<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_00335的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_00335</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_00335]]></copyright><item><title><![CDATA[Qwen3-Coder-Next-8bit初体验：800亿参数MoE编码巨模型如何真正跑进你的Mac？]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/170448583</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/170448583</guid><author>gitblog_00335</author><pubDate>Tue, 10 Nov 2026 16:40:52 +0800</pubDate><description><![CDATA[Qwen3-Coder-Next-8bit 是把 800 亿参数的 Qwen3-Coder-Next 编码大模型转成 MLX 格式并做 8bit 量化后的版本，专为 Apple 芯片 Mac 本地部署而优化。本文将带你读懂它的架构亮点、确认硬件门槛，并用最少的命令在 Mac 上真正跑起这个 MoE 编码巨模型。

## ✨ 这个 8bit 量化版到底有什么特别？

很多人看到"800 亿参数"就以]]></description><category></category></item><item><title><![CDATA[Qwen3.8-27B-W4A16-AutoRound 常见问题与故障排查清单：从 OOM 到“6B参数“疑云全解答]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/155334434</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/155334434</guid><author>gitblog_00335</author><pubDate>Tue, 10 Nov 2026 15:32:49 +0800</pubDate><description><![CDATA[**Qwen3.8-27B-W4A16-AutoRound** 是用 Intel AutoRound 对多模态大模型 Qwen3.8-27B 做出的 int4（W4A16）权重量化版本：文件体积约 19.5 GB（BF16 原版约 52 GB），支持 262K 上下文与图像输入，vLLM 一行命令即可部署。本文是一份**故障排查清单**，逐一解答 OOM 显存不足、HuggingFace 显示"6]]></description><category></category></item><item><title><![CDATA[BongoCat 自定义模型：10 分钟把内置猫纹理换成你的角色]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/158526533</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/158526533</guid><author>gitblog_00335</author><pubDate>Tue, 10 Nov 2026 12:50:04 +0800</pubDate><description><![CDATA[BongoCat 的自定义模型功能，让你把桌面上那只跟鼠标动的猫，换成自己重画的 Live2D 形象。全程只需要重画一张纹理图、在设置窗口选一次文件夹，10 分钟出结果；手里有旧版 Mver 模型的，导入时还能自动转换。

## 做完是什么效果

设置窗口的模型页里，你导入的模型和内置的 standard、keyboard、gamepad 并排成卡片，卡片封面取自包内 `resources/cov]]></description><category></category></item><item><title><![CDATA[如何在RTX 3090/4090/5090上部署Qwen3.8-27B-GSQ-RCO-IQ3_S-NInfer-v3：从Docker镜像到ninfer-serve的完整教程]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/156349889</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/156349889</guid><author>gitblog_00335</author><pubDate>Tue, 10 Nov 2026 12:19:15 +0800</pubDate><description><![CDATA[**Qwen3.8-27B-GSQ-RCO-IQ3_S-NInfer-v3** 是面向 NVIDIA RTX 3090 / 4090 / 5090 的 **3.5 比特混合精度量化版 Qwen3.8-27B 多模态大模型制品**（NInfer v3 artifact）。单个 13.99 GiB 的 `.ninfer` 文件即可在 24 GB 显存显卡上开启 176K 上下文，配合 MTP 推测解码]]></description><category></category></item><item><title><![CDATA[一文读懂QAT量化感知训练：为什么gemma-3-12b-it-qat-q4_0-unquantized的Q4_0质量能逼近bfloat16]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/159458479</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/159458479</guid><author>gitblog_00335</author><pubDate>Tue, 10 Nov 2026 11:47:58 +0800</pubDate><description><![CDATA[本文带你一文读懂 **QAT（Quantization Aware Training，量化感知训练）**，并解析 [gemma-3-12b-it-qat-q4_0-unquantized](https://link.gitcode.com/i/3e97c35e7690de215f26a44fd255f574) 这个基于 Gemma 3 12B 指令微调模型的仓库：它为什么能在 Q4_0 4bit ]]></description><category></category></item><item><title><![CDATA[dsh-purge 本地红队评测与提示词调校：一份从安装到排障的快速指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/155796103</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/155796103</guid><author>gitblog_00335</author><pubDate>Tue, 10 Nov 2026 11:22:45 +0800</pubDate><description><![CDATA[DSH 不只转发提示词，它还会在运行时改写提示词、审批门和沙箱策略，于是「模型自己拒绝」和「宿主层拦截」经常混成一锅，你查半天也分不清到底是谁拦的。dsh-purge 是装在本机官方 DeepSeek Harness 上的红队评测插件，把提示词调校、补丁管理和本地靶场放进会话标题旁的侧栏，帮你把这两层拆开看。它只改你自己机器上的官方 `@deepseek-ai` 包和本机配置，不动第三方站点。

]]></description><category></category></item><item><title><![CDATA[ModSearch X（推特）搜索教程：用 Grok Build 检索网页索引看不到的内容]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/169253757</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/169253757</guid><author>gitblog_00335</author><pubDate>Tue, 10 Nov 2026 11:21:53 +0800</pubDate><description><![CDATA[**ModSearch** 是一款免费、免注册、免 API key 的 AI 联网搜索插件：它给 DeepSeek 等没有联网能力的模型补上网页搜索、单页抓取和 X 搜索能力。其中 X（推特）搜索教程是本文重点——只需安装并登录 Grok Build，ModSearch 就能让模型直接检索 X 帖子，拿回结构化 JSON 证据，找到公开网页索引根本看不到的内容。

[![ModSearch 工作流]]></description><category></category></item><item><title><![CDATA[sherpa-onnx vits-melo-tts-zh_en 中英混合语音合成快速上手]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/154412226</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/154412226</guid><author>gitblog_00335</author><pubDate>Tue, 10 Nov 2026 10:07:23 +0800</pubDate><description><![CDATA[sherpa-onnx 是一个基于 onnxruntime 的离线语音工具集，vits-melo-tts-zh_en 是其中用于中英混合语音合成（TTS）的模型。它在无需联网的情况下把简体中、英文混合文本转成 WAV 音频，读完本文你可以用 Python 加载该模型并生成自己的语音。

[![Ubuntu 上 sherpa-onnx 中英混合 TTS 语音合成界面截图](https://raw.g]]></description><category></category></item><item><title><![CDATA[DeskHop 完整指南：用鼠标把两台电脑连成一台的开源快速桌面切换设备]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/151907918</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/151907918</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 23:51:05 +0800</pubDate><description><![CDATA[在同一套键盘鼠标上同时用两台电脑，说起来简单，用起来全是麻烦：市面上的 USB 切换盒切换有可感延迟、按钮还难找；软件 KVM 每台机器都要装客户端，且通常只在同一系统内生效。🖱️ DeskHop 是一个开源的快速桌面切换设备（Fast Desktop Switching Device），基于 Raspberry Pi Pico，同时连接两台电脑，拖动鼠标到屏幕边缘或按热键即可把键鼠输入切过去，]]></description><category></category></item><item><title><![CDATA[为什么别再下旧版 GGUF？Dolphin-Mistral-24B-Venice-Edition-1.2-GGUF 版本 1.2 升级全解析]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/157092601</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/157092601</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 23:27:55 +0800</pubDate><description><![CDATA[如果你正在用 llama.cpp 跑 Dolphin-Mistral-24B，那这篇文章值得花 5 分钟看完。**Dolphin-Mistral-24B-Venice-Edition-1.2-GGUF** 提供了一套基于 **版本 1.2** 构建的 GGUF 量化模型，共 7 种量化规格，并附带视觉适配器（mmproj）和量化重要性矩阵（imatrix）。关键点在于：网上能找到的大多数 Dolp]]></description><category></category></item><item><title><![CDATA[GLM-4.7-Flash-GGUF 需要多少显存？3档量化内存占用速算表与硬件配置推荐]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/159025823</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/159025823</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 22:46:13 +0800</pubDate><description><![CDATA[**GLM-4.7-Flash-GGUF** 是 zai-org 开源模型 **GLM-4.7-Flash** 的 GGUF 量化版本，由 LM Studio 社区计划提供，支持通过 llama.cpp 生态（LM Studio、llama.cpp、Ollama 等）在本地私有化运行。很多新手最关心的问题是：**跑这个模型到底需要多少显存（GPU Memory / VRAM）？** 本文直接给出 ]]></description><category></category></item><item><title><![CDATA[如何用Unsloth低显存微调MedGemma 4B：面向开发者的LoRA医疗垂直训练教程]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/170360264</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/170360264</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 18:18:18 +0800</pubDate><description><![CDATA[本文带你用 **Unsloth 低显存方案 + LoRA** 微调 Google 医疗多模态模型 **MedGemma 4B**（`google/medgemma-4b-it`），并教你从 [medgemma-4b-it-GGUF](https://link.gitcode.com/i/7590b431b4e2a620aeaff80639398053) 仓库的 GGUF 量化文件中，挑出最适合本地]]></description><category></category></item><item><title><![CDATA[如何 5 分钟读懂 Machine Learning Yearning 中文版：机器学习训练秘籍新手完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/151481958</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/151481958</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 17:36:03 +0800</pubDate><description><![CDATA[Machine Learning Yearning 中文版是一个用 Jekyll 搭建的静态站点，收录 Andrew Ng《机器学习训练秘籍》完整中文译稿，58 章覆盖从开发集切分到误差分析的机器学习训练策略。三条命令就能在本地跑起全书，下面几分钟讲清它的章节结构与目录组织方式。

## 为什么值得入手：Machine Learning Yearning 中文版

新手训模型常像盲选：加数据？换大]]></description><category></category></item><item><title><![CDATA[safetensors文件结构与加载机制解析：minimax-h3_fl2v_8Step_motion_enhancer开发者技术指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/163953834</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/163953834</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 14:43:00 +0800</pubDate><description><![CDATA[本文以面向 MiniMax-H3 图生视频的 8 步 LoRA 运动增强模型 **minimax-h3_fl2v_8Step_motion_enhancer** 为例，完整拆解 safetensors 文件的内部结构、元数据组织方式，以及 ComfyUI 加载该模型的工作流程，帮助新手快速上手并理解"一个 .safetensors 文件到底装了什么、是怎么被读进显存的"。

## 项目概览：这是一]]></description><category></category></item><item><title><![CDATA[Mac 安装 Office 激活指南：让 2011 到 2024 各代 Office 在 Mac 上跑起来的完整教程]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/155927413</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/155927413</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 14:40:45 +0800</pubDate><description><![CDATA[想要顺利完成 Mac 安装 Office 与激活，开源仓库 Microsoft-Office-For-MacOS 把这件事需要的东西都备齐了：各代 Office 套件的官方主程序安装包、用于写入批量授权（VL 许可）的序列化工具、重置与许可清理工具，以及一份隐私优化脚本，[DATA/](https://link.gitcode.com/i/639c3eb9d6014f3f67711be5c08d9]]></description><category></category></item><item><title><![CDATA[QQ空间历史说说全量备份:一条命令导出十年老动态,告别手动截图]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/160521436</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/160521436</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 12:27:04 +0800</pubDate><description><![CDATA[想回看 2016 年发的某条说说,手机翻了半小时也没找到——App 里根本没有按年份查找的入口。GetQzonehistory(QQ空间说说备份)就是干这件事的工具:扫码登录后,它把你账号下所有可见、未删除的说说抓下来,最终在本机生成 Excel 表格和一个能当相册翻的网页。

## 🚀 快速上手:装依赖、配路径、扫码登录,三步跑起来

前提只需 Python 3.9 以上(自带 pip)。整段]]></description><category></category></item><item><title><![CDATA[dsh-purge 破甲插件装好手册：两条路线跑通 + 三处自检不踩坑]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/154920558</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/154920558</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 12:01:15 +0800</pubDate><description><![CDATA[dsh-purge 是装在本机官方 DeepSeek Harness 上的红队评测插件，按模型换提示词、清洗宿主默认策略。本文覆盖安装→激活→验证→卸载全流程。只保留必须亲手敲的命令，容易踩的坑提前写清。

## 📌 边界与合规

先划清影响范围：全部补丁、提示词注入、还原和卸载都发生在你自己机器上已安装的官方 DeepSeek Harness 内，开源版演练任务只放行本机回环与 RFC1918]]></description><category></category></item><item><title><![CDATA[10 分钟搭好 ComfyUI 出图工作流：fast-stable-diffusion 完整上手指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/160491116</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/160491116</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 10:49:35 +0800</pubDate><description><![CDATA[fast-stable-diffusion 是一套面向 ComfyUI、AUTOMATIC1111 和 DreamBooth 的即用型 Notebooks，把「装环境 → 下模型 → 起服务」压成一条最短路径。适合知道 AI 绘画、却还没摸过 ComfyUI 节点画布的新手，也能帮你把 SDXL 高清出图和 Flux 低显存生成稳定跑起来。下面按真实使用场景拆：从跑通第一条工作流，到把工作流版本化]]></description><category></category></item><item><title><![CDATA[Mac 如何免费装 Office 全家桶：Microsoft-Office-For-MacOS 版本选择、安装顺序与未授权排障教程]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/161947826</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/161947826</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 10:06:19 +0800</pubDate><description><![CDATA[Office 订阅按年计费，对轻办公用户是一笔不小的开销；新 Mac 出厂又不带任何办公软件。开源项目 Microsoft-Office-For-MacOS 能帮你免费装好并使用 Office 全家桶：从 Office 2011 到 2024 LTSC 的安装包清单、VL 序列化工具、排障工具全收进一个仓库。

## 工具盘点：DATA 目录里的序列化、排障工具与优化脚本

项目资产集中在 [DA]]></description><category></category></item><item><title><![CDATA[Logisim-Evolution 安装快速上手：从下载到跑通第一个数字电路]]></title><link>https://blog.youkuaiyun.com/gitblog_00335/article/details/167584253</link><guid>https://blog.youkuaiyun.com/gitblog_00335/article/details/167584253</guid><author>gitblog_00335</author><pubDate>Mon, 09 Nov 2026 09:36:32 +0800</pubDate><description><![CDATA[Logisim-Evolution 是一款开源的数字逻辑电路设计与仿真工具，跨平台运行，适合学习数字逻辑的学生与电子爱好者。跟着本文的步骤，你可以在自己的机器上完成安装与启动，得到一个可用的电路仿真环境。

[![Logisim-Evolution 安装后运行界面：数字电路设计主窗口与仿真画布](https://raw.gitcode.com/gh_mirrors/lo/logisim-evolu]]></description><category></category></item></channel></rss>