Artigo
20682 descobertas · Descobertas escolhidas da web aberta, das mais recentes às mais antigas.
-
纯 AI 制作的视觉小说
纯 AI 制作的视觉小说。 使用 GPT 6.1 Sol 制作。 剧本、美术、音乐、程序等全部都是 AI 完成的。 故事为 Happy Sugar Life 的 if 线。 剧本和美术多少有些小瑕疵，但是感觉无伤大雅，多抽抽卡应该是能抽出完美的内容出来。 试玩链接： https://www.wikimoe.com/web_demo/ai_game/happy-sugar-life-half-of-tomorrow/
维基萌 · ZH
-
箱根之旅
2026年10月11日到12日，天气晴，今天我们去箱根！ 在群里的小伙伴们可能已经知道了。 我最近交往了对象。 这次的箱根之旅就是她在得知我居然还没去过箱根后，制定的旅游计划。 真的非常感谢呢！ 小田急 山之酒店 小田急山之酒店坐落于日本箱根芦之湖畔，前身为三菱岩崎家族的私人别墅，是一家历史悠久、充满古典优雅气息的度假酒店。酒店依山傍水，拥有开阔的芦之湖景观，天气晴朗时还可远眺富士山。其精心打造的庭园四季景色各异，尤其以春季盛开的杜鹃花闻名，是体验箱根自然风光与宁静度假氛围的理想之地。 第一天的行程主要是从东京移动到酒店。 从新宿出发乘坐 小田急“浪漫”特快 来到 箱根汤本站。 然后乘坐巴士来到 小田急 山之酒店。 这还是头一回乘坐 1200 多日元票价的普通线路巴士呢。 山路比较蜿蜒曲折，推荐做好防晕车措施。 到达酒店 酒店的外景。 花园发现一只 宝可梦 。 酒店可以看到富士山。 现在的富士山还没有雪盖。 早上版本的富士山。 晚饭 晚饭是美味的寿喜烧。 早饭 早饭则是非常豪华的日式早饭。 种类丰富，味道鲜美。 这就是日本大户人家的早饭吗？ 海盗船 箱根海盗船是日本箱根地区极具特色的观光游船，以中世纪欧洲帆船战舰为原型，华丽的船身与复古的装饰充满浪漫气息。游船航行于风景秀丽的芦之湖上，连接桃源台港、箱根町港和元箱根港，航程约25至40分钟。游客可以在甲板上欣赏湖光山色，天气晴朗时还
维基萌 · ZH
-
刚在日本订阅 Claude Pro，信用卡已扣款，订阅却没有生效，因为先要身份认证
刚在日本订阅 Claude Pro，信用卡已扣款，订阅却没有生效，因为先要身份认证。 先扣款，再要求验证，这是什么流程？ 我使用日本政府签发的有效证件多次尝试，始终提示认证失败。 想退款，却只能通过表单的形式提交诉求。 表单也挺离谱的，第一次填写原因超出字数限制，删短后“超字数”状态竟然也不会清除，前端提交按钮状态不会更新。 用了点小手段避开BUG后，才好不容易提交了表单，但是一直没有回复。 钱收了，服务不给用，认证过不了，客服不回应。这就是 店大欺客 吗？
维基萌 · ZH
-
从纯 CSS 到 StyleX：AI 加持下的一万行 CSS 迁移实践
往原址览之： https://innei.in/posts/tech/css-to-stylex-migration
静かな森 · ZH
-
用 Claude Code、Codex 和 Remotion 做一支《命运石之门》MV
往原址览之： https://innei.in/posts/tinkering/steins-gate-mv-with-claude-code
静かな森 · ZH
-
我的 AI Native iOS 开发验证工作流
往原址览之： https://innei.in/posts/tech/ai-native-ios-e2e-verification
静かな森 · ZH
-
用 Happy 在手机上控制 Claude Code：从安装到自建服务器
VibeCoding 大半年，最大的感受是： 慢 。一个需求跑大半天，高峰期 API 限速更是雪上加霜。你想走开干点别的，又怕 AI 卡在权限弹窗上等你审批——走也不是，守也不是。 实践久了之后会发现： VibeCoding 需要的不是持续盯盘，而是一种 间歇性、片段化的持续注意力 。 AI 自己跑着就行，你只在关键节点出现——审批权限、纠正方向、拍板决策。 你不是监控器，你是把关人。 Happy Coder 恰好解决了两个问题： “守” ——手机随时查看进度、审批、发指令，不用守在电脑前。 “等” ——通勤路上掏出手机接着推需求，碎片时间变生产力。 这篇文章分享一下我从零开始用 Happy 的全过程，覆盖日常使用、后台常驻、开机自启、以及自建服务器。
Seven's blog · ZH
-
LLM-Wiki：让知识像花园一样持续生长
自从 Karpathy 提出 llm-wiki 这套理念，我就一直想自己动手搭一个 AI 知识库——用它记录笔记、学习知识，也试着让它指引生活。 几经拖延，最后先让 AI 帮我把 llm-wiki 的生态通盘调研了一遍。结果出乎意料地详实：llm-wiki 为什么出现、解决了什么问题，理念和社区如何发展，有哪些开源实现，又该怎么亲手创建一个——都讲清楚了。 整理成文，分享至此，供君参考。 本文涉及版本、星标数、项目状态等信息，截至 2026-07 月的公开仓库/文档，后续可能变化，请以官方最新信息为准。 先用一个比喻理解 llm-wiki 传统 RAG 像一个“临时资料员”： 1 你问问题 → 它去仓库里翻几箱资料 → 抽出几页 → 临时拼一个答案 llm-wiki 更像一个“长期图书管理员 + 研究助理”： 1 2 3 新资料进来 → 它读懂、归档、做索引、写摘要、加交叉引用、标注冲突 你问问题 → 它先查已经整理好的知识图谱 → 必要时再回原始资料核验 好答案 → 继续沉淀回知识库 一句话： RAG 每次临时找资料；llm-wiki 平时就把资料整理成会复利的知识资产。
Seven's blog · ZH
-
运维踩坑：nginx 缓存上游容器旧 IP，请求转发到了错误的服务
容器重建后 nginx 仍连旧 IP，把请求打到了 Docker 重新分配的别的服务上。根因是 proxy_pass 写主机名只在启动时解析一次并永久缓存，用 resolver + 变量版 proxy_pass 按 TTL 动态解析修复。
Seven's blog · ZH
-
运维笔记：NetworkManager shared 模式给共享客户端固定 IP
Manjaro Linux 用 WiFi（ wlp7s0 ）上网，把网线口（ enp8s0 ）共享给一台下游设备。共享用的不是独立 dnsmasq，而是 NetworkManager 自带的 shared 模式。下游设备能正常上网，但 IP 是 DHCP 动态分的，今天 .108 ，下次可能 .109 。想把那台设备固定成 10.42.0.2 ，方便后面做端口转发和固定访问。 现场 笔记本同时连着两张网卡： 1 2 3 4 5 6 7 8 9 10 11 12 13 上游 WiFi（出口） wlp7s0 192.168.1.x/24 gw 192.168.1.1 （示例网段） │ ┌────┴─────┐ │ 笔记本 │ Manjaro 26.1 / Kernel 7.1.4 │ │ NetworkManager 1.58（nmcli）/ dnsmasq 2.93 │ │ ipv4.method=shared（共享连接） └────┬─────┘ │ enp8s0 10.42.0.1/24 │ └─ NM 内置 dnsmasq：DHCP 池 10.42.0.10–254，租约 3600s ▼ 下游设备（share client） MAC aa:bb:cc:dd:ee:01 （示例） 当前拿到 10.42.0.108
Seven's blog · ZH
-
使用生财 MCP 构建 LLM-WIKI
什么是 LLM-WIKI LLM-WIKI 是 Andrej Karpathy 大神 2026 年 4 月提出来的一个理念，核心是 让大语言模型把阅读、理解、综合、交叉引用、矛盾发现和问答，持续沉淀为一个持久、结构化、互链、带引用的 Markdown 知识库。 Agent owns the wiki; human owns the judgment. 它可以： 把离散的信息沉淀成 结构化 的知识库：通过理解、提炼、总结，把生财有术海量优质内容转换成清洗、糅合过的知识库。从文档中提取 概念/实体/总结 等多层结构，帮助我们更好地理解信息。 把文档集合转化为 概念图谱 ：通过 wikilink 在文档和文档之间建立关联，关系脉络一目了然。 把问答的过程转换成知识维护过程：有价值的问答沉淀进知识库，问答本身也可以是知识。 把 LLM 的阅读工作从一次性消耗变成复利资产：LLM-WIKI 的每次摄入都会沉淀知识，告别传统一次性消耗。 维护知识：知识库不是死物，通过定期的 lint 检查和维护知识库，检查断链、修正引用关系、处理冲突、更新陈旧事实，防止知识库腐化。 一张图看懂 LLM-WIKI： 1 2 3 4 5 6 7 8 9 10 11 flowchart TD A[Raw Sources<br>网页 / PDF / 代码 / issue / transcript] --> B[Ing
Seven's blog · ZH
-
我做了一个浏览器扩展：把网页生词一键收进「不背单词」
起因：一个很小的烦恼 我平时看技术文档、英文博客、Wikipedia，经常会卡在一些不认识的单词上。频率不高，但足够烦人——每次遇到，都得中断阅读，切到词典查一下，再想想「这词要不要记下来」。 真要记的话，路径更长：打开背单词 App，手动搜索，手动加进生词本。一个词点五六下，读一篇文档遇到十个生词，光录入就十几分钟过去了。 也试过现成的单词本，但它们和「我当下正在读的这篇网页」是脱节的。词书按主题或考试划分，而我读的是 Github Readme、某个库的 RFC、英文论文——这些页面里的词汇分布，任何一本预制词书都覆盖不好。 我真正想要的其实很简单： 看到一篇英文文章，把它里面的生词一次性收集出来，直接进我正在用的背单词 App 的生词本。 这样背的词就是我这周真实读到的词，针对性拉满。 背单词 App 我用的是「不背单词」（bbdc.cn），所以就围绕它做。工具的名字叫「单词雷达 WordRadar」——雷达扫一遍页面，生词就现形了。 功能介绍：极致简约 一键添加网页单词到「不背单词」 最近高频接触各种各样的开源项目和 SKILLs，每天都要直面开源项目文档和 SKILL 介绍等各种英文单词。屡屡查词不如一次背词，索性直接全部添加到生词本，背完便能无障碍阅读原文。 点一下扩展图标、再点一下「采集当前页」，扩展就把正文里的英文单词全部提取出来，和本地词库对比，弹窗告诉你：本次采
Seven's blog · ZH
-
盘了 4986 篇生财文章后，我把 28 个已验证项目画成了一棵决策树
前言：这篇文章是 使用生财 MCP 构建 LLM-WIKI 的续篇——当 4,986 篇文章被结构化进 wiki 之后，下一步自然就是：能不能让这些知识直接回答”我该做什么项目”这个问题。于是有了这棵决策树。 项目宇宙全景（28 个已验证项目） 内容/流量型（12 个） # 项目 门槛 时间 成本 变现 收益🟡 风险 出处 P01 公众号垂直小号 低 30-60min/天 0 流量主→商单→私域 高价值垂类 60-80 元/千阅；中位 3-6 月近零收入 E1、E4 公众号调研 P02 公众号贴图号 低 30min/天 0 流量主 单价 0.68 元/千阅，靠量（日 380 万阅≈2586 元） 单价低 manual_10373 P03 中老年垂直内容 低 30-60min/天 0 流量主+赞赏 5-8 元/千阅；优质号日 200-300 元 E5 煽情反噬 elderly-content-vertical P04 小红书虚拟产品 低 碎片 ~30 元 店铺直成交 9.9-99 元/品；21 天 SOP 类目违规（可恢复） manual_9623 P05 小红书垂直小店 中 整块 数百元 内容→店铺 月 5 千-2 万 F5 竞烈、退货 vertical-niche-store P06 抖音自然流 CPS 中 日 1-2h 0 挂链佣金 月几千-几万（20 条测试法） E4 衰减
Seven's blog · ZH