<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jmdjdm的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jmdjdm</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jmdjdm]]></copyright><item><title><![CDATA[别再把笔记当仓库：MCP 时代，个人知识库正在变成 AI 的操作系统]]></title><link>https://blog.youkuaiyun.com/jmdjdm/article/details/162361755</link><guid>https://blog.youkuaiyun.com/jmdjdm/article/details/162361755</guid><author>jmdjdm</author><pubDate>Sat, 27 Jun 2026 10:50:53 +0800</pubDate><description><![CDATA[过去十几年，我们对笔记软件的想象基本停留在三个词：记录、整理、搜索。无论是 Markdown、双链、标签、文件夹、剪藏，还是稍微高级一点的知识图谱，本质上都还是“把内容放进去，等未来的自己再找出来”。但 MCP（Model Context Protocol）出现以后，个人知识库的边界开始移动。它不只是一个给人看的仓库，而可能成为 AI 能读取、能理解、能调用、能回写的本地系统。也就是说，笔记从“资料容器”变成了“上下文操作系统”。]]></description><category></category></item><item><title><![CDATA[异构协同：基于 AMD Ryzen AI NPU+iGPU 的本地大模型推理优化全栈实践]]></title><link>https://blog.youkuaiyun.com/jmdjdm/article/details/162298049</link><guid>https://blog.youkuaiyun.com/jmdjdm/article/details/162298049</guid><author>jmdjdm</author><pubDate>Sat, 27 Jun 2026 10:13:41 +0800</pubDate><description><![CDATA[2025 年以来，大语言模型（LLM）的推理部署正在经历一场深刻的范式转移：从云端集中式服务走向边缘分布式推理。这一转变的背后，是数据隐私合规、网络延迟敏感、长期使用成本这三重驱动力的共同作用。在当前的国际环境下，开发者迫切需要一套不依赖单一 GPU 生态、能够自主掌控的多元化本地 AI 推理方案。AMD 凭借 Ryzen AI 系列处理器，给出了一个颇具竞争力的答案。]]></description><category></category></item><item><title><![CDATA[服务器开发利器：用 tmux 挂起后台进程，打造高效远程开发工作流]]></title><link>https://blog.youkuaiyun.com/jmdjdm/article/details/162297807</link><guid>https://blog.youkuaiyun.com/jmdjdm/article/details/162297807</guid><author>jmdjdm</author><pubDate>Thu, 25 Jun 2026 11:02:20 +0800</pubDate><description><![CDATA[把进程的生命周期和 SSH 连接解耦。在服务器上做开发，没有 tmux（或类似工具）就像在没有 auto-save 的编辑器里写长文——任何意外都会让你从头来过。有了 tmux，你的开发环境变成持久的、可恢复的、可脚本化的。本文覆盖的关键要点回顾：从基础概念上，理解会话、窗口、面板三层结构是高效使用 tmux 的前提。会话提供持久化，窗口提供隔离，面板提供并排查看。从配置上，一份精心调校的.tmux.conf。]]></description><category></category></item><item><title><![CDATA[每天都在用 Cherry Studio？教你把皮肤改成专属高颜值工作台（全流程深度实战）]]></title><link>https://blog.youkuaiyun.com/jmdjdm/article/details/162297041</link><guid>https://blog.youkuaiyun.com/jmdjdm/article/details/162297041</guid><author>jmdjdm</author><pubDate>Thu, 25 Jun 2026 10:59:09 +0800</pubDate><description><![CDATA[Cherry Studio 是目前国内最热门的多模型桌面 AI 客户端之一，支持 OpenAI、Claude、Gemini、DeepSeek、通义千问等几乎所有主流大模型，开源、本地优先、可自定义智能体。对很多人来说，它已经是一个每天打开十几次的高频工具。但默认皮肤用久了难免审美疲劳——蓝紫色调千篇一律，深色模式下消息气泡和代码块的对比度也不一定顺眼。]]></description><category></category></item><item><title><![CDATA[1000 tokens/s 到底有多快？我用 8 次 API 请求，测了 4 款国产大模型]]></title><link>https://blog.youkuaiyun.com/jmdjdm/article/details/162280973</link><guid>https://blog.youkuaiyun.com/jmdjdm/article/details/162280973</guid><author>jmdjdm</author><pubDate>Wed, 24 Jun 2026 21:11:59 +0800</pubDate><description><![CDATA[页面同时给出了几个参照：行业模型平均约为 50～100 tokens/s，行业高速模型约为 400 tokens/s。单看数字，1000 tokens/s 是 100 tokens/s 的 10 倍，似乎意味着以前要等 10 秒的回答，现在 1 秒就能生成完。但模型速度真能这样换算吗？我没有等到内测资格，而是先在同一个 API 平台、同一台电脑和同一网络下，对 4 个模型做了一轮小规模流式测试。]]></description><category></category></item><item><title><![CDATA[WPS 笔记内测深度体验：不只是做笔记，AI 实验室和本地 MCP 才是重点]]></title><link>https://blog.youkuaiyun.com/jmdjdm/article/details/162263328</link><guid>https://blog.youkuaiyun.com/jmdjdm/article/details/162263328</guid><author>jmdjdm</author><pubDate>Wed, 24 Jun 2026 10:52:23 +0800</pubDate><description><![CDATA[这些年我用过不少笔记软件。大概一两年前，我就产生过一个疑问：WPS 已经覆盖文字、表格、演示、PDF 和云文档，为什么一直没有推出一款独立的笔记软件？正好这两天看到了 WPS 笔记的内测消息，我申请到了体验资格，于是下载安装并实际使用了一遍。原本我只是想看看它的笔记功能做得怎么样，体验之后却发现，普通笔记编辑并不是这款产品最值得关注的地方，藏在底部的“AI 实验室”以及对本地 MCP 的支持，才是这次内测真正有意思的部分。下面记录完整的安装、界面体验和 MCP 连接过程，也说一说我的实际感受。]]></description><category></category></item></channel></rss>