立，是破土而出的姿态；春，是时间写给世界的首行情诗。它们相逢，便成了年轮上第一个刻度——不为纪念过往，只为邀你启程。与冬天好好告别，告别那些未化的遗憾，你看冰都在阳光里学会了温柔。春风记得每一份等待，路过你时，会轻轻解开那些心事。

去与春天相拥，像种子拥抱土壤，像河流拥抱解冻的河床。推开窗，让光线涌进来，铺满你未写的计划，照亮你未动的第一步。春天从不催促，它相信万物自有生长的节奏。愿你迎春而立，目光清亮，真正的远方，永远始于此刻抬起的脚步。这一程或许仍有风雨，但风中已混着泥土苏醒的气息，沿途会有新芽不断破土，见证你每一次坚持。

未来已在每个晨光微露的窗前等候，好事正在发生——在柳梢的弧度里，在人们舒展的肩线上，在你决定重新出发的瞬间。

从这个立春开始，让自己成为自己的春天：让希望扎根，让行动开花。所有美好如约而至，从来不是偶然，而是你与时光并肩前行时，必然遇见的风景！

在没有域名只有IP地址的情况下，实现HTTPS访问是可能的，但需要通过一系列步骤来确保安全性和可访问性。以下是实现这一目标的详细步骤：

一、确认公网IP地址

首先，确保你拥有一个固定的公网IP地址。公网IP地址是互联网上的基本寻址方案，用于唯一标识互联网上的计算机或服务器，是实现外部直接访问的前提条件。动态IP地址可能不适合此场景，因为它们会频繁改变，导致SSL证书失效。

二、申请IP地址SSL证书

公网IP证书申请入口

选择证书颁发机构（CA） ：

打开JoySSL官网，写注册码230970，获取大额优惠跟技术支持。

准备申请材料：

准备好对IP地址的所有权或管理权限的证明，因为申请过程中通常需要验证你对IP的控制权。

完成验证流程：

按照CA的要求完成验证流程，这可能包括通过文件验证、邮箱验证或其他方式证明你对IP地址的控制权。

购买证书：

购买合适的证书类型，如DV（域名验证）或OV（组织验证）证书。需要注意的是，虽然传统上IP地址SSL证书可能更多是针对企业或组织机构的，但近年来个人用户也可能有条件申请，具体需咨询CA。

三、安装SSL证书

下载证书：
一旦申请被批准，从CA处下载你的SSL证书文件和中间证书。

上传证书：
将证书文件和私钥上传至你的Web服务器软件上，如Apache、Nginx或IIS。

配置服务器：
在服务器配置中，将IP SSL证书绑定到特定的公网IP地址上，而非传统域名。在Nginx等服务器软件的配置文件中，可以指定IP地址作为server_name。
确保服务器配置正确监听HTTPS端口，并正确处理HTTPS请求。
如果需要，配置端口转发，确保即使使用非标准端口，HTTPS连接也能正确建立。

在一些项目的对接中，团队经常会收到关于“一张显卡能跑多少路应用？”“需要准备多少服务器?”等实际部署问题。这些问题的答案,往往并非简单的数字计算，而是需要结合应用特性、硬件性能与系统架构进行综合评估。下面，我们针对几个高频问题，从实际经验出发，为大家提供一些选型参考与解答。

问题一：一个应用占8G显存，RTX Pro 6000 96G显卡是不是就能跑10个并发？

不完全是这样。
显存确实是决定并发数量的重要基础——从数字上看，96G显存似乎能轻松容纳10个8G应用。但在实际运行中，每个应用不仅占用显存，还会持续消耗GPU的图形处理资源（3D渲染能力）、视频编码资源，并依赖CPU调度与内存支持。
如果应用本身图形负载高，或多个实例同时运行产生资源争抢，就可能出现卡顿、排队等现象。因此，我们强烈建议以实际测试为准，在目标硬件上模拟真实并发场景，观察GPU利用率、帧率稳定性等指标，才能确定可靠的并发数量。

问题二:实时云渲染需要什么GPU和CPU？60个并发要配什么服务器？

使用点量云流实时云渲染对CPU和GPU的要求，一般要参考需要渲染的应用对GPU等资源情况。
GPU选型：参考需要渲染的应用对GPU等资源情况
如果您的3D应用较轻量（如简单模型、UI交互），消费级显卡如 RTX 4090 性价比很高；
如果是大型建筑漫游、复杂虚拟仿真、高精度模型等专业应用，则建议使用专业级显卡，如 RTX 6000，其在多实例并行与稳定性上表现更优。

CPU选型：尽量选择多核高频CPU
推荐 8核16线程以上的多核高频CPU，如Xeon Gold 6348。注意如果核心数/线程数过低，可能发生调度瓶颈。此外，需注意部分应用（如部分UE项目）对CPU的单核计算性能（主频）要求也较高，具体需要结合应用进行测试评估。若是是对并发要求不高或者3D应用本身比较简单，则没有特殊要求,可以选择工作站/消费级CPU 比如i9-13900k，以保证良好的进程调度与响应能力。

60并发如何配置服务器？
想要实现60路并发，所需的具体显卡数，完全取决于单张显卡能承载多少路流畅运行的应用实例。在预算有限或追求更高并发时，可考虑通过适当降低渲染帧率（如从60FPS调整至30FPS）或分辨率来有效降低单路应用的资源消耗。理论上，这有望显著提升单卡并发能力，例如原本支持30路的配置，经过优化可能支持60路。

假设经测试与优化后，一张显卡可稳定支持4个应用实例同时流畅运行，那么理论上需要15张显卡。我们通常建议将显卡分散到多台服务器中，例如配置8台2卡服务器，而非将所有显卡集中在一台。这样既能避免单机系统隐形瓶颈，也提升了整体方案的可靠性与可扩展性。

操作系统建议：优先安装 Windows Server 2019/2022，其对多GPU环境及长时间运行的支持更为稳定。

问题三:多并发下对网络和服务器有何要求？显卡选择要注意什么？

服务器与显卡注意事项
大并发下服务器的参数要求请参考问题二。GPU若选用数据中心级显卡（如 NVIDIA Tesla/A系列），必须配置 GRID 驱动，否则无法正常用于多用户图形渲染。
强烈建议进行多实例压力测试，确认显卡在目标应用下的实际并发能力，避免仅按显存大小估算。

网络带宽要求
网络需求主要取决于并发数与每路视频流的码率。一般1080P 清晰度下，单路建议预留 5–8Mbps码率。
而60路并发则需300–500Mbps左右宽带。若分辨率提升至2K/4K，或需要更高帧率，带宽需相应增加。

点量云流实时云渲染并发的规划，是一个从“应用特性”出发，结合“显卡算力、CPU调度、内存、网络与系统架构”的整体工程。点量云流平台自身的资源占用很低（仅需约5%的剩余算力），实际上，服务器能支持多少路并发，真正取决于客户所运行的应用本身对资源的消耗。因此，我们始终建议在选型前进行真实场景测试，用数据指导配置，避免资源浪费或性能不足。

如果您有具体的应用需要评估，欢迎联系我们安排测试，我们将为您提供更贴合业务场景的配置方案。

题⽬描述

在⼀个m × n的棋盘的每⼀格都放有⼀个礼物，每个礼物都有⼀定的价值（价值⼤于 0）。你可以从棋盘的左上⻆开始拿格⼦⾥的礼物，并每次向右或者向下移动⼀格、直到到达棋盘的右下⻆。给定⼀个棋盘及其上⾯的礼物的价值，请计算你最多能拿到多少价值的礼物？

如输⼊这样的⼀个⼆维数组，

[
[1,3,1],
[1,5,1],
[4,2,1]
]

那么路径 1→3→5→2→1 可以拿到最多价值的礼物，价值为 12

思路及解答

基础动态规划

这道题其实⼀看就知道是动态规划，棋盘中的每个⼩格⼦，都是和上⽅，或者左⽅的格⼦有关。既然是动态规划，那么我们先定义状态：

dp[i][j]表示到达(i,j)位置时能获得的最大礼物价值

状态转移：dp[i][j] = max(dp[i-1][j], dp[i][j-1]) + grid[i][j]

public int maxValue(int[][] grid) {
    if (grid == null || grid.length == 0 || grid[0].length == 0) {
        return 0;
    }
    
    int m = grid.length, n = grid[0].length;
    int[][] dp = new int[m][n];
    
    // 初始化起点
    dp[0][0] = grid[0][0];
    
    // 初始化第一行：只能从左边来
    for (int j = 1; j < n; j++) {
        dp[0][j] = dp[0][j-1] + grid[0][j];
    }
    
    // 初始化第一列：只能从上边来
    for (int i = 1; i < m; i++) {
        dp[i][0] = dp[i-1][0] + grid[i][0];
    }
    
    // 填充其余位置
    for (int i = 1; i < m; i++) {
        for (int j = 1; j < n; j++) {
            dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]) + grid[i][j];
        }
    }
    
    return dp[m-1][n-1];
}

每个位置的计算只依赖左边和上边的结果，通过双重循环自左上向右下填充整个dp表

• 时间复杂度：O(mn)
• 空间复杂度：O(mn)

空间优化动态规划

观察发现当前行只依赖上一行，可以使用一维数组进行空间优化，利用dp[j]在更新前存储上一行第j列的值，更新后存储当前行第j列的值，实现空间复用

dp[j]表示当前行第j列的最大价值，滚动更新

public int maxValue(int[][] grid) {
    if (grid == null || grid.length == 0 || grid[0].length == 0) {
        return 0;
    }
    
    int m = grid.length, n = grid[0].length;
    int[] dp = new int[n];
    
    // 初始化第一行
    dp[0] = grid[0][0];
    for (int j = 1; j < n; j++) {
        dp[j] = dp[j-1] + grid[0][j];
    }
    
    // 处理后续行
    for (int i = 1; i < m; i++) {
        // 更新第一列
        dp[0] += grid[i][0];
        
        for (int j = 1; j < n; j++) {
            // dp[j]代表上一行第j列的值（从上方来）
            // dp[j-1]代表当前行第j-1列的值（从左边来）
            dp[j] = Math.max(dp[j], dp[j-1]) + grid[i][j];
        }
    }
    
    return dp[n-1];
}

• 时间复杂度：O(mn)
• 空间复杂度：O(n)

原地修改动态规划（最优解）

修改原数组，直接使用grid数组作为dp表，避免额外空间分配

public int maxValue(int[][] grid) {
    if (grid == null || grid.length == 0 || grid[0].length == 0) {
        return 0;
    }
    
    int m = grid.length, n = grid[0].length;
    
    // 初始化第一行
    for (int j = 1; j < n; j++) {
        grid[0][j] += grid[0][j-1];
    }
    
    // 初始化第一列
    for (int i = 1; i < m; i++) {
        grid[i][0] += grid[i-1][0];
    }
    
    // 填充其余位置
    for (int i = 1; i < m; i++) {
        for (int j = 1; j < n; j++) {
            grid[i][j] += Math.max(grid[i-1][j], grid[i][j-1]);
        }
    }
    
    return grid[m-1][n-1];
}

• 时间复杂度： O(nm) ，需要计算完⾥⾯的⼩格⼦
• 空间复杂度： O(1) ，优化后可以实现原地操作，不需要额外的空间

点赞 + 关注 + 收藏 = 学会了

整理了一个n8n小专栏，有兴趣的工友可以关注一下 👉 《n8n修炼手册》

对 n8n 初学者来说，不用花钱就能调用大模型API，是快速上手AI自动化工作流的关键。n8n作为可视化自动化工具，能通过API连接各类大模型，实现文本生成、情感分析、图文处理等功能，而免费API能帮我们零成本练手、验证创意，不用承担付费压力。

本文推荐几个适合 n8n 小白的免费大模型 API 服务商。

但需要看清本文的发布时间，也许半年后、一年后这些 API 就不再免费了。

部分服务商还需要你懂魔法。

如果你用过哪些比较好的大模型，也欢迎在评论区留言～

如果你还不清楚 n8n 如何对接大模型，我准备了2篇文章。

• 【方法1】接入本地模型：『n8n』接入本地部署的 DeepSeek
• 【方法2】接入服务商的模型：『n8n』对接豆包、千问、文心、Kimi等大模型

如果你是富哥，个人电脑配置很顶的话，可以用第1种方法。

本文整理的这些免费大模型 API 要用第2种方法对接。

如果第2种方法都无法对接的话，可以使用「HTTP 节点」来对接，具体操作请参考👉 『n8n』通过接入DeepSeek了解HTTP节点

推荐的服务商排名部分先后，能用就行😄

前摇结束，开始！

Hugging Face

⚡️Hugging Face： https://huggingface.co

Hugging Face 是全球知名的开源AI平台，拥有海量免费预训练模型，涵盖文本分类、句子嵌入、语音识别等各类任务，适合小白探索不同模型的能力，也能通过API快速集成到n8n中。

打开 Hugging Face 官网，登录后，点击右上角的头像，选择「Access Tokens」

来到「Access Tokens」页面，点击“+ Create new token”按钮。

输入一个 Token name，下面能选的都选上吧。

然后滑到页面底部，点击“Create token”按钮。

获取到令牌后找个地方保存好，这个令牌只展示一次。如果弄丢了就要按上面的步骤重新操作一次了。

打开 n8n，在界面面板搜索“hugging”，选择第一项。

如果你第一次使用的话，在“Credential to connect with”项里选择“+ Create new credential”创建一个 Hugging Face 的凭证。如果已经有凭证了就是下图这样了。

创建凭证的方法也很简单，将刚刚在 Hugging Face 申请的令牌复制到 API Key 这项里就行。

回到工作流就可以用它了。

Hugging Face 上还有其他模型可以申请，自己去研究一下吧～

Gemini

⚡️Google AI Studio：https://aistudio.google.com

Gemini 的开通方式有点麻烦，需要有 Visa 卡才行。

现在能用的免费模型只有 flash 系列的，pro 之前被白嫖太多了已经不开放了，以后会不会重新开放不好说。

打开 Google AI Studio，登录完，点击左下角的“Get API key”。

然后创建一个 API 密钥。

如果没项目的话，需要先创建一个项目。

创建完 API 密钥后，点击复制按钮。

来到 n8n 这边创建 Google Gemini 凭证就能用了。

LongCat（美团）

⚡️LongCat：https://longcat.chat/platform/api_keys

LongCat 是美团自主研发的大语言模型，每天刷新500万 token 给你用。而且响应速度很快。

登录后，在 API Keys 页面创建 API Key 就可以用了。

具体接入的 URL 可以看 LongCat 官方文档👉 https://longcat.chat/platform/docs/zh/

我用了 HTTP 节点接入，聊天对话的话 URL 可填入 https://api.longcat.chat/openai/v1/chat/completions。

亲测能用。

百灵（阿里）

⚡️ 百灵：https://ling.tbox.cn/open

百灵大模型是蚂蚁集团推出的Ling-1T大模型对话体验平台，定位为全能型AI助手，兼顾基础文本处理与复杂推理，支持多模态能力，且适配OpenAI接口格式，能快速集成到n8n中。

百灵每天会刷新50万计算单位（token？）。

首次登录需要绑定致富宝。

绑定成功后，在后台就可以创建令牌了，并且每天能刷新免费额度。

在 n8n 这边给百灵创建一个 OpenAI 的凭证。

API Key 填你刚刚创建的。

Base URL 填这个 https://api.tbox.cn/api/llm/v1/。

来到工作流这边你会发现没模型可以选。

你需要打开百灵的使用手册，选择一个模型，填入对应的“版本名称”。

https://alipaytbox.yuque.com/sxs0ba/ling/model_overview

Model 这项要选 By ID，值就填入模型的“版本名称”。

能嫖！

借助工具可快速实现自动化流程，落地时需关注多场景适配的工程效率问题。可试试RollCode 低代码平台的私有化部署、自定义组件、静态页面发布（SSG + SEO）能力。

以上就是本文的全部内容啦，想了解更多n8n玩法欢迎关注《n8n修炼手册》👏

如果你有 NAS，我非常建议你在 NAS 上部署一套 n8n，搞搞副业也好，帮你完成工作任务也好 《『NAS』不止娱乐，NAS也是生产力，在绿联部署AI工作流工具-n8n》

点赞 + 关注 + 收藏 = 学会了