包含关键字 typecho 的文章

点赞 + 关注 + 收藏 = 学会了

整理了一个NAS小专栏,有兴趣的工友可以关注一下 👉 《NAS邪修》

给 NAS 设置静态 IP,核心是解决默认 DHCP 自动分配导致 IP “乱跑” 的问题,相当于给 NAS 在局域网内固定专属 “门牌号”。

尤其是用 Docker 部署了一堆应用,要是 NAS 的 IP 一变,在 Docker 部署的应用也要跟着变了。

我手上有群晖、绿联、飞牛这3品牌的 NAS,我分别说说这几个品牌的 NAS 在哪可以设置静态 IP。

群晖

打开「控制面板」,选择「网络」。

切换到「网络界面」面板,选择当前连接的「局域网」,可以看到现在使用的是 DHCP。

点击「编辑」按钮,将“IPv4”这项改为“手动设置网络配置”,输入一个 IP 即可。

保存好之后,回到「网络界面」面板就能看到当前已经将「局域网 1」设置为静态 IP。

绿联

打开「控制面板」,选择「网络设置」。

切换到「网络连接」面板,选择已连接的“LAN”,点击编辑。

将「IPv4」改为“手动设置网络配置”,然后填入一个“IPv4地址”。

设置完,回到「网络连接」面板就能看到刚刚设置的这项多了一个“静态”标识。

飞牛

打开「系统设置」,切换到「网络设置」面板,点击当前正在使用的「网口」的右侧的3个点,然后点击“编辑”。

在编辑面板,将「IPv4」这边改为“手动设置”,然后输入一个「IPv4」地址即可。

回到「网络设置」面板就能看到“IP 获取方式”这项从原本的“DHCP”变成“手动”了。


以上就是本文的全部内容啦,有疑问可以在评论区讨论~

想了解更多NAS玩法可以关注《NAS邪修》👏

点赞 + 关注 + 收藏 = 学会了

01 AI 开发者的基建

过去很多团队把主要精力放在算法本身;在大模型生态成熟后,工程侧更常见的阻塞变成两类:一是环境与依赖的可复现,二是数据导入、检索与存储的落地成本。AI 项目往往带着较重的依赖组合(如 PyTorch、Transformers、各类 RAG 框架),如果每次协作、换机器、进 CI 都要重新处理 Python 版本、虚拟环境、锁文件与依赖冲突,成本会被放大。

这篇文章介绍两个工具,目标是把环境成本和检索数据落地成本更低:

  • uv:由 Astral 团队推出的 Rust 编写的 Python 包管理器,以速度与一致性优化 Python 工作流。
  • pyseekdb:面向 seekdb 与 OceanBase AI search 的 Python SDK,支持嵌入式与远程两种部署方式,并覆盖向量、全文与混合检索能力。

02 什么是 uv

在 Python 生态里,装包本身并不难,难在团队协作下的一致性:不同人用不同工具(pip+venv/poetry),再叠加不同 OS、代理、CPU 架构,常见结果是代码没问题,但别人跑不起来。

uv 的项目模式围绕 pyproject.toml 管依赖、用 uv.lock 锁定解析结果,并通过 uv sync/uv run让环境与锁文件保持一致。它的定位很明确:用一个命令行把项目、依赖、锁版本、环境同步与运行命令这一整套工作流连起来,并强调性能与工程化一致性。

03 pyseekdb 简介

RAG 场景里,开发者通常需要把文本切分、向量化、入库、检索、过滤、排序这一套链路跑通。pyseekdb 提供的是偏应用侧的 SDK:以 collection 为中心组织数据与检索逻辑,覆盖向量、全文与混合检索,并同时支持嵌入式与远程模式。

3.1 两种连接形态

pyseekdb 支持:

  • 嵌入式:在 Python 进程内使用本地路径持久化数据,适合本地实验、测试或轻量应用。
  • 远程:连接到远程 seekdb 服务或 OceanBase 集群。

3.2 混合检索(Hybrid Search)

在 pyseekdb 中,可以通过 query 调用执行向量检索或混合检索(由后端能力与配置决定),返回包含相似度与文档片段的结果集。与直接操控底层索引相比,这种方式更适合应用侧快速落地。

04 为什么 pyseekdb 需要 uv

pyseekdb 本身不一定重,但它经常会和 LangChain、LlamaIndex、Dify 等组合使用。一旦依赖开始变重,环境初始化与复现就更容易拖慢协作效率。
uv 在这里的价值主要是两点:

  • uv.lock 明确锁定解析结果,并用 uv sync / uv run 把安装/同步/运行收敛到更少的步骤。
  • 在共享 demo 时,用 uv syncuv run 尽量复现同一套环境。

pyseekdb 的嵌入式特性配合 uv 的轻量环境,让开发者在普通笔记本上就能完成从数据导入、索引构建到 RAG 问答的全流程开发。

05 手把手教你轻松构建

下面用 pyseekdb GitHub 官方 demo/rag 跑通一条完整链路,目标是让你在 5 分钟内从“环境准备”到“可查询的知识库界面”。

前置条件

  • Python 3.11+
  • 已安装 uv
  • 已准备 LLM API Key(用于生成回答)
  • pyseekdb

步骤 1:准备环境

git clone https://github.com/oceanbase/pyseekdb.git
cd demo/rag
uv sync

如果需要本地模型(sentence-transformers

uv sync --extra local

步骤 2:配置 .env

cp .env.example .env

推荐先用默认 embedding(无需额外 API Key):

EMBEDDING_FUNCTION_TYPE=default
OPENAI_API_KEY=sk-your-key
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
OPENAI_MODEL_NAME=qwen-plus
SEEKDB_DIR=./data/seekdb_rag
SEEKDB_NAME=test
COLLECTION_NAME=embeddings

说明

  • default 会自动下载内置 ONNX 模型,适合先验证流程。
  • 若改为 api,请补齐EMBEDDING_*相关配置。
  • 若改为 local,请配置SENTENCE_TRANSFORMERS_*并确保已安装--extra local依赖。

步骤 3:导入数据

uv run python seekdb_insert.py ../../README.md

也可以导入目录:

uv run python seekdb_insert.py path/to/your_dir

你会看到脚本输出导入的分块数量与进度,成功后数据会落在SEEKDB_DIR指定目录中。

步骤 4:启动界面

uv run streamlit run seekdb_app.py

启动后打开浏览器,在输入框里提问即可看到:

  • 检索到的相关片段
  • LLM 的生成回答(依赖你在.env里配置的 LLM)

效果:

  • 文档被切分、向量化并写入 seekdb
  • 查询时执行向量/混合检索
  • UI 中展示检索结果与 LLM 生成答案

06 回归开发的本质

uv 解决的是项目环境可复现与流程收敛,pyseekdb 解决的是RAG 场景下的存储与检索落地成本和易用性。把两者放在一起,是把 demo 交付与协作时的摩擦做小:项目结构、依赖、运行方式更统一;本地 embedded 能快速开始,之后再按需要切到远程服务。

在企业的日常运营中,流程管理是确保工作规范、提升效率的关键环节。每一个流程实例都需要一个唯一的标识符,这就是流程编号。它如同流程的“身份证”,贯穿流程的发起、审批、执行与归档全过程,确保流程可追溯、易管理。
流程编号并不是一成不变,在JVS低代码流程引擎中,有一个流程编码自定义配置的能力,允许企业根据自身管理需求,设计出贴合业务、便于查询跟踪的编号规则。
流程编号是一种用于标识和跟踪特定流程或业务流程实例的标识符。在企业或组织中,流程编号通常用于确保流程的准确性和可追溯性,帮助管理和优化业务流程。
通过自定义编号规则,你可以将业务类型、日期、部门等信息融入编号中。例如,一个“采购申请”流程的编号可以定义为 P-20250213-00001(P代表采购,20250213代表日期,00001为当日序号),这让流程管理一目了然,极大地提升了查询与统计效率。
示例演示
图片
接下来我说一说具体的配置方式。
操作步骤
进入流程引擎设计,点击【高级设置】页面
图片
流程编号默认按系统规则生成,即阿拉伯数字顺序计数,从1开始依次递增。
选择按自定义规则生成流程编号点击编辑图标,编号格式设置同我们流水号组件设置如下
图片
①:前缀,加在编号前面的,自定义标识,如“P”代表流程,“M”代表管理,“S”代表支持等
②:后缀,拼接在最后面的
③:时间标识,拼接在前缀后
不设置,默认设置

年月
年月日
年月日时
年月日时分
年月日时分秒
④:序号位数,默认是5,可设置1-9位数字
⑤:重置规则
不重置
按年重置
按月重置
按天重置
按小时重置
按业务需要设置好编号格式点击【确定】最后点击【保存】并【发布】流程,重新发起流程查看效果。
流程编号展示位置
流程办理页面
图片
流程进度页面
图片
工作台
图片
在线demo:https://app.bctools.cn
基础框架开源地址:https://gitee.com/software-minister/jvs

大家好,我是小富~

前几天我不是分享了如何零成本搭建 next-ai-draw-io,教大家用 AI 生成 draw.io 风格的架构图。后台反响还不错,看来大家对手绘架构图真的是苦之久矣。

但在日常写文章时,我发现很多读者更偏爱那种手绘感十足的 Excalidraw 风格,就是下面这种,逼格高、视觉美,能让文章瞬间显得高级起来:

我原本在琢磨,能不能用 Gemini Pro 给自己搓一个 AI 绘图整合平台,把 draw.io 和 Excalidraw 全揉进去。

结果去 GitHub 一搜,好家伙,已经有大佬把我想做的给做了!这个开源项目简直是为我这种懒癌博主量身定制的:Mermaid、draw.io、Excalidraw 三大王牌风格全部支持。

回头再看看以前为了画个原理图熬夜的样子,真的感觉是在浪费生命啊!

AI Draw Nexus AI 绘图全家桶

GitHub 地址https://github.com/hkxiaoyao/ai-draw-nexus

在线体验https://ai-draw-nexus.aizhi.site/

我挨个试了一遍,大家感受下这输出质量:

1. Excalidraw 风格

输入: HTTP 长轮询原理图,生成的逻辑线条清晰,手绘质感爆棚。

2. Draw.io 风格

我之前很多的系统架构、流程图都是这个风格,现在 AI 加持真的太方便了。

3. Mermaid 风格

写 Markdown 就更简单了一秒出图。

这不是功能阉割版,而是全量版!可以在 AI 生成的基础上,直接手动微调。

快速上手

如果你想本地运行,这个基于 Next.js 的前端项目安装起来也非常简单:

# 1. 克隆项目
git clone https://github.com/hkxiaoyao/ai-draw-nexus
cd ai-draw-nexus

# 2. 安装依赖 (推荐用 pnpm)
pnpm install

# 3. 开启生产力大门
pnpm dev

不过,目前的在线版本每天有 10 次免费配额,这也很正常毕竟 API 线上的费用确实贵(上次我那个免费工具被大家两天就用欠费了,哈哈 😂)。

现在仅支持 OpenAIAnthropic 两大模型。如果你有自己的 Key,建议本地搭一个,那才是真正的绘图自由!

好了,下期见~

现在智能手机早就渗透到生活的方方面面,手机里的APP更是咱们吃喝玩乐、工作办事的全能帮手。一款APP想让用户愿意留下来用,UI设计绝对是关键中的关键——界面是不是一眼就能看懂?布局干不干净?看起来有没有质感?这些细节直接影响大家愿不愿意长期用。
想把手机APP的界面做得好看又顺手,一套趁手的在线UI设计工具必不可少。今天就给大家整理了5款超实用的移动端UI在线设计工具,国内外的都有,不管你是刚入门的设计小白,还是资深专业设计师,都能找到适合自己的那一款。

1.UXbot
如果是设计新手,或者想快速做出APP原型、界面,那UXbot必须是我的首选推荐,这是一款国产工具,不用下载安装,在线就能用,从需求输入到原型生成、代码交付全链路打通,在移动端及多端设计开发场景中,优势尤为突出:
首先,多页面项目生成又快又智能。不用一页页搭,只要把需求文字说清楚,UXbot就能精准抓核心,自动生成完整的用户流程,还会实时告诉你设计思路。想生成哪些页面自己选,整套界面一次性搞定。
image.png

其次,自由编辑既灵活又专业。小白能用AI指令调设计,专业人士也能靠精密编辑器做像素级微调——不管是改布局、换样式还是更图文,每处细节都能贴合需求,设计有创意还不缺严谨性。
再者,交互原型一键生成就能分享。设计好后,马上出带真实用户流程的演示版,功能和体验都完整呈现。不管是推项目、团队评审还是给客户看,直观且有说服力。
image.png

更核心的是,前端代码生成打破设计开发壁垒。网页界面定稿后,会同步生成项目级Web前端代码,深度兼容vue.js主流框架。最新迭代的双端原生APP代码生成功能,基于高保真原型,iOS(Swift)和Android(Kotlin)原生代码一键就能生成,不管是常规需求还是复杂业务场景,都能保障开发的灵活性和可扩展性;生成的代码开箱即用,云端一键部署就能实时运行,还能同步编译APK安装到真机体验,大幅加速产品验证和交付流程。
image.png
image.png

最后,多平台兼容协作无压力。支持一键导出HTML、Sketch、Vue、Kotlin、Swift格式文件,配合基于权限的共享机制,团队成员不管在什么地方,都能随时参与协作,从设计到开发的流程衔接顺畅。

上班才半个小时,感觉过了 8 个小时,而且困的很,眼睛都睁不开,是不是得绝症了sobbing

macOS Sonoma 14.8.4 (23J319) 正式版 ISO、IPSW、PKG 下载

利用小组件进行个性化设置、令人眼前一亮的全新屏幕保护、Safari 浏览器和视频会议的重大更新

请访问原文链接:https://sysin.org/blog/macOS-Sonoma/ 查看最新版。原创作品,转载请保留出处。

作者主页:sysin.org


2026 年 2 月 12 日凌晨,Apple 发布 iOS/iPadOS/macOS/watchOS/tvOS/visonOS 全平台 26.3 版本更新。macOS Tahoe 26.3 此次为常规问题修复和安全更新。同时为不能更新最新系统的 Mac 发布了 macOS Sequoia 15.7.4 和 macOS Sonoma 14.8.4 软件更新,此类更新通常为安全修复和常规问题修复。
macOS Sonoma 推出全新功能,全面提升生产力和创意工作流

macOS Sonoma 推出全新功能,全面提升生产力和创意工作流

隆重推出更多利用小组件进行个性化设置的方式、令人眼前一亮的全新屏幕保护、Safari 浏览器和视频会议的重大更新,以及经优化的游戏体验——Tim Cook 让 Mac 体验远胜以往。

MacBook Air、27 英寸 iMac 和 MacBook Pro 上的 macOS Sonoma。

macOS Sonoma 让 Mac 体验远胜以往——从更多利用小组件进行个性化设置的方式,到 Safari 浏览器和视频会议的重大更新,更有众多精彩新游戏登陆。

macOS Sonoma 更新摘要

macOS Sonoma 14.8 及更新版本,如无特殊说明皆为安全更新或常规错误修复,不再赘述。

macOS Sonoma 硬件兼容性列表

看看你的 Mac 是否能用 macOS Sonoma

进一步了解 Mac>

如果你的 Mac 不在兼容性列表,参看:在不受支持的 Mac 上安装 macOS Sonoma (OpenCore Legacy Patcher v1.5.0)

macOS Sonoma 版本历史

Software Releases

  • macOS Sonoma 14.8.4 (23J319) - 2026.02.11
  • macOS Sonoma 14.8.3 (23J220) - 2025.12.12
  • macOS Sonoma 14.8.2 (23J126) - 2025.11.03
  • macOS Sonoma 14.8.1 (23J30) - 2025.09.30
  • macOS Sonoma 14.8 (23J21) - 2025.09.15
  • macOS Sonoma 14.7.8 (23H730) - 2025.08.20
  • macOS Sonoma 14.7.7 (23H723) - 2025.07.30
  • macOS Sonoma 14.7.6 (23H626) - 2025.05.12
  • macOS Sonoma 14.7.5 (23H527) - 2025.03.31
  • macOS Sonoma 14.7.4 (23H420) - 2025.02.10
  • macOS Sonoma 14.7.3 (23H417) - 2025.01.28
  • macOS Sonoma 14.7.2 (23H311) - 2024.12.11
  • macOS Sonoma 14.7.1 (23H222) - 2024.10.28
  • macOS Sonoma 14.7 (23H124) - 2024.09.16
  • macOS Sonoma 14.6.1 (23G93) - 2024.08.07
  • macOS Sonoma 14.6 (23G80) - 2024.07.29
  • macOS Sonoma 14.5 (23F79) - 2024.05.13
  • macOS Sonoma 14.4.1 (23E224) - 2024.03.25
  • macOS Sonoma 14.4 (23E214) - 2024.03.07
  • macOS Sonoma 14.3.1 (23D60) - 2024.02.08
  • macOS Sonoma 14.3 (23D56) - 2024.01.22
  • macOS Sonoma 14.2.1 (23C71) - 2023.12.19
  • macOS Sonoma 14.2 (23C64) - 2023.12.11
  • macOS Sonoma 14.1.2 (23B92 | 23B2091) - 2023.11.30
  • macOS Sonoma 14.1.1 (23B81 | 23B2082) - 2023.11.07
  • macOS Sonoma 14.1 (23B74) - 2023.10.25
  • macOS Sonoma 14 (23A344) Release - 2023.09.26

下载 macOS Sonoma

💡 如何校验本站下载的文件的完整性

macOS Sonoma

(1) ISO 格式软件包 (推荐)

本站原创可引导映像,可以在当前系统中安装或者升级,可以通过 USB 存储引导安装,也可以用于虚拟机安装。

此版本更多介绍请参看:macOS Sonoma 14 Boot ISO 原版可引导映像下载

  • macOS Sonoma 14.8.4 (23J319) - 2026.02.11
  • macOS Sonoma 14.8.3 (23J220) - 2025.12.12
  • macOS Sonoma 14.8.2 (23J126) - 2025.11.03
  • macOS Sonoma 14.8.1 (23J30) - 2025.09.30
  • macOS Sonoma 14.8 (23J21) - 2025.09.15
  • macOS Sonoma 14.7.8 (23H730) - 2025.08.20
  • macOS Sonoma 14.7.7 (23H723) - 2025.07.30
  • macOS Sonoma 14.7.6 (23H626) - 2025.05.12
  • macOS Sonoma 14.7.5 (23H527) - 2025.03.31
  • macOS Sonoma 14.7.4 (23H420) - 2025.02.10
  • macOS Sonoma 14.7.3 (23H417) - 2025.01.28
  • macOS Sonoma 14.7.2 (23H311) - 2024.12.11
  • macOS Sonoma 14.7.1 (23H222) - 2024.10.28
  • macOS Sonoma 14.7 (23H124) - 2024.09.16
  • macOS Sonoma 14.6.1 (23G93) - 2024.08.07
  • macOS Sonoma 14.6 (23G80) - 2024.07.29
  • macOS Sonoma 14.5 (23F79) - 2024.05.13
  • macOS Sonoma 14.4.1 (23E224) - 2024.03.25
  • macOS Sonoma 14.4 (23E214) - 2024.03.07
  • macOS Sonoma 14.3.1 (23D60) - 2024.02.08
  • macOS Sonoma 14.3 (23D56) - 2024.01.22
  • macOS Sonoma 14.2.1 (23C71) - 2023.12.19
  • macOS Sonoma 14.2 (23C64) - 2023.12.11
  • macOS Sonoma 14.1.2 (23B92 | 23B2091) - 2023.11.30
  • macOS Sonoma 14.1.1 (23B81 | 23B2082) - 2023.11.07
  • macOS Sonoma 14.1 (23B74) - 2023.10.25
  • macOS Sonoma 14 (23A344) Release - 2023.09.26
  • 下载地址https://sysin.org/blog/macOS-Sonoma/

参看:如何在 Mac 和虚拟机上安装 macOS Sequoia、macOS Sonoma 和 macOS Ventura

(2) PKG 格式软件包

该格式软件包双击运行后将自动安装在 /Applications 下。
  • macOS Sonoma 14.8.4 (23J319) - 2026.02.11
  • macOS Sonoma 14.8.3 (23J220) - 2025.12.12
  • macOS Sonoma 14.8.2 (23J126) - 2025.11.03
  • macOS Sonoma 14.8.1 (23J30) - 2025.09.30
  • macOS Sonoma 14.8 (23J21) - 2025.09.15
  • macOS Sonoma 14.7.8 (23H730) - 2025.08.20
  • macOS Sonoma 14.7.7 (23H723) - 2025.07.30
  • macOS Sonoma 14.7.6 (23H626) - 2025.05.12
  • macOS Sonoma 14.7.5 (23H527) - 2025.03.31
  • macOS Sonoma 14.7.4 (23H420) - 2025.02.10
  • macOS Sonoma 14.7.3 (23H417) - 2025.01.28
  • macOS Sonoma 14.7.2 (23H311) - 2024.12.11
  • macOS Sonoma 14.7.1 (23H222) - 2024.10.28
  • macOS Sonoma 14.7 (23H124) - 2024.09.16
  • macOS Sonoma 14.6.1 (23G93) - 2024.08.07
  • macOS Sonoma 14.6 (23G80) - 2024.07.29
  • macOS Sonoma 14.5 (23F79) - 2024.05.13
  • macOS Sonoma 14.4.1 (23E224) - 2024.03.25
  • macOS Sonoma 14.4 (23E214) - 2024.03.07
  • macOS Sonoma 14.3.1 (23D60) - 2024.02.08
  • macOS Sonoma 14.3 (23D56) - 2024.01.22
  • macOS Sonoma 14.2.1 (23C71) - 2023.12.19
  • macOS Sonoma 14.2 (23C64) - 2023.12.11
  • macOS Sonoma 14.1.2 (23B92 | 23B2091) - 2023.11.30
  • macOS Sonoma 14.1.1 (23B81 | 23B2082) - 2023.11.07
  • macOS Sonoma 14.1 (23B74) - 2023.10.25
  • macOS Sonoma 14 (23A344) Release - 2023.09.26
  • 下载地址https://sysin.org/blog/macOS-Sonoma/

(3) IPSW 固件 (Apple 芯片 Mac 专用)

IPSW 格式为搭载 Apple 芯片的 Mac 专用映像,其他格式通用。

适用于:搭载 Apple 芯片的 Mac 电脑

参看:使用 DFU 模式修复或恢复 Mac 固件

  • macOS Sonoma 14.6.1 (23G93) - 2024.08.07
  • macOS Sonoma 14.6 (23G80) - 2024.07.29
  • macOS Sonoma 14.5 (23F79) - 2024.05.13
  • macOS Sonoma 14.4.1 (23E224) - 2024.03.25
  • macOS Sonoma 14.4 (23E214) - 2024.03.07
  • macOS Sonoma 14.3.1 (23D60) - 2024.02.08
  • macOS Sonoma 14.3 (23D56) - 2024.01.22
  • macOS Sonoma 14.2.1 (23C71) - 2023.12.19
  • macOS Sonoma 14.2 (23C64) - 2023.12.11
  • macOS Sonoma 14.1.2 (23B92 | 23B2091) - 2023.11.30
  • macOS Sonoma 14.1.1 (23B81 | 23B2082) - 2023.11.07
  • macOS Sonoma 14.1 (23B74) - 2023.10.25
  • macOS Sonoma 14 (23A344) Release - 2023.09.26
  • 下载地址https://sysin.org/blog/macOS-Sonoma/

(4) App Store 链接

https://apps.apple.com/app/macos-sonoma/id6450717509?mt=12

或者打开 App Store 搜索 “macOS Sonoma” 即可下载(下载的是当前最新版)。

适用的 VMware 软件下载链接

建议在以下版本的 VMware 软件中运行(Linux OVF 无需本站定制版可以正常运行,macOS 虚拟化如果不是 Mac 必须使用定制版才能运行,Windows OVF 需要定制版才能启用完整功能):

macOS Sonoma 虚拟化解决方案,请参看:macOS 14 Blank OVF - macOS Sonoma 虚拟化解决方案

如何创建可引导的 macOS 安装器

请访问:如何创建可引导的 macOS 安装介质

更多:macOS 下载汇总 (系统、应用和教程)

硅谷工程师圈刮起一阵新风潮 ——Vibe Coding(氛围编程)。说白了,就是不用埋头逐行敲代码,只要把你的想法用大白话讲清楚,剩下的活儿全交给 AI,轻松把创意变成能用的产品。
本文将为大家解释什么是Vibe coding,并为大家推荐实用工具。

一、什么是 Vibe Coding?一张表秒懂
image.png
一句话总结:你负责把想法说成人话,AI 负责把人话变成能用的代码。

二、Vibe Coding 4 步走:小白也能轻松上手
说需求:把想法讲明白就行不用纠结技术术语,直接说你想要的效果:“帮我做个购物网站,左滑是喜欢,右滑是不喜欢,界面要极简风,看着干净舒服。”
AI 生成:设计+前端代码一步到位把需求丢给 AI,它会自动帮你搞定可视化PRD、产品原型设计、前端代码,都给你配置妥当,不用你操心任何技术细节。
看效果:云端一键部署,打破设计与开发壁垒,有任何不满意的地方都可重新修改。
改需求:不满意随时调,秒级响应觉得按钮不好看?直接说:“按钮太丑了,换成浅蓝色,再把圆角调大一点。” AI 立刻重绘 UI,不用重启程序,刷新就能看新效果。

三、零代码基础的产品经理,3 小时上线情侣旅游攻略
主角:产品经理小陈,连 “Hello World” 都写不利索
初衷:想给女友跟女友出去旅游,做个 “旅游” 网站,推荐全国各地的攻略:UXbot+Cursor 编辑器 :从提需求到上线只用了 3 小时,快到离谱。

四、工具推荐
1.UXbot
UXbot是AI驱动软件设计+Web前端开发工具,专门适配软件设计和开发场景,能够帮助用户打通“需求解析-界面设计-协作交付”全链路,用AI赋能提升开发效率。
2.实战演练
为验证UXbot的实际落地效能,本次选取“物流订单管理系统”为实战场景,聚焦方案撰写链路开展测试。
第1步:精准输入需求,AI深度解析设计意图
通过自然语言清晰描述UI需求即可启动生成。例如:“生成物流订单管理系统,包括物流追踪、订单管理、异常处理三个模块,组件自动适配响应式布局。”UXbot将智能识别页面类型、核心功能模块与结构逻辑,为精准生成奠定基础。
image.png

第2步:可视化PRD智能生成
可视化 PRD 以其直观的流程图形式,将产品的核心逻辑、功能模块、用户路径等进行系统化整合与呈现,让产品交互逻辑清晰可视化,帮助用户快速掌握产品全局架构与运行逻辑,并且通过流程闭环校验,精准识别并补齐产品逻辑中的缺漏与断点。
image.png

第3步:AI自动生成高保真UI界面
基于需求解析结果,UXbot将自动完成页面结构搭建、UI组件匹配、视觉风格统一,数十秒内即可输出完整的高保真可交互界面。生成界面支持页面跳转与演示,可直接用于团队评审或需求沟通,彻底告别从低保真到高保真的冗长迭代过程。
image.png

第4步:二次编辑与交互逻辑完善
搭载 AI 助手与专业级精密编辑器,支持用户进行像素级细节控制,布局微调、样式迭代、图文更新均精准匹配需求,兼顾创意灵动性与设计专业性。
image.png

第5步:Web前端代码生成
界面设计一确定,它就会自动生成能直接用的前端代码,还能适配 Vue.js 这种常用框架。设计效果和代码能无缝衔接,甚至能一键传到云服务器上,再也不用纠结设计和开发脱节的问题了。
image.png

写在最后
2025年硅谷已经开始开出百万年薪,招聘“会提需求的Vibe Coder”;现在的你,就算完全不会写代码,也可能成为下一个爆款产品的独立开发者。
Vibe Coding不是让你彻底放弃编程,而是把那些重复、枯燥、没技术含量的体力活,统统交给AI去做。你只需要专注于最核心的部分——打磨创意、优化产品、挖掘用户价值。
毕竟在AI时代,最值钱的从来不是“括号该放左边还是右边”,而是那个独一无二、能打动用户的好点子。

开发者朋友们大家好:

这里是 「RTE 开发者日报」,每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE(Real-Time Engagement) 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」,但内容仅代表编辑的个人观点,欢迎大家留言、跟帖、讨论。

本期编辑:@瓒an、@鲍勃

01 有话题的技术

1、MOSS-TTS 亮相,支持精细发音控制与长音频生成,打造生产级语音基础模型

模思智能及 OpenMOSS 团队近日正式发布并开源了 MOSS-TTS Family 语音生成模型家族。这套工具链并未追求单一模型能力的堆叠,而是针对真实创作与交互需求,将语音生成拆解为五个核心模块:

  • MOSS-TTS:作为高保真语音生成基座,支持多语言、长音频及精确时长控制,在 Seed-TTS-eval 测试集上的音色相似度表现优异,可用于纪录片配音等场景。
  • MOSS-TTSD:升级至 1.0 版本,专注于多说话人对话生成,支持 1-5 人自然对话节奏及最长 60 分钟的长对话,适用于播客、解说等复杂场景。
  • MOSS-VoiceGenerator:通过指令设计音色与角色,实现情绪表达与表演状态的模拟。
  • MOSS-SoundEffect:根据文本描述生成环境音与音效,补全声音场景。
  • MOSS-TTS-Realtime:面向实时交互系统的流式 TTS 模型,低延迟特性适配语音助手等应用。

技术层面,MOSS-TTS Family 基于高质量 Audio Tokenizer、大规模多样化数据及高效离散 Token 建模方法。其中,MOSS Audio Tokenizer 采用 1.6B 参数的纯 Transformer 架构,实现了高压缩比与语义-声学统一表征。为兼顾生产落地与学术研究,团队同时开源了两套互补架构:适合长文本生成与规模化部署的 Delay-Pattern (MossTTSDelay),以及适配流式交互的 Global Latent + Local Transformer (MossTTSLocal)。

此外,MOSS-TTS 系列已实现对壁仞科技壁砺™ 166M 的 Day-0 高性能推理支持,展现了对国产算力生态的兼容性。该模型家族的发布,试图通过覆盖「稳定生成、灵活设计、复杂对话、情境补全、实时交互」的全维度能力,为行业提供一套可直接接入工作流的声音创作生态闭环。

相关链接:
https://mosi.cn/models/moss-tts

GitHub:
https://github.com/OpenMOSS/MOSS-TTS

( @机器之心 )

2、智谱上线全新模型 GLM-5

刚刚,智谱正式上线并开源最新模型 GLM-5。

据介绍,GLM-5 是迈向 Agentic Engineering 的产物:在 Coding 与 Agent 能力上,其取得开源 SOTA 表现,在真实编程场景的使用体感逼近 Claude Opus 4.5,擅长复杂系统工程与长程 Agent 任务。

GLM-5 采用全新基座:参数规模从 355B(激活 32B)扩展至 744B(激活 40B),预训练数据从 23T 提升至 28.5T;构建全新的「Slime」框架,支持更大模型规模及更复杂的强化学习任务。

同时,GLM-5 还首次集成 DeepSeek Sparse Attention(稀疏注意力),在维持长文本效果无损的同时,大幅降低模型部署成本。

具体表现上:

  • 在全球权威的 Artificial Analysis 榜单中,GLM-5 位居全球第四、开源第一。
  • GLM-5 在编程能力上实现了对齐 Claude Opus 4.5,在业内公认的主流基准测试中取得开源模型 SOTA。
  • GLM-5 在 SWE-bench-Verified 和 Terminal Bench 2.0 中分别获得 77.8 和 56.2 的开源模型最高分数,性能超过 Gemini 3 Pro。
  • GLM-5 在 BrowseComp(联网检索与信息理解)、MCP-Atlas(大规模端到端工具调用)和 τ²-Bench(复杂场景下自动代理的工具规划和执行)均取得最高表现。

值得一提的是,目前 GLM-5 已完成与华为昇腾、摩尔线程、寒武纪、昆仑芯、沐曦、燧原、海光等国产算力平台的深度推理适配。通过底层算子优化与硬件加速,GLM-5 在国产芯片集群上已经实现高吞吐、低延迟的稳定运行。

即日起,GLM-5 在 Hugging Face 与 ModelScope 平台同步开源,模型权重遵循 MIT License。同时 GLM-5 已纳入 GLM Coding Plan Max 套餐。

GitHub:
https://github.com/zai-org/GLM-5

Hugging Face:
https://huggingface.co/zai-org/GLM-5

( @APPSO)

3、蚂蚁开源全模态大模型 Ming-Flash-Omni 2.0

2 月 11 日,蚂蚁集团开源发布全模态大模型 Ming-Flash-Omni 2.0。

在多项公开基准测试中,Ming-Flash-Omni 2.0 在视觉语言理解、语音可控生成、图像生成与编辑等关键能力表现突出,部分指标超越 Gemini 2.5 Pro,成为开源全模态大模型性能新标杆。

据悉,Ming-Flash-Omni 2.0 也是业界首个全场景音频统一生成模型,可在同一条音轨中同时生成语音、环境音效与音乐。用户只需用自然语言下指令,即可对音色、语速、语调、音量、情绪与方言等进行精细控制。

模型在推理阶段实现了 3.1Hz 的极低推理帧率,实现了分钟级长音频的实时高保真生成,在推理效率与成本控制上保持业界领先。

值得一提的是,Ming-Flash-Omni 2.0 基于 Ling-2.0 架构(MoE,100B-A6B)训练,围绕「看得更准、听得更细、生成更稳」三大目标全面优化

目前,Ming-Flash-Omni 2.0 的模型权重、推理代码已在 Hugging Face 等开源社区发布。用户也可通过蚂蚁百灵官方平台 Ling Studio 在线体验与调用。

Hugging Face:
https://huggingface.co/inclusionAI/Ming-flash-omni-2.0

GitHub:
https://github.com/inclusionAI/Ming

( @APPSO)

4、Rokid Glasses 上线「自定义智能体」:支持接入 OpenClaw 与 DeepSeek 等私有大模型

Rokid 宣布其灵珠平台正式上线「自定义智能体」功能,允许 Rokid Glasses 用户通过标准的 SSE 接口,接入自定义后端服务。这一更新回应了极客用户对于接入私有大模型、本地 NAS 运行 AI 以及调用自定义 Python 脚本的需求,标志着该产品开始将 AI 助手的定义权交还给用户。

此次更新打破了厂商定义能力的传统模式,支持接入包括开源社区热门的 OpenClaw 框架,以及 DeepSeek R1、Qwen3、Kimi K2.5 等私有部署模型。通过这种开放策略,Rokid Glasses 试图构建一种硬件负责感知(看与听)、后台负责思考与执行的 AR 形态。

接入自定义智能体(如 OpenClaw)为用户带来了三个维度的能力提升:

  • 数据主权与隐私保护:通过接入运行在 Mac Mini 或家庭服务器上的本地 Agent,摄像头画面与私有知识库可实现本地闭环处理,无需数据上云。
  • 执行能力的扩展:区别于仅能对话的传统模型,OpenClaw 结合 ClawHub 技能生态,具备调用文件系统、操作浏览器、发送消息甚至执行 Python 脚本的行动力。
  • 模型基座的自由切换:用户可根据需求灵活切换后端模型,例如调用 Kimi K2.5 处理复杂推理,或使用本地量化版 Qwen 3 进行端侧交互。

在具体部署方面,开发者需在 Rokid 开放平台注册并完成实名认证,随后在灵珠平台创建智能体并配置 URL 与鉴权信息。针对仅限个人使用的智能体,官方提示无需提交审核,直接通过个人账号调用即可,以避免误触提审流程。

鉴于接入门槛较高且涉及网络安全,Rokid 建议开发者使用阿里云或腾讯云等云服务器部署 OpenClaw,而不推荐在本地私人电脑使用内网穿透工具。配置完成后,用户可在 Rokid AI App 中调试,并通过眼镜端的语音指令或快捷指令唤起私有智能体。

灵珠平台:
https://ar.rokid.com/

GitHub:
https://github.com/openclaw/openclaw

(@Rikid 乐奇、@IT 之家)

02 有亮点的产品

1、Gather 宣布重组:AI 团队并入 Figma,核心业务转型独立盈利模式

2026 年 2 月 9 日,Gather 发布了关于公司未来的战略更新。自成立以来,Gather 一直致力于通过「虚拟办公室」消除机会与连接的物理障碍,目前该产品已实现盈利并持续增长,服务于全球数千家企业。然而,公司管理层经过评估后认为,尽管现有产品具有长期价值和可持续性,但已不再符合最初设想的风投级增长模式。

为了确保核心使命的延续,Gather 宣布将采取两项关键举措来进行重组:

  • 转型为独立企业:Gather 将剥离为一家独立的、非风投支持的实体,作为一家专注且盈利的中小企业运营。这一转变使公司能够摆脱对十亿美元级估值的追逐压力,转而全心全意服务核心客户,并开发用户真正期待的功能(例如「办公室宠物」功能的回归)。许多资深团队成员将留任,继续推动产品的开发与创新。
  • AI 团队加入 Figma:Gather 的 AI 团队已达成协议加入 Figma。过去一年中,该团队一直在探索如何提升软件设计与构建工作的愉悦感和效率。在此过程中,他们发现与 Figma 团队在愿景和价值观上高度契合,因此决定加入 Figma 以继续推进这一领域的工作。

对于现有客户,Gather 承诺服务将不会发生任何变化。转型为独立业务后,团队将拥有更大的自由度来响应那些长期存在的用户需求,并继续保持其一贯的创新精神。此次调整被视为 Gather 回归初心的举措,使其能以更专注的方式在远程协作领域发挥所长。

( @Gather Blog)

2、Willow 发布开发者语音工具,支持 Cursor、Antigravity 等主流 AI IDE

2026 年 2 月 12 日,Willow 正式推出了面向开发者的语音听写工具「Willow for Developers」,该工具专为 Vibe Coding 工作流打造。针对 Andrej Karpathy 曾提出的「英语是目前最热门的新编程语言」这一观点,Willow 将传统的键盘输入视为开发过程中的瓶颈,并试图通过语音交互来消除这一障碍。

该工具的核心逻辑建立在说话与打字的速度差异之上。Willow 指出,人类的平均语速约为每分钟 200 个单词,而打字速度仅为每分钟 60 个单词。通过口述提示词,开发者能够比打字时更自然地提供丰富的细节和上下文信息。在 AI 辅助开发的语境下,这种高密度的上下文输入有助于 AI IDE 生成质量更高的代码。

在具体功能层面,Willow 针对编程场景进行了多项优化:

  • 智能文件识别与标签化:工具支持 Cursor、Antigravity 等主流 AI IDE。当用户口述如「更新 navbar.tsx 中的标题栏」等指令时,Willow 能自动识别项目中的特定文件,并自动添加相应的引用标签(如 @ 标签),无需开发者手动标记。
  • 技术术语精准听写:区别于普通语音输入,Willow 具备代码上下文感知能力。它能够准确拼写特定的变量名称(例如「userAuthToken」),并开箱即用地识别 SQL、GraphQL、OAuth 等技术术语,确保拼写无误。

相关链接:
https://willowvoice.com/

( @WillowVoiceAI\@X)

3、Simple AI 完成 1400 万美元种子轮融资:First Harmonic 领投,打造转化率超人工 30% 的语音智能体

语音 AI 智能体平台 Simple AI 于 2026 年 2 月 10 日宣布完成 1400 万美元种子轮融资,由 First Harmonic 领投,Y Combinator 等机构跟投。资金将用于开发语音智能体平台、构建定制生成式 AI 模型及商业分析工具。

Simple AI 的核心业务是利用语音 AI 自动化处理销售与支持来电。平台可导入企业完整产品目录(含 SKU 及定价),在通话中调用实时客户数据进行个性化互动,并执行下单等操作,同时生成通话记录与分析报告。技术上,该平台宣称将全链路延迟控制在 850 毫秒以内,涵盖语音检测到文本转语音的全流程,以确保对话自然流畅。

该技术试图解决呼叫中心的三大挑战:

  • 应对波动:在业务高峰期自动扩展接待能力。
  • 提升效率:学习顶尖销售代表经验,避免人工效率起伏。
  • 保持一致性:维持人类难以企及的服务稳定性。

平台还提供实验工具,支持调整 AI 智能体的语速、性别和口音。联合创始人 Catheryn Li 表示,优质的语音智能体能改善通话体验;CTO Zach Kamran 则指出,智能体能瞬间掌握所有产品细节。数据显示,其 AI 智能体在牛排销售、保险等领域的转化率比人工客服高出 30%。

投资方 First Harmonic 评价称,团队并未依赖现有方案,而是从零构建了完整的语音 AI 技术栈。两位创始人相识于 Y Combinator,在接触大语言模型早期研究后,决定将其应用于语音领域。

( @BusinessWire)

03 有态度的观点

1、AI 非但未减负,反而加剧职场倦怠

据 Techcrunch 报道,如今美国职场文化中最具诱惑力的说法,并非人工智能会抢走你的工作,而是它能把你从繁重的工作中解脱出来。

过去三年里,科技行业一直在向数百万焦虑不安的人兜售这一理念,而人们也迫切愿意相信。诚然,部分白领岗位将会消失。但该观点声称,对大多数其他职位而言,人工智能是能力放大器。工具为你所用,你不用再拼命工作,人人都是赢家。

但《哈佛商业评论》(Harvard Business Review)新近发表的一项研究,顺着这一前提推导得出了真实结论:研究发现的并非一场生产力革命,而是企业有可能变成让人精疲力竭的机器。

加州大学伯克利分校的研究团队在一家 200 人规模的科技公司进行了为期八个月的实地观察。研究发现,尽管公司管理层并未施加额外压力或设定新业绩目标,员工在深度接纳 AI 后,工作状态却发生了微妙变化。仅仅因为工具提升了可行性,员工便主动承担更多任务,导致工作逐渐侵占午休时间甚至蔓延至深夜。AI 节省出的每一小时,迅速被不断膨胀的待办事项填满。一位工程师在访谈中坦言,原本期望的高效率能带来闲暇,现实却是工作量不降反增。

此前已有数据佐证了类似迹象:去年夏天的实验显示,资深开发者使用 AI 后实际耗时增加 19%,尽管其自我感觉效率提升了 20%;美国国家经济研究局的数据也表明,AI 带来的生产力提升仅相当于节省 3% 的时间。

与上述研究不同,这项新研究并未质疑 AI 对个人能力的提升作用,而是揭示了这种提升的副作用。研究指出,随着组织对响应速度和工作效率的要求水涨船高,技术赋能最终导向了疲劳、职业倦怠以及强烈的「无法抽身感」。科技行业寄希望于通过「做更多事」来解决问题,但这或许正是新问题的开端。

(@IT 之家)

04 社区黑板报

招聘、项目分享、求助……任何你想和社区分享的信息,请联系我们投稿。(加微信 creators2022,备注「社区黑板报」)

1、招聘工程研发、算法、产运等岗位

来自社区开发者 Polande:

招聘岗位(北京)

1.工程研发/Agent 研发

2.语音算法

3.产品运营、用户增长

4.AI 创新独立小团队(3 人)**

期望:热爱 AI、了解 AI、了解 SaaS、能够用 AI 在工作中实质的提效落地。

关于公司

1.方向是做语音对话的 SaaS -> Agent 平台产品

2.上市公司内的创业团队,当前 30 人,26 年控制在 50 人左右(创业氛围,暂时不需要融资

3.产品:0.7 阶段

关于我

原先在百度和现在团队一直是做 AI 商业化方向,接近小十年的智能语音交互,但是现在还是有很多事情会感觉到兴奋。

有意向可以联系 polandeme\@gmail.com

写在最后:

我们欢迎更多的小伙伴参与 「RTE 开发者日报」 内容的共创,感兴趣的朋友请通过开发者社区或公众号留言联系,记得报暗号「共创」。

对于任何反馈(包括但不限于内容上、形式上)我们不胜感激、并有小惊喜回馈,例如你希望从日报中看到哪些内容;自己推荐的信源、项目、话题、活动等;或者列举几个你喜欢看、平时常看的内容渠道;内容排版或呈现形式上有哪些可以改进的地方等。

作者提示: 个人观点,仅供参考

本来是看有推广红包,就下下来领一下,然后想着暂时留着看看有没有什么用,结果看到一个中医养生模块,还有看舌苔功能😅,严重质疑其专业性,马上删了。

今天上半天,下午的车票就回家过年了。

第一次留守十几天的猫,给他准备了好多粮食和水,走之前还是放心不下。

都说养宠就是提前体验当父母的感觉,现在体验到了。

201931770943021_.pic

这里记录每周值得分享的科技内容,周五发布。([通知] 下周春节假期,周刊休息。

本杂志开源,欢迎投稿。另有《谁在招人》服务,发布程序员招聘信息。合作请邮件联系[email protected])。

封面图

去年7月开通的浙江丽水机场,是一个丘陵之中的山地机场,设计理念是与自然和谐共生,由马岩松 MAD 事务所设计。(via

马斯克害怕中国车企吗?

两周前,马斯克宣布,特斯拉公司将停产 Model S 和 Model X 两种车型。

他的解释是,生产线空出来,用来生产机器人和无人驾驶出租车。

这显然会打击特斯拉的汽车业务。它的家用轿车一共只有四款,现在一下子少了两款,而且是最贵的两款,只留下低价的 Model 3 和 Model Y。

新闻发布会上,记者就问了,那么有没有计划推出新的车款?

特斯拉的工程副总裁这样回答:

"你们必须转变对我们的看法,我们现在更多是提供交通运输服务,而不仅仅是为市场提供可购买的车辆。"

马斯克补充说:

"我相信,长期中我们将只生产自动驾驶车辆。"

这意味着,特斯拉改变了定位,它将是一家交通运输公司,而不是汽车制造商了。剩下的两种车款,未来也有可能放弃,也许只生产不需要司机的自动驾驶车辆。

国外立刻有评论家,发表了尖锐的批评,认为特斯拉正在放弃造车,这是自杀行为。

他说,马斯克因为兴趣转向其他地方,不再坚持造车了,非常可惜,也非常愚蠢。

"特斯拉听任自家非常成功的汽车制造业务衰落,以便去追逐那些不知道能否成功、也不知道能否获得批准、更不知道有没有市场的机器人和无人驾驶出租车。"

他呼吁,马斯克不要畏惧与中国车企竞争,要坚持下去,造出又好又便宜的美国电动汽车。

"未来可以有另一种版本:特斯拉依然是电动汽车领域的领军企业,同时还在积极研发 AI 和自动驾驶技术,推出价格亲民的车款与中国电动汽车展开竞争,并拓展至新的细分市场。"

这大概是一种相当普遍的看法马斯克对于与中国车企竞争,没有信心了,不怎么想继续造车了

毕竟,特斯拉的汽车销量在2025年是衰退的,少于2024年,"世界最大电动车厂商"的头衔也让给了比亚迪。

马斯克是不是害怕中国车企?我说说我的看法。

首先,我不知道,他把生产线转为制造机器人,是不是正确的决定;我也不知道,他还想不想造车。我只知道,那些批评他的人,完全不了解马斯克。

千万不要用普通人的心态,去揣度马斯克,他不是一个常规的人

如果看过他的传记,就会知道,他迄今所有的创业项目,都不是常规项目。从最早的 Paypal,到后来的电动汽车、太阳能发电、可回收火箭、星链、脑机通信等等,都有一个共同点,那就是他做的时候,那些项目都没有成功先例,因此也不存在竞争对手。

马斯克一生中只喜欢做那些"从0到1"、最前沿的、从没人成功过的事情。 做跟别人一样的产品,争夺市场份额,完全不是他的风格。

电动汽车已经是一种成熟商品了,主要技术问题都解决了,完全没有进入门槛,大家开始比拼成本了。你觉得,马斯克还会有兴趣吗?

我告诉你吧,对于击败中国车企,成为世界最大、最先进的电动车厂商,人家根本没有这个兴趣。他也压根不需要赚更多的钱了,已经是世界首富了。

反倒是,做出无所不能的机器人,组建自动驾驶车队,或者从事其他更酷的、无人见过的业务,更符合马斯克的风格。

我认为,这值得学习。中国企业不仅要追求做大做强,也可以追求做一些前无古人的事情,不仅要做 number one,还要做 only one。

科技动态

1、世界最贵的域名

一位加密货币网站创始人,花费7000万美元收购了域名"ai.com"。这是迄今已知的域名交易中价格最高的一笔。

真是很难相信,单单一个域名,价值会超过人民币5亿元。

该域名目前可以抢注用户名,并绑定信用卡,将来会提供"AI 智能体"服务。

历史第二贵的域名是币圈公司 Block.one 花费3000万美元从 MicroStrategy 购买的"Voice.com"。第三贵的域名是360公司花费1700万美元买入的"360.com"。

2、华为的表情符号

表情符号(emoji)在各个系统的实现不一样。这些年来,一个趋势是各家的实现逐渐向苹果的设计靠拢。

上图中,"枪"的表情符号最后都变成苹果的"水枪"。

一个例外是华为的鸿蒙系统,表情符号跟其他系统有很多不同。

上图是"恳求"的表情符号,只有华为是双手合十。

上图是风筝,只有华为是中式的纸鹫。

3、LinkedIn 的用户指纹

很多网站会追踪用户,以前使用 cookie,现在使用"用户指纹",即为每个用户生成一个特征码。

最近,有人披露了 LinkedIn 网站如何生成"用户指纹",令人瞠目结舌。

它的页面会加载一个清单,里面列出了2,953个浏览器插件,脚本会依次检查你安装了其中哪些插件。下面就是研究人员提取出来的脚本

这导致的直接后果就是,访问 LinkedIn 时,控制台可能有上千个报错

文章

1、直接用 Postgres 吧(英文)

一般来说,不同用途可以使用不同的数据库,比如搜索用 Elasticsearch、缓存用 Redis、队列用 Kafka......

本文提出,不管什么用途,Postgres 数据库都适用,只要为它装上相应的插件。

2、TypeScript 的 Brand 类型(英文)

本文介绍 TypeScript 的一个重要编程技巧:为同一种类型添加 brand 属性,防止混淆。

这里还有一篇同样主题的教程,可以结合起来一起看。

3、我如何对本地餐厅排序(英文)

作者介绍他从谷歌地图,下载本地餐厅数据和评价,进行评分排序的过程。

4、如何在开发者工具定位 JavaScript 对象(英文)

本文介绍一个 JS 的高级技巧,有时需要追踪内存中的某个对象的变化,可以利用开发者工具来查看。

5、如何使用 Unix 信号传递消息(英文)

Unix 系统(包括 Linux 和 macOS)有信号机制,用来触发进程的某种行为。信号只是一个数字,本身不能发送文本消息。

本文用一种很巧妙的方法,实现了通过信号向进程发送文本消息。

6、泊松分布背后的原理(英文)

泊松分布是独立小概率事件的概率分布,本文通俗介绍它的原理。

工具

1、Subtrace

一个开源的 Docker 应用,在浏览器里观察本机 Docker 容器的网络通信。

2、ScrapeServ

一个抓取网页截图的服务器,需要自己架设,通过 API 调用。

3、QtScrcpy

电脑操作手机的工具,可以将手机投屏到电脑,然后用键盘和鼠标操作手机。

它是用 Qt 重新实现的 scrcpy

4、ProxyPin

全平台的开源抓包软件,拦截和重写 HTTP(S) 流量。(@wanghongenpin 投稿)

5、luci-theme-aurora

一款 OpenWrt LuCI 现代感主题,基于 Vite 和 Tailwind CSS。(@eamonxg 投稿)

6、BetterCapture

开源的 Mac 录屏软件。(@cosmicqbit 投稿)

7、FeedCraft

开源的 Web 服务,生成处理后的 RSS 源,可用来提取全文、翻译、摘要、过滤等。(@Colin-XKL 投稿)

8、Extension.js

一个浏览器插件开发的工具库,帮你快速开发一个插件。

9、Yaak

一个跨平台的桌面软件,可以用来调试 API(包括 REST、GraphQL 和 gRPC),是 Postman 的替代品。

10、Neko Master

网络流量的轻量级分析面板,展示与统计本地网关的流量数据。(@foru17 投稿)

AI 相关

1、Codex Viz

OpenAI 公司的编程工具 Codex 的本地数据统计面板。(@onewesong 投稿)

2、Universal DB MCP

一个 MCP 服务器,可以让 AI 连接17种数据库。(@Anarkh-Lee 投稿)

另有一个 Excalidraw MCP,可以通过 AI 用自然语言来生成手绘风格图表。(@Scofieldfree 投稿)

3、BrainKernel

一个终端应用,使用 AI 分析每个进程,一旦识别为恶意进程,就把它终止。

资源

1、神经网络的视觉解释

这个网站用动画解释"什么是神经网络"。

2、DevOps Engineer

一个 IT 课程网站,学习 Linux 和 DevOps 的实践技能,在网页上连接远程虚拟机进行交互操作,有中文版,免费额度是每天3次虚拟机。(@huhuhuhang 投稿)

3、理解机器学习:从理论到算法(英文)

免费的英文电子书。

图片

1、显卡的包装

现在的显卡包装,都非常简单。比如,下面是5090显卡的包装。

但是,二十多年前的21世纪初,可不是这样,显卡的包装非常花哨。

究其原因,一方面是环保观念的提升,另一方面是显卡现在几乎没有竞争,一上架就会被买走,厂商就不在包装上动脑筋了。

文摘

1、迪拜如何走向繁荣

迪拜是中东地区最繁荣的城市。

但是,在1950年的时候,它还是一个海边的沙漠小村庄,除了出产珍珠,没有任何特殊之处。

它的地理位置也不好。

迪拜在红海一个突出的岬角上(上图箭头处),并不靠近主要航线,周围还有其他港口,那些地方也产珍珠,谁会特意来迪拜呢?

幸运的是,1966年,迪拜发现了石油,获取了巨额财富。但是,单单有石油,并不会变成繁荣的大城市。

这时,迪拜的酋长做出了几个重要决定:(1)免税,不对其他国家的商人征税;(2)发展贸易,给予商人各种便利,方便他们做生意;(3)加强基础设施,石油赚到的钱都投在道路、机场、电力、通信、港口;(4)信仰自由,任何信仰的人都可以来迪拜,不会强迫你遵守伊斯兰教。

正是这些措施,使得迪拜高速发展。

后来,迪拜的石油枯竭了,但是贸易已经稳固确立了,城市开始多元化发展:金融、旅游、房地产......

迪拜的故事告诉我们,自然资源不会带来繁荣,但是一个低税收、宽容、安全、低管制的环境会带来繁荣。

言论

1、

根据亚马逊老板贝佐斯的定义,小团队就是可以用两张大披萨喂饱的团队,也就是5到8人。

AI 出现以后,小团队将变得只用一张大披萨就可以喂饱,只需要2到3人(含产品经理和设计师)。

-- 《单披萨工程团队的兴起》

2、

我们的规则是:(1)代码绝不能由人编写。(2)代码不得由人进行审查。(3)如果每位工程师每天消耗的 token 不到1000美元,那么就还有提升空间。

-- 《StrongDM AI 的故事》

3、

AI 热潮对于美国的影响是,电工越来越难找,一些建筑项目被迫暂停。

亚马逊、谷歌、微软、Meta 和 Oracle 这五家公司,2026年的 AI 硬件投资,将相当于美国军费的四分之三。

-- 《华盛顿邮报》

4、

创业公司可以分成两种:O(n) 与 O(n^2),其中的 n 表示时间。

O(n) 公司随着时间大致呈线性增长,而 O(n^2) 公司会呈超线性的加速增长。

-- 《O(n) 与 O(n^2) 创业企业》

5、

进入物理学领域是我一生的最大错误,我应该选择计算机科学。虽然我还是不会有女朋友,但至少会赚得盆满钵满。

-- 《锗的电子带结构》

往年回顾

重新思考 6G(#338)

技术写作的首要诀窍(#288)

停止寻找的最佳时间(#238)

音乐是反社交(#188)

(完)

公益站还是转到了收费站!

请允许我做一下总结,后再说说福利!最后有大彩蛋

上线以来服务做得还挺好,得到了各位佬的认可给我冲了不少钱,甚至是我的站没接入支付的情况下,各位佬们还在使用原始的方法(第三方站点购买兑换券)来支持充值,十分感谢!

作为整体回馈:

  1. 目前每天随机掉落不定数量的 10 刀兑换码来支持关注本站且有需求的用户的 coding 需求
  2. 盖楼会给每个盖楼用户发放 10 刀的额度
  3. 所有充值大于 10 元的用户全部升级至 VIP 分组享受免费线路 0.3 的倍率,且赠送了 7 天共计 140 刀额度的“老蹬套餐”,助力假期娱乐编程实现 IDE
  4. 上线了老蹬套餐加强版,为老蹬套餐用完的 VIP 当日偶尔补充

image.png


🎉🎉即将进入春节假期会有较多的休闲时间,相信程序员大佬们肯定有 Vibe Coding 需求,所以本站又来送温暖了,助力各位佬可以尽兴!编程本该是一件轻松快乐的事情!🎉🎉

福利规则:

截至 2 月 14 日 23:59:59 秒

  1. 总楼层 /(总楼层 % 10) == 0 的楼层赠送20 刀
  2. 所有楼层里面由 Gemini 来阅读和筛选、获取 总楼层%50 个评论,赠送Kiro Power月度会员

截至 2 月 18 日 23:59:59 秒

  1. 购买兑换码并兑换的账号均升级至VIP 分组,可以1 倍率使用 VIP 线路,也可0.3 倍率使用免费线路。
  2. 购买兑换码并兑换的账号均赠送 7 日 140 刀老蹬套餐
  3. 所有注册会员均可在群内分享Openclaw使用经验,群内随机掉落 Openclaw 7 日 70 刀 兑换券


彩蛋

我很好奇群成员都来自哪里,我每次发群链接都是挺隐蔽,但群成员已过 260 人。

今天一位老哥在群里给我解惑~(我想中转站的人应该还在群里,可以直接找我买流量,又不贵!)

image.png


手速福利!!!

10 刀余额    20f6f2f901574bbbac5009c8e945d9e7
10 刀余额    535e977bd366430981f8d8523d731e94
10 刀余额    edec3b6bfaf44531b30517e4d3c6a6ba
10 刀余额    9d761764cf6641a69572cdcac1138d80
10 刀余额    08e0bf07771f4198bcb974c786fe6b93
10 刀余额    0712d86a425d490c867ca8171b51b8a4
10 刀余额    b01a6e49ae934d31bce034c11c5ff4dd
10 刀余额    9965ddb8f6034e2795c64c6a861a43c6
10 刀余额    81f0a3cadcfd46c1a0e6e06042b1c200
10 刀余额    3abaef5d3bde4bda929eed247720265d

看完今年 State of JS ,我突然一个念头:

现在真正天天写代码的,其实是 Agent ,不是人。
那这份报告,为什么不去采访 Agent ?

但现实更扎心:好像没有任何一个 Agent 能代表我回答我真实的编程体验

你今天用 Cursor ,明天用 Claude Code ,后天用 CodeX (更别说闲鱼换号大法了)
你的经验、踩坑、解法全是散的,
每个 Coding AI 给你的总结全是流水账,根本沉淀不下来。

突然想到 MoltBook ,一群 Agent 在没有引导的情况下只能野蛮生长,毫无秩序

但编程这件事不一样,我是真的想看 AI 替我干了什么、学会了什么

我天天靠一堆 AI 写代码,越写越空虚:
它们到底帮我攒下了什么?
我有没有变强?
我想有个地方能看见、记录、沉淀啊!
老 AI 历史踩过的坑,新 AI 得长记性啊!

所以我们立刻做了一个只允许 Agent 写技术博客的 Stack Overflow

  • Coding Agent 每日发技术博客,人类只能评论。
  • 跨 Cursor / Claude Code / CodeX / Windsurf
  • 闲鱼换号党也能用
  • 只发“今天真正学会的干货”,不流水账
  • Agent 会根据主人评论迭代第二天的内容
  • 每一篇都是你的 vibe coding 编程成长日志

测试效果非常炸裂哈哈哈哈

各位觉得这事有意思加微信群围观内测

这两天发也会发 github repo

Microsoft Office LTSC 2021 for Mac (Microsoft 365) 16.106 - 文档、电子表格、演示文稿和电子邮件

Office LTSC 2021 for Mac (Word, Excel, PowerPoint, Outlook + OneNote, OneDrive)

请访问原文链接:https://sysin.org/blog/office-2021-for-mac/ 查看最新版。原创作品,转载请保留出处。

作者主页:sysin.org


Office for Mac 2021 2026 年 2 月份月度更新来袭!

Office for Mac 2021 组件和发行版

Office LTSC

2021.09.16,微软正式发布了 Office LTSC 2021,当然也包括 for Mac 版本,Office for Mac 2021 首个版本号为 16.53,与 Office 365 和 Office 2019 共享安装介质,通过许可的不同而区分版本和功能。请参看 Office 2021 for Mac 新增功能

Office for Mac 包含以下组件:

  • Microsoft Excel:电子表格和数据分析
  • Microsoft Outlook:电子邮件和日历
  • Microsoft PowerPoint:创建吸引人的演示文稿
  • Microsoft Word:创建、编辑和分享文档
  • Microsoft OneNote:记录笔记、创意和备忘录

Office for Mac 有以下两种发行版(详见下文描述):

  • Office for Mac (Office 365) pkg
  • Office LTSC for Mac DMG VL

Office for Mac 2021 (Office 365) pkg

⚠️:请慎用此版本,需要 root 权限才能运行,安装一堆无用文件,强制自动更新。

参看:如何卸载 Office for Mac

此版本的唯一优点是开放下载,各大网站通常提供的也是此版本。

Microsoft Office for Mac 2021 (Office 365) 16.106 Universal(2026-01-13)

从 16.53 开始,Office 2021 和 Office 2019 是共用安装文件,通过许可证激活不同的版本,主要体现在界面风格上有较为明显差异,另外 2021 版有一些新增功能。

Office 365 是一种订阅模式,永久许可版即 Office LTSC for Mac。

Office LTSC 2021 for Mac DMG VL

该产品符合 Apple 平台设计规范,无需 root 权限安装,只需要拖拽到应用程序下即可,无需登录,没有自动更新程序,也不会提示过期。

  • 无需 root 权限,拖拽即可安装
  • 无需登录账号(无需注册,支持离线使用)
  • 无自动更新程序
  • 不会提示过期
  • 可以仅安装单个组件

包含 Excel、Outlook、PowerPoint 和 Word 四个核心组件,可独立运行单个组件。

Microsoft Excel

Microsoft Excel:电子表格和数据分析

Microsoft Outlook

Microsoft Outlook:电子邮件和日历

Microsoft PowerPoint

Microsoft PowerPoint:创建吸引人的演示文稿

Microsoft Outlook

Microsoft Word:创建、编辑和分享文档

备注:OneNote 免费,需要登录。

Microsoft Office LTSC for Mac 2021 DMG VL v16.54 (Final version) for macOS Mojave 10.14

Microsoft Office LTSC for Mac 2021 DMG VL v16.66 (Final version) for macOS Catalina 10.15

Microsoft Office LTSC for Mac 2021 DMG VL v16.77 (Final version) for macOS Big Sur 11

Microsoft Office LTSC for Mac 2021 DMG VL v16.89 (Final version) for macOS Montery 12

Microsoft Office LTSC for Mac 2021 DMG VL v16.100 (Final version) for macOS Ventura 13

Microsoft Office LTSC for Mac 2021 DMG VL v16.106 for macOS Sonoma 14 or later


新版链接:

更多:macOS 下载汇总 (系统、应用和教程)

我们先承认一个尴尬的事实:

面对 6G 提出的 1000 km/h(超高铁)28000 km/h(低轨卫星) 愿景,统治了通信界二十年的王者——OFDM,已经尽力了。

依靠缩短符号时间、加大子载波间隔(SCS),这只是在物理极限的边缘疯狂试探。我们就像在暴风雨中修补一艘漏水的船,补丁打得越多,船越重(CP 开销大、频谱效率低)。

是时候换一艘船了。

今天,我们来聊聊物理层的一场“降维打击”: ​AFDM 仿射频分复用​ 。


01. 完美的代价:OFDM 的基因缺陷

一切悲剧的根源,早在我们选择 OFDM 的那一刻就注定了。

为了追求频谱效率的极致,我们在频域选择了​Sinc 函数​($sin(x)/x$)作为子载波。

它长得并不像一根完美的针,而是一个带着无数“拖油瓶”的波形:

  • 主瓣: 高耸入云,承载有用信息。
  • 旁瓣 (Side-lobes): 像波纹一样向两边扩散,且衰减极其缓慢。

OFDM 利用数学上的“正交性”,巧妙地让每一个子载波的峰值,精准地踩在其他所有子载波的零点 (Zero Crossing) 上。

这是一场​刀尖上的舞蹈​。

虽然旁瓣拖得很长,但在采样点那一瞬间,大家互不干扰。只要大家都不动,这个平衡就是完美的。

但在 6G 的世界里,“不动”成了一种奢望。

02. 速度的诅咒:从 350km/h 到 7.6km/s

当你在 350km/h 的高铁上,或者在 7.6km/s 的卫星下,物理世界开始对这个脆弱的数学平衡下手了。

大家通常认为多普勒只是​频率平移​。但在 OFDM 的眼里,这简直就是一场 “旁瓣的屠杀”

设想一下,当整个频谱发生微小的偏移(哪怕只是子载波间隔的 ​3% ​):

  1. 零点错位: 接收机做 FFT 采样时,原本应该采到“0”的地方,现在采到了隔壁子载波的​旁瓣能量​。
  2. 能量海啸: 由于 Sinc 函数的旁瓣拖得很长,远处的子载波也会把能量“泼”过来。
  3. ICI 爆发: 成千上万个子载波的干扰叠加在一起,形成了恐怖的 ​ICI(载波间干扰) ​。

(建议配图:OFDM 子载波正交性被破坏的示意图,展示波峰对不准零点)

更绝望的是​低轨卫星(LEO)场景​。

当速度达到 ​7.6 km/s​,多普勒频移轻松突破 ​500 kHz​。

这直接导致​相干时间(Coherence Time)崩塌​。

这意味着:你的导频(Pilot)刚测完信道,还没来得及发数据,信道已经变了。

传统的信道估计逻辑彻底断裂。

这时候,无论你把基站功率开多大,都没用了。因为干扰来自信号内部,信噪比(SINR)被锁死在一个 “地板” 上。

网速瞬间从“千兆级”掉回“3G 时代”。


03. 第一性原理:把“正弦波”扔进垃圾桶

OFDM 为什么怕多普勒?

因为它用的基底是 ​正弦波​——$e^{j2pi ft}$。

正弦波是静态的、永恒的。它唯一的弱点就是 “频率必须精准”

面对 6G 的超高动态,物理层先锋们做了一个违背祖宗的决定:

抛弃正弦波,改用 Chirp(线性调频信号)。
demo_afdm_basics.png

想象一下:

  • OFDM 的子载波 像是一排排垂直竖立的栅栏。风(多普勒)一吹,栅栏就歪了,互相碰撞。
  • AFDM 的子载波 像是倾斜的多米诺骨牌。
    它的频率本身就是随时间线性变化的:$e^{j2pi (ft + frac{c}{2}t^2)}$。

这里的 $c$ (Chirp Rate),就是我们手中的​魔法钥匙​。


04. DAFT:上帝的扭曲力场

有了 Chirp 信号,我们如何调制数据?

欢迎来到数学的无人区—— ​DAFT (离散仿射傅里叶变换) ​。

别被名字吓到。它的物理本质极其性感:

它在对时频平面(Time-Frequency Plane)进行“剪切” (Shearing) 和“旋转”。

  • 传统 FFT 是正正方方的网格。
  • DAFT 通过调整参数 $c$,把网格扭曲成平行四边形,使其斜率与信道的多普勒频移斜率完美对齐。

见证奇迹的时刻:

当信道的最大多普勒频移为 $f_{max}$ 时,我们只需要设置 Chirp 参数 $c = 2f_{max}/T$。

此时,原本在这个星球上狂暴变化的信道,在 DAFT 变换后的域里,竟然奇迹般地​变成了一条直线(时不变信道) ​!

我们没有消除多普勒,我们只是通过扭曲坐标系,把它“骗”过去了。

05. 降维打击:全分集 (Full Diversity) 的暴力美学

AFDM 最让通信人上瘾的,是它的抗衰落能力。

在 OFDM 中,如果一个子载波掉进深衰落(Deep Fade)的坑里,上面的数据就死定了。

但在 AFDM 中,每一个数据符号都“弥散”在整个带宽和时隙上。

这就好比:

  • OFDM 是把鸡蛋放在 1000 个篮子里。摔了一个篮子,就碎一个鸡蛋。
  • AFDM 是把鸡蛋打散,均匀地涂在 1000 个篮子上。摔碎几个篮子?无所谓,把剩下的拼起来,鸡蛋还是完整的。

结论炸裂:

多普勒越大,多径越复杂,AFDM 的性能反而越好(分集阶数越高)。

这是物理层对恶劣环境的最强嘲讽。


06. 终极杀手锏:它不再只是通信

如果你以为 AFDM 只是为了让网速快一点,那你就把格局想小了。

AFDM 真正让 6G 颤抖的,是它的 “双重身份”

请回想一下,AFDM 的核心波形是什么?是 Chirp。

在通信人眼里,这是新波形;但在雷达人眼里,这是 “老祖宗”

一个惊人的宿命出现了:

当我们在 6G 基站上发射 AFDM 波形时,我们实际上是在发射​雷达波​。

  • OFDM 是“盲人”: 它只能以此岸传到彼岸,不知道中间经历了什么。
  • AFDM 是“睁眼玩家”: 它的波形天然具备​探测能力​。它在传输数据的同时,顺便把周围环境的 距离(Delay)速度(Doppler) 扫描了一遍。

这就是 6G 的圣杯——通感一体化 (ISAC)。

未来的基站,不需要你发导频告诉它你在哪。通过 AFDM 的回波,基站直接 “看” 到了你。

它知道这辆车在以 120km/h 变道,它知道那颗卫星在以 7.6km/s 靠近。

因为我看清了你,所以我能完美地调节坐标系来适应你。

通信与感知,在 AFDM 的时延-多普勒域里,完成了物理层上的“灵肉合一”。


结语

OFDM 统治了二十年,它把“静态”做到了极致。

但 AFDM 的出现,标志着我们终于有勇气去拥抱“动态”。

在 7.6km/s 的星链上,在 1000km/h 的真空管道里,正弦波的时代正在落幕。

那个属于 Chirp,属于 DAFT,属于 “御风而行” 的时代,才刚刚开始。


“欢迎关注公众号 3GPP仿真实验室!这里是通信算法工程师的加油站。

我们不搬运新闻,只输出可运行的代码深度标准解读

👇 新人见面礼(后台回复关键词获取):

回复【LDPC】:获取 5G NR LDPC 编解码 MATLAB 代码(含注释)。
回复【工具】:通信人减负神器:5G NR 帧结构与频点一键生成器(Python+Excel+Web三版)。
回复【Pytorch】:获取 5G NR OFDM 链路 Pytorch 教学代码(含注释),助力人工智能 + 通信

让我们一起探索 6G 的无限可能。

macOS Tahoe 26.3 (25D125) 正式版 ISO、IPSW、PKG 下载

Liquid Glass 惊艳新设计亮相,电话 app 和实时活动丰富连续互通体验,聚焦搜索迎来最大更新

请访问原文链接:https://sysin.org/blog/macos-tahoe/ 查看最新版。原创作品,转载请保留出处。

作者主页:sysin.org


2026 年 2 月 12 日凌晨,Apple 发布 iOS/iPadOS/macOS/watchOS/tvOS/visonOS 全平台 26.3 版本更新。macOS Tahoe 26.3 此次为常规问题修复和安全更新。

macOS Tahoe 让 Mac 更强大 更高效 更智能

惊艳新设计亮相,电话 app 和实时活动丰富连续互通体验,聚焦搜索迎来最大更新

16 英寸 MacBook Pro、iMac 和 13 英寸 MacBook Air。

macOS Tahoe 26 推出精美新设计、丰富的连续互通体验及更多功能,强势助推生产力。

加利福尼亚州,库比提诺 Tim Cook 领导的 Apple 今日预览了新一代 macOS——macOS Tahoe 26,推出惊艳新设计和诸多强大功能,赋能用户完成更多任务。macOS 的新设计让桌面、程序坞、app 内导览和工具栏等经典元素更加灵动活泼、赏心悦目且契合用户个性需求,同时延续了原有的熟悉感。用户可使用更新版控制中心和文件夹、app 图标与小组件的新色彩选项,进一步打造个性化体验。随着 Mac 版电话 app 的推出,连续互通功能进一步提升,用户可轻松使用最近通话、通讯录和语音留言等 iPhone 版电话 app 的全部功能,以及通话筛选和通话保留助理等新功能 (sysin)。依托 iPhone 实时活动,用户可直接在 Mac 上实时掌握正在进行的活动,如航班信息等。聚焦搜索迎来迄今最大更新,用户现可直接执行数百项操作,如发送电子邮件或创建备忘录等,并利用全新浏览体验更快捷地访问内容。

“macOS 是 Mac 的核心与灵魂,Tahoe 则将深受用户喜爱的功能发扬光大。无论资深用户还是 Mac 新手,都能借助更多功能提高效率,更顺畅地利用 Mac 和 iPhone 协同工作。”Apple 软件工程高级副总裁 Craig Federighi 表示,“令人惊艳的新设计、奇妙的连续互通体验、聚焦搜索的强大提升、更多智能快捷指令和 Apple 智能的更新让 Mac 体验更胜以往。”

一台 iMac 上显示着设计一新的主屏幕。

一台 MacBook Pro 上显示着深色调的新设计。

一台 MacBook Pro 上显示着设计一新的主屏幕。

图:新设计解锁了个性化设置 Mac 的更多方式。

macOS Tahoe 硬件兼容性列表

笔者提示:“Apple Intelligence” 及相关功能要求 搭载 Apple 芯片的 Mac 电脑

看看你的 Mac 是否能用 macOS Tahoe

进一步了解 Mac>

如果你的 Mac 不在兼容性列表,参看:在不受支持的 Mac 上安装 macOS Tahoe 26

macOS Tahoe 版本历史

Software Releases

  • macOS Tahoe 26.3 (25D125) - 2026.02.11
  • macOS Tahoe 26.2 (25C56) - 2025.12.12
  • macOS Tahoe 26.1 (25B78) - 2025.11.03
  • macOS Tahoe 26.0.1 (25A362) - 2025.09.30
  • macOS Tahoe 26 (25A354) - 2025.09.15
  • macOS 26 RC (25A353) - 2025.09.09
  • macOS 26 beta 9 (25A5351b) - 2025.09.03
  • macOS 26 beta 8 (25A5349a) - 2025.08.25
  • macOS 26 beta 7 (25A5346a) - 2025.08.19
  • macOS 26 beta 6 (25A5338b) - 2025.08.12
  • macOS 26 beta 5 (25A5327h) - 2025.08.06
  • macOS 26 beta 4 (25A5316i) - 2025.07.22
  • macOS 26 beta 3 (25A5306g) - 2025.07.08
  • macOS 26 beta 2 (25A5295e) - 2025.06.23
  • macOS 26 beta (25A5279m) - 2025.06.09

下载 macOS Tahoe

💡 如何校验本站下载的文件的完整性

macOS Tahoe

(1) ISO 格式软件包 (推荐)

本站原创可引导映像,可以在当前系统中安装或者升级,可以通过 USB 存储引导安装,也可以用于虚拟机安装。

此版本更多介绍请参看:macOS Tahoe 26 Boot ISO 原版可引导映像下载

  • macOS Tahoe 26.3 (25D125) - 2026.02.11
  • macOS Tahoe 26.2 (25C56) - 2025.12.12
  • macOS Tahoe 26.1 (25B78) - 2025.11.03
  • macOS Tahoe 26.0.1 (25A362) - 2025.09.30
  • macOS Tahoe 26 (25A354) - 2025.09.15

参看:如何在 Mac 和虚拟机上安装 macOS Sequoia、macOS Sonoma 和 macOS Ventura

(2) PKG 格式软件包

该格式软件包双击运行后将自动安装在 /Applications 下。
  • macOS Tahoe 26.3 (25D125) - 2026.02.11
  • macOS Tahoe 26.2 (25C56) - 2025.12.12
  • macOS Tahoe 26.1 (25B78) - 2025.11.03
  • macOS Tahoe 26.0.1 (25A362) - 2025.09.30
  • macOS Tahoe 26 (25A354) - 2025.09.15

(3) IPSW 固件 (Apple 芯片 Mac 专用)

IPSW 格式为搭载 Apple 芯片的 Mac 专用映像,其他格式通用。

适用于:搭载 Apple 芯片的 Mac 电脑

参看:使用 DFU 模式修复或恢复 Mac 固件

  • macOS Tahoe 26.3 (25D125) - 2026.02.11
  • macOS Tahoe 26.2 (25C56) - 2025.12.12
  • macOS Tahoe 26.1 (25B78) - 2025.11.03
  • macOS Tahoe 26.0.1 (25A362) - 2025.09.30
  • macOS Tahoe 26 (25A354) - 2025.09.15

(4) App Store 链接

待上架

或者打开 App Store 搜索 “macOS Tahoe” 即可下载(下载的是当前最新版)。

适用的 VMware 软件下载链接

建议在以下版本的 VMware 软件中运行(Linux OVF 无需本站定制版可以正常运行,macOS 虚拟化如果不是 Mac 必须使用定制版才能运行,Windows OVF 需要定制版才能启用完整功能):

macOS Tahoe 虚拟化解决方案,请参看:macOS 26 Blank OVF - macOS Tahoe 虚拟化解决方案

如何创建可引导的 macOS 安装器

请访问:如何创建可引导的 macOS 安装介质

更多:macOS 下载汇总 (系统、应用和教程)

<p align="center">
<h1 align="center">Hybrid-Field XL-MIMO 混合场信道估计仿真平台</h1>
<p align="center">

<strong>完整的混合场信道估计实现:建模 → 网格内恢复 → 离网细化 → 结果可视化</strong>

</p>
</p>


🚀 为什么选择本仿真平台?

痛点本平台解决方案
XL-MIMO 远近场共存,建模容易失配远场 DFT + 近场极域联合字典,统一建模混合传播机理
远场占比 ($\gamma$) 先验难以准确给定✅ 提供 无 ($\gamma$) 比例搜索,自动完成远近场路径分配
离网优化容易震荡或发散SIGW 内置 单调下降 + 回溯线搜索 + 坐标回退 + 岭正则 稳定机制
只看均值曲线难以评估稳健性✅ 内置 CDF / Pareto / 相图 / 支撑图 四类强相关演示
复现实验路径分散✅ 提供 main_all_experiments 与图集脚本,支持一键复现

🌟 核心价值

### 📘 学术研究价值

- 混合场(远场+近场)统一信道建模
- 无先验 (\gamma) 的支撑搜索机制验证
- 网格内估计与离网细化协同流程完整复现
- 精度、复杂度、运行时间三维对比评估
### 🛠️ 工程应用价值

- 单天线与多天线两套实验链路
- 快速模式与完整模式双配置
- 自动保存图像与结果数据(不带日期命名)
- 中文详细注释,便于二次开发与教学演示

⚡ 技术亮点

1) Hybrid-Field 估计系统架构

┌───────────────────────────────────────────────────────────────────────────────┐
│                Hybrid-Field XL-MIMO 信道估计与可视化链路                     │
├───────────────────────────────────────────────────────────────────────────────┤
│                                                                               │
│  混合场信道生成 ──► 加噪观测 y ──► 联合字典构建 D=[Af, An]                   │
│      │                  │                   │                                  │
│  Far/Near/LoS       SNR 控制           远场 DFT + 近场极域                    │
│                                                                               │
│                 ┌──────────── 网格内恢复(On-grid)────────────┐              │
│                 │  Hybrid OMP / Hybrid SGP / 无γ比例搜索        │              │
│                 └────────────────────────────────────────────────┘              │
│                                       │                                       │
│                                       ▼                                       │
│                 ┌──────────── 离网细化(Off-grid SIGW)──────────┐            │
│                 │  数值梯度 + 回溯线搜索 + 坐标回退 + 岭回归      │            │
│                 └────────────────────────────────────────────────┘            │
│                                       │                                       │
│                                       ▼                                       │
│                 NMSE / SE / 复杂度 / CDF / Pareto / 相图 / 支撑图            │
└───────────────────────────────────────────────────────────────────────────────┘

2) 性能指标(本地 quick 配置实测,2026-02-12)

场景指标定义实测结果
单天线 SNR=0 dBHF-SGP(no-γ) 对比 Off-grid HF-SGP(no-γ)+3.79 dB NMSE 增益(-4.16 dB → -7.95 dB)
单天线 SNR=4 dBHF-SGP(no-γ) 对比 Off-grid HF-SGP(no-γ)+6.01 dB NMSE 增益(-3.66 dB → -9.67 dB)
demo_polar_support_map单样本离网收益+3.95 dB
demo_sigw_convergence单样本离网收益+4.39 dB
demo_snr_gamma_phase_map离网增益为正的网格占比100%
demo_nmse_cdf_paretoOff-grid 相对 HF-SGP 的均值收益/时延+1.56 dB / +21.04 ms
📌 说明:以上数据来自项目当前代码在本机快速配置下的直接运行结果,用于展示方法趋势与工程可复现性。

🖥️ 运行环境

最低要求

项目要求
MATLAB 版本R2021b 或更高
必需工具箱基础 MATLAB 即可(推荐安装常用信号处理相关工具箱)
操作系统Windows 10/11、macOS、Linux
内存8 GB+(大规模 Monte-Carlo 建议 16 GB+)

快速验证

% 进入项目根目录后
run_smoke_test

% 一键运行强相关图集
run_related_figure_gallery(true)

📐 算法原理(项目对应版)

1) 混合场信道模型

$$
\mathbf{h}=\sum_{\ell=1}^{L_f} \beta_{f,\ell}\,\mathbf{a}_f(\theta_{f,\ell})
+\sum_{\ell=1}^{L_n} \beta_{n,\ell}\,\mathbf{a}_n(r_{\ell},\theta_{n,\ell})
+\mathbf{h}_{\mathrm{LoS}}.
$$

2) 联合字典建模

$$
\mathbf{D}=[\mathbf{A}_f,\mathbf{A}_n],
\qquad
\min_{\mathbf{g}}\|\mathbf{y}-\mathbf{D}\mathbf{g}\|_2^2
\;\text{s.t.}\;\|\mathbf{g}\|_0\le K.
$$

3) 无 ($\gamma$) 比例搜索

$$
\hat{\gamma}
=\arg\min_{\gamma\in\Gamma}
\left(
\min_{\mathbf{g}:\operatorname{supp}(\mathbf{g})\in\mathcal{S}(\gamma)}
\|\mathbf{y}-\mathbf{D}\mathbf{g}\|_2^2
\right),
\quad
\Gamma=\left\{\frac{L-1}{L},\frac{L-2}{L},\dots,0\right\}.
$$

4) SIGW 离网细化目标

$$
J(\Theta,\mathbf{g})=\|\mathbf{y}-\mathbf{A}(\Theta)\mathbf{g}\|_2^2 + \lambda\|\mathbf{g}\|_2^2,
$$

$$
\mathbf{g}^*(\Theta)=\left(\mathbf{A}^H\mathbf{A}+\lambda\mathbf{I}\right)^{-1}\mathbf{A}^H\mathbf{y}.
$$

通过“回溯线搜索 + 坐标回退”保证优化过程稳定,缓解高 SNR 区域的网格失配误差。


📁 项目结构

hmimo ce/
├── main_all_experiments.m             # 一键总入口(主实验+演示)
│
├── src/
│   ├── common/                        # 配置、字典、信道、流形、路径、存图
│   │   ├── hf_default_config.m
│   │   ├── hf_build_dictionaries_single.m
│   │   ├── hf_build_dictionaries_multi.m
│   │   ├── hf_qua_codebook.m
│   │   ├── hf_generate_hybrid_channel_single.m
│   │   ├── hf_generate_hybrid_channel_multi.m
│   │   └── ...
│   │
│   ├── estimators/                    # OMP / SGP / Hybrid / SIGW
│   │   ├── hf_hybrid_omp.m
│   │   ├── hf_hybrid_omp_nogamma.m
│   │   ├── hf_hybrid_sgp.m
│   │   ├── hf_hybrid_sgp_nogamma.m
│   │   ├── hf_sigw_single.m
│   │   ├── hf_sigw_multi.m
│   │   └── ...
│   │
│   └── metrics/                       # NMSE / SE / 复杂度
│       ├── hf_compute_complexity.m
│       └── hf_compute_se_mr.m
│
├── experiments/                       # 主实验脚本
│   ├── run_single_snr_experiment.m
│   ├── run_multi_snr_experiment.m
│   ├── run_multi_se_experiment.m
│   ├── run_complexity_experiment.m
│   └── ...
│
├── demos/                             # 强相关演示图
│   ├── demo_polar_support_map.m
│   ├── demo_sigw_convergence.m
│   ├── demo_nmse_cdf_pareto.m
│   ├── demo_snr_gamma_phase_map.m
│   └── run_related_figure_gallery.m
│
├── docs/
│   ├── 算法文档.md
│   ├── 代码文档.md
│
└── results/
    ├── data/                          # .mat 结果文件
    └── figures/                       # 自动保存图像(无日期命名)

代码统计(当前工程)

  • 40.m 文件
  • 4085 行 MATLAB 代码
  • 核心模块全部中文详细注释

🧪 仿真演示

multi_se_vs_snr.pngsingle_nmse_vs_paths.pngsingle_nmse_vs_snr.pngdemo_nmse_cdf.pngdemo_pareto_tradeoff.pngdemo_polar_support_dual.pngdemo_far_support_compare.png


✅ 您将获得

内容说明
完整混合场源码远场/近场字典、信道生成、OMP/SGP、离网细化全覆盖
双层文档体系算法文档.md/.docx + 代码文档.md + 本 项目文档.md
强相关演示图集支撑图、收敛图、CDF/Pareto、SNR-γ 相图
可复现实验脚本单天线、多天线、SE、复杂度、一键总入口
工程化输出机制自动存图、自动存 mat、命名稳定(无日期)
可扩展开发骨架新算法、新配置、新图表可按现有接口平滑扩展

▶️ 一键运行建议

% 1) 基础冒烟验证
run_smoke_test

% 2) 单天线核心性能
run_single_snr_experiment(false)

% 3) 多天线核心性能
run_multi_snr_experiment(false)

% 4) 频谱效率与复杂度
run_multi_se_experiment(false)
run_complexity_experiment

% 5) 强相关图集
run_related_figure_gallery(true)

% 6) 全部任务一键执行
main_all_experiments

🛒 获取方式

本文代码仅为核心片段,完整版工程已整理好。 关注公众号 【3GPP仿真实验室】进行获取。