<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Hi20240217的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_61864577</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_61864577]]></copyright><item><title><![CDATA[在手机上使用 `codebuddy-code`（远程容器 + 浏览器访问）]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/169844231</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/169844231</guid><author>m0_61864577</author><pubDate>Mon, 02 Nov 2026 16:10:21 +0800</pubDate><description><![CDATA[本文介绍在云服务器上通过 Docker 运行 codebuddy-code，并利用 SSH 隧道实现手机浏览器远程访问。步骤包括：创建 Ubuntu 容器、安装 SSH 与 codebuddy-code、配置自定义模型、启动 Web 服务，再通过本地 SSH 隧道将容器内 3081 端口映射至公网，最终在手机浏览器中输入 http://<公网IP>:3081/?token=<token> 访问。适用于测试环境，生产需加强安全措施。]]></description><category></category></item><item><title><![CDATA[RTX 5090 上把 Qwen3.8-27B 从量化到 NInfer 推理的全流程]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/169650756</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/169650756</guid><author>m0_61864577</author><pubDate>Sat, 31 Oct 2026 18:21:01 +0800</pubDate><description><![CDATA[本文详细演示在RTX 5090上将Qwen3.8-27B模型从BF16量化为NVFP4，再转换为NInfer格式并部署推理服务的全流程。通过容器化环境搭建、模型下载、校准量化与NInfer转换，最终使用ninfer-serve启动兼容OpenAI/Anthropic API的服务，支持Claude Code等客户端调用，全程命令可直接复制，实现高效低显存的本地大模型推理。]]></description><category></category></item><item><title><![CDATA[给 ttyd 加一个手机触屏虚拟按键面板，并构建全静态可移植二进制]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/167687776</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/167687776</guid><author>m0_61864577</author><pubDate>Mon, 12 Oct 2026 12:57:54 +0800</pubDate><description><![CDATA[本文基于ttyd开发，为手机端添加触屏虚拟按键面板，解决无Ctrl键及方向键问题，通过xterm.js直接发送组合键序列，实现与物理键盘同等效果。同时利用官方脚本构建全静态二进制，依赖musl libc，不携带任何动态库，可跨平台直接运行。从克隆仓库、打补丁到构建，全流程端到端验证，产出7.7MB单文件可移植程序。]]></description><category></category></item><item><title><![CDATA[用 Falco 给你的服务器装一个“来客登记簿“：内核级网络监控 + 全球热力图可视化]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/167496236</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/167496236</guid><author>m0_61864577</author><pubDate>Sat, 10 Oct 2026 19:52:08 +0800</pubDate><description><![CDATA[本文介绍如何用 Falco 实现服务器内核级网络监控，实时捕获所有入站 TCP 连接，并通过 Python + Leaflet 将攻击源可视化为全球热力图。全程约30分钟，仅需一台 Linux 机器或 Docker 环境。利用 Falco 挂载内核模块，精准记录客户端 IP、端口、进程等信息；结合高德与 ip-api.com 定位地理数据，实现点击红点查看访问详情。技术栈包括 Falco、Flask、Leaflet 及热力图插件，可快速部署，提升安全态势感知能力。]]></description><category></category></item><item><title><![CDATA[Vortex GPGPU Warp 调度与指令执行流程解读]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/167496083</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/167496083</guid><author>m0_61864577</author><pubDate>Sat, 10 Oct 2026 19:29:56 +0800</pubDate><description><![CDATA[Vortex GPGPU 采用按序执行的 SIMT 架构，调度单位为 warp，但流水线以单条指令为粒度推进。核心机制为：调度器每次选择一个 warp 发出一条指令请求，该 warp 在指令执行完成前被锁定（单飞行窗口），确保前端串行性。普通指令在译码阶段即解锁，控制流指令则需等待执行结果才释放。每条指令需完整经历取指、译码、发射、执行、提交全流程，依赖由 scoreboard 管理。性能瓶颈源于前端延迟（约10周期），需通过足够多 warp 交织实现高吞吐。优化重点在于减少控制依赖、提升并行度与缓解流水线]]></description><category></category></item><item><title><![CDATA[同一个 vecadd 算子:CUDA C 与 Rust 指令级对比]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/167223756</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/167223756</guid><author>m0_61864577</author><pubDate>Wed, 07 Oct 2026 19:05:11 +0800</pubDate><description><![CDATA[对比CUDA C与Rust在Vortex MPM上实现同一vecadd算子的指令级差异。结果表明：二者在单CTA（32 lanes）下性能一致（393指令/11548周期，IPC 0.034），热循环代码完全同形，仅存寄存器分配、slt/sltu等微小差异。关键在于Rust需使用--lto启用内联CSR读取并注入llvm.assume，否则入口将引入函数调用开销。结论：前端语言差异在优化后消失，热路径机器码为同一pass产物，性能可等价。]]></description><category></category></item><item><title><![CDATA[Vortex 算子开发]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/167215457</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/167215457</guid><author>m0_61864577</author><pubDate>Wed, 07 Oct 2026 10:14:05 +0800</pubDate><description><![CDATA[Vortex 是一款基于 RISC‑V 的开源 GPGPU 平台,却刻意把「写算子」这件事做得尽量无感:你熟悉的四种主流写法——CUDA
C、CUTLASS、Triton、Rust——在这里几乎可以原样工作,__global__ kernel 配 chevron 启动、CUTLASS 模板化 GEMM、Python
块级抽象、Rust 强类型 host+device 工程,源码与写给 NVIDIA GPU 的版本差异极小甚至为零。
本文以「向量加法 / GEMM」等最小可运行算子为例,逐节给出四条路径的原理]]></description><category></category></item><item><title><![CDATA[同一个 NMS 算子,两种语言实现:CUDA C 与 Rust 生成 LLVM IR 和 Vortex 汇编的差异]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/167125924</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/167125924</guid><author>m0_61864577</author><pubDate>Mon, 05 Oct 2026 12:07:55 +0800</pubDate><description><![CDATA[同一NMS算子在CUDA C与Rust中实现，编译后运行结果一致（keep: 5 0 3）。LLVM IR层面差异显著：C侧使用内联csrr、llvm.riscv.vx.uniform及!vortex.kargs元数据，Rust侧则通过函数调用、llvm.memset及无该元数据。但Vortex机器码层热点循环几乎完全一致，仅寄存器分配、参数偏移和CSR访问方式略有不同。结论：前端语言差异影响IR形态，但后端以元数据为契约，最终生成的机器码热路径趋同——后端才是事实唯一来源，语言仅为入口。]]></description><category></category></item><item><title><![CDATA[Vortex CUDA 生态适配:让 CUDA C、CUTLASS 与 Triton 在 RISC-V GPGPU 上运行]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/166829378</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/166829378</guid><author>m0_61864577</author><pubDate>Tue, 29 Sep 2026 09:12:48 +0800</pubDate><description><![CDATA[Vortex 是一款基于 RISC-V 的 GPGPU，通过适配 CUDA 生态实现高效计算。其核心在于统一三条通路：SIMT（32 lane 向量计算）、TCU（张量核心，支持 TF32/FP16/BF16 等）与 DXA（张量拷贝引擎），实现与 NVIDIA 架构对齐。通过构建兼容层、工具链（vxcc）与运行时（libvortex.so），成功让 CUDA C、CUTLASS 模板库及 Triton kernel 在不修改代码的前提下，在 Vortex 上编译、运行并保持数值正确。三类用户共享同一底座，]]></description><category></category></item><item><title><![CDATA[优快云 博主博客抓取工具]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/166828441</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/166828441</guid><author>m0_61864577</author><pubDate>Tue, 29 Sep 2026 09:00:34 +0800</pubDate><description><![CDATA[本文介绍一款优快云博主博客抓取工具，通过Playwright驱动真实浏览器，绕过WAF拦截，自动抓取指定博主的全部博客信息（含标题、时间、阅读量、标签等），支持导出为JSON、CSV、Markdown格式，并校验数据完整性。已验证成功抓取484篇，与官方总数一致。工具需手动完成滑块验证或登录，后续可持久化免验证。适用于个人研究与数据归档，严禁商业滥用。]]></description><category></category></item><item><title><![CDATA[Coding Agent 是否访问了非法数据和网络——以 Claude Code 为例]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/166574055</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/166574055</guid><author>m0_61864577</author><pubDate>Thu, 24 Sep 2026 10:20:15 +0800</pubDate><description><![CDATA[本文以 Claude Code 为例，介绍如何通过 Falco + eBPF + 容器插件实现对 Coding Agent 的内核级行为监控。利用 eBPF 捕获系统调用，结合自定义规则，实时检测非法文件访问（如 /data 目录）和非授权网络连接（如访问非白名单 IP:端口），实现对敏感数据泄露与异常外联的精准告警，为 AI Agent 提供可追溯、高可信的运行时安全防护。]]></description><category></category></item><item><title><![CDATA[llm_proxy_pro：一个零依赖的 Node.js LLM 代理，让你的 Claude Code / Codex 更稳、更省、还能攒训练数据]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/165881026</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/165881026</guid><author>m0_61864577</author><pubDate>Fri, 18 Sep 2026 15:16:48 +0800</pubDate><description><![CDATA[一条命令启动 · 零 npm 依赖 · 多供应商负载均衡 · 故障自动切换 · 顺手攒下 fine-tune 训练数据。]]></description><category></category></item><item><title><![CDATA[LAN Drop：浏览器里的局域网互传神器]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/165755512</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/165755512</guid><author>m0_61864577</author><pubDate>Thu, 17 Sep 2026 19:08:45 +0800</pubDate><description><![CDATA[LAN Drop 是一款基于浏览器的局域网文件互传工具，无需安装App、不需账号、不走公网。只需一台设备启动服务，两台设备在同Wi-Fi下通过6位房间码配对，即可实现文件、文件夹的点对点高速传输。依托WebRTC直连或降级中转模式，支持断点续传、完整性校验与手机大文件稳定接收（尤其优化iOS），全程隐私安全。一键部署，零依赖，真正“开箱即用”的跨设备传输方案。]]></description><category></category></item><item><title><![CDATA[一台“被欺骗“的手机：从硬件测试到揭露虚假 CPU 型号的取证之旅]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/165006393</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/165006393</guid><author>m0_61864577</author><pubDate>Fri, 11 Sep 2026 20:20:07 +0800</pubDate><description><![CDATA[一台标称搭载联发科天玑9400的手机实为紫光展锐T620贴牌机，系统信息严重造假。测试发现：摄像头与GPS硬件可用，但NPU/APU虽内核驱动存在，因缺失关键库libaiactiver.so及SELinux限制，导致标准NNAPI与直接访问均不可用。唯一可被应用调用的硬件加速路径仅为Mali GPU的OpenCL。该案例揭示了厂商在固件层伪造硬件信息、锁死算力资源的隐蔽行为，警示开发者需警惕“虚假性能”陷阱。]]></description><category></category></item><item><title><![CDATA[Vortex 硬件 Softmax 指令 (`vx_softmax_f`) 实现全程]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/165006365</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/165006365</guid><author>m0_61864577</author><pubDate>Fri, 11 Sep 2026 20:18:32 +0800</pubDate><description><![CDATA[本文详述Vortex硬件Softmax指令（vx_softmax_f）从语义设计到RTL实现的全流程。基于SIMT架构，指令以warp为单位并行处理4个lane，单行39周期完成，较软件基线提速≥3.68x。关键设计包括：数值稳定性（减max防溢出）、非活跃lane处理、NaN传播一致性。编码复用空闲funct7=5，通过simx与rtlsim双仿真验证正确性，回归测试零误差且性能显著优于软件。强调开发中需遵循warp粒度、寄存器映射规范及工具链字段顺序，避免常见陷阱。]]></description><category></category></item><item><title><![CDATA[AI 大模型请求监控工具]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/164465800</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/164465800</guid><author>m0_61864577</author><pubDate>Mon, 07 Sep 2026 15:38:28 +0800</pubDate><description><![CDATA[<think>我们只需要根据内容生成一个≤150字的摘要。注意是“根据内容生成≤150字的文章摘要”，摘要应当概括工具的功能和原理。要简洁，提取核心要点。</think>一套 LLM API 流量监控工具，通过 mitmproxy 中间人代理拦截 HTTPS 请求，将完整请求/响应存入 MongoDB；Flask 后端增量拉取数据，前端 ECharts 展示实时流量曲线，支持缩放回放；点击数据点可查看原始报文，自动解析 SSE 流与 OpenAI Responses API，展示 Token 用量、工具调用]]></description><category></category></item><item><title><![CDATA[XCVU19P 上的 Cortex-A53 + Vortex GPGPU 系统]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/164426127</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/164426127</guid><author>m0_61864577</author><pubDate>Sun, 06 Sep 2026 12:02:39 +0800</pubDate><description><![CDATA[<think>我们根据用户要求，需要生成一个≤150字的文章摘要，基于提供的内容。内容是关于XCVU19P FPGA上实现Cortex-A53 + Vortex GPGPU系统的工程描述。摘要应简洁概括主要要点。注意长度限制。需要提炼关键信息：FPGA板卡作为PCIe设备，包含Cortex-A53、GIC-700、DDR4、Vortex GPGPU、XDMA等，通过PCIe启动U-Boot/Linux，并运行GPGPU workload。工程提供一键构建脚本。摘要需控制字数。我们写一个紧凑的摘要。</thi]]></description><category></category></item><item><title><![CDATA[让 AI 逆向 NVIDIA SASS 指令并用 RTL 实现 Verilator 仿真]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/164338062</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/164338062</guid><author>m0_61864577</author><pubDate>Thu, 03 Sep 2026 18:00:04 +0800</pubDate><description><![CDATA[<think>我们根据要求要生成≤150字的文章摘要。内容是关于让AI逆向NVIDIA SASS指令并用RTL实现Verilator仿真的实验，对比了三个AI工具，只有Claude Code成功。需要简洁概括。 字数限制150字，中文。可以包括实验目的、方法、结果。确保摘要内容完整。</think>本文尝试让AI逆向NVIDIA GPU的SASS指令，并用RTL实现微型GPGPU，通过Verilator仿真验证。实验对比了Claude Code、Codex和CodeBuddy Code，三者均使用相同底层模]]></description><category></category></item><item><title><![CDATA[在Verilog里跑NVIDIA SASS指令流]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/164337919</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/164337919</guid><author>m0_61864577</author><pubDate>Thu, 03 Sep 2026 17:56:52 +0800</pubDate><description><![CDATA[<think>我们根据要求：基于用户提供的详细内容生成不超过150字的文章摘要。用户内容很长，需要提取核心。摘要需涵盖目标、方法、结果、意义。注意不超过150字，中文。应精炼。</think>本文介绍一个微型GPGPU的Verilog实现，直接执行NVIDIA SASS指令流（56条HMMA kernel），并以真实GPU输出为黄金标准验证。通过解释warp/fragment布局与地址计算，实现了FP16矩阵乘的bit级复现，MSE达4.13e-14，展示了硬件指令语义验证的可行性。]]></description><category></category></item><item><title><![CDATA[主流命令行 AI 编程工具接入 Ollama： 10 款 CLI 工具]]></title><link>https://blog.youkuaiyun.com/m0_61864577/article/details/163892948</link><guid>https://blog.youkuaiyun.com/m0_61864577/article/details/163892948</guid><author>m0_61864577</author><pubDate>Wed, 19 Aug 2026 17:41:07 +0800</pubDate><description><![CDATA[文章摘要 本文介绍了如何将本地部署的 Ollama 开源大模型接入 10 款主流命令行 AI 编程工具（包括 Claude Code、OpenAI Codex CLI 等）。主要内容包括： Ollama 基础环境配置（Node.js 安装） 详细演示了 3 款工具（Claude Code、OpenAI Codex CLI、腾讯 CodeBuddy）接入 Ollama 的具体步骤和关键配置 提供了环境变量、配置文件等对接技巧 强调需替换实际模型名称和 API 地址 包含安全风险提示（如跳过权限验证的注意事项）]]></description><category></category></item></channel></rss>