<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_00049的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_00049</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_00049]]></copyright><item><title><![CDATA[最强模型画图纸、便宜模型照着干：一份计划书里的3个巧思，治好了AI写代码的“自信翻车”]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/170565480</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/170565480</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 23:12:11 +0800</pubDate><description><![CDATA[最近AI编程圈里流传着一个挺反常识的做法：**别让最贵的模型动手写代码，让它只负责“写说明书”。**

提出这个思路的，是做火了前端组件库 shadcn/ui 的作者 shadcn。他开源了一个叫 improve 的小项目，社区文章里提到，它上线十几天就冲到六千多颗星，还有人算过账：这套打法能省下大约一半到六成的模型开销。

但真正让人服气的不是省钱。而是它证明了一件事——**只要那张“说明书”写]]></description><category></category></item><item><title><![CDATA[为什么Qwen3.8-27B-AWQ-W4A16-ASYM的MTP头必须留在BF16？量化模型保住投机解码的关键]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/161596732</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/161596732</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 21:46:32 +0800</pubDate><description><![CDATA[**Qwen3.8-27B-AWQ-W4A16-ASYM** 是基于 Qwen3.8-27B 多模态大模型的 AWQ 4-bit 量化版本：它把主干权重压缩到 INT4，却刻意把 MTP 头完整保留在 BF16。对量化模型来说，这不是保守，而是保住投机解码加速的关键。本文用最短篇幅讲清三件事：MTP 是什么、它为什么经不起量化、以及这个仓库如何把它无损带进压缩版模型。

## 1️⃣ 先认识这个 ]]></description><category></category></item><item><title><![CDATA[DSH小鲸鱼记账挂件：如何三步开启Codex本地会话统计，完整算清Codex CLI消耗]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/153093427</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/153093427</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 21:43:29 +0800</pubDate><description><![CDATA[天天在跑 Codex CLI，却不知道它到底烧掉了多少 token？DSH 小鲸鱼记账挂件（DeepSeek Balance Whale Widget）内置了 **Codex 本地会话统计**：只读本机明文会话日志，就能按天、按模型把 token 消耗算出来，不联网、不需要任何密钥，连没在 DSH 里跑的 Codex 消耗都能完整统计到。

[![DSH小鲸鱼记账挂件展示余额与Codex本地会话统]]></description><category></category></item><item><title><![CDATA[8GB显存轻松跑12B大模型：gemma-4-12B-it-heretic-QAT-GGUF硬件配置与体积优势解析]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/153106061</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/153106061</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 20:39:28 +0800</pubDate><description><![CDATA[gemma-4-12B-it-heretic-QAT-GGUF 是一个专为低显存本地部署优化的 12B 大模型 GGUF 量化版本：主模型文件仅 6.4 GB，采用 QAT 量化感知训练 + Q4_0 量化，8GB 显存的显卡即可完整加载全部 48 层权重。本文从硬件配置和文件体积两个角度，解析它为什么是"小显卡跑大模型"的高性价比选择。

## 一、仓库里有什么？先认识两个核心文件

这个仓库非]]></description><category></category></item><item><title><![CDATA[Qwen-Image-2.1-Turbo GGUF许可证详解：Qwen Research License允许什么、禁止什么]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/151460551</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/151460551</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 20:25:07 +0800</pubDate><description><![CDATA[本文详解 **Qwen-Image-2.1-Turbo GGUF** 量化模型所使用的 **Qwen Research License（通义千问研究许可证）**：它允许什么、禁止什么，以及个人开发者与企业商用时需要注意的合规要点。该仓库提供了 Qwen-Image-2.1-Turbo（7B DiT 文生图模型）的 GGUF 量化版本，供 stable-diffusion.cpp 本地部署使用。许可]]></description><category></category></item><item><title><![CDATA[3 步装好 search-plugins：在 qBittorrent 里一次搜遍多个种子站]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/154324777</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/154324777</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 19:29:01 +0800</pubDate><description><![CDATA[**search-plugins** 是 qBittorrent 的搜索插件合集，把 EZTV、The Pirate Bay 等 8 个站点的搜索整合进下载客户端的搜索页，让常下发行版、影视的用户不必再逐个打开浏览器查站，配合 Jackett 还能把范围扩到数百个索引器。整个安装只有 3 步，完成第 2 步就能看到结果。

## 一句话定位

这个仓库提供的是一组 Python 脚本，每个文件对应]]></description><category></category></item><item><title><![CDATA[Topcoat 页面元数据实战：Metadata 继承、动态加载与 Open Graph 标签渲染]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/137004616</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/137004616</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 18:24:22 +0800</pubDate><description><![CDATA[Topcoat 的页面元数据系统用 `Metadata` 描述页面的标题、描述、规范链接、robots 指令和社交预览信息，并允许布局提供默认值、页面只覆盖需要变化的字段。本文以官方文档 [页面元数据文档](https://link.gitcode.com/i/a5fb4e86535a106f63f211d9d9e17b89) 为主线，结合 `topcoat-metadata` 的源码实现与 [m]]></description><category></category></item><item><title><![CDATA[【独家整理】Python 操作同花顺客户端：自动下单、行情采集与策略测试一步到位]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/170541840</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/170541840</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 15:48:04 +0800</pubDate><description><![CDATA[还在用鼠标点同花顺下单、再手动把数据复制进 Excel 吗？"Python操作同花顺客户端自动化测试代码与插件"资源库提供了一套 Python 脚本和配套插件，帮你把登录、查询股票信息、获取行情、读取持仓与成交这些重复动作交给代码，让你把精力放在数据分析和策略验证上。

## 它解决什么问题

如果你写策略、跑回测，最大的体力活往往是"取数"：打开同花顺，切到持仓、委托、成交这些标签页，复制表格，]]></description><category></category></item><item><title><![CDATA[LocalThings 蒸汽护理机（Air Dresser）实战：除菌与除皱控制]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/157265628</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/157265628</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 13:04:10 +0800</pubDate><description><![CDATA[LocalThings 是一个运行在 Home Assistant 中的开源集成，可以在你的家庭网络内直接控制三星家电，无需三星云账号。本文以三星蒸汽护理机（Air Dresser，型号常见为 DF 系列）为例，带你完成从接入到「除皱防皱」「除菌」「程序选择」等核心控制的完整实战，全部操作都在局域网内完成，断网也能用。

## 为什么要把蒸汽护理机接入 Home Assistant

蒸汽护理机通]]></description><category></category></item><item><title><![CDATA[绝区零一条龙怎么用？日常托管到自动战斗、锄大地的完整配置指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/152290954</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/152290954</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 12:59:32 +0800</pubDate><description><![CDATA[每天上线要清的琐事一堆：咖啡店喝体力、影像店上录像带、刮刮乐摸奖、领报刊、收邮件，固定操作少说二十分钟。**绝区零一条龙** 就是替你做这些的——它把自动战斗、自动每日、自动空洞、自动闪避装进一个图形界面，你勾选任务、点开始，它按顺序跑完再自动停下。

## 它是什么，能帮你省多少时间

一句话：**绝区零一条龙 是一个图形化的绝区零自动挂机助手**，替你把重复的日常、战斗、空洞、巡逻串成一条流水]]></description><category></category></item><item><title><![CDATA[Simple Mind Map 快速上手：免费开源思维导图，三步出第一张图]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/155844694</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/155844694</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 12:50:22 +0800</pubDate><description><![CDATA[周五复盘会前，你要把一周的项目要点理成一张能投屏的图，手上只有十分钟。打开 Simple Mind Map 就行：这是一款免费开源的思维导图工具，内核是零框架依赖的 JS 库，附带可自部署的 Web 版，支持导入导出 XMind、Markdown 等格式，能把零散的念头快速整理成结构化图形。

[![开源思维导图的文件管理界面](https://raw.gitcode.com/GitHub_Tre]]></description><category></category></item><item><title><![CDATA[Hermes Studio 社区与支持：如何参与贡献与获取帮助]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/153309732</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/153309732</guid><author>gitblog_00049</author><pubDate>Wed, 11 Nov 2026 11:56:53 +0800</pubDate><description><![CDATA[Hermes Studio 是一个面向 Hermes Agent 的桌面应用、本地运行时和 Web 控制台，提供多平台 AI 聊天、会话管理、定时任务和用量分析等功能。作为开源项目，Hermes Studio 拥有活跃的社区和完整的支持体系。本文将为您详细介绍如何参与项目贡献、获取技术支持以及加入社区交流的完整指南。🚀

## 为什么选择 Hermes Studio 社区？

Hermes St]]></description><category></category></item><item><title><![CDATA[rea 逆向分析指南：把 AI 接入 Ghidra 与 IDA，4 步完成第一次二进制分析]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/163354861</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/163354861</guid><author>gitblog_00049</author><pubDate>Tue, 10 Nov 2026 20:44:10 +0800</pubDate><description><![CDATA[rea（Reverse Engineer Anything）是一个把 AI 助手接进逆向工具链的开源项目：你的 agent 通过 MCP 直接调用 Hopper、Ghidra、IDA、Kuna 这些分析引擎，定位代码、追踪调用，最后给出带证据的结论；同一套能力也有 `rea` 命令行入口，不接 agent 也能跑单条分析。适合两类人：想弄清某个应用或二进制行为但手上没有源码的开发者，以及需要把逆向]]></description><category></category></item><item><title><![CDATA[Bielik-Minitron-7B多语言实力实测：除波兰语外的31种欧洲语言表现如何]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/153173183</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/153173183</guid><author>gitblog_00049</author><pubDate>Tue, 10 Nov 2026 17:46:37 +0800</pubDate><description><![CDATA[Bielik-Minitron-7B 是由波兰团队 SpeakLeash 与 ACK Cyfronet AGH、NVIDIA 三方合作开发的多语言指令大模型，共支持 **32 种欧洲语言**。它的"主场"是波兰语，但真正让人好奇的是：去掉波兰语之后，剩下 **31 种欧洲语言**的实际表现到底如何？本文基于模型卡与技术报告信息，从语言覆盖、分组实力、压缩原理到上手测试，带你完整看懂这款"小而强"的]]></description><category></category></item><item><title><![CDATA[Jan：开箱即用的本地大模型工作站——从克隆到跑通只要 10 分钟]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/163392768</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/163392768</guid><author>gitblog_00049</author><pubDate>Tue, 10 Nov 2026 15:32:49 +0800</pubDate><description><![CDATA[Jan 是一个 100% 离线运行的开源 ChatGPT 替代品：你在自己电脑上下载、加载、推理 LLM，对话数据不出本机。它适合想摆脱云端订阅、又懒得自己搭 Ollama 或 llama.cpp 环境的开发者和初学者，核心卖点是一键下载 GGUF 模型 + 内置 OpenAI 兼容本地 API。下面这条路径带你把 Jan 本地大模型工作站跑起来。

## 🧭 项目全景速览

先看清它由哪些部分]]></description><category></category></item><item><title><![CDATA[如何3分钟用 vLLM 部署 NVIDIA Nemotron 3.5 Lightning 30B W4A16：从安装到第一个回复的极简指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/168346594</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/168346594</guid><author>gitblog_00049</author><pubDate>Tue, 10 Nov 2026 14:25:19 +0800</pubDate><description><![CDATA[🚀 想在**一台显卡**上跑起 **30B 级**大模型吗？NVIDIA Nemotron 3.5 Lightning 30B-A3B W4A16 是 NVIDIA Nemotron 3.5 Lightning 的 **W4A16 4-bit 量化版**，专为 vLLM 高吞吐服务设计。权重仅 **16.60 GiB**，在单张 **RTX 3090 24GB** 上即可运行，并支持 **640]]></description><category></category></item><item><title><![CDATA[Codex Tool-Use Trajectories是什么？437条AI编码智能体真实轨迹数据集完全解析]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/154268233</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/154268233</guid><author>gitblog_00049</author><pubDate>Tue, 10 Nov 2026 13:28:50 +0800</pubDate><description><![CDATA[📦 **Codex Tool-Use Trajectories** 是一个开源的 **AI 编码智能体工具调用轨迹数据集**：它收录了 OpenAI Codex 编码智能体在真实 Windows 工作区中完成编码任务时产生的 **437 条完整多步轨迹**（含 12,121 次工具调用），以及 314 组"子智能体任务简报-最终报告"配对数据。如果你正在寻找训练或研究 **function ca]]></description><category></category></item><item><title><![CDATA[Windows 7 制作 USB 启动盘的最后可用版本：Rufus 3.22 判定标准与 6 步最短链路]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/168426411</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/168426411</guid><author>gitblog_00049</author><pubDate>Tue, 10 Nov 2026 12:38:43 +0800</pubDate><description><![CDATA[Rufus 3.22（2023.03.25）是 Windows 7 上还能安装并运行、制作 USB 启动盘的最后一个版本，4.0 及之后（含截至 2026.06.30 的 4.15）在 Win7 上直接无法启动。唯一卡点是系统版本基线——Rufus 选设备、选 ISO、格式化写入的主流程在 3.22 里一步不少。Rufus 是一款免费的 USB 格式化工具，可把 ISO/WIM 镜像写入 U 盘生]]></description><category></category></item><item><title><![CDATA[Qwen3.5-2B图像理解实战：如何用好2B小模型做截图OCR、文档解析与图表问答]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/157273116</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/157273116</guid><author>gitblog_00049</author><pubDate>Tue, 10 Nov 2026 09:41:57 +0800</pubDate><description><![CDATA[Qwen3.5-2B 是一个 20 亿参数、内置视觉编码器的多模态小模型，支持图片、视频输入与长文输出，在截图 OCR、文档解析、图表问答等视觉理解任务上表现出色。本文面向新手，带你从零部署 Qwen3.5-2B，并覆盖三大高频图像理解场景的完整实操与参数调优技巧。

## 一、为什么 2B 小模型也能做好图像理解？

很多人认为"小模型做不了视觉理解"，Qwen3.5-2B 是一个很好的反例。它]]></description><category></category></item><item><title><![CDATA[Qwen3-30B-A3B-Instruct-2507-AWQ入门教程：用transformers跑通你的第一个请求]]></title><link>https://blog.youkuaiyun.com/gitblog_00049/article/details/151632561</link><guid>https://blog.youkuaiyun.com/gitblog_00049/article/details/151632561</guid><author>gitblog_00049</author><pubDate>Tue, 10 Nov 2026 09:19:42 +0800</pubDate><description><![CDATA[本仓库是 **Qwen3-30B-A3B-Instruct-2507 的 AWQ INT4 量化版本**：一个 30.5B 总参数、仅激活 3.3B 参数的 MoE 混合专家模型，原生支持 256K 长上下文。本教程面向新手，带你用 `transformers` 在本地一步步跑通第一个对话请求，适合想本地部署大模型的入门用户。

## 🧩 先认识一下：AWQ 量化版好在哪

AWQ（Activa]]></description><category></category></item></channel></rss>