王森的博客

我在开发一个浏览器扩展，希望采用这样的协作方式：- Codex 负责确认需求、保护现有工作区、审查代码和实机验收。- Antigravity 负责读取项目上下文、修改代码、执行测试和输出报告。- 验收发现问题，就回到 Antigravity 原会话继续修复。最初，流程却常常停在这里：Antigravity 已经输出了结果，Codex 没有及时接上。我还得回来问一句“做完了吗”，再说一句“继续验收”。问题不是缺少一个提示词，而是缺少一条完整的反馈链路：

Grok Bridge 是我开源的一个 Windows 本地桥接工具：它在 127.0.0.1:8787 上起一个 HTTP 服务，把非官方的 grok-bot-cli（gbot）包装成稳定的接口，让浏览器扩展、脚本、IDE 里的 Agent 这些本机程序都能给 Grok Bot 发消息、拿回复。配套还有 WebView2 桌面面板和系统托盘。

本文揭秘如何突破Google Antigravity的配额限制，通过直连本地守护进程language_server.exe，实现零API Key、无限调用、低延迟的代码生成。针对HTTP 503/429错误、环境变量丢失、Windows批处理传参缺陷等深坑，提出双引擎桥接架构：优先本地直连，降级使用SDK，并硬编码关键参数与环境变量。配套脚本antigravity_pipe.py支持多行Prompt输入与纯净代码输出，完美适配Codex、Claude Code等外部Agent工作流，是实现高效智能编程的终极

本文介绍独立开发者如何零成本搭建多个子域名官网：使用 Cloudflare Pages + GitHub，实现一键部署、自动 HTTPS、免备案、免服务器。通过将域名解析至 Cloudflare，结合 Nuxt 4 静态生成与 Git 推送，每个插件可拥有独立子站，主站展示插件列表，全程免费，适合出海小产品、Chrome 扩展开发者快速上线品牌页与落地页。

Jev 是一款专注选择题的高效AI，仅支持单选、打分与是/否判断，响应快（0.07–0.5秒）、成本极低（输入每百万token仅0.042美元），但无法聊天或生成内容。其核心价值在于以高性价比执行高频、标准化决策任务。真实应用包括：网页操作自动化（如Jev Ultrafast）、海量数据分类、智能分流（高把握自动通过）、实时交互优化等。实测显示，其“把握度”预测准确，90%以上置信度判断全对，国内延迟约0.7秒，稳定性优于轻量大模型。尽管存在“不可见内容”“依赖外部组件”等限制，但作为生产环境中的“决策引擎

本文深入探讨了Git Worktree在AI时代开发中的核心价值与实战应用。随着多Agent并行编程兴起，传统单工作区模式难以应对并发任务冲突与效率瓶颈。Git Worktree通过共享底层仓库数据、独立文件目录，实现轻量级多分支并行开发，成为AI辅助开发的理想环境隔离方案。文章系统讲解其原理、基础命令、常见陷阱（如环境配置缺失、磁盘占用激增）及解决方案，并梳理社区沉淀的高效工作流与工具链，为开发者提供从入门到进阶的完整指南。

jev-ultrafast 是 Browser Use 团队开源的高效浏览器操作决策模型，非全能代理，而是专注于在有限可操作控件中高速判断下一步动作（如点击、输入、等待）。它通过“去噪”动作空间，将大模型从琐碎决策中解放，提升自动化效率与可靠性。系统分工明确：大模型负责理解与生成内容，Jev 专注结构化决策，Browser Use 协调流程，执行与校验保障安全。其核心价值在于以低延迟、高置信度完成高频小决策，推动 AI 自动化向生产级落地迈进。

BSK 通过本地 bsk.exe daemon 作为中介，实现 AI 对多个 Chrome 实例的独立操控。其架构基于本地 IPC 与 WebSocket（127.0.0.1），每个实例对应一个独立的 Chrome Profile、Cookie 及登录态，切换实例即切换账号环境。实测确认：daemon 按需启动、非开机自启；浏览器扩展通过本地回环连接；新标签页不切换身份，仅切换实例才改变上下文。Agent Window 用于隔离自动化操作，避免干扰用户浏览。整体设计强调安全边界，禁止绕过验证或读取敏感数据，

但是当系统代理为全局模式或者TUN模式时，近期钉钉仍然无法登录处理办法

本文拆解了 WhatsApp 短链生成器 link.wadesk.io 的开源级实现（基于 Nuxt 4 SSG），把它当成一份"内容驱动 + 多语言 + 匿名身份"的架构样例来扒。核心有四点：其一，链接生成严格遵循 wa.me 协议，源码里处理了阿根廷（54→549）、墨西哥（52→521）等国别前缀与号码清洗、URL 编码等细节；其二，二维码用 qrcode.vue 生成并通过 canvas.toDataURL 落地下载；其三，整站靠 content.config.ts 的 Zod schema + q

本文探讨了AI视频压缩技术如何超越传统编码方法（如H.264/H.265/AV1），从算法原理层面分析了四个关键突破点：1）用光流神经网络替代块匹配运动估计，提升非刚性运动的预测精度；2）用神经网络实现帧内预测，学习复杂纹理规律；3）采用数据驱动的学习型变换矩阵，替代固定DCT基函数；4）引入语义感知的比特分配策略，基于人眼感知优化压缩效果。此外，AI压缩通过端到端联合优化，实现了全局最优的率失真平衡，并能生成视觉合理的内容弥补信息损失。这些技术使AI压缩在保持视觉质量的同时，可将码率降低30%-60%，尤

《PDF翻译工程揭秘：如何实现"换字不换版"》深度解析了专业PDF翻译的技术原理。文章指出，PDF文字本质是绘制指令而非结构化文本，保版式的核心在于保持坐标指令（如Tm矩阵）不变，仅替换Tj/TJ操作符中的字符串。完整流程包含四大技术层：解析层提取带坐标的文字块，翻译层处理语义，渲染层动态调整字体宽度防溢出，图像层通过OCR和AI修复处理扫描件和图片文字。真正的保版式翻译器通过"原地改串"而非重排版实现格式保留，其技术难点包括字体子集化、编码转换、字宽计算和图像修复等复杂工序。