<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_01096的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_01096</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_01096]]></copyright><item><title><![CDATA[LinearMouse 配置实战：3 幕搞定鼠标提速、按 App 定制与按键重映射]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/155252227</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/155252227</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 21:30:52 +0800</pubDate><description><![CDATA[LinearMouse 是一款 Mac 上的鼠标与触控板自定义工具，能接管指针速度、滚动行为和按键动作，而这些全部由一份 LinearMouse 配置文件驱动——本文用三幕实操带你在真实场景里写通这份 JSON，从"改完立即生效"到"只给某支鼠标提速"，再到"侧键变快捷键"。

## 第一幕：先把配置跑起来

### 配置文件在哪

打开终端，路径就一个：

```bash
~/.config/l]]></description><category></category></item><item><title><![CDATA[没有显卡也能跑30B多模态模型：Qwen3-Omni-30B-A3B-Captioner-GGUF纯CPU部署完整教程]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/151533509</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/151533509</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 20:10:49 +0800</pubDate><description><![CDATA[想让老电脑"听懂"音频并自动写出生动描述？Qwen3-Omni-30B-A3B-Captioner-GGUF 是 Qwen3-Omni 多模态模型的 GGUF 量化版，专为 llama.cpp 设计，无需 GPU 即可在纯 CPU 环境下完成音频理解与字幕生成（audio captioning），让 30B 级别的多模态模型真正走进普通人的工作站。

## 模型简介：它是做什么的？🎧

这个仓库]]></description><category></category></item><item><title><![CDATA[4-bit量化损失有多大？Qwen3-Coder-30B-A3B-Instruct-AWQ的AWQ量化原理、量化修复与精度权衡深度剖析]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/155049713</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/155049713</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 20:09:40 +0800</pubDate><description><![CDATA[**Qwen3-Coder-30B-A3B-Instruct-AWQ** 是知名编程大模型 Qwen3-Coder-30B-A3B-Instruct 的 **4-bit AWQ 量化版本**：模型体积从 BF16 的约 61GB 压缩到约 **16GB**，同时通过"量化修复"策略将 MoE 路由器等敏感组件保留为全精度。但 [README.md](https://link.gitcode.com]]></description><category></category></item><item><title><![CDATA[MiniPlus V3与NanoPlus怎么选？Qwen3.8-27B VAL-APEX-I全系列版本差异与硬件选型清单]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/158595923</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/158595923</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 18:26:30 +0800</pubDate><description><![CDATA[本地部署 **Qwen3.8-27B** 大模型，选 **VAL-APEX-I** 量化的 **MiniPlus V3** 还是 **NanoPlus V3**？本文面向新手给出答案：全系列 7 个版本的大小差异、张量精度对比，以及按显存对号入座的硬件选型清单，帮你一次选对 **GGUF** 版本。

## 30秒速览：这个量化版是什么？

**Qwen3.8-27B-EfficientThink]]></description><category></category></item><item><title><![CDATA[AzurLaneAutoScript：碧蓝航线自动化脚本终极使用指南]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/155170880</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/155170880</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 17:58:16 +0800</pubDate><description><![CDATA[想要摆脱重复枯燥的碧蓝航线日常任务吗？AzurLaneAutoScript 是一款强大的自动化脚本工具，能够帮助你实现无缝委托、科研和大世界全自动操作。作为碧蓝航线玩家的终极助手，这个脚本支持CN/EN/JP/TW多服务器版本，让你的游戏体验更加轻松高效。

## 🚀 什么是 AzurLaneAutoScript？

AzurLaneAutoScript 是一个专门为碧蓝航线游戏设计的自动化脚本]]></description><category></category></item><item><title><![CDATA[tiny-random-qwen3.5-moe-mtp-legacy 常见问题 FAQ：加载报错、dtype 精度与 legacy 兼容避坑指南]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/160882529</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/160882529</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 14:24:51 +0800</pubDate><description><![CDATA[本文是 **tiny-random-qwen3.5-moe-mtp-legacy** 的常见问题 FAQ，面向新手和测试工程师。这个仓库是一个随机权重、超小规模的 Qwen3.5 MoE（混合专家）+ MTP（多 Token 预测）测试模型，主要用于验证加载、精度转换与版本兼容性。下文将逐一解答模型加载报错、dtype 精度选择（float32 / bfloat16）、legacy 格式兼容等高频]]></description><category></category></item><item><title><![CDATA[【一键下载】Hspice 2019 Windows 安装配置与仿真教程：从 SCL 许可到波形查看的完整上手路径]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/170532626</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/170532626</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 14:22:12 +0800</pubDate><description><![CDATA[电路仿真流程里最常见的两个坑：装好了仿真器却卡在许可上；仿真跑通了，波形和数据却打不开。这个仓库针对 Windows 系统，把 Hspice 2019、WaveView 2018、CosmosScope 2017 三件套的下载、安装、配置和首次仿真整理成了一份实操指南，目标是让你走完「许可管理 → 安装 → 配置 → 跑一次 Demo → 看波形」这条最短闭环。

仓库里的资源主体是 `Hspic]]></description><category></category></item><item><title><![CDATA[用 IAS 冻结 IDM 30 天试用指南：注册表锁 3 步实操]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/153605619</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/153605619</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 12:32:27 +0800</pubDate><description><![CDATA[IDM-Activation-Script（IAS）能把 IDM 的 30 天试用冻结成终身有效，全程只操作注册表，不动 IDM 程序文件。菜单选 Freeze Trial，看到 "freezed for Lifetime" 即完成。IDM 后续升级也不用重做。

## 谁能用 IAS，谁会踩空

- 适合：刚全新装 IDM 想白嫖完整功能；机器离线、不想粘贴来路不明命令；批量管理多台机器
- 不]]></description><category></category></item><item><title><![CDATA[【一键下载】14本中文教程搞定C++：从入门语法到函数应用的PDF指南]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/170509532</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/170509532</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 11:30:23 +0800</pubDate><description><![CDATA[想系统学 C++，却找不到一套顺手的中文资料？这份 C++中文教程 仓库一次备齐 14 份 C++教程PDF，从基础语法一路讲到函数应用，照着顺序读就能动手写代码。

## 📖 14份C++学习资料里都有什么

全部资料收在 [C++中文教程合集.tar.gz](https://link.gitcode.com/i/647849deace1ec139d91513f9b21c35c) 一个压缩包里]]></description><category></category></item><item><title><![CDATA[画面不稳、运镜失效怎么办？minimax-h3-Camera-Motion-lora 常见问题排查与调优清单]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/151846147</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/151846147</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 10:21:48 +0800</pubDate><description><![CDATA[如果你在用 ComfyUI + MiniMax-H3 做文生视频，装了 **minimax-h3-Camera-Motion-lora** 这个运镜 LoRA 之后却发现画面发虚、镜头乱晃，或者提示词里明明写了 `push-in` 却完全没有运镜效果——这份常见问题排查与调优清单能帮你在 10 分钟内定位问题，让运镜重新"听话"。

## 🎬 先搞清楚：这个运镜 LoRA 是干什么的

在排查之]]></description><category></category></item><item><title><![CDATA[如何在 Windows 11 移除全部 AI 组件：RemoveWindowsAI 完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/151562715</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/151562715</guid><author>gitblog_01096</author><pubDate>Wed, 11 Nov 2026 09:24:12 +0800</pubDate><description><![CDATA[把 Copilot 关了，第二天 Windows Update 又给你装回来；Recall 的开关埋得深，关了之后组件本体还留在磁盘上。RemoveWindowsAI 就是冲着这两件事来的开源 PowerShell 脚本：强制移除 Copilot、Recall、输入洞察等 AI 功能，再用自定义更新包把回装的路堵死，省得你反复折腾。

## 它到底动了系统的哪些位置

脚本会借助 TrustedI]]></description><category></category></item><item><title><![CDATA[三步跑通 guided-diffusion：从预训练扩散模型到分类器引导图像生成]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/158533168</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/158533168</guid><author>gitblog_01096</author><pubDate>Tue, 10 Nov 2026 18:35:57 +0800</pubDate><description><![CDATA[`guided-diffusion` 是 OpenAI 开发的图像合成工具，用扩散模型从高斯噪声逐步去噪生成图像，并借助预训练分类器引导采样轨迹，让你拿到符合指定 ImageNet 类别的写实样本。

## guided-diffusion 解决什么问题：比 GAN 更稳的图像生成路径

GAN 靠"一步到位"生成图像，但训练容易崩、样本多样性有限；扩散模型走逐步去噪的路线，训练稳定，论文发布时它]]></description><category></category></item><item><title><![CDATA[拆解PLLuM-8x7B-chat-2412的MoE架构：8×7B专家路由机制与“只激活2个专家“的设计原理]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/169052119</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/169052119</guid><author>gitblog_01096</author><pubDate>Tue, 10 Nov 2026 15:51:00 +0800</pubDate><description><![CDATA[**PLLuM-8x7B-chat-2412** 是波兰国家联合实验室（CYFRAGOVPL）发布的波兰语大语言模型，它采用 **MoE（Mixture of Experts，混合专家）** 架构：每一层内置 **8 个 7B 级专家**，而每个 token 只**激活其中 2 个**。总参数约 46.7B，实际推理算力却只相当于一个 13B 左右的小模型——这就是本文要拆解的核心设计。

## ]]></description><category></category></item><item><title><![CDATA[绝区零一条龙 OneDragon 全自动日常指南：3 步跑通自动闪避与自动空洞]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/160515745</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/160515745</guid><author>gitblog_01096</author><pubDate>Tue, 10 Nov 2026 15:29:58 +0800</pubDate><description><![CDATA[面向 Windows 的绝区零自动化工具 OneDragon（ZenlessZoneZero-OneDragon），把每日任务、大世界锄大地、零号空洞迷失之地这些重复流程做成可开关的模块，连战斗中的闪避都替你盯着；支持手柄操作。你只需要提前选好玩法和配队，剩下的机械点击交给它。

## 日常里的重复动作，正好是它的主场

每天上线后的动作几乎是固定的：开咖啡店、收面馆、去大世界锄一圈，周末再来几把]]></description><category></category></item><item><title><![CDATA[QAD量化感知蒸馏揭秘：Qwen3.8-Flash-Next-NVFP4-QAD-GGUF如何在压缩后几乎不损失精度]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/169145500</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/169145500</guid><author>gitblog_01096</author><pubDate>Tue, 10 Nov 2026 15:02:34 +0800</pubDate><description><![CDATA[Qwen3.8-Flash-Next-NVFP4-QAD-GGUF 是一份基于 NVFP4 4bit 浮点量化的 Qwen3.8-Flash-Next 模型 GGUF 文件。名称中的 QAD 即 Quantization-Aware Distillation（量化感知蒸馏），正是它让 4bit 压缩后的模型精度几乎不缩水。本文用通俗的方式讲清楚这套"量化 + 蒸馏"组合拳是如何工作的，以及如何下载]]></description><category></category></item><item><title><![CDATA[老 Mac 装新 macOS 完全指南：OpenCore Legacy Patcher 实战]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/159726060</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/159726060</guid><author>gitblog_01096</author><pubDate>Tue, 10 Nov 2026 14:11:08 +0800</pubDate><description><![CDATA[旧 MacBook 性能尚佳，安装器却提示「此 macOS 版本不支持本机」。OpenCore Legacy Patcher 是免费开源的 Python 补丁工具，走完全文，你会得到一块可引导的 macOS 安装 U 盘，和一台图形加速、Wi-Fi 可用的老机器。

## 红线先行：这些机器别碰

先劝退，再开工。三条硬性边界，逐条对号：

- 只处理 Intel x86 机型。PowerPC 与]]></description><category></category></item><item><title><![CDATA[Llama-3.2-1B-Instruct-unsloth-bnb-4bit部署指南：Transformers、vLLM与GGUF三种推理方案对比]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/155872493</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/155872493</guid><author>gitblog_01096</author><pubDate>Tue, 10 Nov 2026 13:54:00 +0800</pubDate><description><![CDATA[**Llama-3.2-1B-Instruct-unsloth-bnb-4bit** 是 Meta Llama 3.2 系列中 10 亿参数指令模型经 Unsloth 动态 4-bit 量化后的版本，本指南带你用最少的显存把它跑起来，并对比 Transformers、vLLM、GGUF 三种部署方案，帮你快速做出选型。

## 一、模型简介：这个仓库里有什么？

该项目基于 `meta-llama]]></description><category></category></item><item><title><![CDATA[SmolVLM-256M-Instruct-GGUF完全指南：256M超小多模态AI模型，免费离线推理新选择]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/170432182</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/170432182</guid><author>gitblog_01096</author><pubDate>Tue, 10 Nov 2026 12:51:29 +0800</pubDate><description><![CDATA[SmolVLM-256M-Instruct-GGUF 是 Hugging Face 团队开源的 **256M 超小视觉语言模型（VLM）** 的 GGUF 格式权重包，仅约 25600 万参数，却同时支持**图像 + 文本**的多模态理解。它专为轻量场景设计：无需显卡、无需联网，在普通笔记本甚至树莓派级别设备上即可**免费离线推理**，是当前端侧多模态 AI 的入门首选。

## 一、什么是 Sm]]></description><category></category></item><item><title><![CDATA[Janas模型获取完全指南：GGUF转.jns格式分步下载与转换教程]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/151450810</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/151450810</guid><author>gitblog_01096</author><pubDate>Mon, 09 Nov 2026 23:52:50 +0800</pubDate><description><![CDATA[Janas 是纯 C 编写的 LLM 推理引擎，能跑下内存装不下的超大 MoE 模型。本文带你完成 **Janas 模型获取** 的完整流程：从 Hugging Face 下载 GGUF 文件，到用 `gguf2jns` 转换成 Janas 专属的 `.jns` 格式，再到位平面切割与校验，每一步都给出可复制的命令，新手也能一次跑通。

## 两种方式总览：一键下载 还是 手动转换？

获取一个可]]></description><category></category></item><item><title><![CDATA[上下文工程：agent_learning 从提示工程到注意力预算管理的完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_01096/article/details/162547483</link><guid>https://blog.youkuaiyun.com/gitblog_01096/article/details/162547483</guid><author>gitblog_01096</author><pubDate>Mon, 09 Nov 2026 20:42:59 +0800</pubDate><description><![CDATA[上下文工程是决定 AI Agent 表现的核心技能，而 **agent_learning** 是一套从零开始、系统且实战导向的开源 AI Agent 开发教程。这篇文章以它第 7 章"上下文工程"为主线，带你从提示工程一路走到注意力预算管理，理解长时程 Agent 为什么"越聊越笨"，以及如何用 GSSC 流水线和前沿策略把上下文质量拉满。

> 💡 一句话理解：**提示工程让你学会如何跟 LL]]></description><category></category></item></channel></rss>