<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_01036的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_01036</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_01036]]></copyright><item><title><![CDATA[Granite-Speech-4.1-2B GGUF 量化怎么选？6种格式实测对比：Q4_K_M 到 BF16 精度损失不到 0.06pp，一文看懂性价比答案]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/155290515</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/155290515</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 19:45:47 +0800</pubDate><description><![CDATA[Granite-Speech-4.1-2B GGUF 量化版是为 IBM 开源语音识别模型 granite-speech-4.1-2b 提供的 GGUF 格式转换，支持 transcribe.cpp 离线部署。本仓库提供 Q4_K_M、Q5_K_M、Q6_K、Q8_0、F16、BF16 六种量化格式实测对比：从 Q4_K_M 到 BF16，LibriSpeech 基准上的词错率（WER）差距不到 ]]></description><category></category></item><item><title><![CDATA[零基础如何用nuwa-skill蒸馏任意人物的思维方式？上手实操全攻略]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/155963307</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/155963307</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 17:59:36 +0800</pubDate><description><![CDATA[> 你有没有想过，如果乔布斯帮你审产品方案、芒格帮你评估创业项目、费曼帮你把量子计算讲明白，会是什么体验？nuwa-skill正是一款开源免费的思维蒸馏工具，能把任何人的思维方式"打包"成可对话的AI Skill，全程免编程。本文用五个问题串起一份新手友好的实操教程，看完就能动手。

## 问题一：AI真的能"像某个人一样思考"吗？

先说结论：能，但靠的不是背诵语录，而是**提取思维底层的操作系]]></description><category></category></item><item><title><![CDATA[如何5分钟跑通gemma-3-27b-it-quantized.w4a16？vLLM大模型量化部署从零开始教程]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/170550765</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/170550765</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 17:55:54 +0800</pubDate><description><![CDATA[本教程带你从零开始，使用 vLLM 推理框架在 5 分钟内跑通 gemma-3-27b-it-quantized.w4a16 量化大模型。该模型是谷歌 Gemma 3 27B 多模态大模型的 W4A16 量化版本（INT4 权重 + FP16 激活），由 RedHatAI 发布，体积更小巧、显存占用更低，适合普通显卡快速部署，还能直接支持图片问答。

## 一、gemma-3-27b-it-qua]]></description><category></category></item><item><title><![CDATA[诊断链追到二年级：cn-math-taxonomy 把 531 个中文知识点连成自适应诊断 DAG]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/163466845</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/163466845</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 17:54:53 +0800</pubDate><description><![CDATA[九年级答错一道配方题，诊断页把"配方法"标为薄弱，学习路径一路往下追：完全平方公式、一元二次方程的概念、一元一次方程、方程的解、用字母表示数（七上）、用字母表示数（五上），最后停在二年级的"乘法的意义"。这条跨了六个年级的链条能成立，是因为 cn-math-taxonomy 把「义务教育数学课程标准（2022 年版）」与人教版一至九年级建成了一张数学知识图谱：531 个知识点、909 条先修边、2]]></description><category></category></item><item><title><![CDATA[Llama-3.3-70B-Instruct-AWQ本地部署指南：vLLM、Ollama、llama.cpp三种方案完整实战对比]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/165005232</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/165005232</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 17:16:37 +0800</pubDate><description><![CDATA[**Llama-3.3-70B-Instruct-AWQ** 是 Meta Llama 3.3 70B 指令模型经过 **AWQ 4-bit 量化** 的版本，本文带你完整对比 **vLLM、Ollama、llama.cpp** 三种主流本地部署方案，从硬件要求、部署难度到推理性能逐项拆解，帮你快速选对方案，把大模型跑在自己的显卡上。

## 📦 什么是 AWQ 量化？为什么适合本地部署

原版]]></description><category></category></item><item><title><![CDATA[RemoveWindowsAI 完整移除指南：一条命令移除 Windows 11 的 Copilot 和 Recall 等 AI 组件]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/161187128</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/161187128</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 16:52:16 +0800</pubDate><description><![CDATA[RemoveWindowsAI 是一个开源 PowerShell 脚本。一条命令即可移除 Windows 11 里的 Copilot、Recall 等 AI 组件，还能阻止 Windows Update 把它们装回来。

## 先看结果

跑完之后，你的系统会处于以下状态：

- Copilot、Recall、输入洞察、语音访问、Edge 里的 AI 助手，开关全部关闭
- AI 相关的 Appx]]></description><category></category></item><item><title><![CDATA[上生产前必测：Qwen3.8-27B-AWQ-W4A16-ASYM量化验证清单与常见坑避坑指南]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/167788810</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/167788810</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 14:39:00 +0800</pubDate><description><![CDATA[Qwen3.8-27B-AWQ-W4A16-ASYM 是 Qwen3.8-27B 多模态大模型的 4-bit AWQ 非对称量化版本，使用 `compressed-tensors` 格式封装，可在 vLLM 中原生加载。量化做得再漂亮，**不上生产测一遍就上线 = 把风险留给用户**。本文给出一份可直接逐项打勾的量化验证清单，并整理了 5 个最容易踩的坑，帮助新手快速完成验收。

## 📌 一、]]></description><category></category></item><item><title><![CDATA[GGUF文件是怎么来的？granite-4.0-1b-speech-gguf量化转换与数值验证原理全解]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/163820574</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/163820574</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 14:14:08 +0800</pubDate><description><![CDATA[`granite-4.0-1b-speech-gguf` 是 IBM 开源多语言语音识别模型 Granite 4.0-1b-speech 的 **GGUF 量化版本集合**，可配合 `transcribe.cpp` 在本地离线完成语音转文字（ASR）。本文完整讲清两个核心问题：GGUF 文件是如何通过量化转换生成的，以及如何用数值验证证明量化后的模型"和原版一样准"。

## 一、项目速览：一个 ]]></description><category></category></item><item><title><![CDATA[如何用 Sunshine 完整搭起游戏串流：3 步完成首次 Moonlight 配对]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/166578867</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/166578867</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 13:27:40 +0800</pubDate><description><![CDATA[Sunshine 是自托管游戏串流主机。它采集本机屏幕与音频，做 GPU 硬件编码，推给 Moonlight 客户端。键盘、鼠标、手柄输入反向注入主机。场景一句话：主机放书房，电视接 Moonlight，串到客厅玩。

[![Sunshine 游戏串流 Moonlight 主机月夜氛围图](https://raw.gitcode.com/GitHub_Trending/su/Sunshine/ra]]></description><category></category></item><item><title><![CDATA[Jasminum：3 步填平 Zotero 里中文 PDF 的空元数据]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/165628952</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/165628952</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 13:23:30 +0800</pubDate><description><![CDATA[把从 CNKI 下载好的中文期刊 PDF 拖进 Zotero，条目列表里只多出一个孤零零的附件——没有题名、没有作者、没有期刊，导出参考文献时还得逐条手敲。Jasminum 是一款抓中文文献元数据的 Zotero 插件，它按你设置的来源顺序去检索 CNKI、PubScholar、NCPSSD、Yiigle 等数据库，把本地 PDF 自动挂到有完整信息的文献条目下，顺带把下载文件夹里"失配"的 PD]]></description><category></category></item><item><title><![CDATA[C++ 日志别再乱用 printf 了：3 条命令跑通 glog，5 分钟告别散装调试]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/163430196</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/163430196</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 12:58:12 +0800</pubDate><description><![CDATA[写 C++ 程序时，你大概率经历过这样的时刻：一个偶发 bug 只在特定机器上出现，本地调试全靠 `std::cout` 和 `printf` 满天飞；上线之后，日志散落在各个模块的 stdout 里，没有级别、没有时间戳、没有调用位置，排查问题基本靠"猜"。glog（Google Logging Library）就是为这个场景而生的——它是一个 C++14 编写的应用层日志库，用 C++ 流式语]]></description><category></category></item><item><title><![CDATA[【独家整理】SEComEnabler.SEComSimulator：用 SECS 模拟器做通讯测试的完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/170521411</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/170521411</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 12:52:10 +0800</pubDate><description><![CDATA[SEComEnabler.SEComSimulator 是一款面向 SECS 通讯测试的模拟器，可在安全、可控的环境中完成设备通讯功能验证。本文梳理它的定位与典型使用场景，并给出最短上手路径，帮助你快速开展设备通讯验证工作。

## 它是什么

SEComEnabler.SEComSimulator 是一款遵循 SECS（半导体设备通讯标准）通讯协议的模拟器。它以模拟方式复现通讯环节，让你无需依赖]]></description><category></category></item><item><title><![CDATA[nvidiaProfileInspector 教程：3 处改动细调 NVIDIA 驱动隐藏设置，锁帧治撕裂]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/159670351</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/159670351</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 12:47:11 +0800</pubDate><description><![CDATA[帧率在 90 和 40 之间来回跳，画面偶尔从中间劈成两半，NVIDIA 控制面板翻遍也只剩那几个大开关，细的旋钮一个都摸不到。nvidiaProfileInspector 直接改写驱动配置文件里官方面板从不暴露的隐藏设置：帧率上限、预渲染帧、纹理过滤、DLSS 模式，全都能碰。

[![nvidiaProfileInspector 主界面：配置文件列表与隐藏设置分组](https://raw.g]]></description><category></category></item><item><title><![CDATA[两个同名开源项目 Magpie：管 AI 模型路由的那只，4 步分辨你装的是哪一只]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/160319994</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/160319994</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 12:10:45 +0800</pubDate><description><![CDATA[把「Magpie」打进搜索框，第一页结果直接劈成两半：一半在讲「老游戏小窗口怎么放大变清晰」，一半在讲「AI 编程助手的模型怎么统一管理」。我照着教程装完一打开，菜单栏里弹出的却是一堆意料之外的模型名——装错了。同名开源项目有两个，都叫 Magpie：一只是**窗口超分**工具，管像素；一只是 **AI 模型管理**工具，给 Claude Code、Codex 这一排编程助手统一换模型、管账号。名]]></description><category></category></item><item><title><![CDATA[Fleet 压测报告解读：以 490loadtest 基线 6 小时运行指标为例]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/153166224</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/153166224</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 11:35:24 +0800</pubDate><description><![CDATA[本篇技术指南以 Fleet 开源仓库中 `tools/loadtest/metrics/runs/baseline/490loadtest/` 目录下的实测报告（2026-07-30 采集、6 小时窗口）为对象，逐行拆解 Fleet 大规模基线压测（25 台 Fleet Server 容器 + 50 台 osquery-perf 负载容器）的完整指标快照。读完本文，你将掌握 Fleet 压测报告里]]></description><category></category></item><item><title><![CDATA[ok-ww 鸣潮自动化保姆级上手：一键日常、自动刷声骸与后台自动战斗]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/163747607</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/163747607</guid><author>gitblog_01036</author><pubDate>Wed, 11 Nov 2026 10:35:01 +0800</pubDate><description><![CDATA[每天登录、领月卡、刷体力、打噩梦之巢、收邮件，这些重复到让人想睡过去的操作，ok-ww 可以替你做完。它是一个基于图像识别的鸣潮自动化程序：通过 Windows 接口模拟你的鼠标键盘，**不读内存、不改游戏文件**，还支持游戏窗口最小化后在后台继续干活。这篇文档带你从安装到无人值守跑起来，顺带讲清哪些地方最容易被坑。

[![ok-ww 鸣潮自动化任务面板](https://raw.gitcode]]></description><category></category></item><item><title><![CDATA[OpenCore Legacy Patcher 完整指南：免费给 2007-2015 旧 Mac 装 macOS Tahoe 的 4 个任务实操]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/154270554</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/154270554</guid><author>gitblog_01036</author><pubDate>Tue, 10 Nov 2026 23:24:45 +0800</pubDate><description><![CDATA[OpenCore Legacy Patcher（OCLP）3.0.0 是一个免费的 Python 项目，靠 OpenCore 引导器加内核补丁，让 Apple 已停售支持的旧 Intel Mac（最早 2007 年 Penryn 机型）干净安装 macOS Big Sur 到最新的 macOS Tahoe，装完即带图形加速与 Wi-Fi。本文按 4 个任务块带你走完全流程：备齐环境、烧安装器与引导]]></description><category></category></item><item><title><![CDATA[【资源自取】MFI iAP2 示例源码上手指南：Apple 协议学习实用参考]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/170458321</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/170458321</guid><author>gitblog_01036</author><pubDate>Tue, 10 Nov 2026 23:03:36 +0800</pubDate><description><![CDATA[本仓库提供一套 MFI iAP2 示例源码包（iAP2 Sample Source R1），是开发苹果周边产品、或想快速吃透 iAP2 通讯协议的开发者可直接上手的参考资料。

## 背景速览

苹果周边设备（耳机、充电宝、键盘等）要与 iPhone、Mac 稳定通信，不能只靠原生 USB 或蓝牙协议，多数场景需要通过 MFi 认证并采用 iAP2（Accessory Protocol 2）协议。]]></description><category></category></item><item><title><![CDATA[vibevoice.cpp-models ASR实战：一条命令完成本地语音转文字与说话人分离]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/170457861</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/170457861</guid><author>gitblog_01036</author><pubDate>Tue, 10 Nov 2026 22:21:15 +0800</pubDate><description><![CDATA[**vibevoice.cpp-models** 是 LocalAI 团队为 C/C++ 语音引擎 vibevoice.cpp 提供的 GGUF 量化模型仓库，让你**无需联网、无需 GPU**，仅用一条命令就能完成本地语音转文字（ASR），并自动输出每位**说话人的分离结果**与时间戳，非常适合看重隐私的新手入门离线语音识别。

## 一、什么是 vibevoice.cpp-models？

v]]></description><category></category></item><item><title><![CDATA[Rufus Win7 启动盘制作指南：30 秒确认最后兼容版本]]></title><link>https://blog.youkuaiyun.com/gitblog_01036/article/details/162757519</link><guid>https://blog.youkuaiyun.com/gitblog_01036/article/details/162757519</guid><author>gitblog_01036</author><pubDate>Tue, 10 Nov 2026 20:24:20 +0800</pubDate><description><![CDATA[Rufus 3.22 是最后一个能运行在 Windows 7 上的版本，4.0 及以上在 Win7 上无法启动。要在 Win7 做启动 U 盘，装官方 3.22 安装包即可，不要下载 4.x。

## 版本判断：确认 3.22 是能跑 Win7 的最后一个 Rufus

✅ 判断很简单：3.x 能用，4.x 不能用。官方 [ChangeLog.txt](https://link.gitcode.c]]></description><category></category></item></channel></rss>