<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_00192的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_00192</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_00192]]></copyright><item><title><![CDATA[Qwen3.5-4B-AWQ视觉理解实战：图像问答、OCR文档与小时级视频摘要完整配置指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/160783839</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/160783839</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 18:11:05 +0800</pubDate><description><![CDATA[Qwen3.5-4B-AWQ 是千问 Qwen3.5 系列经 AWQ 4-bit 量化后的视觉语言模型，总权重仅约 5.7GiB，单张消费级显卡即可部署。它原生支持图像问答、OCR 文档理解与小时级视频摘要三大场景。本文提供一份从零到跑通的完整配置指南：环境安装、vLLM 服务部署、三种视觉任务调用方式与调优最佳实践，帮助你快速搭建自己的视觉理解服务。

## 一、Qwen3.5-4B-AWQ 是]]></description><category></category></item><item><title><![CDATA[如何用 Alas 碧蓝航线脚本 10 分钟跑通：免费 7×24 自动收菜完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/162838742</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/162838742</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 17:59:18 +0800</pubDate><description><![CDATA[Alas 是一款免费开源的碧蓝航线自动化脚本（仓库名 AzurLaneAutoScript），为 7×24 无人值守场景设计，出击、委托、科研、大世界这些重复玩法全部接管。从装好依赖到第一次跑起来只需要三步，跑通之后海图它自己会认路。

## Alas 能做什么：碧蓝航线自动化功能清单与适用人群

- 全线出击：主线、活动图、每日 AB/SP 图
- 无缝收菜：委托、科研、后宅，到点立即收
- 大]]></description><category></category></item><item><title><![CDATA[10M上下文是秘密武器：Llama-4-Scout-17B-16E-Instruct长文档理解完整用法详解]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/153996492</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/153996492</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 17:54:31 +0800</pubDate><description><![CDATA[Llama-4-Scout-17B-16E-Instruct 是 Meta 推出的原生多模态 MoE 大模型，最大卖点正是 **10M（约 1000 万 token）超长上下文**，一次读入一整本长文档、数百页合同或数小时会议记录都不在话下。本文面向新手，完整讲解它的核心能力、快速部署步骤、长文档理解的最佳实践和关键参数，帮你把这块"秘密武器"真正用起来 🚀

---

## 一、30 秒认识 ]]></description><category></category></item><item><title><![CDATA[parakeet-cpp-gguf完全指南：无GPU本地跑通NVIDIA Parakeet语音识别（ASR），5分钟转写你的第一段音频]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/161748612</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/161748612</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 16:57:18 +0800</pubDate><description><![CDATA[parakeet-cpp-gguf 是 NVIDIA Parakeet 语音识别（ASR）模型的 GGUF 量化权重合集，配合 C++ 推理引擎 parakeet.cpp 使用，无需 GPU、无需 PyTorch 环境，在普通 CPU 上就能离线把语音转成文字。本文带你 5 分钟完成从下载到转写第一段音频，并讲清模型选型、量化档位、多语言与说话人分离等进阶用法。

## 为什么 NVIDIA 的语]]></description><category></category></item><item><title><![CDATA[iloader 使用指南：免费 iOS 侧载、导入 IPA 与证书管理一次讲清]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/161475263</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/161475263</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 14:50:09 +0800</pubDate><description><![CDATA[iloader 是一款免费的 iOS 侧载工具（侧载，就是不经过 App Store、把应用直接装到手机上的做法）。它替你处理登录 Apple ID、SideStore 安装、IPA 签名这些繁琐环节，基本只需照着点几个按钮。首次上手大约花 10 分钟，日常操作各 1 分钟。

## 侧载到底难在哪，iloader 把哪些活干了

新手卡在侧载上的，通常是三件事：

- **手动签名太折腾**：自]]></description><category></category></item><item><title><![CDATA[OpCore-Simplify 教程：从硬件报告到可写盘的 OpenCore EFI]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/155512203</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/155512203</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 11:40:25 +0800</pubDate><description><![CDATA[OpCore-Simplify 是一个面向黑苹果用户的菜单式 OpenCore EFI 生成工具：交给它一份硬件报告（一个 JSON 文件加一个 ACPI 表文件夹），它自动完成硬件兼容性检查、ACPI 补丁匹配与 kext 选配，在 `Results` 目录产出一份可直接写盘的完整 EFI。支持 Intel 第 1 代到 15 代与 AMD Ryzen/Threadripper，覆盖 macOS]]></description><category></category></item><item><title><![CDATA[【永久免费】2059 张带标注的火焰检测图片：火焰检测数据集，YoloV5 到 V8 直接可用]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/170498359</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/170498359</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 10:20:44 +0800</pubDate><description><![CDATA[火焰识别数据集2059张（已标注）是一套包含 2059 张已标注图片的火灾检测数据集，单一火焰类，附带 XML 标注文件，面向 YOLO 火焰检测设计：解压后指好路径，即可用 YoloV5、V6、V7、V8 开始训练。

## 你将获得 🎯

- 一套开箱即用的已标注火焰数据集：2059 张高清 jpg，训练/验证已切分（1648 / 413），不用自己再划分
- 两种标注都现成：`Annota]]></description><category></category></item><item><title><![CDATA[AB Download Manager 实战指南：让多线程下载与队列调度真正用起来]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/154051700</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/154051700</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 09:47:39 +0800</pubDate><description><![CDATA[AB Download Manager 是一款免费开源的桌面下载管理器，靠多线程分片加速文件下载，用队列和类别整理任务。本文带你从初次配置走到常用场景：大文件、浏览器接管、夜间定时下载，以及日常调优。

[![AB Download Manager 主界面：下载任务列表与状态筛选](https://raw.gitcode.com/GitHub_Trending/ab/ab-download-man]]></description><category></category></item><item><title><![CDATA[三套订阅一个指挥台：Claude Code、Codex 与 Cursor 的并行任务怎么一次看清]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/153551173</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/153551173</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 09:40:42 +0800</pubDate><description><![CDATA[凌晨一点，你同时在跑 Claude 的重构和 Codex 的测试补全，两家的 CLI 各占一个终端：一个在等你的权限审批，一个已经把三行报错糊在了另一张改动上。你盯着屏幕，脑子在两份上下文之间来回切，审批点错按钮的恐惧比写代码本身还累。这类"多 Agent 并行失焦"的处境，正是 T3 Code 这个 AI编程Agent控制台要解的题——它不训练模型，也不替代任何一家的 CLI，而是把你在 Web]]></description><category></category></item><item><title><![CDATA[为什么MTP能让推理更快？gemma-4-12B-it-litert-lm 多Token预测原理深度剖析]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/151847465</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/151847465</guid><author>gitblog_00192</author><pubDate>Wed, 11 Nov 2026 09:34:19 +0800</pubDate><description><![CDATA[gemma-4-12B-it-litert-lm 是 Google 开源 Gemma 4 12B 模型在 LiteRT-LM 框架下的端侧部署版本，它内置了 **Multi-Token Prediction（MTP，多Token预测）** 能力，可加速投机解码、显著降低本地推理延迟。本文用通俗的语言讲清楚：MTP 是什么、它为什么能加快生成速度，以及这个模型文件在实际设备上的推理表现。

## 一]]></description><category></category></item><item><title><![CDATA[wav2vec2-large-xlsr-cantonese推理完全教程：5个步骤把粤语音频变成文字]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/170458435</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/170458435</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 23:15:48 +0800</pubDate><description><![CDATA[> **wav2vec2-large-xlsr-cantonese** 是一个面向粤语（zh-HK）的语音识别（ASR）模型，基于 wav2vec2-large-xlsr-53 在 Common Voice zh-HK 数据集上微调而来，测试集 CER 低至 15.11%。本教程带你用 5 个步骤完成部署与推理：把一段粤语音频变成文字，全程只需几十行配置 + 十几行 Python 代码。🎧

#]]></description><category></category></item><item><title><![CDATA[CC Switch v3.19.1 升级指南：3 家中国 Codex 网关直连、Claude Desktop 用量双计修复与 6 项问题清单]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/152546664</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/152546664</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 21:55:58 +0800</pubDate><description><![CDATA[CC Switch v3.19.1 为需要在多个 Codex 提供商之间切换的用户解决两件事：DeepSeek、火山方舟 Coding Plan 与腾讯混元 TokenHub 在 Codex 中改为原生 Responses 直连、不再依赖本地路由接管；同时修复 Claude Desktop 用量自 v3.18.0 起被双计、切回官方 Codex 后 401 死锁等 4 个日常故障，并为 8 个 $]]></description><category></category></item><item><title><![CDATA[复现官方Benchmark：lm-evaluation-harness测评Meta-Llama-3.1-8B-Instruct-quantized.w8a8分步实操]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/155630741</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/155630741</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 20:38:07 +0800</pubDate><description><![CDATA[Meta-Llama-3.1-8B-Instruct-quantized.w8a8 是 Meta Llama 3.1 8B Instruct 的 W8A8 INT8 量化版模型：体积减半、显存占用降低约 50%，精度几乎无损。本文将使用 lm-evaluation-harness 配合 vLLM，带你分步复现这款量化模型的官方 Benchmark 分数，一次掌握 LLM 基准评测的完整流程。

#]]></description><category></category></item><item><title><![CDATA[Recaf：5 步改完一个混淆 class 并导出的 Java 字节码编辑器教程]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/144237516</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/144237516</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 19:00:29 +0800</pubDate><description><![CDATA[周五晚上十点，你在排查一个线上问题：`NoSuchMethodError` 从某个第三方 jar 深处抛出来，栈帧里只有 `a.b(int, String)` 这种被混淆过的名字。你反编译出一份源码，想删掉可疑的那一行验证一下，结果编译直接失败——缺的依赖太多，IDE 的红色波浪线比你的思路还密。你盯着十六进制字节，第一次承认：改一个 class 文件，比读一段代码难多了。

如果你手边有 **R]]></description><category></category></item><item><title><![CDATA[如何在Apple Silicon上快速跑通Qwen-Image-2.1-Turbo-mflux-4bit？Osaurus安装与首张图生成教程]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/160471930</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/160471930</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 17:51:00 +0800</pubDate><description><![CDATA[Qwen-Image-2.1-Turbo-mflux-4bit 是热门 AI 绘图模型 Qwen-Image-2.1-Turbo 的 4-bit 量化版（仅 9.9 GB），专为 Apple Silicon（M 系列芯片 Mac）优化，在 Osaurus 中 8 步采样即可完成文生图与参考图编辑。本教程带你在约 5 分钟内完成从安装到生成第一张图的完整流程。

[![Qwen-Image-2.1-]]></description><category></category></item><item><title><![CDATA[FP8量化入门:一文读懂Llama-3.2-1B-Instruct-FP8凭什么让显存减半、推理提速2倍]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/162118586</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/162118586</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 16:09:35 +0800</pubDate><description><![CDATA[**Llama-3.2-1B-Instruct-FP8** 是 Neural Magic 对 Meta 官方 Llama-3.2-1B-Instruct 模型做 **FP8 量化**后发布的版本：权重和激活值都从 16 位压缩到 8 位，GPU 显存需求减少约 50%，矩阵计算吞吐量提升约 2 倍，而各项基准测试平均准确率仍能保持未量化模型的 99.8%。本文带你快速读懂 FP8 量化是什么、这个]]></description><category></category></item><item><title><![CDATA[绝区零一条龙自动化工具：自动闪避、自动空洞、锄大地一套配齐的实操教程]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/160267828</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/160267828</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 14:15:17 +0800</pubDate><description><![CDATA[如果你每天都在绝区零里接每日委托、清电量、刷零号空洞，应该懂那种感觉：单局不难，难的是日复一日的重复操作，而且想边挂机边打副本时，手根本不够用。遇到首领封招那几秒，闪避晚 0.1 秒就是白给。ZenlessZoneZero-OneDragon（绝区零一条龙）就是冲着这些痛点做的：一套面向 Windows 的自动化工具，把自动闪避、自动每日、自动空洞、大地图锄大地打包成一个图形界面，还支持手柄后台操]]></description><category></category></item><item><title><![CDATA[downkyi：B站视频批量下载与8K归档的免费开源工具指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/167223363</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/167223363</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 13:49:51 +0800</pubDate><description><![CDATA[晚上把一整季B站链接贴进 downkyi（哔哩下载姬），早上硬盘里就躺完整季8K原片。这款免费开源的B站视频下载工具，图形界面就能完成批量下载、画质选择和音频提取。

## downkyi 核心能力一览

- 图形界面批量下载，链接一次贴入即可整季排队
- 画质档位覆盖标清到8K，支持 HDR 与杜比视界原样落盘
- 工具箱提供音视频提取、去水印两项后处理能力
- 任务支持断点续传与自动重试，网络]]></description><category></category></item><item><title><![CDATA[黑苹果EFI一键生成指南:OpCore-Simplify 把 config.plist 调试压到一个下午]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/160809964</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/160809964</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 10:59:53 +0800</pubDate><description><![CDATA[深夜十一点,显示器黑屏第三次,你盯着引导菜单里那个熟悉的内核恐慌提示,心里清楚:问题多半出在黑苹果EFI的核心——那份几百行、牵一发动全身的 **config.plist** 上。**CPU 补丁**漏一条、**Kexts** 版本差一代、**SMBIOS** 型号选错,任何一处都能让 U 盘白做一遍。而 **OpCore-Simplify** 这个开源工具,就是要把这种"翻文档 + 反复试错"的]]></description><category></category></item><item><title><![CDATA[新手工程管理者的前30天：用 engineering-management 资源库找到5个常见难题的答案]]></title><link>https://blog.youkuaiyun.com/gitblog_00192/article/details/161950119</link><guid>https://blog.youkuaiyun.com/gitblog_00192/article/details/161950119</guid><author>gitblog_00192</author><pubDate>Tue, 10 Nov 2026 10:42:07 +0800</pubDate><description><![CDATA[engineering-management 是一个开源的**工程管理（engineering management）资源合集**：它把 1-1 沟通、招聘、规划、反馈、会议等 60 多个管理话题，按主题整理成一份带导读的"书架"。你不需要通读，它更像字典——卡在哪，翻哪页。

[![新员工 onboarding 场景漫画](https://raw.gitcode.com/GitHub_Trend]]></description><category></category></item></channel></rss>