<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_00580的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_00580</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_00580]]></copyright><item><title><![CDATA[Molmo2-ER架构深度拆解：Qwen3-4B+SigLIP2如何构建具身推理VLM完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/170437072</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/170437072</guid><author>gitblog_00580</author><pubDate>Tue, 10 Nov 2026 13:49:01 +0800</pubDate><description><![CDATA[Molmo2-ER 是 AI2 开源的 40 亿参数具身推理视觉语言模型（Embodied Reasoning VLM），由 **Qwen3-4B 语言骨干** + **SigLIP2 视觉编码器**构建而成。它在 13 个具身推理基准上的平均成绩达到 **63.8%**，其中 9 项超过 Gemini Robot-ER 1.5 Thinking 与 GPT-5 等闭源强模型，并作为 MolmoA]]></description><category></category></item><item><title><![CDATA[本地部署开源语音转文字神器whisper-large-v2-gguf：100+语言ASR模型完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/154628297</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/154628297</guid><author>gitblog_00580</author><pubDate>Tue, 10 Nov 2026 12:49:29 +0800</pubDate><description><![CDATA[🎙️ **whisper-large-v2-gguf** 是一个将 OpenAI Whisper large-v2 语音识别模型转换为 GGUF 格式的开源模型仓库，专为 [transcribe.cpp](https://link.gitcode.com/i/70f3ac829f99c8fc1d7e5ac7e6df5718) 推理引擎设计。它让你在本地电脑上轻松部署支持 **100+ 语言**的]]></description><category></category></item><item><title><![CDATA[CS 自学路线：4 条主线、400+ 小时，一份能落地的计算机系统学习规划]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/155671206</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/155671206</guid><author>gitblog_00580</author><pubDate>Tue, 10 Nov 2026 10:56:17 +0800</pubDate><description><![CDATA[开源项目 **cs-self-learning**（计算机自学指南）把名校开源课程整理成一张完整的 CS 自学路线，每门课都标注大学、难度星数、预计学时与资源清单，直接解决**课那么多，选哪门、按什么顺序学、投入多少时间**的问题。本文给出这条 CS 自学路线的 4 条主线：每门课的投入量、动手项目和过关标准都写清楚了。

[![CS 自学路线课程地图](https://raw.gitcode.c]]></description><category></category></item><item><title><![CDATA[pickadate.js 日期时间选择器实战：30 秒接入 jQuery，配好显示格式、提交格式与本地化]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/163654630</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/163654630</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 19:10:07 +0800</pubDate><description><![CDATA[pickadate.js 是一个基于 jQuery 的轻量日期时间选择器。把它接到现有页面，最容易卡住你的有两处：一是初始化时当成 ES 模块去 `import`，其实它挂在 `$.fn` 上，得写成 `$('.datepicker').pickadate({...})`；二是显示格式 `format` 和提交格式 `formatSubmit` 没分开，输入框看着是「14 August, 2014]]></description><category></category></item><item><title><![CDATA[同一个机器人从 1.8 搬到 1.21.8：Mineflayer 版本兼容是怎么做到的]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/168975941</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/168975941</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 18:53:46 +0800</pubDate><description><![CDATA[一个很现实的场景：老服务器里跑得顺顺当当的收菜机器人，指到 1.21 的服务器后，要么连不上，要么坐标全乱。先别急着重写——Mineflayer 的多版本兼容支持从 1.8 一直覆盖到 1.21.8，同一套机器人代码基本可以横跨这十多年的版本运行。下面我以"把老机器人迁到新版服务器"为线索，讲清楚这件事的底层机制。

## 迁移第一关：坐标不再是整数

从 1.8 往新版搬，最容易先翻车的是实体位]]></description><category></category></item><item><title><![CDATA[RR 引导部署黑群晖：从写入 rr.img 到进入 DSM 安装界面]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/165713433</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/165713433</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 16:24:58 +0800</pubDate><description><![CDATA[RR（Redpill Recovery）是一个基于 Linux initrd 的预安装与恢复环境，把在普通 x86/x64 机器上部署群晖 DSM 所需的型号选择、驱动注入、SN/MAC 配置和内核补丁全部整合进一个引导盘。它的典型结果：一块 U 盘写入镜像后，开机即可通过文本菜单完成配置，随后进入 DSM 安装界面；DSM 出问题后再从它进入恢复环境处理。仓库当前版本为 26.9.0（见 [VE]]></description><category></category></item><item><title><![CDATA[SVG-Edit 浏览器 SVG 编辑器上手：零安装 5 分钟从打开到导出]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/156483589</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/156483589</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 16:22:47 +0800</pubDate><description><![CDATA[SVG-Edit 是一款免费的浏览器 SVG 编辑器，完全跑在网页里，打开就能画图、改图、导出。它专为"偶尔要改个矢量图"的人准备。不装软件、不注册账号，有浏览器就能开工。

[![SVG-Edit 浏览器编辑器工作台界面：左侧工具栏、顶部属性面板、中央画布与右侧图层面板](https://raw.gitcode.com/gh_mirrors/sv/svgedit/raw/c44f061d2f9a]]></description><category></category></item><item><title><![CDATA[开拓者：正义之怒 剧情队友 Build 养成与配装手册（2.31 版）]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/166370407</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/166370407</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 16:06:06 +0800</pubDate><description><![CDATA[这份手册解决一个问题：困难/不公平难度下，剧情队友和动物伙伴在 1-20 级各阶段该怎么分属性、点专长、穿装备。面向已清完序章、开始规划加点的玩家。读完你可以直接拿走三样东西：一张覆盖全部队友的槽位级装备矩阵、一套按 1-8 / 9-14 / 15-20 划档的养成节奏表、一份对照仓库 BUG 清单整理出的避坑条目。仓库 -Wotr-BD- 内所有数值以 2.31/2.4.0X 版本文档为准，下文]]></description><category></category></item><item><title><![CDATA[VisualCppRedist AIO：一键装齐 2005-2022 全部 Visual C++ 运行库，告别 DLL 缺失]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/145365308</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/145365308</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 15:29:26 +0800</pubDate><description><![CDATA[双击游戏却弹出"找不到 vcruntime140.dll"，打开老工具又抱怨 msvcp140.dll 损坏——如果你被这两种弹窗盯上过，罪魁祸首基本都指向同一个地方：Visual C++ 运行库缺失或版本冲突。传统做法是逐年去官网下载十几个安装包挨个安装，漏装一个就继续报错。VisualCppRedist AIO 就是为终结这种麻烦而生的：它是免费的开源整合包，把 2005 到 2022 各代 ]]></description><category></category></item><item><title><![CDATA[W4A8量化揭秘：minimax_h3_hybrid_fl2va_ref2va_b25-49_w4a8_mixed的asym_w4a8_int8与ConvRot旋转机制深度剖析]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/153074451</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/153074451</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 14:07:45 +0800</pubDate><description><![CDATA[minimax_h3_hybrid_fl2va_ref2va_b25-49_w4a8_mixed 是一款 **W4A8（4bit 权重 + 8bit 激活）量化版**的 MiniMax-H3 文生视频/参考图生视频模型，单文件约 12.5 GB（11.68 GiB、1132 个张量），可直插 ComfyUI 使用。它最大的价值在于：**在视频生成模型上，用 4bit 权重的体积，保留了与 INT8]]></description><category></category></item><item><title><![CDATA[Video2X 上 Android：NDK 交叉编译视频超分的 4 个卡点]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/160590897</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/160590897</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 10:23:46 +0800</pubDate><description><![CDATA[手机上的视频超分工具不是玩具。Video2X 是一个基于机器学习的视频超分辨率与插帧框架，6.x 版完全用 C/C++ 重写：FFmpeg（视频编解码套件）负责解封装，ncnn（腾讯开源的轻量推理引擎）负责跑模型，Vulkan（GPU 图形与计算 API）提供硬件加速。Windows、Linux 上它开箱即用；想把它用 Android NDK（Android 官方 C/C++ 交叉编译工具链）编译]]></description><category></category></item><item><title><![CDATA[如何用 JSON “画“出 Sketch 设计稿？CLI-Anything Sketch Harness 完整实战指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/152296891</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/152296891</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 09:50:33 +0800</pubDate><description><![CDATA[CLI-Anything 里的 Sketch Harness，能把你写的一份 JSON 设计规范直接编译成可在 Sketch 里打开的 .sketch 文件——JSON 进、.sketch 出，全程不用碰设计软件。这篇实战带你走完从安装、写稿、构建到验证的完整闭环，跑通后你就能自己产出一份交付级设计文件。

## 🎨 它能干什么：一条命令"画"出设计稿

[![CLI-Anything 架构与 ]]></description><category></category></item><item><title><![CDATA[JSON 声明式生成 .sketch：Sketch 适配器实战指南]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/168249216</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/168249216</guid><author>gitblog_00580</author><pubDate>Mon, 09 Nov 2026 09:03:52 +0800</pubDate><description><![CDATA[CLI-Anything 把软件能力封装成命令行，让 Agent 不用打开图形界面也能干活。其中的 Sketch 适配器（`sketch/agent-harness`）更进一步：写一份 JSON 设计规范，就能编译出原生 `.sketch` 文件，布局、配色、字体全靠声明式描述。这篇指南带你从零跑通构建，再逐层看懂 Spec 语法、布局引擎、设计令牌与序列化机制。

## 三条命令跑通首个 .sk]]></description><category></category></item><item><title><![CDATA[Deep Image Prior 风格损失：3 行 Gram 矩阵代码讲透原理与配置]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/160709514</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/160709514</guid><author>gitblog_00580</author><pubDate>Sun, 08 Nov 2026 19:14:41 +0800</pubDate><description><![CDATA[跑过 deep-image-prior 的去噪或修复 demo，你可能见过这种结果：只优化像素 MSE，图像确实干净了，但整体发灰、发糊，纹理像被橡皮擦抹掉。救场的不是更大的网络，而是风格损失——它不要求像素级一致，只要求两者的"统计长相"一致。

[![Deep Image Prior 风格损失在多种图像修复任务上的效果对比](https://raw.gitcode.com/gh_mirrors]]></description><category></category></item><item><title><![CDATA[5步解决ErrorOutOfDeviceMemory：Sakura-MiniMax-H3-GGUF显存踩坑与避坑全攻略]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/153239715</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/153239715</guid><author>gitblog_00580</author><pubDate>Sun, 08 Nov 2026 15:00:23 +0800</pubDate><description><![CDATA[Sakura-MiniMax-H3-GGUF 是 MiniMax-H3 视频生成模型（可生成带同步立体声音轨的视频）的社区 GGUF 量化版，支持在本地命令行直接运行。而运行这类 20B 级模型时，最常见的"劝退"报错就是 **ErrorOutOfDeviceMemory（显存不足）**。本文基于该项目的实测数据，教你用 5 步算清显存、避开大坑，并直接给出一份**已验证可行**的量化组合清单。
]]></description><category></category></item><item><title><![CDATA[Nomi 导出实战：从时间轴到成片 MP4，FFmpeg 导出参数完整解析]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/156019498</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/156019498</guid><author>gitblog_00580</author><pubDate>Sat, 07 Nov 2026 20:52:44 +0800</pubDate><description><![CDATA[Nomi 是一款开源、本地优先的 AI 视频创作工作台：用 Agent 完成分镜、关键帧与视频生成后，你可以在预览页把时间轴一键导出为成片 MP4。本文带你走通"时间轴 → 成片"的完整导出流程，并逐条解析背后 FFmpeg 的导出参数（分辨率、CRF 码率、AAC 音频、faststart 等），帮你理解成片画质与体积的由来。

## 一、成片预览与时间轴：导出前的最后一步

在 Nomi 中，]]></description><category></category></item><item><title><![CDATA[百度网盘Mac版提速70倍可行吗？BaiduNetdiskPlugin-macOS 实测与安装步骤]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/153725923</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/153725923</guid><author>gitblog_00580</author><pubDate>Sat, 07 Nov 2026 17:46:18 +0800</pubDate><description><![CDATA[你在 Mac 上用百度网盘下载 9GB 文件，速度停在 100 KB/s，剩余时间超过 1 天。不想开会员，又不知道手头这个老版客户端还能不能提速，这就是本文要解决的问题。

## BaiduNetdiskPlugin-macOS：只改本地的破解插件

BaiduNetdiskPlugin-macOS 是一个针对百度网盘 Mac 客户端 2.2.2 版的开源破解插件，通过注入动态库的方式解除客户端]]></description><category></category></item><item><title><![CDATA[从三件套迁过来：一份可回滚的替换清单]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/170244908</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/170244908</guid><author>gitblog_00580</author><pubDate>Sat, 07 Nov 2026 17:16:59 +0800</pubDate><description><![CDATA[过去几年，Python 项目的静态检查与格式化几乎都长着一副面孔：`flake8`（加一堆插件）负责 lint，`isort` 负责导入排序，`Black` 负责格式化。这套"三件套"的问题是：三个进程、三份配置、三种缓存，且都是解释型实现，在大型仓库上动辄分钟级。Ruff 的出现让"三合一"成为现实——它用 Rust 实现，[README.md](https://link.gitcode.com]]></description><category></category></item><item><title><![CDATA[1.1B 也够用：TinyLlama 轻量 LLM 训练与部署实战笔记]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/159946335</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/159946335</guid><author>gitblog_00580</author><pubDate>Sat, 07 Nov 2026 13:41:35 +0800</pubDate><description><![CDATA[TinyLlama 是一个用 3 万亿 tokens 预训练 1.1B 参数 Llama 模型的开源项目。它的架构与分词器和 Llama 2 完全一致，可以直接接进已有的 Llama 生态，面向轻量 LLM 训练与低显存推理这两类需求。

## 为什么值得做一个小一号的模型

大模型不断抬高能力上限，但显存和算力开销随参数规模同步增长。而不少真实需求——手机里做离线翻译、游戏里让角色开口说话——用]]></description><category></category></item><item><title><![CDATA[EchoBot 深度解析（二）：混合意图识别如何实现？决策层规则正则 + 轻量 LLM 双引擎源码级解读]]></title><link>https://blog.youkuaiyun.com/gitblog_00580/article/details/153497977</link><guid>https://blog.youkuaiyun.com/gitblog_00580/article/details/153497977</guid><author>gitblog_00580</author><pubDate>Sat, 07 Nov 2026 13:39:23 +0800</pubDate><description><![CDATA[EchoBot 是一款支持 Live2D 的二次元 AI 助手，它的"快"藏在决策层的**混合意图识别**里：先用**规则正则**秒判明确指令，再用**轻量 LLM** 兜底模糊意图，双引擎分工让闲聊毫秒级秒回、复杂任务静默转入后台 Agent。这篇文章带你逐行看懂这套意图识别路由是怎么跑通的。

## 一、为什么需要双引擎：混合意图识别的设计动机

EchoBot 整体采用 **Decision]]></description><category></category></item></channel></rss>