Meeting Mind 是一个智能会议记录与分析系统，结合了实时语音识别（ASR）、说话人分离（Diarization）和本地大语言模型（LLM）智能分析功能。它能够实时转录会议内容，区分不同的发言者，并利用本地部署的 LLM 自动生成会议标题、总结、关键要点和行动项，确保数据隐私和安全。

核心功能

技术栈

后端

• 框架：Python 3.10+, FastAPI
• ASR：FunASR (SenseVoiceSmall, FSMN-VAD, CAM++)
• LLM：Transformers / vLLM (GPU 加速), Qwen2.5-1.5B-Instruct
• 依赖管理：uv

前端

• 框架：React 18, Vite, React Router
• 通信：WebSocket (实时语音流)

做 TGmessage 的初衷特别纯粹 —— 上班想刷 Telegram，又怕窗口太显眼被领导抓包，每次切屏都提心吊胆，市面上没找到趁手的工具，干脆让AI搞一个。

核心想法就是 “伪装性”：基于 Telethon 做底层，把 TG 的核心功能（查未读、发文本、标已读）搬到命令行里，黑白界面看着就像在敲代码、查日志，完美融入工作场景。同时得兼顾实用性，所以做了可编程 API 和专门的 fishing_tool，支持按对话定位、消息追踪，操作起来够高效，不用额外花时间琢磨用法。

开发时优先保证了文字消息的流畅体验，暂时没加图片、视频支持 —— 毕竟摸鱼场景里，能悄悄处理文字沟通、看资讯就够了，先解决 “不被抓包” 这个核心痛点。希望能帮到有同样需求的打工人，让大家摸鱼也能摸得安心

建议：正在使用的，请勿将硬盘插在第二盘位（自上而下）！！！

机器买了一年多，连接 hdmi 后发现以下日志，心急，则翻阅论坛，即炸裂 [裂开]。（早知道我就不插上看了）

• 千万别买！天钡 WRT PRO NAS 主机：一场从头烂到脚的硬件灾难！（附血泪证据图）
• 天钡 WTR Pro 5825U 测试，给同样想剁手的朋友提个醒
• 天钡 WTR PRO 5825u BIOS 更新提醒！

错误日志图

日志分析

failed command: read fpdma queued
cmd 60/20:c0:a0/40 tag 24 ncq dma 16384 in
res 40/00:01/00
emask  (ATA bus error)

I/O error, dev sdb, sector  op :(READ) flags  phys_seg 20 prio class 2
I/O error, dev sdb, sector  op :(READ) flags  phys_seg 1 prio class 0 

问题磁盘： /dev/sdb
发生了真实的扇区级读失败（不是假警告）

定位硬盘

使用 lsblk -o NAME,SIZE,MODEL,SERIAL 查看具体硬盘

lsblk -o NAME,SIZE,MODEL,SERIAL                                                                                                                                                                              [11:48:07]
NAME                                                SIZE MODEL                SERIAL
sda                                               931.5G ST1000LM048-2E7172   WL1HEJxx
└─sda1                                            931.5G                      
  └─md2                                           931.4G                      
    └─trim_fab54333_73e1_4bd0_baf0_fdb72d57d8ed-0 931.4G                      
sdb                                                 3.6T ST4000VX015-3CU104   WW61CSxx
└─sdb1                                              3.6T                      
  └─trim_d40587c6_18b6_4db3_9359_237872b18a17-0     3.6T                      
sdc                                                 3.6T ST4000HKVS002-3FC104 ZW62Gxx6
└─sdc1                                              3.6T                      
  └─trim_9726de6a_cbfd_46e8_b127_0c8fc7c256c6-0     3.6T                      
sdd                                               931.5G ST1000LM048-2E7172   WKPMBxxD
└─sdd1                                            931.5G                      
  └─md1                                           931.4G                      
    └─trim_16968c37_6319_46a0_a0a1_5ae27b7e203e-0 931.4G                      
nvme1n1                                             1.9T HYV2TBX4             AA00000000000xx
└─nvme1n1p1                                         1.9T                      
  └─md127                                           1.9T                      
    └─trim_9bc1fdd1_427c_42ff_b047_e09c1f754af0-0   1.9T                      
nvme0n1                                           931.5G CT1000P3PSSD8        241948CD5Fxxx
├─nvme0n1p1                                          94M                      
├─nvme0n1p2                                        63.9G                      
└─nvme0n1p3                                       867.5G                      
  └─md0                                           867.4G                      
    └─trim_0de1354b_706d_48a3_b114_d461ee176ec3-0 867.4G           

更具日志分析到的挂载位置 /dev/sdb

sdb                                                 3.6T ST4000VX015-3CU104   WW61CSxx
└─sdb1                                              3.6T                      
  └─trim_d40587c6_18b6_4db3_9359_237872b18a17-0 3.6T 

确定是否与飞牛 CRC 磁盘信息一致

磁盘信息查看

查阅 CRC 错误开始时间

我的机器安装过飞牛后并未刷机，因为经常更新系统重启，故只能通过 /var/log/kern.log 日志查出

sudo grep "I/O error, dev sdb" /var/log/kern.log* | tail

如果从未关机重启可通过 journalctl 查找

sudo journalctl -k | grep "I/O error, dev sdb" | head -n 1

问题定位须知

如何获取历史日志

• hdmi 连接显示器查阅
• 通过 sudo grep "I/O error" /var/log/kern.log* 或 sudo journalctl -k | grep "I/O error"

日志关键词

2024-11-28T12:45:23.027750+08:00 fnos-nas kernel: [1789895.599316] I/O error, dev sdx

后续定位 需要根据 dev sdx 关键词定位挂载位置 /dev/sdx，配合 lsblk -o NAME,SIZE,MODEL,SERIAL 可查阅出硬盘序列号以及型号

尝试性解决

更新 bios，升级教程。

部分机器屏蔽 IO 可能有效吧，但是我的机器并无效果，错误依旧。

售后

机器是 2024 年 10 月份买的，质保内京东官方售后邮费需要自费（给爷整笑了），机器后背拆过清灰则无质保。

购买过机器的还是检查一下硬盘吧，数据无价。

简介

AutoCFT（Automate Cloudflare Tunnel）是一个简化 Cloudflare Tunnels 配置和运维的开源工具，适合 Self-hosted 的 Docker 环境，主要提供配置自动化更新，避免频繁登录 Zero Trust Dashboard 进行更新；通过 Docker 或 Docker compose 部署，便于管理；采用 Go 实现，轻量化结构；中英文文档完整。

项目地址：GitHub - cloudfogtech/autocft: A tool for Docker Compose to automatically update access endpoints to Cloudflare Tunnel.

官方文档：https://autocft.cloudfogtech.ltd/

部署与使用

要使用 AutoCFT，基本上默认已经有 Docker 环境了，下面的教程将直接基于 Docker 环境开始。

AutoCFT 部署

services: autocft:  cloudfogtech/autocft:latest container_name: autocft restart: always environment: - AUTOCFT_CF_API_TOKEN=<AUTOCFT_CF_API_TOKEN> - AUTOCFT_CF_ACCOUNT_ID=<AUTOCFT_CF_ACCOUNT_ID> - AUTOCFT_CF_TUNNEL_ID=<AUTOCFT_CF_TUNNEL_ID> volumes: - /var/run/docker.sock:/var/run/docker.sock:ro - /root/data/autocft:/app/data networks: - test_net networks: test_net: external: true 

必填参数获取指南：https://autocft.cloudfogtech.ltd/zh/cloudflare.html

Cloudflared 部署

宿主机部署

如果 Cloudflared 在宿主机部署，则需要为每个应用增加端口映射。auto.service 设置为从宿主机访问的地址。

容器部署

services: cloudflared:  cloudflare/cloudflared:2025.11.1 container_name: cloudflared restart: always command: tunnel run environment: - TUNNEL_TOKEN=<TUNNEL_TOKEN> networks: - test_net networks: test_net: external: true 

容器部署的情况下，所有容器应该处于同一网络，因此不需要端口映射到宿主机，直接通过 Docker 网络访问。

示例应用

下面将部署示例应用展示应用如何和 AutoCFT 结合使用

普通应用

services: nginx:  nginx container_name: nginx restart: always # 宿主机部署Cloudflared需要开启端口映射 # ports: #   - "80:80" volumes: - /etc/ssl/certs:/etc/ssl/certs:ro labels: - autocft.enabled=true - autocft.hostname=nginx.example.com - autocft.service=http://nginx:80 # 宿主机访问地址为本地方位映射的端口 # - autocft.service=http://localhost:80 networks: - test_net networks: test_net: external: true 

HTTPS 应用

services: nginx:  nginx container_name: nginx restart: always # 宿主机部署Cloudflared需要开启端口映射 # ports: #   - "443:443" volumes: - /etc/ssl/certs:/etc/ssl/certs:ro labels: - autocft.enabled=true - autocft.hostname=nginx.example.com - autocft.service=https://nginx:443 # 宿主机访问地址为本地方位映射的端口 # - autocft.service=https://localhost:443 - autocft.origin.origin-server-name=nginx.example.com # 如需忽略TLS证书验证，请设置下面的值 - autocft.origin.no-tls-verify=true networks: - test_net networks: test_net: external: true 

应用部署后，默认配置的情况下大约 10s 后，配置将同步到 Tunnel，就可以访问了。

问题与反馈

两种方式供君挑选

• 跟帖反馈
• 通过 Github Issue 反馈

这算是我首次成体系的一个开源项目，在 2025 年末给大家一个更便于使用的工具，也给我自己做一个 2025 年的总结。

感谢始皇和 linux.do 平台的各位佬提供的各种教程、公益资源和这个交流的平台，缘分让我们聚在一起。

真诚 、友善 、团结 、专业 ，共建你我引以为荣之社区。

预祝 2026 的各位佬事业步步高升，生活顺心如意～linux.do 做大做强，再创辉煌～

新年快乐

主要功能
上传一张白底图，自动分析商品特征，生成 Front, Side, Top 等 9 种不同角度和场景的高质量营销图。
基于生成的图片，一键转换为动态视频（支持 Sora/Veo 等模型接口）
自动编排分镜，生成连贯的故事性视频脚本和画面。
置完善的用户系统，支持多用户登录、权限隔离（管理员 / 普通用户）及用量统计。
支持自定义 API Endpoint 和模型参数，兼容 OpenAI 格式接口。

IT 之家 12 月 30 日消息，据科技媒体 Windows Latest 今天报道，一则招聘信息显示，微软内部正在酝酿代号为 “Project Strong ARMed” 的新项目，隶属于体验与设备（E+D）事业部，旨在将基于 x64 架构的项目代码优化并迁移至 WoA

微软在招聘信息中写道：“应聘者将作为 Project Strong ARMed 的高级软件工程师，参与战略性计划，加速体验与设备事业部转向 ARM64 架构。他将与工程、研究团队合作，设计并实现可扩展系统，利用生成式 AI 与程序分析，自动化地让软件从 x64 架构转向 ARM64 架构”。

不过目前我们还不清楚这项计划是面向消费级市场还是企业级市场，但如果微软真的能实现上述内容，那对于 ARM64 生态兼容性而言将是重大进展。

微软还提到：“该岗位将在第一方自研芯片 Cobalt 100 的应用方面处于核心位置，通过 AI 智能体与自动化技术，将现有 x64 工作负载移植到 ARM 兼容平台”。

需要指出的是，Cobalt 100 并非面向普通消费者，而是用于微软自家的 ARM 服务器。因此我们可以合理推断该项目更可能与云相关，而非面向消费者方向。
招聘还写道：“应聘者将构建并部署 AI 驱动的软件工程智能体，将代码库从 x64 架构迁移至 AnyCPU，以及从 Windows 向 Linux 的移植”。

目前，大多数微软服务和内部应用都是围绕 x64 架构构建，由于 CPU 架构有别，这些应用不能原生运行在 Windows on Arm 系统上。不过无论如何，移植代码绝不是 “重新编译一下就完事”，尤其是那些设计 Windows 底层、内部工具或服务的大型代码库。

不过我们目前还不清楚有多少人参与这个项目，但可以看出微软正在投入，且这一方向也合乎时代逻辑。Windows on Arm 并不完美，但也在逐步发展，也有部分消费者因为续航等原因青睐这一平台。

打开星巴克 app

弹窗活动

按图片进行

如果定位选择 / 自动没反应尝试点击城市选择手动输入城市有奇效

白嫖雨云游戏云

根据佬友 fatekey 的帖子 雨云无限白嫖 FRP 服务器攻略（无 aff） 白嫖雨云的游戏云

雨云游戏云你需要知道的

首先雨云的游戏云类似 NAT，你可以在管理面板增加端口映射。其次最重要的是雨云游戏云的终端和普通的 shell 终端不同，它是 Minecraft 服务器控制台，所以不支持一般的 Linux 指令。 那我们要如何让它可以像一个普通 VPS 运行一些我们想要的服务呢？雨云游戏云有一个启动脚本，你可以修改这个脚本，所以你可以通过修改启动脚本进而运行一些我们想要的服务，这个教程带佬们利用启动脚本搭建 Alist

搭建 Alist

1. 上传 Alist 可执行文件到游戏云中
   你可以通过 https://github.com/AlistGo/alist/releases/download/v3.55.0/alist-linux-amd64.tar.gz 这个链接将 alist 压缩文件下载到本地电脑上，然后在电脑上把这个文件解压，解压后得到 alist 可执行文件，把这个文件上传到游戏云中，并添加执行权限
   
   
   
   修改启动脚本并重新启动终端
   
   改成下面内容并重新启动终端（建议终止再开启，直接用重启按钮可能会卡住）

   # 下方编写启动语句 echo "----------------启动alist-----------------"
   ./alist start
   echo 
   java -Xms128M -XX:MaxRAMPercentage=95.0 -jar Paper-1.21.10.jar
   

2. 修改 Alist 的配置文件，再次修改启动脚本，然后重启游戏云
   当你重启终端后，看到如下就表示 Alist 就成功了
   
   
   
   Alist 默认监听端口是 5244，但是这个端口我们用不了，我们要修改 Alist 的配置文件，将 Alist 端口改成我们在管理面板添加的某个端口。Alist 启动成功后，会在跟目录生成 data 目录，里面的 config.json 文件是 Alist 的配置文件
   
   
   
   
   
   
   修改启动脚本，因我我们修改里 Alist 的配置文件，我们要重启 Alist 才可以让修改的配置文件生效。这里我们还要多做一点，修改一下 Alist 的管理员登录密码，一会登录要用。你可以把启动脚本修改如下，然后重启云游戏服务器

   # 下方编写启动语句 echo "----------------启动alist-----------------"
   ./alist restart # 重启Alist
   ./alist admin set 12345 # 设置Alist管理员密码，你可以设置自己的密码 echo 
   java -Xms128M -XX:MaxRAMPercentage=95.0 -jar Paper-1.21.10.jar
   

   
   当你看到如下就表示成功了
   
   

登录 Alist

通过 xm.rainplay.cn: 你配置文件修改的端口 访问 Alist，然后你就会看到熟悉的 Alist 登录界面

这里用户名 admin，密码 12345，看到下面就表示登录成功了，然后你就可以挂载云盘了

Alist 搭建后可以做什么

1. 网盘文件互传（可以用 Alist 将一个网盘文件传到另一网盘中）
2. Alist 提供文件直链下载链接，有了直链，你把直链给别人，别人就可以直接下载这个文件

• 新增绘图功能（实验），暂时没保存配置入数据库
  多轮对话生图、改图
  支持拖拽上传图片、拖拽调整图片附件顺序，图片附件预览
  支持并发生成 1-4 张图片
  支持提示词翻译
  右侧生成结果区可以对图片预览、下载、删除，可以查看详细参数和提示词

• fix: 筛选模型时，匹配不到不会直接消失了

同时生成多张图

拖拽上传和拖拽排序，预览图片

提示词翻译

配置提供商和模型

配置模型参数

Slin HTTP Studio

Slin HTTP Studio 是一个基于 Flask 功能强大的 Web 端 HTTP 请求测试工具，专为 API 开发和调试设计。

开源地址： GitHub - Ryderwe/FlaskHTTPStudio

在线演示（wispbyte 免费容器部署）：http://212.227.64.179:10061/

核心亮点

一键 cURL 转换
直接从浏览器开发者工具复制 cURL 命令，自动解析为可编辑的请求表单，支持 20+ 种 cURL 选项。

智能预设系统
通过规则配置实现参数自动替换，支持 KV 键值对修改和 JSON Path 深层字段修改，可按域名和路径过滤作用域，解析后自动应用。

完整的请求管理

• 可视化 KV 编辑器与文本模式实时双向同步

• 支持 5 种 Body 类型（JSON / 表单 / 文件上传 / 原始数据）

• 自动保存历史记录（含响应数据），支持收藏和搜索

• 一键回放历史请求

企业级安全防护
内置 SSRF 防护机制，阻断所有内网地址访问，DNS 解析验证，重定向二次校验，确保生产环境安全。

响应式界面
桌面端手风琴面板，移动端抽屉式响应查看，支持 HTML 预览和源码模式切换，提供完整的响应下载功能。

技术特点

• 轻量级架构：Flask + 原生 JavaScript，无重度框架依赖

• 本地存储：所有数据保存在浏览器 localStorage，服务端不落盘

• 安全优先：多层 SSRF 防护，响应大小限制，临时存储自动清理

• 开箱即用：仅需 Python 3.8+ 和两个依赖包（Flask + requests）

适用场景

• API 接口调试和测试

• 参数化测试和批量修改

• 团队协作（导出 / 导入预设规则）

• 请求收藏和快速回放

• 移动端 HTTP 请求测试

最后依旧求 Stars～

演示图片：

复古终端风格

极简风格

一小时滑动窗口 黑曜石主题

iframe 快速嵌入页面

小妙招: 发行版说明 直接叫 gemini 使用 chrome-devtools MCP 截图写的

100star 咯 再来一些也行 谢谢大家支持 嘻嘻

点个认可试试 (好像还没有认可过)

因为现在的 ai ide 都有很完善的 agents 功能，而且还可以上网搜索资料

因此比如说对于改稿的部分：

你先让它创建一个改稿工作流（反重力里面叫这个名字）
差不多这样：

然后用 Gemini 3 Pro 等模型，让它执行这个工作流

他就会咔咔咔进行竞稿

你就只需要在吐出的文字里面人工再加上修改建议，然后重复这套工作流就好了。

而且由于模型本身聪明，文笔还挺不错的，就是你可能需要额外找一个地方定义写作的规范，因为中英文的区别还是挺明显的。

你甚至没有参考文献的话可以让它调用自带的搜索功能增加文献

从 继续讨论，咕咕咕了一个月终于迎来了又一个大版本～

Abstract

交互式学习 Vim，每一个技巧都能提高编辑效率～

更新内容

v2.0 相比于 v1.5 主要更新了：

1. 新增亮色主题
2. 新增 HJKL 贪吃蛇趣味练习
3. 增加 Vim 引擎的长序列对拍测试，提升 Vim 行为模拟准确性
4. 使用优选域名提升全球访问速度
5. 修复佬友们指出的文案 & vim 行为的 bug 若干

特色 & 开发动机 & 课程内容

详见前帖：

Vim 功能支持情况

当前处于 v2.0.0 版本，已实现功能如下。还在持续迭代中

迭代开发

现在项目仍有一些 bug 和不完善的地方（包括但不限于文案不易于理解、Vim 编辑器与真实行为不一致等），欢迎佬友们试用之后在楼内或者 issue 区反馈

衷心感谢如下佬友为这个项目提出宝贵的意见和建议！

@l39 @kika @GoldenZqqq @sodacola

Tip

觉得不错的话就帮我点个 Star​吧～

Alpha 版

bug 修复与新功能预览

来晒一晒你的 Vim + 贪吃蛇水平吧！

腾讯发布首个 Diffusion 大语言模型：WeDLM-8B。WeDLM-8B 是一个基于扩散机制的大语言模型，有 80 亿参数。它从 Qwen3-8B 初始化而来，经过指令微调后，有基础版和 Instruct 版。

性能测试中，在数学推理任务上，WeDLM 比用 vLLM 优化的 Qwen3-8B 快 3 到 10 倍。比如计算 1 到 100 的和，只需 0.22 秒，而传统方式要 1.8 秒。在低复杂度任务中，每秒能生成上千个词。

模型已开源，在 Hugging Face 上可下载，支持 wedlm 引擎优化推理。这让扩散式语言模型第一次在实际速度上超过主流自回归模型。
腾讯开源的扩散大模型是否能掀起扩散大模型的浪潮？

美区 PayPal 注册方案，亲测有效！支持绑定大陆的 Visa 和万事达信用卡。
本方案利用 iPhone 手机或 iPad 设备和美区的 Apple 账号进行注册，虽然有点绕，其实很简单，美区 Apple 账号的申请就不多说了，很简单。
教程开始，打开手机设置，点击顶部的 Apple 账户，然后点击付款与配送，选择添加付款方式，再选择 PayPal，然后点击登陆 PayPal，在弹出的页面的左下角选择美国（一定选择美国），右边的语言可以设置为中文，填写表格中的信息，邮箱，手机号（不要接码，最好填写美国手机号），信用卡 (支持 Vise、万事达、美国运通等)。
最后填写账单地址，大家可以生成美国地区的地址，建议免税州的，填写完成提交就会收到手机验证码，验证一下就可以了，测试了一周多时间，目前正常。

来源火绒安全近期发现多款日本色情游戏（来源 BT 站）捆绑有高隐蔽挖矿木马。
木马利用 “白加黑” 技术植入，会大量消耗电脑 CPU 与内存。
而且这木马有防检测手段:
当你打开任务管理器时候，木马就会停止运行挖矿操作，防止被发现

来源

iMini AI 重磅升级，推出全新功能【精细编辑】

简单说，就是对于 AI 图片生成不满意的地方，圈一下就可以马上修改。

比如下图，修改一下人物手中的水果、修改一下人物帽子颜色… 等等

体验入口：https://imini.com/tools/ai-image/text-to-image

除了【精细编辑】还有
1、分图层 / 编辑元素
2、1k 图片变 4k 高清
3、一键扣主体
4、扩图
5、擦除
…
等等，简单说，就是不单止能生图，还能修图了，并且没有使用门槛。

win11 中内置 copilot GPT5.1 中的 juice 值，其中 Think Deeper 以及 Smart 模式下都是 16

edge 中内置 copilot 里的 GPT5.2， Smart Plus 模式下也是 16（我是 M365 会员，可能有点影响）

github copilot 里的 GPT5.2 是 64

windsurf 家的 GPT5.2 low,juice 是 16

windsurf 家的 GPT5.2 medium,juice 是 64 （high 和 xhigh 性价比太低，就不测了）

先交代下背景：玩 PT 也就几个月，这段时间陆续进了馒头、人人、UB、杜比这些站（在这里真心感谢各位佬儿友的信任）。我这边整体是 “两条线” 在跑：

• 家里：40T 群晖 NAS 负责日常观影 + 长期做种
  我主要是 MoviePilot v2 + Emby 联动，平时自己看电影为主。
  另外有些站的契约 / 官种要求比较明确，我就在 NAS 上单独划了几个文件夹，权限只给 qB 可读写，专门放契约要用的内容，省得和日常媒体库搅在一起。
• 公司：树莓派 5 负责刷流（重点）
  刚入坑的时候有点怕家里被当成 PCDN 之类的搞到限速，所以干脆把刷流主力放公司。
  公司网络：1000M，无公网 IP、无 IPv6；家里是 500M，有公网 IP、无 IPv6。
  目前大概几个月下来：公司刷了约 13T，家里零零散散大概 1T 左右。

一点体感：想吃上传，“新种窗口” 比 “硬拉满” 更关键

刚开始在馒头那会儿，我都是挑自己喜欢的资源下（但不是最新官种），结果基本吃不到上传 —— 很正常，新种发布后的时间窗口才是最香的。
后来在杜比、UB 这类站，我发现只要是跟着下最新官种，保种阶段上传速度经常能看到 3–4 MiB/s（指单种 / 短时间波动，不是一直满速）。当然，那些 “经久不衰” 的内容偶尔也会出点速度，但总体来说，刷流想稳定，还是得围绕新种节奏来。

我折腾过的几种方案，最后留下的是：一个 qB + 一个 Vertex

我试过：

• 每个站点一个 qB + 一个 Vertex（管得细，但维护起来太麻烦）
• 一个 Vertex 管多个下载器（看着省事，但实际容易互相抢额度 / 堆积）

最后发现对我这种网络环境来说，最稳的反而是：
一个 qB 容器 + 一个 Vertex 容器，然后在 Vertex 里跑 RSS 任务（我这个版本一次最多就开 3 个 RSS 订阅任务，够用了）。

核心就一句话：不要贪心，要平衡。

重点：我现在这套 “平衡逻辑” 是怎么做约束的

我以前也干过下班回家直接把 qB 拉满：下载 70–80 MiB/s、同时下载数量 16/24/48/64 甚至不设上限…… 爽是爽，但结果就是：

• PT 站每小时都在更新，你设置太激进，种子会越堆越多
• 堆积以后，“慢种” 长期占着活动位，反而把新种窗口挤没了
• 速度太慢也不行，慢种拖着不结束，同样占额度

所以我现在用的是双重约束：Vertex 控总量节奏，qB 控队列与慢种策略。

1）Vertex 侧：先把 “节奏” 卡住（防止 RSS 把下载器塞爆）

我这边 Vertex 主要卡这些：

• 上限下载速度：30 MiB/s（上传上限我没卡死）
• 最小剩余空间：200 GiB（低于就不再加种，避免写爆盘 / 触发各种异常）
• 最大下载数量：15（超过就不加种）
• 每小时上限：5（每小时推送到客户端的种子数量上限，避免 “追更太猛”）

同时我开了 自动删种，删种周期是 cron（我这里是 * * * * *，也就是每分钟检查一次）。删种规则我勾了三条：

• 100G 空闲删种
• 无效做种
• 超时下载
  高分享率清理我没开（我更倾向 “吃窗口、快进快出”，高分享那套玩法不太适合我目前的内网条件）。

2）qB 侧：关掉 “会影响 PT 生态的东西”，然后让队列更聪明

qB 这边我做了几件很基础但很有用的事：

（1）PT 必备：关 DHT / PeX / 本地发现，开匿名模式
这个不展开了，懂的都懂。

（2）队列：最大活动下载数 = 15
并且我勾了：慢速 torrent 不计入限制内

• 下载阈值：2 KiB/s
• 上传阈值：2 KiB/s
• 非活动计时器：60 秒
  这样 “卡死不动的慢种” 不会长期占着活动位，新种更容易排进来。

（3）做种限制：到点就清（我这套偏刷流思路）

• 达到总做种时间：60 分钟
• 达到不活跃做种时间：30 分钟
  然后动作是：删除 torrent 及所属文件
  （这条就很看个人玩法了。我是刷流取向，所以宁可腾空间、让队列保持流动。）

（4）速度 / 连接（给个参考值）

• 全局下载限制：35000 KiB/s（约 34 MiB/s）
• 连接协议：TCP
• 全局最大连接数：1000
• 每 torrent 最大连接数：200
• 全局上传窗口：50；每 torrent 上传窗口：15
  公司没公网也没 v6，端口能不能真打通随缘，但对刷流这套 “追新 + 快进快出” 的节奏影响没想象中大。

配置截图（更直观，我就不一行行贴文字了）

效果与结论：别把 SSD / 内网 “跑满” 当目标，找到平衡点才是关键

在我这套环境下（公司 1000M、无公网无 v6），长期跑下来一个很明显的结论是：

• 单纯把下载拉满、并发拉满，并不会让上传更好，反而更容易堆积
• 更稳的方式是：控制每小时进种量 + 控制活跃下载数 + 慢种不占位 + 及时删种
• 我这套配置在树莓派 5 不连续超负荷的前提下，基本能做到：
  每天稳定吃到 150–200G 上传（仅供参考，跟站点热度 / 新种质量 / 时间窗口关系很大）
• 另外我自己的体感是：上传 / 下载大概长期在 1:10 这个量级上下浮动（同样仅供参考）。

一句话收尾：刷流不是把性能发挥到极致就会更好，尤其在 “无公网 / 无 IPv6” 的内网条件下，更重要的是 “节奏” 和 “队列的流动性”。

树莓派刷流机配置（放末尾，方便想抄作业的佬儿友）

• 主板：Raspberry Pi 5（8GB）
• 机箱：Argon ONE V3（带 M.2 NVMe PCIe 扩展）
• 系统：Raspberry Pi OS Lite 64-bit（Debian Trixie 系）
• 存储：WD Red SN700 1TB（NVMe，2280）
• 电源：官方 27W USB-C PD

以上就是我这几个月踩坑后的 “能长期跑、别太折腾” 的版本。各位佬儿友如果也有类似内网环境的玩法，欢迎一起交流你们的平衡点怎么找的。

各位 L 站的大佬们，大家平时写代码、水贴之余，身体健康关注了吗？
现在的通用 AI 聊健康总是 “建议咨询医生”，缺少深度分析。于是我写了这个项目：Claude-Ally-Health 。它不仅是一个对话框，而是让 Claude 进化成你的私人健康专家。

核心亮点：

• 深度推理： 针对 Claude 3.5 Sonnet/Opus 优化，利用其强大的逻辑能力，深度解析体检报告、化验单和运动数据。

• 隐私至上： 数据完全由你掌控。你可以通过 API 接入，支持自定义中转或官方 Key，不用担心健康敏感信息被滥用。

• 结构化输出： 拒绝废话，直接给出健康风险评估和改进建议，支持导出和历史记录追踪。

export ANTHROPIC_BASE_URL=“https://crs.yierbubu.ggff.net/api”
export ANTHROPIC_AUTH_TOKEN=“cr_340b728d1a96d4316b020b5335f0fbdec2b57f1435fb5c1ce676652dd50dfa88”

https://crs.yierbubu.ggff.net/openai

额度不多，不能用就是没了

《三位一体 经典合集》4 款横版奇幻合作

该合集包含包含四部作品：《Trine Enchanted Edition》《Trine 2: Complete Story》《Trine 3: Artifacts of Power》以及《Trine 4: Definitive Edition》。

https://store.epicgames.com/zh-CN/bundles/trine-classic-collection