最近 BFL（BLACK FOREST LABS**.）发表了 FLUX.2 [klein]

强调推理速度的提升，并且可以在消费级显卡流畅使用

以下是特色介绍

模型分成 9B (旗舰）与 4B (一般）

并推出了量化版本

有兴趣的朋友可以玩看看

模型

在线演示

https://playground.bfl.ai/image/generate

GitHub: https://github.com/fengshao1227/Open-Switch

觉得有用的话留个 Star

起因

用 OpenCode CLI 的时候，每次切换 API 提供商都要手动改 JSON 配置文件，改完还得重启终端。用多了几个 API 服务商之后，配置文件越改越乱，有时候还会不小心写错格式导致启动失败。

并且找了站内的关于 opencode 的第三方 api，都是手动编写，作为一个 ai 时代高效开发的人来说，怎么可能让配置第三方 api 这种小事耽误时间，所以想着能不能做个图形界面来管理这些配置，就顺手写了这个工具。

能干什么

管理 API 提供商

• 接入 wong 佬的 claude api

管理 MCP 服务器

MCP (Model Context Protocol) 服务器配置也能在界面上管理:

• 本地服务器：基于命令行启动 (npx、node 之类的)

• 远程服务器：基于 URL 的远程服务

• 环境变量配置

• 单独启用 / 禁用某个服务器

Windows 用户不用担心，会自动给 npm/npx 命令加上 cmd /c 包装。

管理全局提示词

OpenCode 的 AGENTS.md 可以在界面上编辑了:

• 创建多个提示词模板，一键切换

• 切换时自动备份当前提示词

下载安装

预编译版本

从 Releases 下载对应系统的版本:

• macOS: Open-Switch_x.x.x_aarch64.dmg (Apple Silicon) 或 Open-Switch_x.x.x_x64.dmg (Intel)

• Windows: Open-Switch_x.x.x_x64-setup.exe

• Linux: Open-Switch_x.x.x_amd64.AppImage 或 .deb

从源码构建

git clone https://github.com/fengshao1227/Open-Switch.git

cd Open-Switch/open-switch

pnpm install

pnpm build

构建完的安装包在 src-tauri/target/release/bundle/ 目录。

使用方法

添加 API 提供商

1. 点击 "添加提供商"

2. 选择 SDK 类型 (OpenAI/Anthropic/Google)

3. 填写 API Key 和其他配置

4. 保存

配置会自动写入 ~/.config/opencode/opencode.json 和 ~/.local/share/opencode/auth.json。

配置 MCP 服务器

1. 点击 "MCP 服务器" 标签

2. 添加本地或远程服务器

3. 配置命令 / URL 和环境变量

4. 启用需要的服务器

切换提示词模板

1. 点击 "提示词" 标签

2. 创建新模板或编辑现有模板

3. 点击 "激活" 切换到对应模板

4. 会自动同步到 ~/.config/opencode/AGENTS.md

技术栈

前端: React 18 + TypeScript + TailwindCSS + shadcn/ui + TanStack Query + Framer Motion

后端: Tauri 2.x + Rust + SQLite

构建: Vite + pnpm

选 Tauri 是因为比 Electron 轻很多，打包出来的体积小，启动也快 awa。

配置文件位置

| 文件 | 用途 |

|------|------|

| ~/.config/opencode/opencode.json | OpenCode 主配置 |

| ~/.local/share/opencode/auth.json | API Key 存储 |

| ~/.config/opencode/AGENTS.md | 全局提示词 |

| ~/.open-switch/open-switch.db | 本地提示词模板数据库 |

Windows 系统会自动适配成 Windows 路径。

常见问题

Q: 和 OpenCode CLI 是什么关系？

A: 这是个配置管理工具，通过读写 OpenCode 的配置文件来管理设置，不影响 OpenCode CLI 本身的使用。

Q: API Key 安全吗？

A: API Key 存在 ~/.local/share/opencode/auth.json, 文件权限受操作系统保护。工具不会把密钥上传到任何地方。

Q: 遇到问题怎么办？

A: 在 GitHub Issues 提问题，或站内回帖，我会尽快回复。

开发相关

如果想参与开发或者自己改改:

 cd open-switch

pnpm install

pnpm dev # 启动开发模式 

项目结构:

• src/ - 前端代码 (React + TypeScript)

• src-tauri/ - 后端代码 (Rust)

• src-tauri/src/config.rs - OpenCode 配置管理

• src-tauri/src/database.rs - SQLite 数据库

• src-tauri/src/prompt_service.rs - 提示词业务逻辑

欢迎提 PR, 提之前跑一下 pnpm typecheck 和 pnpm format:check 确保代码格式没问题。

界面预览（gemini 自由发挥的，win 的效果我还没看，下面是 mac 的）

致谢

这个项目的灵感和很多实现细节都来自 CC Switch。CC Switch 是一个非常优秀的 Claude Code/Codex/Gemini CLI 配置管理工具，功能强大、架构清晰。Open Switch 在它的基础上做了一些调整，专注于 OpenCode CLI 的配置管理。

感谢 linux.do 社区提供的技术交流平台，很多问题和思路都是在社区里讨论出来的（来到这里 2 个月来，学到了很多东西）。

许可证

MIT License

版本: v1.0.0 | 最后更新

最近发现英伟达的 NIM（NVIDIA Inference Microservices）平台上，竟然可以免费调用 GLM-4.7 和 Minimax-M2.1 这两个重磅模型。
重点是：不需要你有 4090，也不需要复杂的部署，只需要一个 API Key。
保姆级教程：
如何免费获取 Key 整个过程非常简单，大概只需要 3 分钟。
第一步：注册与登录直接访问 NVIDIA NIM 的集成主页：
https://build.nvidia.com/explore/discover 如果你没有英伟达账号，需要注册一个。建议使用邮箱注册

第二步：手机号验证（关键）
这是很多人卡住的地方。注册成功后，为了防止滥用，英伟达要求验证手机号。** 亲测：中国大陆的 +86 手机号是可以完美支持的。** 在验证页面选择 “China”，输入你的手机号，接收验证码即可。验证通过后，你就拥有了免费调用 API 的权限。
第三步：获取 API Key
登录成功后，在模型列表中随便点开一个模型（比如 DeepSeek-R1 或 Llama-3）。点击页面右上角的 “Get API Key” 获取密钥， 点击 “View Code” 查看请求示例。系统会为你生成一个以 nvapi- 开头的密钥。请务必保存好这个 Key。
前面文字内容摘自某公众号，下面是 VSCode 中的具体设置：
API Provider: OpenAI Compatible
Base URL： https://integrate.api.nvidia.com/v1/
OpenAI Compatible API Key: 填你自己申请的 API
Model ID :
• GLM-4.7: z-ai/glm4.7
• Minimax M2.1: minimaxai/minimax-m2.1

但是有限制：Your API Rate LimitUp to 40 rpm，也挺好

支持的模型

github 地址：

dreamlonglll/mini-mqtt-client: 一个开源的 mqtt 客户端工具。支持保存命令、定时循环发送和预处理脚本

开发原因

1. mqttx 不好用，没有指令存储功能
2. 佬友的另一个 mqtt 项目 【https://linux.do/t/topic/1365043】 采用的 Electron 架构，有点大。

开发目的

主要目的： 自用
次要目的： 为开源事业做一次贡献

项目优势

• 采用 tarui 架构，整包大小控制在 6M（win/linux 端）左右
• github action 打包编译 win+mac+linux 多端应用
• 支持 tls + 自签 CA + 客户端证书 + 证书密钥
• 支持指令存储以及循环发送（按 server 分割）
• 支持预处理脚本（按 server 分割）
  
  • 采用 JavaScript 脚本引擎 + 沙箱模式
  • 支持：发送前预处理、接收后处理
  • 内置加密工具库（AES、SHA、MD5、HMAC 等）
• 支持切换数据存储位置，可以搭配 OneDrive 实现云端同步

多图

开源感言

首先感谢佬友的使用，也十分感谢提出建议的佬友，并期待佬友提出更多的建议

其他

目前时间挺空的，会及时更新

MinerU 后处理脚本

这是一个用于处理 MinerU 工具生成的 Markdown 文件的 Python 脚本，主要用于批量处理 PDF 转换后的文档，优化文件结构和图片路径。

mineru 后处理.zip

功能特点

• 批量处理：自动扫描并处理目录下的所有 PDF 转换文件夹
• 路径转换：将 Markdown 文件中的相对路径图片链接转换为绝对路径
• 智能拆分：根据文件大小和标题结构自动拆分大型文档
• 记录管理：自动记录转换历史，避免重复处理
• 内容优化：过滤并合并内容过少的章节，提高文档质量

工作原理

脚本会：

1. 扫描当前目录下所有包含 .pdf 的文件夹
2. 查找每个文件夹中的 full.md 文件
3. 将相对路径图片链接转换为绝对路径
4. 根据文件大小决定是否拆分：

5. 将处理后的文件保存到 【00 md文件】 文件夹
6. 在 转换记录.md 中记录处理历史

配置参数

脚本顶部提供了以下可调整参数：

MAX_FILE_SIZE_KB = 50 # 拆分阈值（KB）
SPLIT_CHUNK_SIZE_KB = 20 # 无标题时的拆分块大小（KB）
MIN_CHAPTER_CONTENT_LEN = 200 # 章节最小有效内容长度（字符） 

使用方法

环境要求

• Python 3.6+
• 无需额外依赖（仅使用标准库）

运行脚本

python mineru后处理.py

目录结构要求

脚本期望的目录结构：

当前目录/
├── mineru后处理.py
├── 【00 md文件】/           # 输出目录（自动创建）
├── 文件名1.pdf-xxx/         # MinerU 生成的文件夹
│   ├── full.md             # 需要处理的 Markdown 文件
│   ├── images/             # 图片文件夹
│   └── ...
├── 文件名2.pdf-xxx/         # 其他 PDF 转换文件夹
│   ├── full.md
│   └── ...
└── ...

输出结果

处理完成后，【00 md文件】 文件夹将包含：

• 未拆分的完整文件：原文件名.md
• 拆分后的章节文件：原文件名 第1章.md、原文件名 第2章.md…
• 转换记录：转换记录.md

核心功能详解

1. 图片路径转换

将 Markdown 中的图片链接从相对路径转换为绝对路径：

# 转换前
![图片描述](./images/example.png)

# 转换后
![图片描述](F:/完整路径/images/example.png)

2. 智能文档拆分

按标题拆分（优先）

• 识别一级标题（# 标题）
• 过滤内容过少的章节（小于 200 字符）
• 自动合并内容不足的章节到前一章

按大小拆分（无标题时）

• 尽量保持段落完整性

3. 转换记录

自动生成 转换记录.md，记录：

• 原文件名
• 转换时间
• 原文件夹名称
• 章节信息
• 目标文件路径

注意事项

1. 路径兼容性：脚本已针对 Windows 路径进行优化
2. 编码处理：统一使用 UTF-8 编码
3. 重复处理：已处理的文件会自动跳过
4. 错误处理：包含完善的异常处理机制
5. 文件安全：不会修改原始文件，仅在目标目录创建新文件

常见问题

Q: 脚本提示 "未找到 full.md"？

A: 确保 MinerU 生成的文件夹中包含 full.md 文件。

Q: 如何调整拆分大小？

A: 修改脚本顶部的 MAX_FILE_SIZE_KB 参数。

Q: 可以处理其他格式的文档吗？

A: 脚本专门为处理 MinerU 生成的 Markdown 文件设计。

Q: 如何重新处理已转换的文件？

A: 删除 【00 md文件】 中的 转换记录.md 文件即可重新处理所有文件。

一、 碎碎念（背景）

先交待下背景：我的电脑本地没有安装 “反重力”。之前找人帮我配好了一套家庭组，并且直接把 cpa 里面的 auth 文件夹同步了过来。

他配置的方案应该和大部分人一样：cpa → Proxifier 劫持转发 → FlClash 走代理。虽然能跑通，但我总觉得这套环境有点 “重”：

1. 全局代理太麻烦：开了全局，本地网络全是美国节点。（虽然可能也就是切换一下的事）

2. 得开启 Proxifier 进行劫持：后台得多打开一个软件（虽然内存可能不会太大）。

为了感觉更轻一些，稍微了解了一下 FlClash 的多端口监听 + 脚本分流。个人感觉还行。仅供大家参考一下思路。

二、 核心思路： FlClash 多端口监听进行分流

目标和原理其实很简单：单独开一个 7895 端口，把它变成 “us 专线”。 只要流量进入这个端口，默认走 us。

至于为什么一定要用脚本 (覆写脚本)？因为订阅链接是会更新的。如果你手动加规则或编辑的话，每次更新订阅后，你的订阅就被覆盖了，你就又需要重新编辑一遍，于是我就写了一个脚本（当然是 ai 写的）。

具体步骤如下：FlClash 工具 - 进阶配置 - 脚本 - 添加以下脚本

脚本：

function main(config) {
  // 1. 增加监听端口 7895 (用于 CPA 专用入口)
  const usListener = {
    name: "cpa_in",
    type: "mixed",
    port: 7895
  };
  
  if (!config.listeners) {
    config.listeners = [usListener];
  } else {
    config.listeners.push(usListener);
  }

  // 2. 找到名为 "US" 的策略组，获取它的节点列表
  const usGroup = config["proxy-groups"].find(g => g.name === "US");
  const usProxies = usGroup ? usGroup.proxies : [];

  // 3. 创建新的策略组 "cpa"
  const cpaGroup = {
    name: "cpa",
    type: "select",
    proxies: usProxies.length > 0 ? usProxies : ["DIRECT"] // 如果找不到US组则默认直连
  };

  // 4. 定向插入策略组：放在 Proxies 后面，Apple 之前
  const groups = config["proxy-groups"];
  const proxiesIndex = groups.findIndex(g => g.name === "Proxies");
  const appleIndex = groups.findIndex(g => g.name === "Apple");

  if (proxiesIndex !== -1) {
    // 插入到 Proxies 之后
    groups.splice(proxiesIndex + 1, 0, cpaGroup);
  } else if (appleIndex !== -1) {
    // 如果没找到 Proxies，就插入到 Apple 之前
    groups.splice(appleIndex, 0, cpaGroup);
  } else {
    // 都没找到则放在最后
    groups.push(cpaGroup);
  }

  // 5. 增加路由规则：强制 7895 端口走 cpa 策略组
  // 插入到 rules 列表的最前面
  if (!config.rules) config.rules = [];
  config.rules.unshift("IN-PORT,7895,cpa");

  return config;
}

它的逻辑是：

1. 新建分组：自动寻找节点里默认的 us 分组（节点上游提供的分组），复制它的节点信息，创建一个叫 cpa 的新分组，并把它放在第二列，方便切换和观察

   

2. 端口监听：开启 7895 端口，并强制这个端口进来的流量全部走 cpa 分组。

这样配置的效果是：

后续任何需要走 us 相关的，只需要在代理里填 127.0.0.1:7895。而其他流量，依然走默认的 7890。

同理，其他软件应该也是支持的。

三、 CPA 操作：

FlClash 配置好了，cpa 就简单了，就可以不需要 Proxifier 了。

操作方法：

打开 cpa 在基础设置 - 代理设置中，设置代理 URL：socks5://127.0.0.1:7895 。这样直接让 cpa 走 FlClash 即可。然后 FlClash 会自动去走 us。

四、 谷歌账号登录：独立 us 环境隔离

依然沿用之前的思路：配置端口 127.0.0.1:7895。（为主号 PRO 创造安全美国环境，全部走代理）。

1. 专门为这个谷歌账号创建了一个 Chrome 个人资料，起名叫 “主号 PRO”，并生成了桌面快捷方式，方便桌面快速打开。

2. 在这个独立浏览器里安装 SwitchyOmega (V3) 插件。（和日常的不冲突。）

3. 在 SwitchyOmega 中 配置同样指向 127.0.0.1:7895 。

   

五、 最终效果

• 和没有 cpa 之前一样。该怎么用怎么用。

• 需要使用 coding 时，只打开 cpa 即可。默认会走 us 。

• 需要用 “主号 PRO” 时使用 gemini3 时，直接用之前创建的单独浏览器即可。

这样的话，不用来回切换节点，也不用开全局了，感觉会轻量一些。

Fork 自开源项目 Gen-Future/ExcelMinddalaode，在此基础上重点增强了文件操作能力。

主要更新内容：

1. 切换表单：增加了对 Excel Sheet 的切换控制。
2. 写入数据：修复 / 增加了数据回写功能，交互更实用。
3. 导出文件：支持生成并导出新的 .xlsx 格式文件。

欢迎体验并反馈！链接：GitHub - cloud666666666/ExcelMind: Excel 智能分析助手，支持自然语言查询、ECharts 图表可视化、多表智能联查、知识库等，一站式解决 Excel 复杂分析问题

来源科技媒体 WinAero, 此脚本目的是为了屏蔽干扰用户浏览网页体验组件.
来源: https://winaero.com/just-the-browser-disables-all-ai-ads-and-tracking-traces-from-chrome-firefox-and-edge/
github: GitHub - corbindavenport/just-the-browser: Remove AI features, telemetry data reporting, sponsored content, product integrations, and other annoyances from web browsers.
配图:

# custom IntelliJ IDEA VM options (expand/override 'bin/idea.vmoptions')

-server
-Xms2g
-Xmx7g

-XX:+UseG1GC # 最大 GC 暂停时间目标（单位：毫秒，默认 200ms，根据需求调整）
-XX:MaxGCPauseMillis=200 # 堆占用率触发并发标记周期的阈值（默认 45%，可适当降低以减少 Full GC 风险）
-XX:InitiatingHeapOccupancyPercent=35 # 并行 GC 线程数（建议设置为 CPU 核心数的 25%~50%）
-XX:ParallelGCThreads=4 # 并发 GC 线程数（建议设置为 CPU 核心数的 25%）
-XX:ConcGCThreads=2 # 启用混合回收优化（Java 12+）
-XX:+UseStringDeduplication 
-XX:G1HeapRegionSize=4m

# 优化大对象分配（避免大对象直接进入老年代）
-XX:G1HeapWastePercent=5 # 启用并行类卸载（减少元空间回收延迟）
-XX:+ClassUnloading
-XX:+ClassUnloadingWithConcurrentMark


-XX:ReservedCodeCacheSize=512m

可以一起分析还有什么可以调优的不

安装 Eagle 的 MCP Server(Beta) 插件

保持打开，然后
1. 打开 Cherry Studio → 设置 → MCP 服务器
2. 点击 添加 (Add)。
3. 在设置填写

• 类型 (Type)：请选择 SSE (如果不显示 SSE，请看方法二)。
• URL (地址)：输入你截图里显示的地址： http://localhost:41596/sse
• 名称：随便填，比如 。素材管理
  
  
  
  保存就可以了，

我用的是 claude-opus-4-5，在 Cherry Studio 测试是否已经联通了，可以打提示词，我的 Eagle 软件是什么版本？如果正确联通会回复

给一些有用的提示词

1. 清理近义词标签

有些素材可能同时有 “大海”、“海洋”、“sea” 三个标签。

希望来点赞，

指令： “请获取‘海报设计’文件夹中最近 20 个素材的标签。 检查其中是否有含义重复的标签（例如中文和英文重复，或者近义词）。 如果有，请帮我统一保留一个最常用的标签，并删除其他的。”

2. 根据文件名自动生成标签

很多素材下载下来文件名很长，但没有标签。

指令： “获取‘未分类’文件夹里的前 10 张图片。 请分析它们的文件名，提取出 3-5 个关键描述词作为标签，并自动添加到这些图片上。”

3. 标签标准化（中译英或风格统一）

指令： “检查我刚才选中的这 5 个素材。 把它们现有的所有中文标签全部翻译成英文，并删除原有的中文标签，保持标签库的语言统一。”

希望大家给个赞，差一些升 3 了

1. 首先是项目选择，好多佬推荐我尝试一下 kiro.rs，所以来部署一个试试，项目地址：

2. 该项目是使用 rust 编写的，那么自然需要下载 rust，rust 的下载地址：

下载后直接安装即可（此处为可能的踩坑点 1：cargo 可能在安装时并未安装到 path 中，需要手动添加）

3. 安装完 rust 按照项目的 readme 一步步进行即可

4. 然后是凭据获取，因为项目内未内置 aws 授权操作，所以借助另一个项目：

安装完成后界面如图：

获取凭据需要在 desktopOAuth

此时有三种选择

1.google（这个不太推荐，因为 google 注册稍微难点）

2.github (这个和下面的方式差不多，因为 qq 邮箱也可以注册一个 github666 还有套娃)

3.aws Builder (这种方式比较推荐，直接无限白嫖 qq 邮箱即可，qq 邮箱注册详见：https://linux.do/t/topic/1418287/140)

我们直接选择第三种然后授权，授权后点击

添加后配置界面就会有：

然后选择一手右键查看详情：

该界面有所需的所有参数这里不一一放出来了

然后启动 kiro.js（windows 的话需要启动项目下的 kiro.rs\target\releasel\kiro.rs.exe）

进入管理界面 (http://127.0.0.1:8990/admin)

点击添加凭据，然后将刚刚获取到的参数填入即可

将 apikey 以及 api 地址配置一下即可

这就是全部教程了，等我用几天感受一下效果

RemoteKnown (远程知道了)

本地终端远程行为感知与审计系统

让用户 "清楚知道自己是否、何时、正在被远程控制"，保护隐私安全。

简体中文 | English

项目简介

远程知道了 是一款能够实时监测本地系统的远程控制状态，识别多种主流远程工具（如 ToDesk, 向日葵，网易 UU 远程，AskLink 远程，远程看看等），并提供桌面通知、飞书 / 钉钉告警以及详细的会话审计记录。

界面预览

主界面状态

安全状态	正在被远程

桌面通知

远程开始告警	远程结束通知

系统托盘

红色告警状态

通知设置

飞书设置	钉钉设置

核心功能

• 实时感知：多维度信号（进程、窗口、网络端口、Session）综合判定。
• 多工具支持：
  
  • ToDesk
  • 向日葵 (Sunlogin)
  • Windows 远程桌面 (RDP)
  • 网易 UU 远程
  • AskLink 远程
  • 远程看看
• 会话审计：自动记录每次远程控制的开始时间、结束时间、持续时长及判定来源。
• 多渠道告警：
  
  • 桌面右下角弹窗通知
  • 系统托盘状态变色（绿色安全，红色警告）
  • 即时通讯软件推送（支持飞书 Webhook、钉钉 Webhook）
• 隐私优先：所有数据均存储在本地 SQLite 数据库中，不上传任何敏感信息。

快速开始

下载安装

请从以下任一平台下载最新的安装包 (RemoteKnown-Setup-x.x.x.exe) 并安装：

• GitHub: GitHub Releases 页面
• Gitee: Gitee Releases 页面
• AtomGit: AtomGit Releases 页面

运行

安装完成后，双击桌面图标启动。

• 程序启动后会自动最小化到系统托盘。
• 当检测到远程控制时，托盘图标会变红，并弹出提示。
• 点击托盘图标可打开主界面查看详细状态和历史记录。

编译构建

如果您是开发者，想要自行构建项目，请遵循以下步骤：

环境要求

• Windows 10/11 (核心检测逻辑依赖 Windows API)
• Go: 1.21 或更高版本
• Node.js: 18 或更高版本 (推荐使用 LTS)

构建步骤

我们提供了一键构建脚本，自动处理 Go 后端编译和 Electron 前端打包。

必须以管理员身份运行 CMD 或 PowerShell（解决软链接权限问题）：

# 1. 克隆项目
git clone https://github.com/samwafgo/RemoteKnown.git
cd RemoteKnown

# 2. 运行构建脚本 (会自动安装依赖并打包)
.\build.bat

构建完成后，安装包将生成在 web/dist 目录下。

项目结构

RemoteKnown/
├── build.bat             # 一键构建脚本 (Windows)
├── cmd/                  # Go 程序主入口
├── internal/             # Go 核心业务逻辑
│   ├── detector/         # 远程特征检测引擎
│   ├── server/           # 本地 HTTP API 服务
│   └── storage/          # SQLite 数据库操作
├── web/                  # Electron 前端源码
│   ├── assets/           # 静态资源 (Logo等)
│   ├── index.html        # 主页面
│   └── main.js           # Electron 主进程 (含单实例锁、后端守护)
└── README.md             # 项目文档 

参与贡献

欢迎提交 Issue 和 Pull Request！

代码仓库

• GitHub: GitHub - samwafgo/RemoteKnown
• Gitee: https://gitee.com/samwaf/remote-known
• AtomGit: AtomGit | GitCode - 全球开发者的开源社区，开源代码托管平台

开源协议

本项目采用 MIT License 开源。

https://store.epicgames.com/zh-CN/p/styx-master-of-shadows-4d9ab3

https://store.epicgames.com/zh-CN/p/styx-shards-of-darkness-77c030

《冥河：暗影大师》是一款融合了角色扮演元素的潜行游戏，背景设定在一个黑暗奇幻世界。玩家将扮演拥有两百岁生命的哥布林冥河，潜行、偷窃、暗杀，一路披荆斩棘。

在令人眩晕的多层废墟之塔 —— 阿肯纳什之塔深处，人类和精灵守护着世界之树，而琥珀 —— 一种强大而神奇的金色树液 —— 正是冥河的源泉。冥河的秘密就隐藏在那里，他有机会揭开自己身世的真相…… 并同时发家致富。

潜入高达数​​英里的阿肯纳什之塔，完成各种任务（暗杀、情报搜集等等），同时还要避免被发现。在阴影中行动，近身刺杀目标，或者策划 “意外”。角色扮演机制让你能够解锁强大的新技能、炫酷的特殊招式和优化的装备。琥珀将赋予你隐身、“琥珀视觉” 和分身等惊人的能力。探索各个关卡，揭开你身世的秘密，窃取珍贵宝物，升级装备。拥抱阴影！

Clash Verge Rev (Mac) 内网 DNS 与 VLESS 配置指南

文档说明：本文档记录了如何在 Mac 版 Clash Verge Rev (Mihomo 内核) 中配置 VLESS 节点，并解决开启 Tun 模式后公司内网域名无法解析的问题。
最后更新时间

1. 环境与目标

• 软件：Clash Verge Rev (Mihomo/Meta 内核)
• 协议：VLESS + Reality + Vision
• 模式：Tun 模式 (接管系统所有流量)
• 痛点解决：修复 Tun 模式下，内网域名报 dns resolve failed 的问题。

2. 核心步骤一：获取物理 DNS

必须步骤：在配置脚本前，需要知道公司网络分配的真实 DNS IP。

1. 关闭 Clash Verge 的 Tun 模式。
2. 确保 Mac 连接了公司 Wi-Fi 或网线。
3. 打开 系统设置 → 网络 → Wi-Fi (或以太网) → 详细信息 → DNS。
4. 记下列表中的 IP 地址（例如 10.58.1.10）。

3. 核心步骤二：全局扩展脚本 (Script)

此脚本是解决问题的关键，它强制指定特定域名走物理 DNS，绕过 Tun 模式的干扰。

• 操作：在 Clash Verge Rev → 脚本 (Script) → 新建 → 编辑代码。
• 设置：右键点击该脚本 → 选择 “全局扩展” (Global Extension) → 启用。

// Merge Script - Tun 模式内网 DNS 修复终极版 function main(config) {
  
  // ======================================================= // [配置区] 请根据实际网络环境修改以下变量 // ======================================================= // 1. 公司内网真实的 DNS 服务器 IP (步骤一中获取的) // 务必替换成你实际看到的 IP const companyDNS = ["10.**.**.**"]; 

  // 2. 需要直连且必须走内网 DNS 的域名列表 const directDomains = [
    "local",
    "localhost",
    "*.internal.corp" // 示例：如有其他内网域名在此添加
  ];

  // ======================================================= // [逻辑区] 以下代码无需修改 // ======================================================= // 1. 初始化 DNS 配置 (防止简易 Profile 缺失 DNS 模块) if (!config.dns) config.dns = {};
  config.dns.enable = true;
  config.dns.ipv6 = false; // 建议关闭 IPv6 DNS 防止内网干扰
  config.dns.listen = "0.0.0.0:1053";
  config.dns['enhanced-mode'] = "fake-ip";
  config.dns['fake-ip-range'] = "198.18.0.1/16";
  
  // 设置默认公网 DNS (用于解析外网，如 Google) if (!config.dns.nameserver) {
    config.dns.nameserver = ["223.5.5.5", "8.8.8.8"];
  }

  // 2. 注入 DNS 分流策略 if (!config.dns['nameserver-policy']) config.dns['nameserver-policy'] = {};
  if (!config.dns['fake-ip-filter']) config.dns['fake-ip-filter'] = [];

  directDomains.forEach(domain => {
    // 【核心修复】强制这些域名去问 companyDNS，而不走系统默认或 Google
    config.dns['nameserver-policy'][`+.${domain}`] = companyDNS;
    
    // 【重要】加入 Fake-IP 白名单，防止返回假 IP 导致连接失败
    config.dns['fake-ip-filter'].push(`+.${domain}`);
  });

  // 常见的局域网反查也走公司 DNS
  config.dns['nameserver-policy']['geosite:private'] = companyDNS;

  // 3. 注入直连规则 (Rules) // 插入到规则列表最前面，确保优先级最高 const myRules = [
    "DOMAIN-SUFFIX,lenovo.com,DIRECT",
    "DOMAIN-SUFFIX,lenovo.com.cn,DIRECT",
    "DOMAIN-SUFFIX,local,DIRECT",
    "IP-CIDR,192.168.0.0/16,DIRECT",
    "IP-CIDR,10.0.0.0/8,DIRECT",
    "IP-CIDR,172.16.0.0/12,DIRECT",
    "GEOIP,CN,DIRECT"
  ];
  
  if (!config.rules) config.rules = [];
  config.rules.unshift(...myRules);

  return config;
}
## 4. 核心步骤三：节点配置 (VLESS)
这是连接 VPS 的基础配置文件。由于脚本是全局扩展的，这里只需要关注节点本身的连接信息。

*   **操作**：在 Clash Verge Rev -> **订阅 (Profiles)** -> 新建 -> 类型选 **Local** -> 编辑文件。
*   **注意**：请将下方的 `*` 号部分替换为你真实的服务器信息。

```yaml

# Local Configuration for My VPS

# 基础监听端口设置

mixed-port: 7890

allow-lan: true

bind-address: '*'

mode: rule

log-level: info

ipv6: true

external-controller: 127.0.0.1:9090



proxies:

  - name: "My VPS Node"

    type: vless

    server: 144.**.**.**        # 替换：你的 VPS IP 地址

    port: 1444                 # 替换：你的端口号

    uuid: ********-****-****-****-************ # 替换：你的 UUID

    network: tcp

    tls: true

    udp: true

    flow: xtls-rprx-vision      # 流控模式

    servername: **** # 替换：你的伪装域名 (SNI)

    client-fingerprint: chrome

    reality-opts:               # Reality 安全配置

      public-key: ******************************************* # 替换：你的 Public Key

      short-id: ""              # 替换：如有 ShortId 则填入



proxy-groups:

  - name: Proxy

    type: select

    proxies:

      - "My VPS Node"



rules:

  # 这里留空或只写兜底规则即可

  # 上面的全局脚本会自动处理内网和直连规则

  - MATCH,Proxy

老黄为了展示自家 GPU 跑大模型有多快，专门搭建了一个推理平台，把市面上顶级的开源和闭源模型都搬了上去，还有我们熟悉的国产之光：GLM-4.7、 MiniMax M2.1、DeepSeek、Qwen 等。
关键还免费！！！
rpm 40, 访问速度又非常快
而且 + 86 国内手机号就可以申请，还不需要绑信用卡，找谁说理去！
屯屯鼠们还等什么，快去申请
Nvidia AI

1. 右上角 login 注册 / 登录

   
   
   一路火花带闪电、输个邮箱填个验证码就完事儿。

2. 注册完顶上会提示 Verify （很醒目的一个按钮）
   可以直接使用国内 + 86 手机号验证

3. 验证完就可以点头像生成 API Key 了

   

4. 配置 API（同 OpenAI）
   Base URL: https://integrate.api.nvidia.com/v1
   API KEY: 上一步生成的 nvapi-xxxx

模型太多了，佬们快去探索吧

可以愉快的玩耍了，祝佬们玩儿的开心！