泪水落在我的心中， 如同雨水落在城里。
魏尔兰（Paule Verlaine）：
Il pleure dans mon cœur
Comme il pleut sur la ville ;
Quelle est cette langueur
Qui pénètre mon coeur ?
泪水落在我的心中，
如同雨水落在城里。
不知道有什么苦痛
深深刺入我的心中？
-- 魏尔兰《泪水落在我的心中》 （Il pleure dans mon
最近更新
602. 【DevOps】 写小程序的快乐
这里的小程序侧重于那种体量很小（比如就几行），但能实际解放双手。
之前写过一些自我感觉小而美的脚本程序，比如一个脚本程序实现多台服务器ssh互信任；一个脚本程序实现一个服务器上写命令，在多台服务器上执行；一个脚本实现自动安装数据库……对于一个测试来说，免不了就是部署环境，这些脚本虽小，就几行代码，但能解决实际问题，当原本重复的工作，变得自动化起来，就非常的开心。
今天又写了一个类似于 oracle
【同济线性代数第五版】第二章 矩阵及其运算
本文涉及知识点数学
1 矩阵定义1： m行n列矩阵，简称
m
×
n
m \times n
m×n矩阵࿱
ChatTTS Mac版实战：AI辅助开发中的高效下载与集成指南
最近在做一个AI语音交互项目，需要集成ChatTTS。作为Mac用户，从官方渠道下载模型文件和配置环境的过程，简直是一场“耐心”的考验。动辄几个G的模型，下载速度时快时慢，依赖包冲突更是家常便饭。经过一番折腾，我总结了一套结合AI辅助开发思路的高效方案，把下载和集成时间从“小时级”压缩到了“分钟级”。
公司给不给 AI 额度，差别真的挺大
刷脉脉时看到一个有意思的讨论：
百度员工每月有 1000 元主流大模型使用额度。 有人可以用 GPT、Claude、阿里云这些工具，而且不绑考核。 但底下也有外包同学说：正式员工有额度，外包这边连 API 调用都得算着 Token 用。
这个话题，挺真实的。现在很多公司都在喊“AI 提效”，但真正落到员工身上
Claude Code 接蓝耘实测：选第三方 API 的三条铁律
网上给 Claude Code 接第三方 API 的教程一抓一大把，但清一色都在教你怎么填 base_url、api_key，填完能对话就算完事。可真正把它挂上去跑一阵子你就会发现：填 URL 是五分钟的体力活，选对平台才是真功夫。我自己就踩过一次：一个挂着 Claude Code 跑的小工具，原本用官方额度&#x
消息队列选型决策框架：Kafka、NATS、RabbitMQ 的延迟、吞吐与运维成本全对比
消息队列选型决策框架：Kafka、NATS、RabbitMQ 的延迟、吞吐与运维成本全对比一、"流处理"和"消息投递"不应混为一谈——消息队列的两大阵营消息队列选型中最常见的错误，是将"高吞吐日志流"和"低延迟业务消息"混为一谈。这两种场景对消息系统的延迟保证、持久性语义和消费模型有着截然不同的要求。选 K
TimechoAI时序大模型 vs 传统算法，精度/延迟/适配性量化数据对比
TimechoAI时序大模型 vs 传统算法，精度/延迟/适配性量化数据对比做时序数据开发和分析的朋友应该都清楚，业内常用的传统算法基本就是 ARIMA、Prophet、LSTM 这几类。平时开发选型的时候，我们大多是靠经验去判断，很少有人会做完整的量化对比测评。之前的文章我分别讲了代码实操、生产踩坑、零代码落地的内容。那这一篇我就来点不一
DeepSeek 用量余额监控方案全解析：接口原理 + Win/Mac开源DeepSeek监控工具推荐
DeepSeek 用量余额监控方案全解析：接口原理 + Win/Mac开源DeepSeek监控工具推荐
前言你是否也遇到过这样的窘境——正专注地调用 DeepSeek API 开发应用，突然收到一条欠费告警。打开平台控制台一看，原来缓存命中率怎么这么低，根本理不清是哪个工具调用出了问题、或者什么时候开始缓存命中率出现了问题。更棘手的
安卓旧手机部署OpenList实操：内置存储挂载、文件上传与公网访问
前言很多人家里都有一两部闲置安卓手机。性能说不上新，但开机还能用，存储空间也还在，只是平时放在抽屉里，最多当备用机或闹钟使用。其实这类设备完全可以换一种用途：改造成一台低成本的私人文件服务器。如果只是想在局域网里传照片、放资料、临时存大文件，并不一定需要马上买NAS。安卓手机本身有存储、有系统、有网络࿰
