
很多时候心念一转，便是万般自在。刚看到这么一句话，挺好：
你在别人口中的好与坏，其实只和他们自己的利益有关系，你符合他们的利益，他们就会夸赞你抬举你，不符合他们的利益，他们就会批评你打压你甚至诋毁你，人一到群体中，智商就严重降低，为了获得认同，个体愿意抛弃是非，用智商去换取那份倍感安全的归属感，大众没有辨别能力，分不清真假善恶，他们只会干两件事，要么锦上添花，要么落井下石。
这是猫鱼周刊的第 88 期，本系列每周日更新，主要内容为每周收集内容的分享，同时发布在
博客：阿猫的博客-猫鱼周刊
RSS：猫鱼周刊
邮件订阅：猫鱼周刊
微信公众号：猫兄的和谐号列车
这周还是没有图。自从进了胶片的坑，出门要么不带数码的，要么带了也不拿出来拍。而一卷有 36 张，经常一次拍不完，又想等囤起来一起洗了，所以很久都没出什么图。
这周主要很多时间精力花在一个新坑上，起因是最近 Folo 团队裁员，裁掉了最核心的两位贡献者，而且发布了所谓「正式版」，加上怎么都关不掉的 AI 功能，实在让我觉得非常难受。RSS 阅读器这块我从一开始的 Reeder（Classic）到 NetNewsWire 再折腾到 Follow（Folo），来回折腾其实都只是不一样的界面，功能上没有什么特别亮眼的，也没有能针对我的信息获取工作流做优化的地方。于是我决定写一个自己的 RSS 阅读器 Glean，中文名叫拾灵，具体的后面细说。
说的是 AI 厂家在输出最后总会加的口癖（例如「要不要我帮你调整 xxx」）。作者举了几个小学生利用 AI 完成作文、作业，以及老师用来发朋友圈文案的例子。
我上周才提到过，如果把 AI 不加处理地用于教育领域，很容易造成「Shit in, shit out」的局面。小朋友的可塑性是非常强的，稍微「权威」的来源会对其认知产生很深远的影响。我记得以前小学的时候，学写信的格式，结尾一定要有「此致」「敬礼」，老师从来没有解释过为什么，我也理解不了为什么为什么要向信的读者敬礼（即使 ta 就是我的朋友），后来才知道其实还可以写「顺颂时祺」之类的套话，但实际上我用得最多的还是漫无章法的「祝好」、「祝万事如意」、「Best Wishes/Regards」。基础教育因为要面对非常多样性的群体，没法做到很细致，如果你拿着这个问题去问小学老师，一般得到的回答就是「你就记着这么用就行了，别问为什么，没有为什么，固定搭配」。
回到这个 AI 的例子，这里面最为讽刺的是，人把自己的知识蒸馏后训练成 AI，结果 AI 再蒸馏一遍知识给下一代的人，但每一步蒸馏都会有不少损失，所以才说对下一代的人来说，是「Shit in, shit^2 out」 。会不会下一代的人，写作风格不仅充满 AI 味，写出来的文章最后还要加上一句「如果你需要根据自己妈妈的特点进行个性化修改，我也可以帮你调整这篇作文。」？
一个初学者角度的 Go 语言印象，以及对一些 Go 生态中常见哲学的理解和解读。我觉得 Go 在我心目中算是排名数一数二的语言，虽然我最近用的 Python 比较多。
首先，Go 是偏见非常强的语言，诸如只有 gofmt 一种风格、不允许未使用的变量、强制错误检查等，一定程度上让代码「规范」了很多。这里的反例就是我最讨厌的 Java，八股里面我最讨厌的一个问题「线程有几种创建方式」，在 Go 里只有一种，就是 go 关键字，不需要考虑茴字到底有几种写法。
其次，Go 在语法上非常简单，也没有复杂的语法糖，不管你的本命语言是什么，读 Go 都会觉得很顺畅。作者举的三目表达式就是一个非常好的例子，Go 就鼓励清晰的 if-else 结构。
还有一点，Go 让我写代码的时候逻辑变得非常清晰，或者说形成了一些良好的思考习惯。比如强制的错误检查，会让你在调用某个函数的时候，仔细考虑它会可能会出什么异常，对于业务来说应该怎么处理；又比如非面向对象的设计，会让你更加好地考虑怎么设计数据结构和接口；以及相对比较「裸」的并发写法，让你自己控制通道和锁，比起 Java 那套奇怪的调度方法好理解得多。
最后不得不说的就是跨平台能力和性能。与 Java 的虚拟机机制不同，Go 在所有平台上都是二进制原生运行的，这点就很无敌。性能方面，Go 的线程就是一个很好的例子，内存占用非常小，这在现在以云服务为主，内存寸土寸金的环境来说非常友好。
我的编程入门语言是 Python，甚至是 Python 2，最早是高中的时候自己搞了点书看。然后到大一学了 C/C++，自学了 PHP、Python 3、JavaScript，大二自学了 Java，大三自学了 Kotlin，后来工作之后又自学了 Go。在见识过基本上全部主流的语言之后，我心目中数一数二的就是 Go 和 Python，这俩也是我最为常用的语言。也许后面可以专门写篇文章展开讲讲我对各个语言的一些印象。
Kodak Reto （柯达授权经销商）新出的一款胶片相机，25mm f9.5 广角镜头，固定 1/100 快门，有自动卷片、自动回卷和自动闪光，支持双区对焦、双重曝光，使用 7 号电池供电。
我在小红书上刷到的，看了一下国内贩子都在加价，就直接在官网下单买了，99 + 3.5 运费，算下来比贩子卖得稍微便宜一点，而且 12.2 发货，第二天就收到了。我买的是白色款，包装里自带一个收纳袋和一条挂绳。
带着拍了几天，简单谈谈使用体验。它非常轻便，操作也很简单，上卷、打开电源，按快门即可。拍照的时候会有一个很轻的快门声，然后就是过卷马达的声音，这个比起手动过卷的机器来说没有拨动过片扳手的齿轮声悦耳，跟其他一些傻瓜机差不多。自带的挂绳很有意思，保证你在扫街的时候可以第一时间拿出来拍。（此处应有伍佰）我觉得胸前挂着相机大摇大摆走还是太张扬了，而且给的绳子有点长，在肚子上晃荡，所以我是绳子挂在脖子上，然后相机踹在前胸大口袋里，也很方便。
因为第一卷还没拍完，所以画质这些也许要等后面洗出来再聊。25mm 的镜头对我来说也是一个挑战，因为我平常惯用 50mm 甚至更长的焦段，25mm 这样一个大广角对我来说有点难以掌握，不过我发现这对于拍摄街景、建筑或者壁画这些东西非常适合。另外，固定 1/100 的快门和 f9.5 的光圈也有点蛋疼，官方的说明里推荐晴天/阴天户外使用 ISO 100/200 的卷，阴天、室内使用 ISO 400 的卷。我第一卷装的是全能 400，我也不确定宽容度有多高，但是拍摄的过程涵盖了阴天和大晴天，到时候看看效果吧。小红书上有不少评论说不如买几百块的二手 PS 机，二手 PS 机我也有，但是真的很难买到成色好，更别说全新的机器，而且 PS 机也做不到这样轻的重量。我觉得它的定位是玩具相机和 PS 机的中间，比玩具相机更好的画质、可以重复装卷，结构比 PS 机简单、成本更低。如果你对胶片感兴趣，我觉得这是一台比较值得入手尝试的机器。
前面说到，Folo 的变动，让我决定写一个自己的工具，它主要是一个自托管的 RSS 阅读器 + 个人知识管理工具，主要会有以下的功能：
所以 Glean 在产品形态上大致是 Folo/RSS Reader + Cubox/Karakeep 这样的东西，相当于是把我平时用来阅读和收藏整理信息的工具整合起来了。这是它目前的样子：
它会采用 OSS + SaaS 的商业模式，OSS 版本跟 SaaS 版本的区别就是 BYOK（Bring Your Own Key，使用自己的 AI） 和平台托管，你可以自建 OSS 版本获得基本上全部的功能，如果自建对你来说太麻烦，也可以付出 AI 的成本来获得对应的服务。
做自己的工具对自己来说是非常满足的事情，除了功能，一些交互细节也可以打磨到自己喜欢的样子。例如阅读界面右边的 Outline 功能，就有非常多考虑：
另外，这次 Vibe Coding 我也在尝试一种比较新的工作流程，在过程中更多地使用 AI 和 文档，大致是：
这套工作流用下来还可以，开发的效率相对比较高，很多时候只要人工介入一下具体的交互细节就可以达到可用的程度。唯一的缺点可能是烧钱太快了，我的 $20 Claude Pro 和 $20 Cursor Pro 订阅一两天就用完了，Cursor 我升级到了 $60 还是不够用，已经上到 $200 了。
直播录制工具，支持多个平台的直播录制。
本周刊已在 GitHub 开源，欢迎 star。同时，如果你有好的内容，也欢迎投稿。如果你觉得周刊的内容不错，可以分享给你的朋友，让更多人了解到好的内容，对我也是一种认可和鼓励。（或许你也可以请我喝杯咖啡）
另外，我建了一个交流群，欢迎入群讨论或反馈，可以通过文章头部的联系邮箱私信我获得入群方式。
最近发现公共场所抽烟的人越来越多了，楼道、电梯、路上，经常能碰到。那股烟味非常让人不太舒服。
我的店所在的这个写字楼楼道是一个密闭的空间，虽然物业也贴了楼道禁止吸烟的标语，但是也并没有什么实质性的作用，每当有人抽烟，屋里就会飘来一股烟味，有时候不得不把门关上，但是你又是在做生意，关上门又不合适，真实左右为难。
电梯里抽烟就更让人头疼了。很多次，进入电梯，里面都是一股浓浓的烟味，很多邻居也都在物业群里吐槽，这时候物业就是一只鸵鸟，不吭声，不吭声，逼急了，就说在电梯有禁烟的标语。其实他们也很无奈。还有一些年轻人也是，抽的电子烟，虽然没有那么难闻，但是危害是一样的。
电梯空间小，烟味散得慢。后面坐电梯的人还得闻这个味道。那些对烟味敏感的人，或者带着孩子的人，确实会不舒服。
路上抽烟的人也常见。走在他后面，风一吹，烟味就飘过来。有时候想超过去，他还走的挺快，闭着气赶紧穿过去，心里在骂他的娘。
我琢磨了一下，这些人大概有这么几种心态。第一种是觉得抽烟是自己的权利，想在哪抽就在哪抽。他们忘了自由的前提是不妨碍他人的自由。你的抽烟自由，不能建立在我吸二手烟的不自由上。
第二种是觉得抽几口没事，烟味一会儿就散了。他们也知道二手烟里的有害物质可以在空气中停留很久，但是，关我鸟事。
第三种是看到别人在公共场所抽烟，觉得自己也可以。典型的法不责众心理。问题是，错的事情不会因为做的人多就变成对的。
第四种是知道公共场所抽烟不对，但只要没人管，他们就照抽不误。说白了就是缺乏公德心。
有些人可能觉得，闻点烟味没什么大不了的。但二手烟确实有危害，特别是对孩子、孕妇、老人和有呼吸系统疾病的人。
其实我们国家早就出台了《公共场所控制吸烟条例》，明确规定室内公共场所、公共交通工具、电梯等地方禁止吸烟。问题是，规定是规定，执行是执行。很少看到有人因为公共场所抽烟被处罚。物业不管，保安不管，大家也都抱着"多一事不如少一事"的心态。
这就形成了一个恶性循环：没人管→更多人抽→更没人敢管。
说实话，作为一个普通市民，我们能做的有限。但至少可以从自己做起，如果家里有人抽烟，劝他们去专门的吸烟区，或者至少不要在密闭空间抽。遇到公共场所抽烟的人，可以礼貌地提醒。虽然可能没什么用，但至少表达了态度。
也可以支持公共场所设立明显的禁烟标志，支持物业加强管理。告诉孩子们吸烟的危害，特别是二手烟的危害。
抽烟是个人的选择，这个我理解。但如果在公共场所抽，确实会影响别人。公共场所是大家共用的，不是某个人的吸烟室。你的自由，不应该让别人不舒服。
那些在楼道、电梯、路上抽烟的朋友，可以换个角度想想：如果你的家人每天都要闻别人的烟味，你会怎么想？将心比心，其实大家都明白这个道理。
自从 NAS 上线以来，家庭服务器上保存的数据越来越多，服务器安全变得越来越重要。 跟普通服务器一样，我的设备对公网开放访问。不免有好事之徒光临，或尝试暴力登录 SSH， 或尝试扫描系统漏洞。虽然基本都以失败告终，但还是需要找一个比较完备的解决方案。正 所谓「不怕贼偷，就怕贼惦记」。我得想办法给这些人发出明确的信号，该服务器有基本的 安全措施，还是去别处搞事吧。研究再三，发现也就 Fail2Ban 可堪此重任。本文向 大家分享我的实践经验。
