Merge remote-tracking branch 'origin/master'

AI与模型/AI应用/AI小智指南.md

@@ -1,11 +0,0 @@
----
-notion-id: 256ca4d7-cb7b-80fc-adb4-e12eaa5019e7
----
-## 零、小智控制面板【通过语言：你好小智，获取设备码绑定】
-[https://xiaozhi.me/](https://xiaozhi.me/)
-## 一、小智AI聊天机器人百科全书
-[https://ccnphfhqs21z.feishu.cn/wiki/F5krwD16viZoF0kKkvDcrZNYnhb](https://ccnphfhqs21z.feishu.cn/wiki/F5krwD16viZoF0kKkvDcrZNYnhb)
-## 二、小智AI固件
-[https://ccnphfhqs21z.feishu.cn/wiki/W14Kw1s1uieoKjkP8N0c1VVvn8d](https://ccnphfhqs21z.feishu.cn/wiki/W14Kw1s1uieoKjkP8N0c1VVvn8d)
-## 三、小智常见问题
-[https://rcnv1t9vps13.feishu.cn/wiki/JiQowaSe1itt07kyVvZcHFcQnee](https://rcnv1t9vps13.feishu.cn/wiki/JiQowaSe1itt07kyVvZcHFcQnee)

AI与模型/AI应用/AI技术支持.md

@@ -1,18 +0,0 @@
----
-notion-id: 1d1ca4d7-cb7b-8057-b4af-c4ed9f61ec4d
----
-[[MCP]]
-[[Ollama]]
-[[Dify]]
-[[Ragflow]]
-[[Dify技巧]]
-[[Cursor无限制]]
-
-| 模型 | 版本 | 效果 | 备注 |
-| --- | --- | --- | --- |
-| gemma3 | 4b | 拥有图片识别功能 | 无法进行思维 |
-| qwen3 | 8b | 推理模型 |   |
-| deepseek-r1 | 8b | 推理模型 | 效果比qwen3好用 |
-| [**deepseek-coder-v2**](https://ollama.com/library/deepseek-coder-v2) |   | 推理模型 |   |
-| zincles/sakura-1.5b-qwen2.5-v1.0-q5ks |   | 翻译模型 | 用来进行日语翻译 |
-

AI与模型/AI应用/AI服务部署.md

@@ -1,258 +0,0 @@
----
-notion-id: 232ca4d7-cb7b-80e1-a013-fe1f3f9be378
----
-### **执行摘要**
-**核心挑战**: 您的 Radeon VII 显卡（`gfx906` 架构）已被 AMD 官方在新版的 ROCm 驱动中停止支持。这意味着官方的 vLLM 推理框架无法直接在您的硬件上正常工作。
-**解决方案**: 我们将采用一个由社区维护的、专门为 `gfx906` 硬件优化的 vLLM 分支 (`nlzy/vllm-gfx906`)。此方案将通过预构建的 Docker 容器来部署，以最大程度地简化安装流程并规避复杂的依赖问题。通过张量并行技术，我们将把 `Qwen3-32B-AWQ` 模型分片到您的两张 Radeon VII 显卡上，实现高效推理。
-**系统版本**: ubuntu 22.04.5，如使用其他操作系统请自行通过AI修改相关命令。
-
----
-### **第一部分：系统底层环境配置**
-在安装任何 AI 软件栈之前，必须确保操作系统和 BIOS 已为多 GPU 计算环境正确配置。这些步骤虽常被忽视，但至关重要。
-1. **BIOS/UEFI 设置**
-
-您需要进入服务器的 BIOS/UEFI 设置界面，进行以下两项关键修改。这些设置是让操作系统正确识别和管理多个无头（headless）计算卡的先决条件。
-- **启用 "Above 4G Decoding"**: 此设置允许 64 位操作系统正确映射多个 GPU 所需的巨大内存地址空间，是避免资源冲突和硬件识别失败的关键。请在 "PCIe Subsystem Settings" 或 "Advanced" 菜单中找到并启用它。
-- **禁用 "Compatibility Support Module (CSM)"**: 禁用 CSM 会强制系统进入纯 UEFI 启动模式。由于 Radeon VII 在此场景下作为纯计算卡使用，没有视频输出，传统的 BIOS 启动模式可能会干扰其在操作系统层面的正确初始化。
-2. **安装 Docker Engine**
-
-我们将使用 Docker 来部署服务，这可以极大地简化环境配置。
-Bash
-```plain text
-# 更新您的包列表
-sudo apt update && sudo apt upgrade -y
-
-# 安装 Docker
-sudo apt install docker.io -y
-
-# 启动并设置 Docker 开机自启
-sudo systemctl start docker
-sudo systemctl enable docker
-
----
-
-```
-### **第二部分：ROCm 驱动与验证**
-尽管 `gfx906` 已被官方弃用，但我们依赖的社区方案 (`vllm-gfx906`) 要求使用 **ROCm 6.3** 版本进行构建和运行。其底层的内核驱动仍对您的硬件保持兼容性。
-3. **安装 ROCm 6.3**
-
-我们将使用 `amdgpu-install` 脚本来精确安装所需的版本。
-Bash
-```plain text
-# 下载针对 Ubuntu 22.04 (Jammy) 的 ROCm 6.3 安装脚本
-wget <https://repo.radeon.com/amdgpu-install/6.3/ubuntu/jammy/amdgpu-install_6.3.60300-1_all.deb>
-
-# 安装该脚本
-sudo apt install ./amdgpu-install_6.3.60300-1_all.deb
-
-# 使用该脚本安装 ROCm 核心计算库# --usecase=rocm,hiplibsdk 参数确保安装了所有必要的计算库
-sudo amdgpu-install -y --usecase=rocm,hiplibsdk
-
-```
-4. **配置用户权限并重启**
-
-这是允许应用程序访问 GPU 硬件的强制步骤。
-Bash
-```plain text
-# 将当前用户添加到 render 和 video 组
-sudo usermod -a -G render,video $LOGNAME# 必须重启系统以使新安装的内核模块和用户组权限生效
-sudo reboot
-
-```
-5. **严格验证 ROCm 环境**
-
-重启后，打开一个新的终端，执行以下命令来验证 ROCm 是否已正确安装且识别出您的两张 Radeon VII 显卡。
-- **检查用户组权限**:
-- Bash
-
-```plain text
-groups
-
-```
-- 预期输出应包含 `render` 和 `video`。
-- **检查内核模块**:
-- Bash
-
-```plain text
-dkms status
-
-```
-- 预期输出应显示 `amdgpu` 模块已为当前内核成功安装 (`installed`)。
-- **检查 ROCm Agent 枚举**:
-- Bash
-
-```plain text
-rocminfo
-
-```
-- 您应该能在此命令的输出中找到 **两个**独立的 "Agent" 块，每个块的 "Name" 字段都应显示为 `gfx906`。
-- **检查硬件状态**:
-- Bash
-
-```plain text
-rocm-smi
-
-```
-- 预期输出应清晰地列出 **两张** 显卡，每张卡的 VRAM 显示为 `16384MiB`，并且状态正常。
-
-> [SUCCESS CHECKPOINT]
-在继续下一步之前，请确保以上所有验证命令均返回了预期的结果。任何一步的失败都表明底层驱动存在问题，必须先行解决。
-
----
-### **第三部分：使用 vLLM-GFX906 部署模型**
-我们将采用社区推荐的、最直接的部署路径：使用预构建的 Docker 镜像。这个镜像封装了所有必需的补丁和依赖，包括为 `gfx906` 定制的 vLLM 和 Triton。
-6. **拉取预构建的 Docker 镜像**
-
-该镜像是 `nlzy/vllm-gfx906` 分支的作者提供的，专门为 ROCm 6.3 环境构建。
-Bash
-```plain text
-# 拉取社区报告中验证过的特定标签的镜像
-docker pull nalanzeyu/vllm-gfx906:v0.9.0-rocm6.3
-
-```
-7. **启动 vLLM 服务器**
-
-现在，我们将使用一条命令来启动 Docker 容器，并在其中运行 vLLM 服务器。该命令将配置张量并行，把 `Qwen3-32B-AWQ` 模型加载到您的两张 Radeon VII 上。
-Bash
-```plain text
-# 将 /path/to/your/models 替换为您在主机上存储模型的实际路径# 如果您希望 vLLM 自动从 Hugging Face 下载，可以省略 -v 挂载和 --model 参数中的路径部分
-
-docker run -it --rm \\
-  --network=host \\
-  --ipc=host \\
-  --shm-size=16g \\
-  --device=/dev/kfd \\
-  --device=/dev/dri \\
-  --group-add video \\
-  --cap-add=SYS_PTRACE \\
-  --security-opt seccomp=unconfined \\
-  -v /path/to/your/models:/models \\
-  nalanzeyu/vllm-gfx906:v0.9.0-rocm6.3 \\
-  vllm serve Qwen/Qwen3-32B-AWQ \\
-  --tensor-parallel-size 2 \\
-  --quantization awq \\
-  --max-model-len 5100 \\
-  --disable-log-requests \\
-  --dtype float16
-
-```
-**命令参数详解**:
-- `docker run ...`: 启动容器所需的一系列标准参数，用于正确地将 AMD GPU 设备暴露给容器。
-- `nalanzeyu/vllm-gfx906:v0.9.0-rocm6.3`: 指定我们下载的、包含所有 `gfx906` 补丁的必需镜像。
-- `vllm serve Qwen/Qwen3-32B-AWQ`: vLLM 的启动命令，指向您要服务的模型。vLLM 会自动从 Hugging Face 下载。
-- `-tensor-parallel-size 2`: **核心参数**。指示 vLLM 将模型的权重均匀地切分到您的 **2** 张 GPU 上。
-- `-quantization awq`: 明确告知 vLLM 加载的模型是 AWQ 量化格式。
-- `-max-model-len 8192`: 设置模型能处理的最大序列长度。
-- `-disable-log-requests`: 一项性能优化措施，在生产环境中建议开启。
-- `-dtype float16`: `vllm-gfx906` 分支推荐使用 `float16` 以在 `gfx906` 硬件上获得更好的性能。
-
----
-### **第四部分：验证与客户端交互**
-服务器成功启动后，vLLM 会在日志中显示工作进程已在所有指定的 GPU (`GPU 0, 1`) 上初始化，并开始在 `localhost:8000` 上监听 API 请求。
-8. **使用**`curl`**进行快速测试**
-
-这是验证 API 端点是否正常响应的最简单方法。
-Bash
-```plain text
-curl <http://localhost:8000/v1/completions> \\
--H "Content-Type: application/json" \\
--d '{
-    "model": "Qwen/Qwen3-32B-AWQ",
-    "prompt": "San Francisco is a",
-    "max_tokens": 20,
-    "temperature": 0
-}'
-
-```
-如果一切正常，您将收到一个包含模型生成文本的 JSON 响应。
-9. **使用 Python 客户端进行交互**
-
-为了更方便地进行程序化访问，您可以使用 `openai` Python 库，因为它与 vLLM 提供的 API 完全兼容。
-首先，安装 `openai` 库:
-Bash
-```plain text
-pip install openai
-
-```
-然后，使用以下 Python 脚本与您的本地模型进行交互：
-Python
-```plain text
-from openai import OpenAI
-
-# 配置客户端以指向本地 vLLM 服务器# 对于本地服务，API 密钥可以是任意字符串
-client = OpenAI(
-    api_key="not-needed",
-    base_url="<http://localhost:8000/v1>"
-)
-
-# 准备聊天消息
-messages = [
-    {"role": "system", "content": "You are a helpful assistant."},
-    {"role": "user", "content": "请介绍一下什么是张量并行（Tensor Parallelism）？"}
-]
-
-print("向本地 Qwen3 模型发送请求...")
-
-try:
-    chat_completion = client.chat.completions.create(
-        model="Qwen/Qwen3-32B-AWQ",
-        messages=messages,
-        max_tokens=512,
-        temperature=0.7
-    )
-    # 解析并打印结果
-    print("\\n模型回复：")
-    print(chat_completion.choices[0].message.content)
-except Exception as e:
-    print(f"\\n发生错误: {e}")
-
-```
-### **第五部分：性能调优与故障排除**
-- **显存管理**:
-    - `-gpu-memory-utilization` (默认为 `0.90`) 控制用于存储 KV 缓存的显存比例。如果服务器日志中频繁出现 `preempted` 警告，说明 KV 缓存空间不足，可以适当降低此值（如 `0.85`）。如果显存充裕，可以适当提高（如 `0.95`）以支持更多并发请求。
-- **批处理大小**:
-    - `-max-num-batched-tokens` (默认值较高) 和 `-max-num-seqs` (默认 `256`) 共同决定了批处理的大小。调整这些值可以在吞吐量和延迟之间进行权衡。
-- **关于量化 MoE 模型的说明**:
-    - 请注意，您当前使用的 `Qwen3-32B-AWQ` **不是** MoE（混合专家）模型。如果您将来尝试部署**量化的 MoE 模型**（如 Mixtral 的量化版），`vllm-gfx906` 分支预计将无法工作。这是该社区分支的一个已知局限性。届时您可能需要转向 `llama.cpp` 等其他框架。
-
-### **第六部分：通过 Open WebUI 调用模型**
-Open WebUI 是一个功能强大且用户友好的 Web 界面，可以连接到各种 LLM 后端，包括我们刚刚部署的 vLLM 服务器。我们将使用 Docker 来运行它。
-10. **安装并运行 Open WebUI**
-
-打开一个新的终端窗口（保持 vLLM 服务器正在运行），执行以下命令来下载并启动 Open WebUI 容器：
-Bash
-```plain text
-docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
-
-```
-- `d`: 在后台运行容器。
-- `p 3000:8080`: 将主机的 3000 端口映射到容器的 8080 端口。您将通过 `http://localhost:3000` 访问 WebUI。
-- `v open-webui:/app/backend/data`: 创建一个 Docker volume 来持久化存储 Open WebUI 的数据（用户、设置等）。
-- `-name open-webui`: 为容器命名。
-- `-restart always`: 确保在 Docker 重启或服务器重启后，Open WebUI 容器能自动启动。
-11. **首次登录并配置模型**
-12. **访问 WebUI**: 在您的浏览器中打开 `http://<YOUR_SERVER_IP>:3000` (如果是本机，则为 `http://localhost:3000`)。
-13. **创建管理员账户**: 首次访问时，系统会提示您创建一个管理员账户。请按提示完成注册。
-14. **进入设置**: 登录后，点击左上角的头像，然后选择 “设置”。
-15. **连接模型**:
-    1. 在设置页面，点击左侧菜单的 “连接”。
-    2. 在 “模型名称” 字段下，输入 `Qwen/Qwen3-32B-AWQ`。
-    3. 点击 “保存”。系统会自动从 `ollama.io` 尝试拉取模型信息，但这步不重要，我们稍后会覆盖它。
-    4. 现在，您会在下方的 “已连接的模型” 列表中看到刚刚添加的模型。点击模型右侧的 **“编辑”** (铅笔图标)。
-16. **配置 API 地址**:
-    5. 在弹出的编辑窗口中，找到 **API 基础 URL** 字段。
-    6. 输入您的 vLLM 服务器的地址。因为 Open WebUI 和 vLLM 运行在同一台机器上，您可以使用 `http://host.docker.internal:8000/v1`。
-- **注意**: `host.docker.internal` 是一个特殊的 DNS 名称，它能让 Docker 容器访问到宿主机的网络。这比直接使用 `localhost` 或 `127.0.0.1` 更可靠。
-
-> 
-
-17. **API 密钥** 字段可以留空，或者填入任意字符（例如 `NA`）。
-18. **模型** 字段应保持为 `Qwen/Qwen3-32B-AWQ`。
-19. 点击 **“保存”**。
-20. **开始聊天**
-21. 返回 Open WebUI 的主界面。
-22. 点击屏幕顶部的 “选择一个模型” 下拉菜单。
-23. 您应该能看到刚刚配置好的 `Qwen/Qwen3-32B-AWQ`。选择它。
-24. 现在，您可以在下方的输入框中输入提示词，开始与您的本地大模型进行对话了！
-
-至此，您已经成功地为您的 vLLM 服务搭建了一个功能完善、易于使用的图形化界面。

AI与模型/AI应用/Ai部署.md

@@ -1,19 +0,0 @@
----
-notion-id: 1a1ca4d7-cb7b-8004-8562-e10d6ab2deb6
----
-模型
-[[AI服务部署]]
-[[提示词模板]]
-[[提示词指南]]
-[[Dify+Ollama]]
-# Deepseek模型部署环境
-
-| 模型 | CPU | 内存 | 硬盘 | 显卡 | 适用场景 | 预估费用 |
-| --- | --- | --- | --- | --- | --- | --- |
-| DeepSeek-R1-1.5B | 4核 | 8G | 256GB+（模型文件约1.5-2GB） | 非必需（纯CPU推理，省钱小妙招） | 本地测试，简单任务 | 2000-5000 |
-| DeepSeek-R1-7B/8B | 8核 | 16G | 256GB+（模型文件约 4-5GB） | 推荐12GB+显存（RTX 3070/4060就可以） | 本地开发与测试，中等复杂度任务 | 5000-10000 |
-| DeepSeek-R1-14B | 12核 | 32G | 256GB+（模型文件约 9-10GB） | 推荐24GB+显存（RTX 4090或A5000，性能强劲） | 企业级复杂任务，长文本理解与生成 | 20000-30000 |
-| DeepSeek-R1-32B | 16核 | 64G | 256GB+（模型文件约 20-21GB） | 2-4张A100 80GB或更高 | 高精度专业领域任务，多模态任务预处理 | 40000-100000 |
-| DeepSeek-R1-70B | 32核 | 128G | 512GB+（模型文件约 43-45GB） | 多卡并行（如2x A100 80GB或4x RTX 4090，组建显卡军团） | 科研机构或大型企业，高复杂度生成任务 | 400000+ |
-| DeepSeek-R1-671B | 64核 | 512G | 1TB+（模型文件约 404GB） | 多节点分布式训练（如8x A100/H100，大机房） | 超大规模AI研究或通用AGI探索 | 2000000+ |
-

AI与模型/AI应用/Claude_Obsidian.md

@@ -1,839 +0,0 @@
----
-tags:
-  - "#Claude_Obsidian"
-created: 2026-05-11
----
-# Claude Obsidian / Claude Canvas 插件安装排错记录
-
-> 适用环境：macOS + Claude Code v2.1.138  
-> 主题：安装 `AgriciDaniel/claude-obsidian` 与 `AgriciDaniel/claude-canvas` 过程中遇到的问题与解决方法
-
----
-
-## 1. 安装目标
-
-本次主要安装两个 Claude Code 插件：
-
-| 插件 | 作用 |
-|---|---|
-| `claude-obsidian` | 用于 Claude Code + Obsidian，基于 Karpathy LLM Wiki 思路管理知识库 |
-| `claude-canvas` | 用于生成 / 编辑 Obsidian Canvas，可做流程图、思维导图、知识图谱、演示画布等 |
-
-最终安装结果：
-
-```text
-claude-canvas@local-claude-marketplace
-Version: 1.0.0
-Scope: user
-Status: enabled
-
-claude-obsidian@claude-obsidian-marketplace
-Version: 1.6.0
-Scope: user
-Status: enabled
-```
-
----
-
-## 2. `claude-obsidian` 安装过程
-
-### 2.1 添加 marketplace 成功
-
-执行：
-
-```bash
-claude plugin marketplace add AgriciDaniel/claude-obsidian
-```
-
-输出：
-
-```text
-✔ Successfully added marketplace: claude-obsidian-marketplace
-```
-
-说明 marketplace 添加成功。
-
----
-
-### 2.2 安装插件失败：GitHub SSH 22 端口被断开
-
-执行：
-
-```bash
-claude plugin install claude-obsidian@claude-obsidian-marketplace
-```
-
-报错：
-
-```text
-Connection closed by 198.18.1.34 port 22
-fatal: Could not read from remote repository.
-```
-
-### 原因
-
-`claude plugin install` 阶段尝试通过 GitHub SSH 克隆仓库，但本地网络 / 代理环境阻断了 GitHub SSH 的 22 端口。
-
-即使已经添加了 marketplace，真正安装插件时仍然需要再次 clone 仓库。
-
----
-
-## 3. GitHub SSH 问题处理
-
-### 3.1 原先只有 Gitee SSH Key
-
-检查：
-
-```bash
-ls ~/.ssh
-```
-
-当时只有：
-
-```text
-config
-id_ed25519_gitee
-id_ed25519_gitee.pub
-```
-
-说明本机只有 Gitee 的 SSH key，没有 GitHub 专用 key。
-
----
-
-### 3.2 创建 GitHub SSH Key
-
-执行：
-
-```bash
-ssh-keygen -t ed25519 -C "zhensolid@outlook.com" -f ~/.ssh/id_ed25519_github
-```
-
-然后复制公钥：
-
-```bash
-pbcopy < ~/.ssh/id_ed25519_github.pub
-```
-
-去 GitHub 添加 SSH Key：
-
-```text
-GitHub → Settings → SSH and GPG keys → New SSH key
-```
-
-Title 可写：
-
-```text
-MacBook Claude Code
-```
-
----
-
-### 3.3 配置 GitHub SSH 走 443 端口
-
-因为 22 端口被断开，所以需要让 GitHub SSH 改走 443 端口。
-
-编辑配置：
-
-```bash
-nano ~/.ssh/config
-```
-
-加入或修改为：
-
-```sshconfig
-Host github.com
-  HostName ssh.github.com
-  User git
-  Port 443
-  IdentityFile ~/.ssh/id_ed25519_github
-  IdentitiesOnly yes
-
-Host gitee.com
-  HostName gitee.com
-  User git
-  IdentityFile ~/.ssh/id_ed25519_gitee
-  IdentitiesOnly yes
-```
-
-设置权限：
-
-```bash
-chmod 600 ~/.ssh/config
-chmod 600 ~/.ssh/id_ed25519_github
-```
-
----
-
-### 3.4 测试 GitHub SSH
-
-执行：
-
-```bash
-ssh -T git@github.com
-```
-
-第一次会提示确认主机：
-
-```text
-The authenticity of host '[ssh.github.com]:443 ...' can't be established.
-Are you sure you want to continue connecting?
-```
-
-输入：
-
-```text
-yes
-```
-
-成功输出：
-
-```text
-Hi zhensolid! You've successfully authenticated, but GitHub does not provide shell access.
-```
-
-这说明 GitHub SSH 已成功通过 443 端口连接。
-
----
-
-### 3.5 重新安装 `claude-obsidian`
-
-执行：
-
-```bash
-claude plugin install claude-obsidian@claude-obsidian-marketplace
-```
-
-成功：
-
-```text
-✔ Successfully installed plugin: claude-obsidian@claude-obsidian-marketplace
-```
-
----
-
-## 4. `/wiki` 命令不可用的问题
-
-安装前，直接在 clone 下来的 `claude-obsidian` 文件夹里运行 Claude Code，输入：
-
-```text
-/wiki
-```
-
-报错：
-
-```text
-Unknown command: /wiki
-```
-
-### 原因
-
-直接 `git clone` 项目作为 Vault，并不一定会自动注册 slash command。
-
-clone 方式下，Claude Code 可以读取项目里的：
-
-```text
-skills/wiki/SKILL.md
-WIKI.md
-CLAUDE.md
-```
-
-但 `/wiki` 这类 slash command 只有在插件安装成功后才会注册。
-
----
-
-### 插件安装后实际命令
-
-安装成功后，命令列表里看到的不是单独的：
-
-```text
-/wiki
-```
-
-而是：
-
-```text
-/claude-obsidian:wiki
-/wiki-ingest
-/wiki-query
-/wiki-lint
-/wiki-fold
-```
-
-对应关系：
-
-| 命令 | 作用 |
-|---|---|
-| `/claude-obsidian:wiki` | 初始化或检查 claude-obsidian wiki vault |
-| `/wiki-ingest` | 导入资料，将 source 整理进 wiki |
-| `/wiki-query` | 基于 wiki 查询问题，优先读 hot cache 和 index |
-| `/wiki-lint` | 检查 wiki 健康度，如死链、孤立页面、重复页面 |
-| `/wiki-fold` | 将 wiki log 汇总折叠成 meta 页面 |
-
-所以实际应使用：
-
-```text
-/claude-obsidian:wiki
-```
-
-而不是：
-
-```text
-/wiki
-```
-
----
-
-## 5. `.raw/` 目录的问题
-
-### 5.1 `.raw/` 是什么？
-
-在 `claude-obsidian` 项目中：
-
-```text
-.raw/ = 原始资料目录
-wiki/ = Claude 整理后的知识库
-```
-
-`.raw/` 下放原始资料，Claude 读取它，但默认不修改它。
-
-整理后的内容会进入：
-
-```text
-wiki/
-```
-
----
-
-### 5.2 `.raw/` 在 Obsidian 里可能看不到
-
-因为 `.raw` 是点开头目录，macOS / Obsidian 可能默认隐藏。
-
-这不是项目异常，而是隐藏目录机制导致。
-
----
-
-### 5.3 是否建议改成 `raw/`？
-
-不太建议随便改。
-
-原因是项目可能使用：
-
-```text
-.raw/.manifest.json
-```
-
-记录已 ingest 文件的 hash，用来避免重复处理。
-
-所以更推荐保留官方默认结构：
-
-```text
-.raw/
-```
-
-如果需要在 Finder 里显示隐藏文件，可按：
-
-```text
-Command + Shift + .
-```
-
----
-
-### 5.4 推荐目录结构
-
-```text
-claude-obsidian/
-├── .raw/
-│   ├── inbox/
-│   ├── notes/
-│   ├── articles/
-│   ├── transcripts/
-│   └── papers/
-├── wiki/
-│   ├── index.md
-│   ├── hot.md
-│   └── log.md
-```
-
-创建目录：
-
-```bash
-cd ~/Documents/claude-obsidian
-mkdir -p .raw/inbox .raw/notes .raw/articles .raw/transcripts .raw/papers
-```
-
-日常使用：
-
-```text
-/wiki-ingest .raw/inbox
-```
-
-或者自然语言：
-
-```text
-请处理 .raw/inbox 里的新增资料，已 ingest 过的跳过，整理进 wiki，并更新 index、log、hot。
-```
-
----
-
-## 6. 是否每次都要手动输入文件路径？
-
-不一定。
-
-可以固定使用 `.raw/inbox/` 作为资料入口。
-
-日常流程：
-
-1. 把新资料丢进：
-
-```text
-.raw/inbox/
-```
-
-2. 在 Claude Code 里说：
-
-```text
-处理 .raw/inbox 里的新增资料
-```
-
-或者：
-
-```text
-/wiki-ingest .raw/inbox
-```
-
-3. 已经整理过的文件可以通过 log / manifest 跳过，避免重复处理。
-
----
-
-## 7. 是否每次提问都会读取全部资料？
-
-不会。
-
-正常设计是：
-
-```text
-.raw/ = 原始资料，只在 ingest 时主要读取
-wiki/ = 整理后的知识库，平时 query 主要读取
-wiki/index.md = 索引
-wiki/hot.md = 高频 / 最近上下文缓存
-wiki/log.md = 操作记录
-```
-
-提问时应该是：
-
-```text
-用户提问
-    ↓
-读取 wiki/hot.md
-    ↓
-读取 wiki/index.md
-    ↓
-定位相关 wiki 页面
-    ↓
-只读取相关页面
-    ↓
-必要时才回查 .raw/
-```
-
-为了省 token，可以这样问：
-
-```text
-根据我的 wiki 回答，优先读取 hot 和 index，只打开相关 wiki 页面，不要重新读取全部 .raw/。
-```
-
----
-
-## 8. `claude-canvas` 安装问题
-
-### 8.1 直接安装失败
-
-执行：
-
-```bash
-claude plugin install AgriciDaniel/claude-canvas
-```
-
-报错：
-
-```text
-Plugin "AgriciDaniel/claude-canvas" not found in any configured marketplace
-```
-
-原因：Claude Code 当前的插件系统不是直接用 GitHub 仓库名安装，而是从已配置 marketplace 中查找插件。
-
----
-
-### 8.2 `marketplace add` 也失败
-
-执行：
-
-```bash
-claude plugin marketplace add AgriciDaniel/claude-canvas
-```
-
-报错：
-
-```text
-Marketplace file not found:
-.claude-plugin/marketplace.json
-```
-
-原因：`claude-canvas` 仓库是一个 plugin 仓库，但不是 marketplace 仓库。它有：
-
-```text
-.claude-plugin/plugin.json
-```
-
-但没有：
-
-```text
-.claude-plugin/marketplace.json
-```
-
----
-
-### 8.3 `claude plugin add` 不存在
-
-执行：
-
-```bash
-claude plugin add ~/Documents/claude-canvas
-```
-
-报错：
-
-```text
-error: unknown command 'add'
-```
-
-原因：当前 Claude Code v2.1.138 不支持 `plugin add` 这个子命令。
-
----
-
-## 9. `claude-canvas` 最终解决方案：自建本地 marketplace
-
-### 9.1 先 clone 插件
-
-```bash
-cd ~/Documents
-git clone https://github.com/AgriciDaniel/claude-canvas
-```
-
----
-
-### 9.2 创建本地 marketplace
-
-```bash
-mkdir -p ~/Documents/local-claude-marketplace/.claude-plugin
-mkdir -p ~/Documents/local-claude-marketplace/plugins
-cp -R ~/Documents/claude-canvas ~/Documents/local-claude-marketplace/plugins/claude-canvas
-```
-
-创建 marketplace 文件：
-
-```bash
-cat > ~/Documents/local-claude-marketplace/.claude-plugin/marketplace.json <<'EOF'
-{
-  "name": "local-claude-marketplace",
-  "description": "Local marketplace for manually installed Claude Code plugins",
-  "owner": {
-    "name": "shen liang"
-  },
-  "plugins": [
-    {
-      "name": "claude-canvas",
-      "description": "AI-orchestrated visual production for Obsidian Canvas",
-      "source": "./plugins/claude-canvas"
-    }
-  ]
-}
-EOF
-```
-
----
-
-### 9.3 添加本地 marketplace 并安装
-
-```bash
-claude plugin marketplace add ~/Documents/local-claude-marketplace
-claude plugin install claude-canvas@local-claude-marketplace
-claude plugin list
-```
-
-成功输出：
-
-```text
-✔ Successfully added marketplace: local-claude-marketplace
-✔ Successfully installed plugin: claude-canvas@local-claude-marketplace
-```
-
-插件列表：
-
-```text
-claude-canvas@local-claude-marketplace
-Version: 1.0.0
-Scope: user
-Status: enabled
-
-claude-obsidian@claude-obsidian-marketplace
-Version: 1.6.0
-Scope: user
-Status: enabled
-```
-
----
-
-## 10. 插件安装范围
-
-两个插件都显示：
-
-```text
-Scope: user
-```
-
-说明它们是用户级安装，**不是只能在某一个文件夹使用**。
-
-也就是说：
-
-```text
-插件命令 = 全局可用
-实际处理对象 = 当前 Claude Code 所在目录
-```
-
-例如：
-
-```bash
-cd ~/Documents/claude-obsidian
-claude
-```
-
-这时插件处理的是：
-
-```text
-~/Documents/claude-obsidian
-```
-
-如果进入另一个 Obsidian Vault：
-
-```bash
-cd ~/Documents/MyVault
-claude
-```
-
-再运行插件命令，它会作用于当前这个 Vault。
-
----
-
-## 11. 推荐最终使用方式
-
-### 11.1 进入 Obsidian Vault
-
-```bash
-cd ~/Documents/claude-obsidian
-claude
-```
-
----
-
-### 11.2 初始化或检查 Wiki
-
-```text
-/claude-obsidian:wiki
-```
-
----
-
-### 11.3 导入资料
-
-把资料放到：
-
-```text
-.raw/inbox/
-```
-
-然后运行：
-
-```text
-/wiki-ingest .raw/inbox
-```
-
-或者：
-
-```text
-请处理 .raw/inbox 里的新增资料，已处理过的跳过，整理进 wiki，并更新 index、log、hot。
-```
-
----
-
-### 11.4 查询知识库
-
-```text
-/wiki-query 实时字幕方案怎么搭建？优先基于 wiki，不要重读全部 .raw。
-```
-
----
-
-### 11.5 检查知识库
-
-```text
-/wiki-lint
-```
-
----
-
-### 11.6 使用 Canvas
-
-进入 Claude Code 后输入：
-
-```text
-/
-```
-
-查看是否有 canvas 相关命令。
-
-可以尝试：
-
-```text
-请基于我的 wiki，生成一个“Mac 实时字幕方案”的 Obsidian Canvas 流程图。
-```
-
----
-
-## 12. 本次关键结论
-
-1. `claude-obsidian` 推荐通过 marketplace 安装。
-2. 如果 GitHub SSH 22 端口失败，需要配置 `github.com` 走 `ssh.github.com:443`。
-3. `/wiki` 不一定存在，实际命令是 `/claude-obsidian:wiki`。
-4. `.raw/` 是官方默认 source 目录，不建议随意改名。
-5. 平时 query 不会每次读取全部 `.raw/`，正常会先查 `hot.md` 和 `index.md`。
-6. `claude-canvas` 不是 marketplace 仓库，当前环境需要自建本地 marketplace 安装。
-7. 两个插件都已安装为 user scope，全局可用。
-8. 插件全局可用，但操作对象取决于当前 `cd` 到哪个目录。
-
----
-
-## 13. 常用命令速查
-
-```bash
-# 进入 vault
-cd ~/Documents/claude-obsidian
-claude
-```
-
-```text
-# 初始化 / 检查 wiki
-/claude-obsidian:wiki
-```
-
-```text
-# 导入资料
-/wiki-ingest .raw/inbox
-```
-
-```text
-# 查询知识库
-/wiki-query 你的问题
-```
-
-```text
-# 检查 wiki
-/wiki-lint
-```
-
-```bash
-# 查看插件
-claude plugin list
-```
-
-```bash
-# 测试 GitHub SSH
-ssh -T git@github.com
-```
-
-```bash
-# 查看 GitHub SSH 配置
-cat ~/.ssh/config
-```
-
-## 新增：清理项目与插件操作指南
-
-如果你想彻底清理 Claude-Obsidian / Canvas 项目，可以按照以下步骤操作：
-
-### 1. 卸载插件
-
-在 Claude Code 中执行：
-
-```bash
-claude plugin uninstall claude-obsidian@claude-obsidian-marketplace
-claude plugin uninstall claude-canvas@local-claude-marketplace
-```
-
-- 只会删除插件和注册命令
-- 不会删除你的 `.raw/` 或 wiki 文件
-
-### 2. 删除本地项目仓库
-
-```bash
-rm -rf ~/Documents/claude-obsidian
-```
-
-### 3. 删除本地 marketplace（如有）
-
-```bash
-rm -rf ~/Documents/local-claude-marketplace
-```
-
-### 4. 备份或删除 `.raw/` 文件夹
-
-如果想保留原始资料：
-
-```bash
-mv ~/Documents/claude-obsidian/.raw ~/Documents/备份_raw
-```
-
-### 5. 总结清理步骤
-
-1. 卸载插件
-2. 删除本地项目文件夹
-3. 删除本地 marketplace
-4. 备份或删除 `.raw/`（可选）
-
-> 完成后，你的 Vault 和插件环境将干净，同时原始资料可以选择保留或删除。
-
-### 1. 删除特定的 MCP 服务器
-
-在终端输入以下命令：
-
-Bash
-
-```
-claude mcp remove obsidian-vault
-```
-
-### 2. 如果添加时指定了作用域（Scope）
-
-因为你之前添加时使用了 `--scope user`，为了确保彻底删除，建议也带上作用域：
-
-Bash
-
-```
-claude mcp remove obsidian-vault --scope user
-```
-
-### 3. 验证是否删除成功
-
-删除后，你可以再次查看列表来确认该服务器已经消失：
-
-Bash
-
-```
-claude mcp list
-```
-
----
-
-### 补充说明：
-
-- **只是想临时禁用？** 目前 Claude Code 的 MCP 管理主要是增删。如果你只是不想让它运行，目前最快的方法是将其删除，或者在 Obsidian 端关闭 Local REST API 插件，这样它就会显示为 `Disconnected`。
-    
-- **手动清理配置文件：** MCP 的配置通常保存在本地的 JSON 文件中。在 macOS 上，你也可以直接去这个路径编辑或删除对应的 JSON 条目： `~/Library/Application Support/claude/claude_desktop_config.json` (针对桌面端) 或 Claude Code 对应的用户配置文件。

AI与模型/AI应用/Cursor无限制.md

@@ -1,50 +0,0 @@
----
-notion-id: 1ccca4d7-cb7b-809c-a9c3-f56c5ce155ef
----
-前提条件：
-一、管理员运行脚本*
-二、全局代理配置*
-三、注册域名
-四、配置Cloudflare
-
-操作步骤：
-一、注册域名配置Cloudflare的DNS
-```shell
-garrett.ns.cloudflare.com
-rayne.ns.cloudflare.com
-```
-二、配置Cloudflare**电子邮件路由，**
-![[image 1.png]]
-Catch-ALL编辑发送到电子邮件
-其余配置默认确认即可
-
-三、 https://github.com/chengazhen/cursor-auto-free 下载项目到本地
-windows环境需要下载exe文件到项目内
-![[image 2.png]]
-四、编辑env文件，注意使用IMAP服务，需要使用认证密码
-```shell
-DOMAIN='opentouch.top'  # 你的 Cloudflare 域名
-TEMP_MAIL=null   # 设置为 null 启用 IMAP 模式
-# 设置的PIN码
-TEMP_MAIL_EPIN=xxxxxx
-# 使用的后缀
-TEMP_MAIL_EXT=@mailto.plus
-
-# IMAP服务器配置
-IMAP_SERVER=imap.qq.com  # 例如：QQ邮箱，Gmail
-IMAP_PORT=993               # 993
-IMAP_USER=zhensolid@vip.qq.com    # 接收邮箱地址
-IMAP_PASS=uihcoztwwvvfbjde    # 邮箱授权码
-# IMAP_DIR=                  # [可选] 默认为收件箱(inbox)
-IMAP_PROTOCOL=IMAP     # 指定使用 IMAP 协议
-
-BROWSER_USER_AGENT=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/130.0.6723.92 Safari/537.36
-
-# 无头模式 默认开启
-# BROWSER_HEADLESS='True'
-
-# 使用其他浏览器(如Edge)
-# BROWSER_PATH='C:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe'
-
-```
-五、在全局模式下，使用管理员权限运行EXE文件。

AI与模型/AI应用/DeerFlow.md

@@ -1,108 +0,0 @@
----
-title: DeerFlow【AI】
-date: 2025-06-11T09:50:52+08:00
-lastmod: 2025-06-24T15:24:03+08:00
----
-
-# DeerFlow【AI】
-
-　　注意事项：最好使用wsl运行项目 避免使用windows环境导致MCP服务因为python环境无法添加
-
-　　docker-compose-deerflow
-
-　　项目地址：https://github.com/bytedance/deer-flow
-
-```bash
-pip install uv
-
-uv sync或pip install . 
-
-.env文件配置搜索引擎
-Tavily: https://app.tavily.com/home登录网页复制api——key填写到env
-
-conf.yaml文件配置AI模型
-
-安装web服务器
-cd deer-flow/web
-pnpm install
-
-返回目录运行
-bootstrap.bat -d
-
-进入本地地址即可使用http://localhost:3000/
-```
-
-　　Tavily—api:`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`
-
-　　deepseek-api:`sk-e59b4dccf95a4fd19338627bdf866ba0`
-
-　　URL:`https://api.deepseek.com/v1`
-
-　　Model:`deepseek-chat`
-
-　　​`sudo apt install python3 python3-pip`
-
-　　​`pip install uv --break-system-packages`
-
-## 1. 问题:Error: Failed to fetch
-
-　　修改.env配置把IP地址修改成`192.168.1.58:8000`
-
-　　导致无法连接后端
-
-　　文件路径：`deer-flow\web\src\core\sse\fetch-stream.ts`​  
-修改`url`
-
-```bash
-fetch("http://192.168.1.58:8000/api/chat/stream", ...)
-```
-
-　　​`bootstrap.sh`添加--host 0.0.0.0 --port 8000
-
-```bash
-#!/bin/bash
-
-# Start both of DeerFlow's backend and web UI server.
-# If the user presses Ctrl+C, kill them both.
-
-if [ "$1" = "--dev" -o "$1" = "-d" -o "$1" = "dev" -o "$1" = "development" ]; then
-  echo -e "Starting DeerFlow in [DEVELOPMENT] mode...\n"
-  uv run server.py --reload --host 0.0.0.0 --port 8000 & SERVER_PID=$$!
-  cd web && pnpm dev & WEB_PID=$$!
-  trap "kill $$SERVER_PID $$WEB_PID" SIGINT SIGTERM
-  wait
-else
-  echo -e "Starting DeerFlow in [PRODUCTION] mode...\n"
-  uv run server.py & SERVER_PID=$$!
-  cd web && pnpm start & WEB_PID=$$!
-  trap "kill $$SERVER_PID $$WEB_PID" SIGINT SIGTERM
-  wait
-fi
-
-```
-
-## 2. **问题：在 Next.js 开发环境下控制台出现跨域警告**
-
-```
-⚠ Cross origin request detected from 192.168.1.58 to /_next/* resource. In a future major version of Next.js, you will need to explicitly configure "allowedDevOrigins" in next.config to allow this.
-```
-
-- **原因**：
-
-  - Next.js 开发服务器检测到你的请求跨域访问了它的内部资源，默认策略提醒你需明确允许来源。
-- **解决方案**：
-
-  - 这个警告**不影响功能**，可以暂时忽略。
-  - 如果想消除警告，修改 Next.js 项目根目录 `next.config.js`：
-
-    ```js
-    /** @type {import('next').NextConfig} */
-    const nextConfig = {
-      experimental: {
-        allowedDevOrigins: ['http://192.168.1.58:3000'],
-      },
-    };
-
-    module.exports = nextConfig;
-    ```
-  - 重启 Next.js 开发服务器。

AI与模型/AI应用/Dify+Ollama.md

@@ -1,18 +0,0 @@
----
-notion-id: 1a7ca4d7-cb7b-809f-9f0b-da19d499ad31
----
-[https://docs.dify.ai/zh-hans](https://docs.dify.ai/zh-hans)
-
-```mermaid
-graph TD
-  AI模型 -->|Ollama或API| Dify客户端
-  知识库 -->|文本分段与清洗| Dify客户端
-  Jinareader -->|网页分析| 知识库
-  搜索引擎插件 --> Dify客户端
-  自制工作流 --> Dify客户端
-  Dify客户端 --> 提示词
-	提示词 --> |创建角色|用户聊天栏
-  
-```
-
-

AI与模型/AI应用/Dify.md

@@ -1,28 +0,0 @@
----
-notion-id: 1e5ca4d7-cb7b-8083-b010-c17b202808d3
----
-# 零、说明文档
-[https://docs.dify.ai/zh-hans/introduction](https://docs.dify.ai/zh-hans/introduction)
-# 一、安装Dify
-```javascript
-git clone https://ghproxy.net/https://github.com/langgenius/dify.git
-```
-# **二、启动 Dify**
-1. 进入 Dify 源代码的 Docker 目录
-`cd dify/docker`
-2. 复制环境配置文件
-`cp .env.example .env`
-3. 启动 Docker 容器
-根据你系统上的 Docker Compose 版本，选择合适的命令来启动容器。你可以通过 `**$ docker compose version**` 命令检查版本，详细说明请参考 [**Docker 官方文档**](https://docs.docker.com/compose/#compose-v2-and-the-new-docker-compose-command)：
-    - 如果版本是 Docker Compose V2，使用以下命令：
-`docker compose up -d`
-    - 如果版本是 Docker Compose V1，使用以下命令：
-`docker-compose up -d`
-
-# **三、更新 Dify**
-进入 dify 源代码的 docker 目录，按顺序执行以下命令：
-`cd dify/docker`
-`docker compose down`
-`git pull origin main`
-`docker compose pull`
-`docker compose up -d`

AI与模型/AI应用/Dify技巧.md

@@ -1,39 +0,0 @@
----
-notion-id: 1feca4d7-cb7b-808d-bb4b-d65005ff06dc
----
-```plain text
-你是一个乐于助人的助手
-使用以下内容作为你所学习的知识，放在<context>
-</context>XML标签内
-```
-<context>
-{{#context#}}
-</context>
-回答用户时：
-如果你不知道，就直说你不知道。如果你在不确定的时候不知道，就寻求澄清。
-避免提及你是从上下文中获取的信息。
-并根据用户问题的语言来回答。
-```
-
-```
-正则表达式排除标签内容：
-```plain text
-(?=<\/think\n)[\s\S]*
-```
-系统提示词
-```plain text
-##任务
-将用户给出的问题的内容根据关键词提取，用于检索知识库内容
-##输出
-输出多个关键字或关键词，关键字或关键词之间用空格分隔，无需生成多余的文本，禁止直接回复用户的问题
-```
-
-```plain text
-##角色
-你是一个专业的空间情绪整理大师，擅长根据知识库的内容回复客户问题
-##背景
-严格根据知识库的内容进行回复
-##任务
-严格根据知识库的内容回复用户的问题
-{{#context#}}
-```

AI与模型/AI应用/Firecrawl.md

@@ -1,116 +0,0 @@
----
-notion-id: 251ca4d7-cb7b-80ef-871f-f9545e102bb2
----
-[https://github.com/mendableai/firecrawl](https://github.com/mendableai/firecrawl)
-克隆项目到本地
-[[查看操作实例]]
-```shell
-git clone https://github.com/mendableai/firecrawl.git
-
-cd firecrawl
-
-cp ./apps/api/.env.example .env
-```
-`USE_DB_AUTHENTICATION=false` 开启状态必须使用supabase
-`BULL_AUTH_KEY=19841122Cy!`exp:http://40.233.18.33:3002/admin/**19841122Cy**!/queues
-`TEST_API_KEY=123456`         
-```shell
-# ===== Required ENVS ======
-NUM_WORKERS_PER_QUEUE=8
-PORT=3002
-HOST=0.0.0.0
-REDIS_URL=redis://redis:6379 #for self-hosting using docker, use redis://redis:6379. For running locally, use redis://localhost:6379
-REDIS_RATE_LIMIT_URL=redis://redis:6379 #for self-hosting using docker, use redis://redis:6379. For running locally, use redis://localhost:6379
-PLAYWRIGHT_MICROSERVICE_URL=http://playwright-service:3000/scrape
-
-## To turn on DB authentication, you need to set up supabase.
-USE_DB_AUTHENTICATION=false
-
-# ===== Optional ENVS ======
-
-# SearchApi key. Head to https://searchapi.com/ to get your API key
-SEARCHAPI_API_KEY=
-# SearchApi engine, defaults to google. Available options: google, bing, baidu, google_news, etc. Head to https://searchapi.com/ to explore more engines
-SEARCHAPI_ENGINE=
-
-# Supabase Setup (used to support DB authentication, advanced logging, etc.)
-SUPABASE_ANON_TOKEN=
-SUPABASE_URL=
-SUPABASE_SERVICE_TOKEN=
-
-# Other Optionals
-# use if you've set up authentication and want to test with a real API key
-TEST_API_KEY=123456
-# set if you'd like to test the scraping rate limit
-RATE_LIMIT_TEST_API_KEY_SCRAPE=
-# set if you'd like to test the crawling rate limit
-RATE_LIMIT_TEST_API_KEY_CRAWL=
-# set if you'd like to use scraping Be to handle JS blocking
-SCRAPING_BEE_API_KEY=
-# add for LLM dependednt features (image alt generation, etc.)
-OPENAI_API_KEY=
-BULL_AUTH_KEY=19841122Cy!
-# set if you have a llamaparse key you'd like to use to parse pdfs
-LLAMAPARSE_API_KEY=
-# set if you'd like to send slack server health status messages
-SLACK_WEBHOOK_URL=
-# set if you'd like to send posthog events like job logs
-POSTHOG_API_KEY=
-# set if you'd like to send posthog events like job logs
-POSTHOG_HOST=
-
-STRIPE_PRICE_ID_STANDARD=
-STRIPE_PRICE_ID_SCALE=
-STRIPE_PRICE_ID_STARTER=
-STRIPE_PRICE_ID_HOBBY=
-STRIPE_PRICE_ID_HOBBY_YEARLY=
-STRIPE_PRICE_ID_STANDARD_NEW=
-STRIPE_PRICE_ID_STANDARD_NEW_YEARLY=
-STRIPE_PRICE_ID_GROWTH=
-STRIPE_PRICE_ID_GROWTH_YEARLY=
-
-# set if you'd like to use the fire engine closed beta
-FIRE_ENGINE_BETA_URL=
-
-# Proxy Settings for Playwright (Alternative you can can use a proxy service like oxylabs, which rotates IPs for you on every request)
-PROXY_SERVER=
-PROXY_USERNAME=
-PROXY_PASSWORD=
-# set if you'd like to block media requests to save proxy bandwidth
-BLOCK_MEDIA=
-
-# Set this to the URL of your webhook when using the self-hosted version of FireCrawl
-SELF_HOSTED_WEBHOOK_URL=
-
-# Resend API Key for transactional emails
-RESEND_API_KEY=
-
-# LOGGING_LEVEL determines the verbosity of logs that the system will output.
-# Available levels are:
-# NONE - No logs will be output.
-# ERROR - For logging error messages that indicate a failure in a specific operation.
-# WARN - For logging potentially harmful situations that are not necessarily errors.
-# INFO - For logging informational messages that highlight the progress of the application.
-# DEBUG - For logging detailed information on the flow through the system, primarily used for debugging.
-# TRACE - For logging more detailed information than the DEBUG level.
-# Set LOGGING_LEVEL to one of the above options to control logging output.
-LOGGING_LEVEL=INFO
-
-
-
-# x402 Payment Configuration
-X402_PAY_TO_ADDRESS=
-                    # ^ Address taken from -> https://portfolio.metamask.io/
-X402_NETWORK=base-sepolia
-X402_FACILITATOR_URL=https://x402.org/facilitator
-X402_ENABLED=true
-X402_VERIFICATION_TIMEOUT=30000
-
-CDP_API_KEY_ID=""
-CDP_API_KEY_SECRET=""
-                  # ^ KEYS taken from -> https://portal.cdp.coinbase.com/projects/api-keys
-
-## ENDPOINT PRICING TEST $0.01
-X402_ENDPOINT_PRICE_USD=0.01
-
-```

AI与模型/AI应用/Grok-bate.md

@@ -1,21 +0,0 @@
----
-title: Grok-bate
-date: 2024-12-18T21:45:32+08:00
-lastmod: 2024-12-18T21:48:44+08:00
----
-
-# Grok-bate
-
-　　申请账户https://x.ai/api
-
-　　下载**chatbox**​**​`https://chatboxai.app/zh`​**
-
-　　名称：`自定义`
-
-　　API-域名：`https://api.x.ai`
-
-　　API-路径：`/v1/chat/completions`
-
-　　模型：`grok-beta`
-
-　　密钥：`xai-BSldsktt1dD0pSJsSmPqgqLi2XBGPcBGBaTHg5dolYjMpjH8UkDc4s6nURntGYGdM1ieQD9Z3R5sArRb`

AI与模型/AI应用/Hermes Agent.md

@@ -1,257 +0,0 @@
----
-notion-id: 343ca4d7-cb7b-808d-80ff-d856a5d7bc9d
----
-
-## **第 1 步：配置防爬浏览器（Camofox）**
-### **为什么需要**
-普通的后端浏览器（如 Chromium headless）访问大多数网站会立即被反爬机制拦截。Camofox 提供了一个「像真人一样」的浏览器环境，使 Hermes 能够：
-- 自动读取网页文章
-- 自动填写表单
-- 操作需要登录的后台系统
-- 执行复杂的网页自动化任务
-
-### **配置步骤**
-直接告诉 Hermes：
-```plain text
-帮我配置 CAMOFOX 及 CAMOFOX_URL
-```
-Hermes 会自动完成配置文件的写入，并在需要高危操作时主动请求你的授权。
-> **亮点一**：Hermes 会智能识别高危指令并请求授权，比 OpenClaw 更清晰地告知你它要做什么，而不是带着一堆无意义数字的授权请求。
-
-## **第 2 步：配置灵魂定义（SOUL.md）**
-### **什么是 SOUL.md**
-SOUL.md 是 Hermes 的人格配置文件，定义了 Agent 的思考模式、行为约束和输出风格。默认文件是空注释，需要你自己填写。
-### **最佳实践：先聊再总结**
-推荐流程：先和 Hermes 正常使用 1-2 天，展现你的工作风格和偏好，然后问：
-```plain text
-灵魂定义（SOUL.md）你有没有推荐的配置，基于我们的对话风格来建议？
-```
-Hermes 会读取历史会话，生成贴合你习惯的配置。然后让它写入：
-```plain text
-帮我编辑写入 ~/.hermes/SOUL.md
-```
-> **亮点二**：Hermes 能读取 session 历史并据此生成个性化建议，体现了其会话感知机制的价值。
-
-## **第 3 步：配置 Auxiliary 副驾模型路由**
-### **设计理念**
-Auxiliary 是 Hermes 的副驾 LLM 路由中心。核心思路：让主模型专注复杂推理，让便宜/专用的副模型承担「脏活累活」，从而节省成本、提升效率。
-### **支持配置的 8 个辅助任务**
-
-| **辅助模型** | **用途说明** |
-| --- | --- |
-| vision | 截图 / 验证码 / 图片分析 |
-| web_extract | 网页内容抓取与提炼 |
-| compression | 上下文压缩摘要（节省 Token） |
-| session_search | 历史会话搜索与摘要 |
-| approval | 高危命令审批决策 |
-| skills_hub | 技能市场搜索与安装 |
-| mcp | MCP 服务调用辅助 |
-| flush_memories | 记忆系统清理与重组 |
-
-### **配置示例**
-直接口头告知 Hermes：
-```plain text
-压缩会话的辅助模型帮我配置成 qwen3.5-plus
-```
-### **验证配置**
-```plain text
-# 手动触发压缩
-hermes compress
-
-# 查看日志确认模型路由
-tail -f ~/.hermes/logs/agent.log
-```
-日志中你应该看到类似：
-```plain text
-Auxiliary compression: using auto (qwen3.5-plus) at https://dashscope.aliyuncs.com/...
-```
-> **亮点三**：压缩阈值默认 50%，不同上下文长度的模型触发比例不同：1M 模型可分配最多 50K token 给摘要，200K 模型只有 10K。这比统一阈值更合理。
-
-## **第 4 步：配置三层记忆系统**
-Hermes 记忆系统分为三层，由浅到深，可按需启用。**建议先用第一层 + 第三层，满足需求后再考虑引入第二层。**
-### **第一层：内置记忆（默认已开）**
-编辑 `**~/.hermes/config.yaml**` 进行微调：
-```plain text
-memory:
-  memory_enabled: true        # MEMORY.md — 项目事实、踩坑记录
-  user_profile_enabled: true  # USER.md — 用户画像与偏好
-  memory_char_limit: 4000     # 默认 2200，重度使用建议调到 4000
-  user_char_limit: 1375       # 用户画像字符上限
-  nudge_interval: 5           # 每 5 轮提醒存记忆（默认 10，调小更积极）
-  flush_min_turns: 6          # 至少 6 轮才触发退出时的记忆刷新
-```
-### **第二层：外部 Memory Provider（按需）**
-支持 mem0、Zep 等 8 个外挂记忆插件。配置方式：
-```plain text
-hermes memory setup
-```
-> **注意**：开启后每轮对话会增加至少 2 次 API 调用（写入 + 搜索），根据使用频率权衡是否开启。
-> **亮点四**：密钥与配置分离，采用 YAML 格式，修改直观友好。
-
-### **第三层：Session Search（默认已开）**
-所有历史对话自动持久化到本地 SQLite，支持关键词检索 + LLM 摘要，是记忆系统的兜底机制：
-- **存储位置**：`**~/.hermes/state.db**`
-- **检索方式**：FTS5 关键词[全文搜索](https://cloud.tencent.com/product/es?from_column=20421&from=20421) + LLM 二次摘要
-- **兜底保障**：LLM 调用失败时返回原始文本前 500 字符，不会因故障而完全失效
-
-不需要额外配置，Session Search 默认开启。Agent 会根据你的问题自动判断是否需要检索历史。
-
----
-## **第 5 步：配置 Web Search**
-### **支持的搜索引擎**
-Hermes 原生支持 4 个搜索提供商：**Exa、Tavily、Parallel、Firecrawl**。
-### **配置方式**
-直接告诉 Hermes：
-```plain text
-帮我配置 exa 搜索
-```
-Hermes 会引导你输入 API Key 并完成配置。配置成功后可以直接测试：
-```plain text
-搜索一下今天 AI 领域有什么新进展
-```
-> **亮点五**：Hermes 默认会在 IM 界面清晰打印每个 tool 调用的过程，执行过程完全透明可见。
-
----
-## **第 6 步：配置自动化审计（Hooks）**
-### **两种扩展方式**
-Hermes 提供两套互补的扩展系统：
-- **Gateway Hooks**：事件驱动钩子，处理生命周期通知
-- **Plugin System**：插件生命周期钩子，处理功能扩展
-
-### **8 个生命周期 Hook**
-```plain text
-on_session_start      → 会话创建时
-pre_llm_call          → LLM 调用前（可注入上下文）
-pre_api_request       → 每次 API 调用前
-post_api_request      → 每次 API 调用后
-pre_tool_call         → 工具执行前
-post_tool_call        → 工具执行后
-post_llm_call         → 本轮对话结束
-on_session_end        → 会话结束
-```
-### **实战：创建终端命令审计 Hook**
-告诉 Hermes：
-```plain text
-做一个终端命令审计插件（Terminal Audit Hook）：
-在每次 terminal 工具执行完毕后，自动把命令内容、
-执行结果、时间戳、会话 ID 追加到日志文件。
-```
-授权后，Hermes 会自动生成并激活这个 Hook。
-### **验证**
-```plain text
-# 执行任意命令后，检查审计日志
-tail -f ~/.hermes/audit_logs/terminal_audit.log
-```
-## **第 7 步：配置 Docker 沙箱**
-### **为什么需要沙箱**
-默认情况下 Hermes 在本地执行命令，存在一定风险。Docker 沙箱将命令执行隔离在容器中，即使 Agent 执行了危险命令，也只会影响容器内的环境。
-### **配置步骤**
-```plain text
-# 创建一个使用 Docker 沙箱的 worker profile
-hermes -p worker config set terminal.backend docker
-hermes -p worker config set terminal.docker_image python:3.11-slim
-
-# 配置 worker 使用便宜模型（沙箱任务不需要顶级模型）
-hermes -p worker config set model.provider alibaba
-hermes -p worker config set model.model qwen3.5-plus
-
-# 如果使用 Telegram，绑定独立的 Bot Token
-hermes -p worker config set gateway.telegram.bot_token "YOUR_BOT_TOKEN_B"
-hermes -p worker config set gateway.telegram.enabled true
-```
-也可以直接告诉主 Agent：
-```plain text
-参考如下命令，帮我额外配置一个 profile，sandbox 使用 docker，模型遵循主 profile 即可
-```
-### **验证沙箱隔离**
-```plain text
-# 在 worker bot 中执行（不会真正损坏宿主机）
-rm -rf /
-
-# 在宿主机验证 Docker 已启动
-docker ps
-```
-> **亮点六**：多 profile 配置非常友好，一句话就让 Hermes 完成配置。主 profile 保持安全，worker profile 承担高风险任务。
-
----
-## **第 8 步：使用多 Agent**
-### **两种多 Agent 模式**
-- **同一 Session 内触发 Sub-Agent**：适合并行子任务
-- **完全隔离的多 Profile**：适合不同安全级别的任务分工（见第 7 步）
-
-### **触发 Sub-Agent**
-只需一句话：
-```plain text
-请 spawn 三个 subagent 来相互讨论 Hermes 的优劣势
-```
-三个 Sub-Agent 会在同一 Session 中并行工作，各自发言，最终给出汇总。这种方式适合需要多角度分析或并行处理的复杂任务。
-
----
-## **第 9 步：建立备份体系**
-### **三层备份策略**
-- **第一层**：本地 Git（快速版本控制）
-- **第二层**：其他磁盘定时备份（防止硬盘故障）
-- **第三层**：远程备份（GitHub 私有仓库 / 对象存储）
-
-### **完整备份脚本**
-将以下脚本保存为 `**~/hermes_backup.sh**`：
-```plain text
-#!/bin/bash
-BACKUP_NAME="hermes_backup_$(date +%Y%m%d_%H%M%S)"
-BACKUP_DIR="/tmp/$BACKUP_NAME"
-DEST_DIR=~/hermes_backups
-
-mkdir -p $BACKUP_DIR/hermes $DEST_DIR
-
-echo "正在备份核心配置..."
-cp ~/.hermes/config.yaml $BACKUP_DIR/hermes/
-cp ~/.hermes/.env $BACKUP_DIR/hermes/
-cp ~/.hermes/MEMORY.md $BACKUP_DIR/hermes/ 2>/dev/null
-
-echo "正在备份数据库与会话..."
-cp ~/.hermes/state.db $BACKUP_DIR/hermes/
-cp -r ~/.hermes/sessions $BACKUP_DIR/hermes/ 2>/dev/null
-
-echo "正在备份扩展与技能..."
-cp -r ~/.hermes/plugins $BACKUP_DIR/hermes/ 2>/dev/null
-cp -r ~/.hermes/skills $BACKUP_DIR/hermes/ 2>/dev/null
-cp -r ~/.hermes/audit_logs $BACKUP_DIR/hermes/ 2>/dev/null
-
-echo "正在备份所有 Profile..."
-cp -r ~/.hermes/profiles $BACKUP_DIR/hermes/ 2>/dev/null
-
-echo "压缩中..."
-tar -czf $DEST_DIR/$BACKUP_NAME.tar.gz -C /tmp $BACKUP_NAME
-rm -rf $BACKUP_DIR
-
-echo "✅ 备份完成：$DEST_DIR/$BACKUP_NAME.tar.gz"
-echo "大小：$(du -h $DEST_DIR/$BACKUP_NAME.tar.gz | cut -f1)"
-```
-```plain text
-# 添加执行权限并运行
-chmod +x ~/hermes_backup.sh
-~/hermes_backup.sh
-
-# 可选：添加到 crontab，每天凌晨 2 点自动备份
-# 0 2 * * * ~/hermes_backup.sh
-```
-> `**.env**` 文件包含 API Key，建议加入 `**.gitignore**`，不要推送到 GitHub。
-
----
-## **第 10 步：安装与沉淀技能（Skills）**
-### **自动技能沉淀**
-Hermes 最令人印象深刻的功能之一：它会自动将有价值的操作流程总结并固化为可复用的技能。
-触发条件：每累计 15 次工具循环（`**config.yaml**` 中的 `**creation_nudge_interval**` 参数），Hermes 会在后台启动一个 Skill Review：
-```plain text
-# Skill Review 的三种结果：
-# 1. 发现可更新的现有技能 → 自动更新补充新经验
-# 2. 发现值得新建的技能   → 创建新技能文件
-# 3. 没有值得保存的内容   → 输出 Nothing to save. 结束
-```
-整个过程在后台线程运行，不阻塞当前对话。
-### **手动安装技能**
-```plain text
-帮我安装 git 操作相关的技能
-帮我搜索并安装 Docker 管理技能
-```
-> **亮点七**：Hermes 自动将有价值的操作沉淀为永久技能，避免重复踩坑。这是它相比其他 Agent 框架最有差异化的亮点之一。

AI与模型/AI应用/MCP.md

@@ -1,20 +0,0 @@
----
-notion-id: 244ca4d7-cb7b-8089-b0ab-c6f3b771d5fd
----
-在wsl运行mcp配置，注意command 是wsl，如果wsl使用的是windows环境的那么会报错
-必须先检查下运行环境是否在wsl，检查指令`which node`
-```shell
-{
-  "mcpServers": {
-    "filesystem": {
-      "command": "wsl",
-      "args": [
-        "npx",
-        "-y",
-        "@modelcontextprotocol/server-filesystem",
-        "/mnt/d/Github/snake_game"
-      ]
-    }
-  }
-}
-```

AI与模型/AI应用/MinerU.md

@@ -1,292 +0,0 @@
----
-title: "opendatalab/MinerU: Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows."
-source: https://github.com/opendatalab/MinerU/blob/master/README_zh-CN.md
-author:
-published:
-created: 2026-05-09
-description: Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows. - opendatalab/MinerU
-tags:
-  - clippings
----
-[![](https://camo.githubusercontent.com/c27b0b0916f506bc307ab0375ea23e91e461e42e622db0cd2bb3b7b0d4e20dbd/68747470733a2f2f67636f72652e6a7364656c6976722e6e65742f67682f6f70656e646174616c61622f4d696e657255406d61737465722f646f63732f696d616765732f4d696e6572552d6c6f676f2e706e67)](https://camo.githubusercontent.com/c27b0b0916f506bc307ab0375ea23e91e461e42e622db0cd2bb3b7b0d4e20dbd/68747470733a2f2f67636f72652e6a7364656c6976722e6e65742f67682f6f70656e646174616c61622f4d696e657255406d61737465722f646f63732f696d616765732f4d696e6572552d6c6f676f2e706e67)
-
-[![opendatalab%2FMinerU | Trendshift](https://camo.githubusercontent.com/8e05ac968e83dbb8fbd1ff02a16b03186a2d01c3a19db633923afceebfdfe4aa/68747470733a2f2f7472656e6473686966742e696f2f6170692f62616467652f7265706f7369746f726965732f3131313734)](https://trendshift.io/repositories/11174)
-
-[English](https://github.com/opendatalab/MinerU/blob/master/README.md) | [简体中文](https://github.com/opendatalab/MinerU/blob/master/README_zh-CN.md)
-
-🚀 [MinerU 官网入口→✅ 免装在线版 ✅ 全功能客户端 ✅ 开发者API在线调用，省去部署麻烦，多种产品形态一键get，速冲！](https://mineru.net/?source=github)
-
-👋 join us on [Discord](https://discord.gg/Tdedn9GTXq) and [WeChat](https://mineru.net/community-portal/?aliasId=3c430f94)
-
-MinerU — 专为 LLM · RAG · Agent 场景构建的高精度文档解析引擎 将 PDF · DOCX · PPTX · XLSX · 图片 · 网页转为结构化 Markdown / JSON · VLM+OCR 双引擎 · 109 种语言  
-MCP Server · LangChain / Dify / FastGPT 原生集成 · 10+ 国产算力适配  
-
-**🔍 核心解析能力**
-
-- 原生支持 `DOCX` 、 `PPTX` 、 `XLSX` 解析
-- 公式 → LaTeX · 表格 → HTML，精准还原复杂版面
-- 支持扫描件、手写体、多栏布局、跨页表格合并
-- 输出符合人类阅读顺序，自动去除页眉页脚
-- VLM + OCR 双引擎，支持 109 种语言识别
-
-**🔌 接入方式**
-
-| 场景 | 方案 |
-| --- | --- |
-| AI 编程工具 | MCP Server — Cursor · Claude Desktop · Windsurf |
-| RAG 框架 | LangChain · LlamaIndex · RAGFlow · RAG-Anything · Flowise · Dify · FastGPT |
-| 开发集成 | Python / Go / TypeScript SDK · CLI · REST API · Docker |
-| 零代码 | mineru.net 在线版 · Gradio WebUI · 桌面客户端 |
-
-**🖥️ 部署生态（支持私有化 · 完全离线）**
-
-| 推理后端 | 适用场景 |
-| --- | --- |
-| pipeline | 快速稳定，无幻觉，CPU / GPU 均可运行 |
-| vlm-engine | 高精度，支持 vLLM / LMdeploy / mlx 生态 |
-| hybrid-engine | 高精度，原生文本提取，低幻觉 |
-
-国产算力：昇腾 · 寒武纪 · 燧原 · 沐曦 · 摩尔线程 · 昆仑芯 · 天数智芯 · 瀚博 · 太初元碁 · 海光 · 平头哥
-
-## 更新记录
-
-- 2026/04/18 3.1.0 发布
-	本次版本更新聚焦于 **许可协议开放性、解析精度提升与全格式原生支持** 。主要更新内容包括：
-	- 许可协议升级
-		- MinerU 已正式从 `AGPLv3` 切换至基于 `Apache 2.0` 的 [MinerU 开源许可证](https://github.com/opendatalab/MinerU/blob/master/LICENSE.md) 。
-				- 新的许可方式在兼顾开源协作与商业落地的同时，进一步降低了社区使用和商业化接入门槛，让 MinerU 更容易融入真实业务流程。
-		- VLM 主模型升级
-		- VLM 主模型正式切换为 `MinerU2.5-Pro-2604-1.2B` ，整体解析精度提升至业内领先水平。
-				- 新模型现已支持子图切分合并、图像与图表解析、截断段落合并、跨页面表格合并以及表格内图像识别，复杂版面场景下的解析能力进一步增强。
-		- 全格式原生解析支持
-		- 新增 `PPTX` 与 `XLSX` 原生解析能力。
-				- 至此，MinerU 已完整支持图片、 `PDF` 、 `DOCX` 、 `PPTX` 、 `XLSX` 全格式解析，为多类型文档统一处理提供了更完整的能力闭环。
-	通过 3.1.0 版本，MinerU 在开放性、解析精度和落地能力上进一步提升。新的许可协议降低了社区使用和商业接入门槛， `MinerU2.5-Pro-2604-1.2B` 提升了复杂内容的解析质量，而 `PPTX` 与 `XLSX` 原生解析的补齐，也让 MinerU 完成了主流文档格式的端到端覆盖。
-- 2026/03/29 3.0.0 发布
-	本次版本更新围绕 **解析能力、系统架构与工程可用性** 进行了系统升级。主要更新内容包括：
-	- `DOCX` 原生解析
-		- 正式支持 `DOCX` 原生解析，在无幻觉前提下实现高精度解析。
-				- 相较于“先将 `DOCX` 转为 `PDF` 再解析”的传统流程，端到端速度提升数十倍以上，更适合对精度与吞吐均有要求的场景。
-		- `pipeline` 后端升级
-		- `pipeline` 后端在 OmniDocBench (v1.5) 上取得 `86.2` 分，精度超过上一代主流 VLM `MinerU2.0-2505-0.9B` 。
-				- 新增表格内图片/公式解析、印章文字识别、竖排文本支持、行间公式序号识别等能力，持续提升复杂文档场景下的解析效果。
-				- 在保持高精度的同时，资源占用极低，并继续支持纯 CPU 环境推理。
-		- `API / CLI / Router` 编排升级
-		- `mineru` 现作为基于 `mineru-api` 的编排客户端运行；在未传入 `--api-url` 时，会自动拉起本地临时服务。
-				- `mineru-api` 新增异步任务接口 `POST /tasks` ，支持任务提交、状态查询与结果获取；同时保留同步解析接口 `POST /file_parse` ，以兼容老版本插件。
-				- 新增 `mineru-router` ，适用于多服务、多 GPU 的统一入口部署与任务路由；其接口与 `mineru-api` 完全兼容，并支持任务自动负载均衡。
-		- 部署与使用体验优化
-		- 解决了 `torch >= 2.8` 的兼容问题，基础镜像升级为 `vllm0.11.2 + torch2.9.0` ，统一了不同 Compute Capability 的安装路径。
-				- 通过滑动窗口优化解析链路，显著降低长文档场景下的内存峰值占用，上万页文档解析不再需要手动拆分。
-				- `pipeline` 的 batch 推理支持流式落盘，已完成的解析结果可及时写出，进一步提升长任务处理体验。
-				- 完成线程安全优化，全面支持多线程并发推理；配合 `mineru-router` ，可一键实现多卡部署，轻松构建高并发、高吞吐解析系统。
-				- 完全移除了两个 AGPLv3 模型（ `doclayoutyolo` 和 `mfd_yolov8` ）以及一个 CC-BY-NC-SA 4.0 模型（ `layoutreader` ）的使用。
-	本次更新不仅是若干功能点的补强，更是 MinerU 在系统能力上的一次关键跃迁。我们重点解决了长文档解析过程中的内存峰值占用问题，通过滑动窗口、流式落盘等链路优化，让超长文档解析从“需要手动拆分、谨慎处理”走向“稳定可跑、规模可扩展”。同时，我们完成了线程安全优化，全面支持多线程并发推理，进一步提升了单机资源利用率与高并发场景下的运行稳定性。在此基础上，基于 mineru-router 与全新的 API / CLI 编排体系，MinerU 已具备一键多卡部署、多服务统一接入、任务自动负载均衡的能力，显著降低了大规模部署难度。至此，MinerU 正在从单一的数据生产工具，进一步演进为面向高并发、高吞吐场景的大规模文档解析基座，为企业级文档数据处理提供更稳定、更高效、更易扩展的基础设施能力。
-
-> 📝 查看完整的 [更新日志](https://opendatalab.github.io/MinerU/zh/reference/changelog/) 了解更多历史版本信息
-
-## MinerU
-
-## 项目简介
-
-MinerU 是一款文档解析工具，可将 `PDF` 、图片以及 `DOCX` 、 `PPTX` 、 `XLSX` 转化为机器可读格式（如 Markdown、JSON），便于后续检索、抽取与二次处理。 MinerU诞生于 [书生-浦语](https://github.com/InternLM/InternLM) 的预训练过程中，我们将会集中精力解决科技文献中的符号转化问题，希望在大模型时代为科技发展做出贡献。 相比国内外知名商用产品MinerU还很年轻，如果遇到问题或者结果不及预期请到 [issue](https://github.com/opendatalab/MinerU/issues) 提交问题，同时 **附上相关文档或样例文件** 。
-
-pdf\_zh\_cn.mp4<video src="https://private-user-images.githubusercontent.com/11393164/351177226-4bea02c9-6d54-4cd6-97ed-dff14340982c.mp4?jwt=eyJ0eXAiOiJKV1QiLCJhbGciOiJIUzI1NiJ9.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.QGU0mHhryPXVq1zyk5JBfetEBSk6VMRHgY9i7_JtrGg" controls="controls"></video>
-
-## 主要功能
-
-- 支持 `PDF` 、图片与 `DOCX` 、 `PPTX` 、 `XLSX` 输入
-- 删除页眉、页脚、脚注、页码等元素，确保语义连贯
-- 输出符合人类阅读顺序的文本，适用于单栏、多栏及复杂排版
-- 保留原文档的结构，包括标题、段落、列表等
-- 提取图像、图片描述、表格、表格标题及脚注
-- 自动识别并转换文档中的公式为LaTeX格式
-- 自动识别并转换文档中的表格为HTML格式
-- 自动检测扫描版PDF和乱码PDF，并启用OCR功能
-- OCR支持109种语言的检测与识别
-- 支持多种输出格式，如多模态与NLP的Markdown、按阅读顺序排序的JSON、含有丰富信息的中间格式等
-- 支持多种可视化结果，包括layout可视化、span可视化等，便于高效确认输出效果与质检
-- 内置命令行、FastAPI、Gradio WebUI，支持本地编排和多服务部署
-- 支持纯CPU环境运行，并支持 GPU/MPS加速，以及十余款国产算力平台的推理加速
-- 兼容Windows、Linux和Mac平台
-
-## 快速开始
-
-文档解析是困难且复杂的任务，尤其是对于复杂版面、扫描件、手写体等场景，解析结果可能不尽如人意。我们建议您先使用在线体验评估 MinerU 的解析效果和适用性，再根据实际需求选择合适的部署方式。 如果您有解析效果不佳的 **文档** 样例，欢迎提交上传到 [issue](https://github.com/opendatalab/MinerU/issues) ，我们会持续优化解析能力。 如果安装或使用中遇到任何问题，请先查询 [FAQ](#faq)
-
-## 在线体验
-
-### 官网在线应用
-
-官网在线版功能与客户端一致，界面美观，功能丰富，需要登录使用
-
-### 基于Gradio的在线demo
-
-基于gradio开发的webui，界面简洁，仅包含核心解析功能，免登录
-
-## 本地部署
-
-> [!warning] Warning
-> **安装前必看——软硬件环境支持说明**
-> 
-> 为了确保项目的稳定性和可靠性，我们在开发过程中仅对特定的软硬件环境进行优化和测试。这样当用户在推荐的系统配置上部署和运行项目时，能够获得最佳的性能表现和最少的兼容性问题。
-> 
-> 通过集中资源和精力于主线环境，我们团队能够更高效地解决潜在的BUG，及时开发新功能。
-> 
-> 在非主线环境中，由于硬件、软件配置的多样性，以及第三方依赖项的兼容性问题，我们无法100%保证项目的完全可用性。因此，对于希望在非推荐环境中使用本项目的用户，我们建议先仔细阅读文档以及FAQ，大多数问题已经在FAQ中有对应的解决方案，除此之外我们鼓励社区反馈问题，以便我们能够逐步扩大支持范围。
-
-<table><thead><tr><th rowspan="2">解析后端</th><th rowspan="2">pipeline</th><th colspan="2">*-auto-engine</th><th colspan="2">*-http-client</th></tr><tr><th>hybrid</th><th>vlm</th><th>hybrid</th><th>vlm</th></tr></thead><tbody><tr><th>后端特性</th><td>兼容性好</td><td colspan="2">硬件配置要求较高</td><td colspan="2">适用于OpenAI兼容服务器 <sup>2</sup></td></tr><tr><th>精度指标 <sup>1</sup></th><td>85+</td><td colspan="4">95+</td></tr><tr><th>操作系统</th><td colspan="5">Linux <sup>3</sup> / Windows <sup>4</sup> / macOS <sup>5</sup></td></tr><tr><th>纯CPU平台支持</th><td>✅</td><td colspan="2">❌</td><td colspan="2">✅</td></tr><tr><th>GPU加速支持</th><td colspan="4">Volta及以后架构GPU或Apple Silicon</td><td rowspan="2">不需要</td></tr><tr><th>显存最低要求</th><td>4GB</td><td>8GB</td><td>8GB</td><td>2GB</td></tr><tr><th>内存要求</th><td colspan="3">最低16GB以上,推荐32GB以上</td><td colspan="2">最低16GB</td></tr><tr><th>磁盘空间要求</th><td colspan="3">20GB以上,推荐使用SSD</td><td colspan="2">至少2GB</td></tr><tr><th>python版本</th><td colspan="5">3.10-3.13</td></tr></tbody></table>
-
-<sup>1</sup> 精度指标为OmniDocBench (v1.6)的End-to-End Evaluation Overall分数，基于 `MinerU` 最新版本测试  
-<sup>2</sup> 兼容OpenAI API的服务器，如通过 `vLLM` / `SGLang` / `LMDeploy` 等推理框架部署的本地模型服务器或远程模型服务  
-<sup>3</sup> Linux仅支持2019年及以后发行版  
-<sup>4</sup> 由于关键依赖 `ray` 未能在windows平台支持Python 3.13，故仅支持至3.10~3.12版本  
-<sup>5</sup> macOS 需使用14.0以上版本
-
-> [!tip] Tip
-> - 除以上主流环境与平台外，我们也收录了一些社区用户反馈的其他平台支持情况，详情请参考 [其他加速卡适配](https://opendatalab.github.io/MinerU/zh/usage/) 。
-> - 如果您有意将自己的环境适配经验分享给社区，欢迎通过 [show-and-tell](https://github.com/opendatalab/MinerU/discussions/categories/show-and-tell) 提交或提交PR至 [其他加速卡适配](https://github.com/opendatalab/MinerU/tree/master/docs/zh/usage/acceleration_cards) 文档。
-
-### 安装 MinerU
-
-#### 使用pip或uv安装MinerU
-
-```
-pip install --upgrade pip -i https://mirrors.aliyun.com/pypi/simple
-pip install uv -i https://mirrors.aliyun.com/pypi/simple
-uv pip install -U "mineru[all]" -i https://mirrors.aliyun.com/pypi/simple
-```
-
-#### 通过源码安装MinerU
-
-```
-git clone https://github.com/opendatalab/MinerU.git
-cd MinerU
-uv pip install -e .[all] -i https://mirrors.aliyun.com/pypi/simple
-```
-
-> [!tip] Tip
-> - `mineru[all]` 包含所有核心功能，兼容Windows / Linux / macOS系统，适合绝大多数用户。
-> - 如果您在 Windows 上安装后无法使用 CUDA 加速，请参考 [Windows CUDA 加速 FAQ](https://opendatalab.github.io/MinerU/zh/faq/#windows-cuda-acceleration) 。
-> - 如果您需要指定vlm模型的推理框架，或是仅准备在边缘设备安装轻量版client端，可以参考文档 [扩展模块安装指南](https://opendatalab.github.io/MinerU/zh/quick_start/extension_modules/) 。
-
----
-
-#### 使用docker部署Mineru
-
-MinerU提供了便捷的docker部署方式，这有助于快速搭建环境并解决一些棘手的环境兼容问题。
-
-> [!tip] Tip
-> - Docker 部署仅适用于 Linux，以及支持 WSL2 的 Windows 环境；
-> - macOS 用户请直接参考前面两种方式部署安装，不要使用 Docker 部署。
-
-您可以在文档中获取 [Docker部署说明](https://opendatalab.github.io/MinerU/zh/quick_start/docker_deployment/) 。
-
----
-
-### 使用 MinerU
-
-> [!tip] Tip
-> 默认使用托管在 `huggingface` 的模型进行解析，首次使用时会自动下载所需模型文件，后续使用将直接加载本地缓存的模型。如果您无法访问 `huggingface` ，可以通过以下命令切换至国内镜像源:
-> 
-> ```
-> export MINERU_MODEL_SOURCE=modelscope
-> ```
-
-如果您的设备满足上表中GPU加速的条件，可以使用简单的命令行进行文档解析:
-
-```
-mineru -p <input_path> -o <output_path>
-```
-
-如果您的设备不满足GPU加速条件，可以指定后端为 `pipeline` ，以在纯CPU环境下运行:
-
-```
-mineru -p <input_path> -o <output_path> -b pipeline
-```
-
-当前 `mineru` 支持本地 `PDF / 图片 / DOCX / PPTX / XLSX` 文件或目录输入，并可通过命令行、API、WebUI、 `mineru-router` 等多种方式进行文档解析，具体使用方法请参考 [使用指南](https://opendatalab.github.io/MinerU/zh/usage/) 。
-
-## FAQ
-
-- 如果您在使用过程中遇到问题，可以先查看 [常见问题](https://opendatalab.github.io/MinerU/zh/faq/) 是否有解答。
-- 如果未能解决您的问题，您也可以使用 [DeepWiki](https://deepwiki.com/opendatalab/MinerU) 与AI助手交流，这可以解决大部分常见问题。
-- 如果您仍然无法解决问题，您可通过 [Discord](https://discord.gg/Tdedn9GTXq) 或 [WeChat](https://mineru.net/community-portal/?aliasId=3c430f94) 加入社区，与其他用户和开发者交流。
-
-## All Thanks To Our Contributors
-
-[![](https://camo.githubusercontent.com/8069d469dcf247604efc2f58d49571257a1981329f52a5747a07e9929aa1baad/68747470733a2f2f636f6e747269622e726f636b732f696d6167653f7265706f3d6f70656e646174616c61622f4d696e657255)](https://github.com/opendatalab/MinerU/graphs/contributors)
-
-## License Information
-
-本仓库采用 [MinerU 开源许可证](https://github.com/opendatalab/MinerU/blob/master/LICENSE.md) 进行许可，基于 Apache 2.0 并附带额外条款。
-
-## Acknowledgments
-
-- [UniMERNet](https://github.com/opendatalab/UniMERNet)
-- [TableStructureRec](https://github.com/RapidAI/TableStructureRec)
-- [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR)
-- [PaddleOCR2Pytorch](https://github.com/frotms/PaddleOCR2Pytorch)
-- [fast-langdetect](https://github.com/LlmKira/fast-langdetect)
-- [pypdfium2](https://github.com/pypdfium2-team/pypdfium2)
-- [pdftext](https://github.com/datalab-to/pdftext)
-- [pdfminer.six](https://github.com/pdfminer/pdfminer.six)
-- [pypdf](https://github.com/py-pdf/pypdf)
-- [magika](https://github.com/google/magika)
-- [vLLM](https://github.com/vllm-project/vllm)
-- [LMDeploy](https://github.com/InternLM/lmdeploy)
-
-## Citation
-
-```
-@article{wang2026mineru2,
-  title={MinerU2. 5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale},
-  ={Wang, Bin and He, Tianyao and Ouyang, Linke and Wu, Fan and Zhao, Zhiyuan and Chu, Tao and Qu, Yuan and Jin, Zhenjiang and Zeng, Weijun and Miao, Ziyang and others},
-  journal={arXiv preprint arXiv:2604.04771},
-  year={2026}
-}
-
-@article{dong2026minerudiffusion,
-  title={MinerU-Diffusion: Rethinking Document OCR as Inverse Rendering via Diffusion Decoding},
-  ={Dong, Hejun and Niu, Junbo and Wang, Bin and Zeng, Weijun and Zhang, Wentao and He, Conghui},
-  journal={arXiv preprint arXiv:2603.22458},
-  year={2026}
-}
-
-@article{niu2025mineru2,
-  title={Mineru2. 5: A decoupled vision-language model for efficient high-resolution document parsing},
-  ={Niu, Junbo and Liu, Zheng and Gu, Zhuangcheng and Wang, Bin and Ouyang, Linke and Zhao, Zhiyuan and Chu, Tao and He, Tianyao and Wu, Fan and Zhang, Qintong and others},
-  journal={arXiv preprint arXiv:2509.22186},
-  year={2025}
-}
-
-@article{wang2024mineru,
-  title={Mineru: An open-source solution for precise document content extraction},
-  ={Wang, Bin and Xu, Chao and Zhao, Xiaomeng and Ouyang, Linke and Wu, Fan and Zhao, Zhiyuan and Xu, Rui and Liu, Kaiwen and Qu, Yuan and Shang, Fukai and others},
-  journal={arXiv preprint arXiv:2409.18839},
-  year={2024}
-}
-
-@article{he2024opendatalab,
-  title={Opendatalab: Empowering general artificial intelligence with open datasets},
-  ={He, Conghui and Li, Wei and Jin, Zhenjiang and Xu, Chao and Wang, Bin and Lin, Dahua},
-  journal={arXiv preprint arXiv:2407.13773},
-  year={2024}
-}
-```
-
-## Star History
-
-![Star History Chart](https://camo.githubusercontent.com/40ca9c73efb26805e0af7b399b8bc91a2d7fe54e6cb313e5a7f5ce59bfd0bfab/68747470733a2f2f6170692e737461722d686973746f72792e636f6d2f7376673f7265706f733d6f70656e646174616c61622f4d696e65725526747970653d44617465)
-
-## Links
-
-- [Easy Data Preparation with latest LLMs-based Operators and Pipelines](https://github.com/OpenDCAI/DataFlow)
-- [Vis3 (OSS browser based on s3)](https://github.com/opendatalab/Vis3)
-- [LabelU (A Lightweight Multi-modal Data Annotation Tool)](https://github.com/opendatalab/labelU)
-- [LabelLLM (An Open-source LLM Dialogue Annotation Platform)](https://github.com/opendatalab/LabelLLM)
-- [PDF-Extract-Kit (A Comprehensive Toolkit for High-Quality PDF Content Extraction)](https://github.com/opendatalab/PDF-Extract-Kit)
-- [OmniDocBench (A Comprehensive Benchmark for Document Parsing and Evaluation)](https://github.com/opendatalab/OmniDocBench)
-- [Magic-HTML (Mixed web page extraction tool)](https://github.com/opendatalab/magic-html)
-- [Magic-Doc (Fast speed ppt/pptx/doc/docx/pdf extraction tool)](https://github.com/InternLM/magic-doc)
-- [Dingo: A Comprehensive AI Data Quality Evaluation Tool](https://github.com/MigoXLab/dingo)

AI与模型/AI应用/Ollama.md

@@ -1,74 +0,0 @@
----
-title: Ollama
-date: 2025-02-05T14:50:55+08:00
-lastmod: 2025-02-06T09:27:22+08:00
----
-
-# Ollama
-
-　　官方网站：https://ollama.com/
-
-　　一、下载符合自己系统的应用程序
-
-　　二、选择`Models`下载自己所需的AI模型
-
-　　三、修改模型地址：*​`OLLAMA_MODELS`​*
-
-　　**Ollama相关指令:**
-
-```shell
-Usage:
-  ollama [flags]
-  ollama [command]
-
-Available Commands:
-  serve       Start ollama
-  create      Create a model from a Modelfile
-  show        Show information for a model
-  run         Run a model
-  stop        Stop a running model
-  pull        Pull a model from a registry
-  push        Push a model to a registry
-  list        List models
-  ps          List running models
-  cp          Copy a model
-  rm          Remove a model
-  help        Help about any command
-
-Flags:
-  -h, --help      help for ollama
-  -v, --version   Show version information
-```
-
-　　默认Ollama的api接口测试实现`A电脑`​→`B电脑`
-
-　　注意要点：
-
-　　一、防火墙规则配置完善
-
-　　二、是否开启认证模式
-
-```powershell
-curl http://192.168.2.64:11434/api/tags
-
-响应地址：
-StatusCode        : 200
-StatusDescription : OK
-Content           : {"models":[{"name":"deepseek-r1:7b","model":"deepseek-r1:7b","modified_at":"2025-02-01T13:06:08.629
-                    5817+08:00","size":4683075271,"digest":"0a8c266910232fd3291e71e5ba1e058cc5af9d411192cf88b6d30e92b6e
-                    73...
-RawContent        : HTTP/1.1 200 OK
-                    Content-Length: 682
-                    Content-Type: application/json; charset=utf-8
-                    Date: Wed, 05 Feb 2025 07:02:02 GMT
-
-                    {"models":[{"name":"deepseek-r1:7b","model":"deepseek-r1:7b","modified_at":"...
-Forms             : {}
-Headers           : {[Content-Length, 682], [Content-Type, application/json; charset=utf-8], [Date, Wed, 05 Feb 2025 07
-                    :02:02 GMT]}
-Images            : {}
-InputFields       : {}
-Links             : {}
-ParsedHtml        : mshtml.HTMLDocumentClass
-RawContentLength  : 682
-```

AI与模型/AI应用/Olmocr.md

@@ -1,259 +0,0 @@
----
-notion-id: 205ca4d7-cb7b-80a2-89e6-f013bd147faf
----
-**注意：可以更换所需模型，参考使用文档**
-**参考文章：**
-[🚀本地部署最强OCR大模型olmOCR！支持结构化精准提取复杂PDF文件内容！完美识别中英文文档、模糊扫描件与复杂表格！本地部署与实际测试全过程！医疗法律行业必备！轻松应对企业级PDF批量转换需求！](https://www.aivi.fyi/llms/deploy-olmOCR#%E6%9C%AC%E7%AF%87%E7%AC%94%E8%AE%B0%E6%89%80%E5%AF%B9%E5%BA%94%E7%9A%84%E8%A7%86%E9%A2%91)
-
-```plain text
-# 安装Miniconda（如果尚未安装）
-wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda.sh ; bash ~/miniconda.sh -b -p $HOME/miniconda ; eval "$($HOME/miniconda/bin/conda shell.bash hook)" ; echo 'export PATH="$HOME/miniconda/bin:$PATH"' >> ~/.bashrc ; source ~/.bashrc
-
-conda create -n ai python=3.11 -y && conda activate ai
-
-sudo apt-get update
-sudo apt-get install poppler-utils ttf-mscorefonts-installer msttcorefonts fonts-crosextra-caladea fonts-crosextra-carlito gsfonts lcdf-typetools
-
-conda create -n olmocr python=3.11
-conda activate olmocr
-
-git clone https://github.com/allenai/olmocr.git
-cd olmocr
-pip install -e .
-
-pip install sgl-kernel==0.0.3.post1 --force-reinstall --no-deps
-pip install "sglang[all]==0.4.2" --find-links https://flashinfer.ai/whl/cu124/torch2.4/flashinfer/
-
-pip install gradio pandas
-
-python -m olmocr.pipeline ./localworkspace --pdfs tests/gnarly_pdfs/horribleocr.pdf
-
-cat localworkspace/results/output_*.jsonl  
-
-
-```
-**gradio UI代码**
-```plain text
-import os
-import json
-import gradio as gr
-import subprocess
-import pandas as pd
-from pathlib import Path
-import shutil
-import time
-import re
-
-# 创建工作目录
-WORKSPACE_DIR = "olmocr_workspace"
-os.makedirs(WORKSPACE_DIR, exist_ok=True)
-
-def modify_html_for_better_display(html_content):
-    """修改HTML以便在Gradio中更好地显示"""
-    if not html_content:
-        return html_content
-    
-    # 增加容器宽度
-    html_content = html_content.replace('<div class="container">', 
-                                       '<div class="container" style="max-width: 100%; width: 100%;">')
-    
-    # 增加文本大小
-    html_content = html_content.replace('<style>', 
-                                       '<style>\nbody {font-size: 16px;}\n.text-content {font-size: 16px; line-height: 1.5;}\n')
-    
-    # 调整图像和文本部分的大小比例
-    html_content = html_content.replace('<div class="row">', 
-                                       '<div class="row" style="display: flex; flex-wrap: wrap;">')
-    html_content = html_content.replace('<div class="col-md-6">', 
-                                       '<div class="col-md-6" style="flex: 0 0 50%; max-width: 50%; padding: 15px;">')
-    
-    # 增加页面之间的间距
-    html_content = html_content.replace('<div class="page">', 
-                                       '<div class="page" style="margin-bottom: 30px; border-bottom: 1px solid #ccc; padding-bottom: 20px;">')
-    
-    # 增加图像大小
-    html_content = re.sub(r'<img([^>]*)style="([^"]*)"', 
-                         r'<img\1style="max-width: 100%; height: auto; \2"', 
-                         html_content)
-    
-    # 添加缩放控制
-    zoom_controls = """
-    <div style="position: fixed; bottom: 20px; right: 20px; background: #fff; padding: 10px; border-radius: 5px; box-shadow: 0 0 10px rgba(0,0,0,0.2); z-index: 1000;">
-        <button onclick="document.body.style.zoom = parseFloat(document.body.style.zoom || 1) + 0.1;" style="margin-right: 5px;">放大</button>
-        <button onclick="document.body.style.zoom = parseFloat(document.body.style.zoom || 1) - 0.1;">缩小</button>
-    </div>
-    """
-    html_content = html_content.replace('</body>', f'{zoom_controls}</body>')
-    
-    return html_content
-
-def process_pdf(pdf_file):
-    """处理PDF文件并返回结果"""
-    if pdf_file is None:
-        return "请上传PDF文件", "", None, None
-    
-    # 创建一个唯一的工作目录
-    timestamp = int(time.time())
-    work_dir = os.path.join(WORKSPACE_DIR, f"job_{timestamp}")
-    os.makedirs(work_dir, exist_ok=True)
-    
-    # 复制PDF文件
-    pdf_path = os.path.join(work_dir, "input.pdf")
-    shutil.copy(pdf_file, pdf_path)
-    
-    # 构建命令并执行
-    cmd = ["python", "-m", "olmocr.pipeline", work_dir, "--pdfs", pdf_path]
-    
-    try:
-        # 执行命令，等待完成
-        process = subprocess.run(
-            cmd,
-            stdout=subprocess.PIPE,
-            stderr=subprocess.PIPE,
-            text=True,
-            check=True
-        )
-        
-        # 命令输出
-        log_text = process.stdout
-        
-        # 检查结果目录
-        results_dir = os.path.join(work_dir, "results")
-        if not os.path.exists(results_dir):
-            return f"处理完成，但未生成结果目录\n\n日志输出:\n{log_text}", "", None, None
-        
-        # 查找输出文件
-        output_files = list(Path(results_dir).glob("output_*.jsonl"))
-        if not output_files:
-            return f"处理完成，但未找到输出文件\n\n日志输出:\n{log_text}", "", None, None
-        
-        # 读取JSONL文件
-        output_file = output_files[0]
-        with open(output_file, "r") as f:
-            content = f.read().strip()
-            if not content:
-                return f"输出文件为空\n\n日志输出:\n{log_text}", "", None, None
-            
-            # 解析JSON
-            result = json.loads(content)
-            extracted_text = result.get("text", "未找到文本内容")
-            
-            # 生成HTML预览
-            try:
-                preview_cmd = ["python", "-m", "olmocr.viewer.dolmaviewer", str(output_file)]
-                subprocess.run(preview_cmd, check=True)
-            except Exception as e:
-                log_text += f"\n生成HTML预览失败: {str(e)}"
-            
-            # 查找HTML文件
-            html_files = list(Path("dolma_previews").glob("*.html"))
-            html_content = ""
-            if html_files:
-                try:
-                    with open(html_files[0], "r", encoding="utf-8") as hf:
-                        html_content = hf.read()
-                        # 修改HTML以更好地显示
-                        html_content = modify_html_for_better_display(html_content)
-                except Exception as e:
-                    log_text += f"\n读取HTML预览失败: {str(e)}"
-            
-            # 创建元数据表格
-            metadata = result.get("metadata", {})
-            meta_rows = []
-            for key, value in metadata.items():
-                meta_rows.append([key, value])
-            
-            df = pd.DataFrame(meta_rows, columns=["属性", "值"])
-            
-            return log_text, extracted_text, html_content, df
-        
-    except subprocess.CalledProcessError as e:
-        return f"命令执行失败: {e.stderr}", "", None, None
-    except Exception as e:
-        return f"处理过程中发生错误: {str(e)}", "", None, None
-
-# 创建Gradio界面
-with gr.Blocks(title="olmOCR PDF提取工具") as app:
-    gr.Markdown("# olmOCR PDF文本提取工具")
-    
-    with gr.Row():
-        with gr.Column(scale=1):
-            pdf_input = gr.File(label="上传PDF文件", file_types=[".pdf"])
-            process_btn = gr.Button("处理PDF", variant="primary")
-        
-        with gr.Column(scale=2):
-            tabs = gr.Tabs()
-            with tabs:
-                with gr.TabItem("提取文本"):
-                    text_output = gr.Textbox(label="提取的文本", lines=20, interactive=True)
-                with gr.TabItem("HTML预览", id="html_preview_tab"):
-                    # 使用更大的HTML组件
-                    html_output = gr.HTML(label="HTML预览", elem_id="html_preview_container")
-                with gr.TabItem("元数据"):
-                    meta_output = gr.DataFrame(label="文档元数据")
-                with gr.TabItem("日志"):
-                    log_output = gr.Textbox(label="处理日志", lines=15, interactive=False)
-    
-    # 使用CSS自定义HTML预览标签页和内容大小
-    gr.HTML("""
-    <style>
-    #html_preview_container {
-        height: 800px;
-        width: 100%; 
-        overflow: auto;
-        border: 1px solid #ddd;
-        border-radius: 4px;
-    }
-    #html_preview_container iframe {
-        width: 100%;
-        height: 100%;
-        border: none;
-    }
-    </style>
-    """)
-    
-    # 添加操作说明
-    gr.Markdown("""
-    ## 使用说明
-    1. 上传PDF文件
-    2. 点击"处理PDF"按钮
-    3. 等待处理完成
-    4. 查看提取的文本和HTML预览
-    
-    ### 关于HTML预览
-    - HTML预览展示原始PDF页面和提取的文本对照
-    - 可以清楚地看到OCR过程的精确度
-    - 如果预览内容太小，可以使用右下角的放大/缩小按钮调整
-    
-    ## 注意
-    - 处理过程可能需要几分钟，请耐心等待
-    - 首次运行会下载模型（约7GB）
-    """)
-    
-    # 绑定按钮事件 - 使用阻塞模式
-    process_btn.click(
-        fn=process_pdf,
-        inputs=pdf_input,
-        outputs=[log_output, text_output, html_output, meta_output],
-        api_name="process"
-    )
-
-# 启动应用
-if __name__ == "__main__":
-    app.launch(share=True)
-
-```
-
-
-装 **Miniconda**（推荐，轻量）：
-```bash
-#下载Miniconda
-wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
-#安装Miniconda
-bash Miniconda3-latest-Linux-x86_64.sh
-```
-安装完执行：
-```bash
-source ~/.bashrc
-
-```

AI与模型/AI应用/Open-webui.md

@@ -1,16 +0,0 @@
----
-title: Open-webui
-date: 2025-02-05T15:05:05+08:00
-lastmod: 2025-02-05T16:31:13+08:00
----
-
-# Open-webui
-
-　　项目：https://github.com/open-webui/open-webui?tab=readme-ov-file
-
-```powershell
-docker run -d -p 8080:8080 --add-host=host.docker.internal:host-gateway -v C:\docker\open-webui-data:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
-
-```
-
-　　‍

AI与模型/AI应用/Ragflow.md

@@ -1,25 +0,0 @@
----
-notion-id: 217ca4d7-cb7b-80d0-ab43-c272c3d55f49
----
-# 一、Docker安装
-克隆仓库
-```javascript
-git clone https://ghproxy.net/https://github.com/infiniflow/ragflow.git
-```
-进入文件
-```javascript
-cd ragflow
-```
-运行脚本
-```javascript
-docker compose -f docker-compose.yml up -d
-```
-# 二、基础操作
-访问IP地址默认是80端口，也可以配置成其他端口
-`http://localhost:80`
-配置文本识别模型`nomic-embed-text:latest`
-# 三、基础配置
-1，Dfiy配置外部知识库 API
-`http://localhost:80/api/v1/dify`
-2、知识库ID
-![[image-5.png]]

AI与模型/AI应用/Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 Vulkan HIP SYCL，一键跑 GGUF 无审查模型！.md

@@ -1,309 +0,0 @@
----
-title: "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！"
-source: "https://www.freedidi.com/24211.html"
-author:
-  - ""
-published: 2026-05-18
-created: 2026-05-20
-description: "最近，llama.cpp 又迎来了一次非常重要的更新。对于经常在 Windows 上折腾本地 AI 大模型的用户来说，这次更新可以说相当实用。"
-tags:
-  - "clippings"
----
-最近，llama.cpp 又迎来了一次非常重要的更新。对于经常在 Windows 上折腾本地 AI 大模型的用户来说，这次更新可以说相当实用。
-
-因为现在官方已经开始真正意义上的：“降低 Windows 本地 AI 的使用门槛”！
-
-![20260518064042 404956 scaled](https://www.freedidi.com/wp-content/uploads/2026/05/20260518064042_404956-scaled.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 1")
-
-![20260518110005 256951 scaled](https://www.freedidi.com/wp-content/uploads/2026/05/20260518110005_256951-scaled.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 2")
-
-以前很多人第一次接触本地大模型，最头疼的其实不是模型本身，而是各种环境问题：
-
-- CUDA 版本不匹配
-- DLL 缺失
-- 驱动不兼容
-- CMake 编译失败
-- 环境变量错误
-- Vulkan / HIP 配置复杂
-- Windows 编译过程报错
-
-尤其很多新手，教程还没看完，就已经被环境问题劝退了。
-
-但现在不一样了。
-
-在 llama.cpp 最新发布的 b9196 版本中，官方已经直接提供了多种 Windows 预编译版本，很多情况下已经可以做到：下载 → 解压 → 双击运行！这对于 Windows 本地 AI 用户来说，绝对算是一件好事。
-
-![20260518105919 469897 scaled](https://www.freedidi.com/wp-content/uploads/2026/05/20260518105919_469897-scaled.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 3")
-
-## llama.cpp 是什么？
-
-llama.cpp 官方 GitHub 是目前最流行的本地 GGUF 模型推理框架之一。
-
-![20260518064922 507431](https://www.freedidi.com/wp-content/uploads/2026/05/20260518064922_507431.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 4")
-
-## 官方下载：【点击前往】 或 【网盘下载】、【整合下载】
-
-很多大家熟悉的本地模型，其实都可以通过 llama.cpp 运行：
-
-- Qwen
-- Llama
-- DeepSeek
-- Gemma
-- Hermes
-- Dolphin
-- Mistral
-- Mixtral
-
-尤其现在 GGUF 生态越来越成熟，很多模型都会第一时间发布 GGUF 量化版本。
-
-## 视频教程：
-
-![](https://www.youtube.com/watch?v=uqsL3RcBfn8)
-
-而 llama.cpp 最大的优势就是：
-
-> 轻量  
-> 跨平台  
-> 支持 GPU  
-> 支持 CPU  
-> 支持 GGUF
-
-而且现在甚至已经支持：
-
-> 多模态  
-> 图片理解  
-> Vision 模型  
-> OpenAI 风格 API  
-> 网页聊天界面
-
-## llama.cpp 最新 Windows 版本支持什么？
-
-目前官方 Release 页面已经直接提供：
-
-- Windows x64 CPU
-- Windows x64 CUDA 12.4
-- Windows x64 CUDA 13.1
-- Windows x64 Vulkan
-- Windows x64 HIP Radeon
-- Windows x64 SYCL
-- Windows ARM64 CPU
-
-这意味着：
-
-## NVIDIA 用户
-
-可以直接选择：CUDA 12.4 或者 CUDA 13.1
-
-如果你是：
-
-- RTX 3060
-- RTX 4060
-- RTX 4070
-- RTX 4080
-- RTX 4090
-
-基本建议优先 CUDA。
-
-## AMD 用户
-
-现在终于不用完全依赖 ROCm 了。
-
-你可以：HIP 或者 Vulkan
-
-很多情况下，Vulkan 反而比 HIP 更稳定。
-
-## Intel 用户
-
-现在 Intel 核显、Arc 独显也终于有得玩了。
-
-可以尝试：SYCL 或者 Vulkan
-
-虽然性能和 NVIDIA 还有差距，但已经能正常跑很多 GGUF 小模型。
-
-## 如何启动 GGUF 模型？
-
-例如：gemma-4-31b-jang-crack-Q4\_K\_M.gguf
-
-启动方式其实非常简单。
-
-进入 llama.cpp 目录：
-
-llama-server.exe -m models\\你的模型.gguf -ngl 999
-
-llama-server.exe -m models\\你的模型.gguf -ngl 999
-
-```js
-llama-server.exe -m models\你的模型.gguf -ngl 999
-```
-
-其中：-ngl 999 代表尽量把模型全部加载到 GPU。
-
-启动成功后，浏览器打开：http://127.0.0.1:8080
-
-即可进入网页聊天界面。
-
-## 如何启动 GGUF 多模态视觉模型？
-
-加载视觉模型需要2个文件，一个是主模型文件，另外一个就是 mmproj 视觉模型加载文件
-
-目前支持较好的包括：
-
-## Qwen2-VL / Qwen2.5-VL
-
-目前中文视觉能力最强之一：
-
-- OCR
-- 截图理解
-- 网页识别
-- 中文图片问答
-
-表现都非常强。
-
-### 主模型下载：【点击前往】或 【网盘下载】、【备用下载】
-
-![20260518071309 620194](https://www.freedidi.com/wp-content/uploads/2026/05/20260518071309_620194.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 5")
-
-比如我让它给做视频封面的点击率测试，居然可以做到100%正确！当然它的功能远不止这些…….
-
-**多模态模型启用：**
-
-llama-server.exe -m "models\\主模型.gguf" --mmproj "models\\mmproj视觉模型.gguf" -ngl 999
-
-llama-server.exe -m "models\\主模型.gguf" --mmproj "models\\mmproj视觉模型.gguf" -ngl 999
-
-```js
-llama-server.exe -m "models\主模型.gguf" --mmproj "models\mmproj视觉模型.gguf" -ngl 999
-```
-
-## 无审查模型：
-
-**1、Llama3-8b-DarkIdol 是比较热门的无审查的开源大模型**
-
-**支持中文、日文和英语，非常适合角色扮演。**
-
-### 模型下载：【点击前往】或 【打包下载】打包版下载即可使用无需合并转换格式
-
-下载合并为GGUF模型格式
-
-huggingface-cli download aifeifei798/llama3-8B-DarkIdol-2.3-Uncensored-32K --local-dir DarkIdol-HF --local-dir-use-symlinks False
-
-huggingface-cli download aifeifei798/llama3-8B-DarkIdol-2.3-Uncensored-32K --local-dir DarkIdol-HF --local-dir-use-symlinks False
-
-```js
-huggingface-cli download aifeifei798/llama3-8B-DarkIdol-2.3-Uncensored-32K --local-dir DarkIdol-HF --local-dir-use-symlinks False
-```
-
-然后用 llama.cpp 转 GGUF：
-
-git clone https://github.com/ggerganov/llama.cpp
-
-cd llama.cpp
-
-pip install -r requirements.txt
-
-python convert\_hf\_to\_gguf.py../DarkIdol-HF --outtype f16 --outfile../DarkIdol-F16.gguf
-
-git clone https://github.com/ggerganov/llama.cpp cd llama.cpp pip install -r requirements.txt python convert\_hf\_to\_gguf.py../DarkIdol-HF --outtype f16 --outfile../DarkIdol-F16.gguf
-
-```js
-git clone https://github.com/ggerganov/llama.cpp
-cd llama.cpp
-pip install -r requirements.txt
-
-python convert_hf_to_gguf.py ../DarkIdol-HF --outtype f16 --outfile ../DarkIdol-F16.gguf
-```
-
-需要量化成 Q4\_K\_M的话可以命令：
-
-llama-quantize.exe../DarkIdol-F16.gguf../DarkIdol-Q4\_K\_M.gguf Q4\_K\_M
-
-llama-quantize.exe../DarkIdol-F16.gguf../DarkIdol-Q4\_K\_M.gguf Q4\_K\_M
-
-```js
-llama-quantize.exe ../DarkIdol-F16.gguf ../DarkIdol-Q4_K_M.gguf Q4_K_M
-```
-
-![20260518065228 136336](https://www.freedidi.com/wp-content/uploads/2026/05/20260518065228_136336.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 6")
-
-**2、Gemma-4-31b-jang-crack-Q4\_K\_M 是 Google 开源的无审查大模型**
-
-这是一个在本地跑：听话、高效、不乱加道德判断的AI
-
-- **推理能力扎实：在数学和代码相关任务上表现突出，尤其长上下文处理（原生支持128K，部分可扩展到256K）。你甚至可以把整个项目代码库或一本技术手册一次性喂给它，它不会轻易“失忆”。**
-- **参数效率高：**  
-	26B MoE版本激活参数不多，跑起来相对轻快，在很多基准上效率比同级别模型更好。
-- **开源友好：**  
-	Apache 2.0协议，允许修改、商用和二次分发，这对想自己折腾或做副业的朋友来说非常实用。
-
-官方版的主要问题是安全对齐层比较厚，很多正常的技术探讨或创意场景容易被挡住。越狱版通过社区技术（abliteration等）移除了这部分限制，保留了绝大部分原始能力。
-
-### 模型下载：【点击前往】或 【打包下载】、【备用下载】
-
-![20260518094514 729207](https://www.freedidi.com/wp-content/uploads/2026/05/20260518094514_729207.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 7")
-
-## 更多越狱模型：
-
-1、Hermes-3 【 **[点击下载](https://huggingface.co/NousResearch/Hermes-3-Llama-3.1-8B)** 】
-
-2、Qwen 越狱模型【 [**点击下载**](https://huggingface.co/zemelee/qwen2.5-jailbreak) 】
-
-3、Deepseek 越狱模型【 **[点击下载](https://huggingface.co/huihui-ai)** 】
-
-## 多种模态自由切换运行：
-
-如果我们同时下载了多种不同的模型，为了方便统一管理，在运行的时候我们可以使用零度的这个脚本，来实现多模型自由切换运行，注意将里面的模型名称改成你自己的！
-
-@echo off
-
-chcp 65001 >nul
-
-cd /d C:\\Users\\LINGDU\\Desktop\\llama-b9196-bin-win-cuda-13.1-x64
-
-echo 请选择模型：
-
-echo 1. Gemma 31B
-
-echo 2. Qwen VL 多模态
-
-echo 3. DeepSeek
-
-set /p choice=输入数字：
-
-if "%choice%"=="1" llama-server.exe -m "models\\gemma-4-31b-jang-crack-Q4\_K\_M.gguf" -ngl 999
-
-if "%choice%"=="2" llama-server.exe -m "models\\Qwen2.5-VL-7B-Instruct-Q4\_K\_M.gguf" --mmproj "models\\mmproj-BF16.gguf" -ngl 999
-
-if "%choice%"=="3" llama-server.exe -m "models\\deepseek.gguf" -ngl 999
-
-pause
-
-@echo off chcp 65001 >nul cd /d C:\\Users\\LINGDU\\Desktop\\llama-b9196-bin-win-cuda-13.1-x64 echo 请选择模型： echo 1. Gemma 31B echo 2. Qwen VL 多模态 echo 3. DeepSeek set /p choice=输入数字： if "%choice%"=="1" llama-server.exe -m "models\\gemma-4-31b-jang-crack-Q4\_K\_M.gguf" -ngl 999 if "%choice%"=="2" llama-server.exe -m "models\\Qwen2.5-VL-7B-Instruct-Q4\_K\_M.gguf" --mmproj "models\\mmproj-BF16.gguf" -ngl 999 if "%choice%"=="3" llama-server.exe -m "models\\deepseek.gguf" -ngl 999 pause
-
-```js
-@echo off
-chcp 65001 >nul
-cd /d C:\Users\LINGDU\Desktop\llama-b9196-bin-win-cuda-13.1-x64
-
-echo 请选择模型：
-echo 1. Gemma 31B
-echo 2. Qwen VL 多模态
-echo 3. DeepSeek
-
-set /p choice=输入数字：
-
-if "%choice%"=="1" llama-server.exe -m "models\gemma-4-31b-jang-crack-Q4_K_M.gguf" -ngl 999
-if "%choice%"=="2" llama-server.exe -m "models\Qwen2.5-VL-7B-Instruct-Q4_K_M.gguf" --mmproj "models\mmproj-BF16.gguf" -ngl 999
-if "%choice%"=="3" llama-server.exe -m "models\deepseek.gguf" -ngl 999
-
-pause
-```
-
-将上方的命令保存到文本文档里，另存为的时候选择utf-8格式，最后将txt后缀改成bat即可！双击运行即可看到下方的选项
-
-![20260518070758 415709](https://www.freedidi.com/wp-content/uploads/2026/05/20260518070758_415709.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 8")
-
-输入模型对应的数字就可以成功启动模型
-
-![20260518070850 012830 scaled](https://www.freedidi.com/wp-content/uploads/2026/05/20260518070850_012830-scaled.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 9") ![20260518070854 219316 scaled](https://www.freedidi.com/wp-content/uploads/2026/05/20260518070854_219316-scaled.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 10")
-
-![20260518110131 957575 scaled](https://www.freedidi.com/wp-content/uploads/2026/05/20260518110131_957575-scaled.webp "Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13 / Vulkan / HIP / SYCL，一键跑 GGUF 无审查模型！ 11")

AI与模型/AI应用/chatwoot+n8n+dify.md

@@ -1,269 +0,0 @@
-# Chatwoot + n8n + Dify 智能客服
-
-> 部署日期：2026-06-24～25 · 更新：2026-06-25
-
----
-
-## 架构概览
-
-```
-用户 → Chatwoot(:3000) → Webhook → n8n(:5678) → Dify(:8088) → n8n → Chatwoot API → 用户
-                              ↑                                                    │
-                              └──────── 机器人回复不会再触发 Webhook ──────────────┘
-                                    （Filter 过滤 sender_type ≠ "contact"）
-```
-
-| 组件 | 服务器 | 端口 | 路径/管理 |
-|------|--------|------|-----------|
-| Chatwoot | aliyun2 (47.109.158.218) | 3000 | `/opt/chatwoot/`，docker-compose |
-| n8n | aliyun2 | 5678 | `/www/dk_project/dk_app/n8n/n8n_zZ2Y/`，宝塔 Docker |
-| Dify | aliyun2 | 8088 | v1.11.2，12 容器 |
-
-Chatwoot 数据库端口 5433（Postgres）/ 6380（Redis），避免与 Dify 的 5432/6379 冲突。
-
----
-
-## 一、Chatwoot 配置
-
-### 1.1 部署（已完成）
-
-```bash
-cd /opt/chatwoot
-# 管理命令
-docker-compose up -d      # 启动
-docker-compose down        # 停止
-docker-compose restart     # ⚠️ 不重读 .env！改环境变量必须 down + up -d
-docker-compose ps          # 查看状态
-```
-
-核心环境变量（`.env`）：`SECRET_KEY_BASE`、`POSTGRES_PASSWORD`、`REDIS_PASSWORD`、`FRONTEND_URL`
-
-### 1.2 SMTP 邮件配置
-
-Chatwoot 必须配 SMTP，客服注册需邮箱验证。
-
-**当前使用：阿里云邮件推送**
-
-| 项目       | 值                         |
-| -------- | ------------------------- |
-| 发送地址     | `zlsh@smtp.zilanlife.com` |
-| SMTP 服务器 | `smtpdm.aliyun.com`       |
-| 端口       | 465（SSL）                  |
-| 认证方式     | plain                     |
-| 密码       | `M9LV49ujVpxvUbC`         |
-
-备选 QQ 邮箱：`zhensolid@vip.qq.com`，SMTP 密码 `ofgfjztgxvgkbiaa`，`smtp.qq.com:465`
-
-> ⚠️ 新域名邮件可能进垃圾箱，正常现象。
-
-### 1.3 创建 Webhook（机器人）
-
-Chatwoot 后台 → Settings → Integrations → Webhooks → Add new webhook：
-
-1. 将 n8n 的 **Production Webhook URL** 填入
-2. 勾选事件：`message_created`
-3. 保存
-
-Chatwoot 收到用户消息 → 推送到这个 URL → n8n 接收处理。
-
-### 1.4 获取 API 访问令牌
-
-Chatwoot 后台 → Settings → API Access → Generate new token：
-
-| 项目 | 值 |
-|------|-----|
-| 当前 Token | `mmFb9KQVxKFemRBQ168w3Tzb` |
-
-用于 n8n 回复消息时调用 Chatwoot API。
-
----
-
-## 二、n8n 工作流配置
-
-### 节点结构
-
-```
-Webhook（触发器）
-  │  Respond: Immediately  ← 🔴 必须！否则 Chatwoot 超时重试→死循环
-  │
-  ├─ IF: message_type == "incoming"         ← 只处理用户消息
-  ├─ IF: private == false                    ← 排除私聊模式
-  └─ IF: conversation.status == "pending"   ← 客服介入后停止
-  │
-  ▼
-HTTP Request → Dify  ← 调 Dify Chat API，blocking 模式
-  │
-  ▼
-HTTP Request → Chatwoot  ← 把 Dify 回复发回对话
-```
-
-### 节点详细配置
-
-#### 节点 1：Webhook 触发器
-
-| 配置项 | 值 | 说明 |
-|--------|-----|------|
-| HTTP Method | POST | |
-| Path | 自动生成 | |
-| **Respond** | **Immediately** | 🔴 必须！Chatwoot 5s 超时，不设会重试→循环 |
-| Response Code | 200 | |
-
-生成两个 URL：**Test**（草稿测试）和 **Production**（发布后用）。
-
-Chatwoot 里填 Production URL。
-
-#### 节点 2-4：IF 过滤器（三个串连）
-
-| #   | 条件                                     | 操作符   | 值          | 目的            |
-| --- | -------------------------------------- | ----- | ---------- | ------------- |
-| 2   | `{{ $json.body.message_type }}`        | Equal | `incoming` | 只要用户消息，不要系统通知 |
-| 3   | `{{ $json.body.private }}`             | Equal | `false`    | 排除客服私聊模式      |
-| 4   | `{{ $json.body.conversation.status }}` | Equal | `pending`  | 客服接手后停止机器人    |
-
-三个都通过 → 流向 Dify。
-
-> 🔴 注意：Webhook 的 Respond 已设为 Immediately，所以即使 Filter 拦截了消息，Chatwoot 也已拿到 200，不会重试。
-
-#### 节点 5：HTTP Request → Dify
-
-| 配置项 | 值 |
-|--------|-----|
-| Method | POST |
-| URL | `http://47.109.158.218:8088/v1/chat-messages` |
-
-**Headers:**
-
-| Key | Value |
-|-----|-------|
-| Authorization | `Bearer app-ieGbmugS3yP7tzFESP56KWD7` |
-| Content-Type | `application/json` |
-
-**Body (JSON):**
-
-```json
-{
-  "inputs": {},
-  "query": "{{ $json.body.content }}",
-  "response_mode": "blocking",
-  "user": "{{ $json.body.sender.name }}"
-}
-```
-
-| 参数 | 说明 |
-|------|------|
-| `query` | 用户发来的消息文本 |
-| `response_mode` | `blocking` = 等 Dify 回复完再继续（简单可靠） |
-| `user` | 会话标识，用发送者名字区分用户 |
-
-#### 节点 6：HTTP Request → Chatwoot（回复消息）
-
-| 配置项 | 值 |
-|--------|-----|
-| Method | POST |
-| URL | `http://47.109.158.218:3000/api/v1/accounts/{{ $('Webhook').item.json.body.account.id }}/conversations/{{ $('Webhook').item.json.body.conversation.id }}/messages` |
-
-> ⚠️ 必须用 `$('Webhook')` 跨节点引用而非 `$json`。因为 Dify 返回后数据已变成 Dify 的响应结构，`$json.body` 里没有 Chatwoot 的 account_id。`$('Webhook')` 强制回到源头拿原始数据。
-
-**Headers:**
-
-| Key | Value |
-|-----|-------|
-| api_access_token | `mmFb9KQVxKFemRBQ168w3Tzb` |
-| Content-Type | `application/json` |
-
-**Body (JSON):**
-
-```json
-{
-  "content": "{{ $json.answer.replace(/<think>[\\s\\S]*?<\\/think>/g, '').trim() }}"
-}
-```
-
-`$json.answer` 是上一节点（Dify HTTP Request）返回的回复文本。正则移除 `<think>...</think>` 思考过程标签。
-
----
-
-## 三、Dify 配置
-
-### 3.1 创建聊天应用
-
-Dify 后台（`http://47.109.158.218:8088`）→ 创建应用 → 聊天助手：
-
-1. 选择模型（如 DeepSeek）
-2. 编写系统提示词（Prompt）
-3. 可选添加知识库
-4. 发布应用
-
-### 3.2 获取 API Key
-
-应用内 → 左侧菜单 **API 访问** → 生成密钥：
-
-| 项目 | 值 |
-|------|-----|
-| API Key | `app-ieGbmugS3yP7tzFESP56KWD7` |
-| API 端点 | `http://47.109.158.218:8088/v1/chat-messages` |
-
-> 这个 Key 填到 n8n 节点 5 的 Authorization 里。
-
----
-
-## 四、常见问题与排错
-
-### 🔴 Q1：机器人自言自语无限循环
-
-**现象**：用户发一条消息，Dify 不停回复同一句，Chatwoot 里消息不断刷。
-
-**原因**：n8n 回复给 Chatwoot 的消息又被 Chatwoot 当成新消息，再次触发 Webhook → 循环。
-
-**解决步骤：**
-
-1. Webhook 节点 → **Respond: Immediately**（Chatwoot 秒拿 200，不再重试）
-2. n8n workflow **执行历史**里查看死循环的 payload → 找 `sender_type` 字段
-3. Filter 节点加条件：`sender_type` ≠ `agent`（或等于 `contact`）
-4. ⚠️ 注意：Chatwoot Webhook payload 里代表用户的是 `contact`，机器人回复是 `agent` 或 `bot`。**先看实际 payload 里字段名再设 Filter。**
-
-如果你的 webhook payload 没有 `sender_type` 而是其他字段（如 `message_type` = `outgoing` / `incoming`），用它来区分。
-
-### 🟡 Q2：URL 里字段变成 undefined
-
-**现象**：`/accounts/undefined/conversations/...`
-
-**原因**：用了 `$json.body.account.id` 但 HTTP Request 节点拿到的 $json 不是 Webhook 的原始数据（中间有 Filter/Set 改了结构）。
-
-**解决**：改用跨节点引用 `$('Webhook').item.json.body.account.id`
-
-### 🟡 Q3：Dify 回复包含 `\<think\>` 标签
-
-已在节点 6 用正则处理：
-```js
-$json.answer.replace(/<think>[\s\S]*?<\/think>/g, '').trim()
-```
-
-如果 Dify 开启了思考模式（DeepSeek-R1 等），输出会带有推理过程。
-
-### 🟡 Q4：n8n Webhook URL 改了不生效
-
-**原因**：n8n 里有两个 URL（Test / Production），改了 Chatwoot 里填的 URL 后要确认对应的是 n8n **当前发布**版本。
-
-**检查**：n8n 右上角 → 确认已发布（Active），再看 Webhook 节点的 Production URL。
-
----
-
-## 五、速查
-
-| 需要                 | 去哪                                                                |
-| ------------------ | ----------------------------------------------------------------- |
-| Chatwoot 后台        | `http://47.109.158.218:3000`                                      |
-| n8n 后台             | `http://47.109.158.218:5678`                                      |
-| Dify 后台            | `http://47.109.158.218:8088`                                      |
-| Chatwoot API Token | `mmFb9KQVxKFemRBQ168w3Tzb`                                        |
-| Dify API Key       | `app-ieGbmugS3yP7tzFESP56KWD7`                                    |
-| Chatwoot 重启        | `cd /opt/chatwoot && docker-compose down && docker-compose up -d` |
-| n8n 容器名            | `n8n_zz2y-n8n_zZ2Y-1`                                             |
-
----
-
-客户连续对话：
-1、Chatwoot 需要配置自定义属性
-2、n8n 工作流需要配置 code 属性和写入 dify_id 
-

AI与模型/AI应用/微信MCP.md

@@ -1,21 +0,0 @@
----
-title: 微信MCP
-date: 2025-06-08T11:12:09+08:00
-lastmod: 2025-06-08T11:17:26+08:00
----
-
-# 微信MCP
-
-　　项目地址：[https://github.com/sjzar/chatlog](https://github.com/sjzar/chatlog)
-
-　　微信历史版本：
-
-　　https://github.com/cscnk52/wechat-windows-versions/releases/tag/v4.0.3.36
-
-　　https://github.com/iibob/WechatWindowsVersionHistory/releases/tag/v4.0.3.36
-
-　　‍
-
-　　MCP服务地址`http://127.0.0.1:5030/sse`
-
-　　需要调用包含tool的模型，并且注意模型运行会修改日期，请提示词严格限制修改日期

AI与模型/AI应用/查看操作实例.md

@@ -1,62 +0,0 @@
----
-notion-id: 251ca4d7-cb7b-803d-883d-fe0d24b3c9db
----
-[https://docs.firecrawl.dev/api-reference/endpoint/crawl-post?playground=open](https://docs.firecrawl.dev/api-reference/endpoint/crawl-post?playground=open)
-- **Scrape** → 单页抓取
-- **Crawl** → 全站爬取
-- **Map** → 网站结构
-- **Search** → 搜索功能
-- **Extract** → 数据提取
-- **Account** → 账户/使用情况
-
-### 网页查看抓取记录
-```bash
-#查看操作记录
-http://40.233.18.33:3002/admin/19841122Cy!/queues
-```
-### 查看单个抓取记录
-```bash
-#查看操作记录
-curl --request GET \
-  --url http://40.233.18.33:3002/v1/crawl/6e18d18b-51f5-41a7-adf4-4a975bea4c54 \
-  --header 'Authorization: Bearer 123456789'
-```
-### 抓取全局网页
-```bash
-#抓取页面
-curl --request POST \
-  --url http://40.233.18.33:3002/v1/crawl \
-  --header 'Authorization: Bearer 123456789' \
-  --header 'Content-Type: application/json' \
-  --data '{
-  "maxDepth": 2,
-  "ignoreSitemap": false,
-  "ignoreQueryParameters": false,
-  "limit": 10000,
-  "allowBackwardLinks": false,
-  "crawlEntireDomain": false,
-  "allowExternalLinks": false,
-  "allowSubdomains": false,
-  "scrapeOptions": {
-    "formats": [
-      "markdown"
-    ]
-  },
-  "zeroDataRetention": false,
-  "url": "https://www.3dmgame.com/"
-}'
-```
-### 抓取地图
-```bash
-curl --request POST \
-  --url http://40.233.18.33:3002/v1/map \
-  --header 'Authorization: Bearer 123456789' \
-  --header 'Content-Type: application/json' \
-  --data '{
-  "ignoreSitemap": false,
-  "sitemapOnly": false,
-  "includeSubdomains": true,
-  "limit": 5000,
-  "url": "https://www.3dmgame.com/"
-}'
-```

AI与模型/AI绘画/ComfyUI+Wan2.1.md

@@ -1,13 +0,0 @@
----
-notion-id: 1e7ca4d7-cb7b-8025-8c4c-d990095c8681
----
-下载： https://github.com/comfyanonymous/ComfyUI 
-插件存放地址：`\ComfyUI\custom_nodes`
-插件一： https://github.com/Comfy-Org/ComfyUI-Manager 
-插件二： https://github.com/kijai/ComfyUI-WanVideoWrapper 
-插件三： https://github.com/Kosinkadink/ComfyUI-VideoHelperSuite 
-插件四： https://github.com/kijai/ComfyUI-KJNodes 
-`\ComfyUI\models\diffusion_models` 
-`\ComfyUI\models\text_encoders`
-`\ComfyUI/models/vae`
-`\ComfyUI/models/clip_vision`

AI与模型/AI绘画/Laman-clear/CUDA详细安装.md

@@ -1,20 +0,0 @@
-一、配置环境  
-1，查看CUDA版本  
-在搜索框输入NVIDIA，点击NVIDIA控制面板  
-选中“管理3D设置”，点击下方的“系统信息”  
-点击“组件”按钮，查看CUDA版本
-
-![Exported image](Exported%20image%2020260425172256-0.png)  
-
-2、根据所需版本下载，安装CUDA  
-[https://developer.nvidia.com/cuda-toolkit-archive](https://developer.nvidia.com/cuda-toolkit-archive)  
-3、下载cudnn  
-[https://developer.nvidia.com/cudnn](https://developer.nvidia.com/cudnn)  
-安装方法：解压，覆盖CUDA的文件  
-4、安装pytorch【必须在python环境下安装】  
-[https://pytorch.org/get-started/locally/](https://pytorch.org/get-started/locally/)  
-5、运行文件检查
-
-|   |   |
-|---|---|
-|参考操作|[https://blog.csdn.net/anmin8888/article/details/127910084](https://blog.csdn.net/anmin8888/article/details/127910084)|

AI与模型/AI绘画/Laman-clear/Laman 启动指令.md

@@ -1,4 +0,0 @@
-常用指令：iopaint start --model=lama --device=cuda --port=8080
-   
-
-iopaint start --model=Sanster/AnyText --device=cuda --port=8080

AI与模型/AI绘画/Laman-clear/Laman-clear安装教程.md

@@ -1,21 +0,0 @@
-Laman-clear安装地址CI  
-[https://github.com/Sanster/lama-cleaner](https://github.com/Sanster/lama-cleaner)
- 
-NVIDIA CUDA 安装下载地址  
-[https://developer.nvidia.com/cuda-toolkit-archive](https://developer.nvidia.com/cuda-toolkit-archive)
- 
-安装PyTorch支持cuda的  
-[https://pytorch.org/get-started/locally/#anaconda](https://pytorch.org/get-started/locally/#anaconda)  
-卸载当前的 PyTorch  
-pip uninstall torch torchvision torchaudio
- 
-运行参数  
-lama-cleaner --model=lama --device=cuda --port=8080  
-插件参数  
---enable-realesrgan --realesrgan-model RealESRGAN_x4plus --realesrgan-device cuda
- 
-Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy Unrestricted  
-会将当前用户的 PowerShell 执行策略设置为无限制，这意味着可以在 PowerShell 中执行任何未经数字签名的脚本。  
-conda init --all  
-会初始化 conda 并将其添加到 shell 配置中，以便在打开新的终端时自动激活 conda 环境。这将确保 conda 在每次打开终端时都可以使用。  
-综合来说，这两个命令的效果是允许在 PowerShell 中执行未经数字签名的脚本，并且在每次打开终端时都自动激活 conda 环境

AI与模型/AI绘画/Stable Diffusion WebUl/C站使用教程.md

@@ -1,28 +0,0 @@
-**A****i****模型类型**
-
-|   |   |
-|---|---|
-|Checkpoint|大模型/底模型=Dreambooth|
-|Lora|微调模型|
-|Hypernetwork|微调模型|
-|Embedding|Textual inversion=Embedding|
-|Textual inversion|基于文本的反演方法|
-
-**后缀名：**
-
-|   |   |   |
-|---|---|---|
-|Ckpt|后缀名|不受加密保护|
-|Safetensors|后缀名|收到加密保护|
-|Proued|模型版本|剪枝（参数减少），容量少|
-|Ema|模型版本|平滑模型参数|
-|Ft16，FT32|模型版本|FT32保留更多的小数，FT16精度小|
- 
-**C****站模型使用流程关键：**
-
-|   |   |   |   |
-|---|---|---|---|
-|大模型|Stable Diffsuion|必备||
-|VAE模型|解码模型|必备|有些大模型自带VAE模型不需要额外挂载|
-|微调模型|LoRA,Embedding,Hypernetwork，Dreambooth（可作为大模型）|可选|均属于大模型基础上的微调模型，特定风格+特定人物|
-|关键词||||

AI与模型/AI绘画/Stable Diffusion WebUl/Stable Diffusion远程控制.md

@@ -1,2 +0,0 @@
-高级选项→监听端口→开放远程连接  
-windows防火墙

AI与模型/AI绘画/Stable Diffusion WebUl/【模型】推荐.md

@@ -1,16 +0,0 @@
-|   |   |
-|---|---|
-|Anything V5|二次元风格|
-|Counterfeit-V3.0|画风精美|
-|DreamShaper|平面维度到三维切换|
-|Rev Animated|2到3D的2.5D搭配Bindbox做IP形象|
-|Chilloumix|懂得抖动|
-|Realistic Vision|超写实|
-|ChostMix|人物魔幻的场景|
-|majicMIX lux|小姐姐|
-|Product Design  <br>(minialism-eddiemauro)|产品设计|
-|Cheese Daddy's Landscapes mix|美轮美奂的场景|
-
-|   |   |
-|---|---|
-|网址|[https://huggingface.co/](https://huggingface.co/)|

AI与模型/AI绘画/Stable Diffusion WebUl/安装&用法.md

@@ -1,2 +0,0 @@
-整合包下载地址：  
-[https://www.bilibili.com/video/BV1iM4y1y7oA/?vd_source=3325b3b63259f51a5601b457e07d02cf](https://www.bilibili.com/video/BV1iM4y1y7oA/?vd_source=3325b3b63259f51a5601b457e07d02cf)

AI与模型/AI绘画/Stable Diffusion WebUl/插件合计.md

@@ -1,7 +0,0 @@
-|   |   |   |   |
-|---|---|---|---|
-|名称|地址|功能|说明|
-|X/Y/Z PLOT|[https://github.com/xrpgame/xyz_plot_script](https://github.com/xrpgame/xyz_plot_script)|1、提示词替换 （替换提示词内容生产内容）  <br>2、迭代步数（查看每一步数生产的效果图）  <br>3、采样器（对比）  <br>4、图像随机种子  <br>5、X,Y,Z轴都能进行对比||
-|sd-webui-depth-lib|[https://github.com/jexom/sd-webui-depth-lib](https://github.com/jexom/sd-webui-depth-lib)|替换手部模型|抖音视频教程已收藏|
-|Controlnet|[https://github.com/lllyasviel/ControlNet](https://github.com/lllyasviel/ControlNet)<br><br>  <br><br>[https://github.com/lllyasviel/ControlNet-v1-1-nightly](https://github.com/lllyasviel/ControlNet-v1-1-nightly)|图像细节补充模型|[https://v.douyin.com/UFWy7Pf/](https://v.douyin.com/UFWy7Pf/)|
-|||||

AI与模型/AI绘画/Stable Diffusion WebUl/炼丹.md

@@ -1,2 +0,0 @@
-下载地址  
-[https://www.bilibili.com/video/BV1Eo4y1w7yU/?spm_id_from=333.999.0.0&vd_source=3325b3b63259f51a5601b457e07d02cf](https://www.bilibili.com/video/BV1Eo4y1w7yU/?spm_id_from=333.999.0.0&vd_source=3325b3b63259f51a5601b457e07d02cf)

AI与模型/API密钥/DeepSeek-Api.md

@@ -1,8 +0,0 @@
-
-|           名称           |                                             地址                                              |
-| :--------------------: | :-----------------------------------------------------------------------------------------: |
-| `base_url` (Anthropic) |                            `https://api.deepseek.com/anthropic`                             |
-|  `base_url` (OpenAI)   |                                 `https://api.deepseek.com`                                  |
-|    `LITELLM_MODEL`     |                                      `deepseek-v4-pro`                                      |
-|  `WECHAT_WEBHOOK_URL`  | `https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=9c550c2e-77bd-41f8-a2b9-81bb1ba552b5` |
-|          API           |                            `sk-8a62671966e1470bb1a6b223a9a549fa`                            |

AI与模型/API密钥/MiniMax-Api.md

@@ -1,13 +0,0 @@
-https://www.minimaxi.com/
-
-**接口**
-
-```
-https://api.minimaxi.com/anthropic
-```
-
-**API Key**
-
-```
-sk-cp-52AdYLyq8PI-7dGh0AL5rEzrz0xRob5mqJrKfucsjPHApPXrCOKjTVhBrnINkGG54sdOWuWOCUWSM97Wm-lDEMZPZGWtdOB6qxuLijDOh55MgNvPdM1t-6U
-```

AI与模型/API密钥/百度API.md

@@ -1,26 +0,0 @@
-百度OCR：
-
-网址：https://console.bce.baidu.com/ai-engine/old/#/ai/ocr/app/detail~appId=7696140
-
-```
-应用名称：zhensolid
-
-应用描述：个人学习
-
-AppID：7696140
-
-API Key：TOxLD8wDkkcGmDAKyQhI1Q7o
-
-Secret Key：pqkUBThvqAKxQoGOWlsXi67uxCTtmJJ5
-```
-
-
-百度翻译：
-
-网址：https://fanyi-api.baidu.com/manage/developer
-
-```
-APP ID：20220426001191098
-
-密钥：PkQPdRwkxUbfb1AnbjMl
-```

AI与模型/API密钥/腾讯云ASR-Api.md

@@ -1,2 +0,0 @@
-APPID：1253619497
-密钥：AKID85mCKCn7AwShfMnwoPkoa5JGhrkMhlY4

AI与模型/Ai 量化/Gemma 分析数据.md

@@ -1,67 +0,0 @@
----
-title: "AI量化"
-source: "https://gemini.google.com/app/b2be0517fe8ca7d7?android-min-version=301356232&ios-min-version=322.0&is_sa=1&campaign_id=test_autosubmit&pt=9008&mt=8&_gl=1*1cjrdlk*_gcl_au*MTMzOTcwMTM0OS4xNzc0NTgyOTc2LjYxODk4Mjg2Ni4xNzc0NTgzMzk2LjE3NzQ1ODMzOTU."
-author:
-published:
-created: 2026-06-19
-description: "Gemini conversation with 4 messages"
-tags:
-  - "clippings"
----
-## 一、 国内 A 股、期货量化：首选“老三样”与 AI 新贵
-
-国内市场受到券商接口和数据合规的限制，通常推荐以下几款：
-
-### 1\. 迅投 QMT / 国泰安极客（Ptrade）—— 散户及半专业交易者的“大杀器”
-
-- **定位：** 券商官方合作的实盘交易终端。
-- **适用人群：** 有一定 Python 基础、希望进行 **A 股/国内期货实盘**的投资者。
-- **核心优势：** 目前只要你在华泰、中信、国泰君安等大券商开户，达到一定资金门槛（通常是 10 万到 50 万人民币），券商就会**免费提供**。QMT 最大的优势在于自带高频 tick 数据和直接下单到券商柜台的能力，省去了自己搭建交易系统的麻烦。
-
-### 2\. 米筐（Ricequant）/ 聚宽（JoinQuant）—— 最友好的 Python 网页端平台
-
-- **定位：** 网页端一站式策略研究与回测平台。
-- **适用人群：** Python 初学者、策略研究员。
-- **核心优势：** 不需要你在本地安装复杂的数据库，打开网页就能用。平台自带清洗好的历史日线、分钟线数据以及财务指标，提供完善的 Python 回测框架（API 极其人性化），非常适合用来验证自己的交易想法。
-
-### 3\. BigQuant —— AI 与机器学习量化先驱
-
-- **定位：** 融合了大语言模型（LLM）与机器学习的 AI 量化平台。
-- **适用人群：** 想尝试 AI 选股、多因子合成、机器学习预测的进阶玩家。
-- **核心优势：** 2026 年 BigQuant 已经深度集成了 **QuantChat（AI量化开发助手）** 和知识库，你可以直接用自然语言让 AI 帮你写因子。它内置了诸如 DNN、LightGBM、XGBoost 以及微软的 Qlib 因子库，是目前国内做“AI+量化”最成熟的平台。
-
-## 二、 全球多资产量化（美股/Crypto/外汇）：首选国际顶流
-
-如果你主要做海外市场，或者追求极端的执行速度，以下软件在国际上处于统治地位：
-
-### 1\. QuantConnect —— 2026年全球高评价的云端量化平台
-
-- **定位：** 开源、云端托管的全球多资产量化引擎（基于开源的 Lean 引擎）。
-- **支持语言：** Python、C#。
-- **核心优势：** 真正的“研究到实盘一键直达”。它直接对接了 Interactive Brokers（盈透证券）、Binance、Coinbase 等全球主流券商和交易所。数据涵盖美股、期权、期货、外汇和加密货币，回测极其精准，几乎没有滑点误差。
-
-### 2\. TradingView (Pine Script) —— 全球最火的视觉化回测与信号触发器
-
-- **定位：** 社交型图表与轻量级量化平台。
-- **适用人群：** 偏好技术指标择时、趋势追踪、不希望写太复杂代码的交易者。
-- **核心优势：** 使用自研的 **Pine Script** 语言，几行代码就能写出一个策略。TradingView 拥有全球最大的交易者社区，你可以直接复制别人的开源策略。通过 Webhook 信号，它可以轻松对接各种自动化下单机器人。
-
-### 3\. NinjaTrader / MetaTrader 5 (MT5) —— 经典专业级桌面量化软件
-
-- **定位：** 经典的硬核桌面客户端。
-- **NinjaTrader：** 主要用于**期货量化**，基于 C# / .NET 开发，具备多品种、多周期组合回测能力，市场重放（Market Replay）功能极其强大。
-- **MT5：** 全球**外汇和 CFD** 的绝对王者。使用 MQL5 语言，事件驱动机制反应极快。
-
-## 三、 纯代码极客流：完全本地化的开源框架
-
-如果你不想把策略上传到任何人的服务器上，追求 100% 的隐私和自由度，可以自己在电脑上搭建以下 Python 开源框架：
-
-- **Backtrader：** 全球最流行的 Python 离线回测框架，基于事件驱动，完美支持多品种同时回测，分析器（Analyzers）非常丰富。
-- **VeighNa (VN.py)：** 国内开源量化的扛把子，专门针对**国内期货（CTP接口）**、A股和境外加密货币设计，自带图形界面，非常适合实盘挂机。
-- **QuantRocket：** Python 优先的专业级量化流水线软件，适合需要处理海量基础数据、搭建多策略投资组合的高阶散户和小型私募。
-
-### 📌 总结：你该选哪一个？
-
-- 如果你是**A股散户，有一点代码基础** ➡️ 联系你的券商客户经理，申请免费的 **QMT** 或 **Ptrade**。
-- 如果你**不想配置复杂的本地环境，只想快点写代码测试** ➡️ 登录 **米筐（Ricequant）** 或 **聚宽（JoinQuant）** 的网页端。
-- 如果你想玩**美股或加密货币自动化** ➡️ 首选 **QuantConnect**（硬核代码流）或 **TradingView**（图表技术流）。

AI与模型/OpenClaw/OpenClaw 企业微信机器人部署与Skills指南.md

@@ -1,443 +0,0 @@
----
-tags:
-  - openclaw
-  - 企业微信
-  - wecom
-  - 机器人
-  - skill
-created: 2026-07-04
----
-
-# OpenClaw 企业微信机器人部署与 Skills 指南
-
-## 一、概述
-
-OpenClaw 企业微信插件（`@wecom/wecom-openclaw-plugin`）由腾讯企业微信团队官方维护，支持两种模式：
-
-| 模式 | 连接方式 | 消息格式 | 适用场景 |
-|------|----------|----------|----------|
-| **Bot 模式**（智能机器人） | WebSocket 长连接 | JSON | 快速接入，流式回复 |
-| Agent 模式（自建应用） | HTTP Webhook 回调 | XML 加密 | 企业应用，API 驱动 |
-
-> 本文档聚焦 Bot 模式（WebSocket），这也是最常用的方式。
-
----
-
-## 二、前提条件
-
-- OpenClaw >= 2026.3.28
-- 企业微信管理后台创建「长连接方式」智能机器人，获取 **Bot ID** 和 **Secret**
-  - 创建入口：https://open.work.weixin.qq.com/help2/pc/cat?doc_id=21657#2.1
-
----
-
-## 三、部署步骤
-
-### 3.1 安装插件
-
-```bash
-# 一键安装（推荐）
-npx -y @wecom/wecom-openclaw-cli install
-
-# 强制重装
-npx -y @wecom/wecom-openclaw-cli install --force
-```
-
-### 3.2 启用插件
-
-安装后插件默认处于 **disabled** 状态，需两步启用：
-
-```bash
-# 1. 将插件加入白名单
-openclaw config set plugins.allow '["deepseek","searxng","memory-core","wecom-openclaw-plugin"]'
-
-# 2. 重启 gateway
-openclaw daemon restart
-```
-
-> 验证：`openclaw plugins list | grep wecom` 应显示 `enabled`
-
-### 3.3 配置 Bot 凭证
-
-```bash
-openclaw config set channels.wecom.botId "你的BotID"
-openclaw config set channels.wecom.secret "你的Secret"
-openclaw config set channels.wecom.enabled true
-openclaw daemon restart
-```
-
-### 3.4 配置 wecom_mcp 工具白名单
-
-Skills 依赖 `wecom_mcp` MCP 工具，需确保在 `tools.alsoAllow` 中：
-
-```bash
-openclaw config set tools.alsoAllow '["wecom_mcp"]'
-```
-
-### 3.5 验证
-
-```bash
-openclaw status
-# 应看到：WeCom | ON | OK | configured
-```
-
----
-
-## 四、配置参考
-
-### Bot 模式核心配置
-
-| 配置项 | 说明 | 默认值 |
-|--------|------|--------|
-| `channels.wecom.enabled` | 启用通道 | `false` |
-| `channels.wecom.botId` | 机器人 Bot ID | — |
-| `channels.wecom.secret` | 机器人 Secret | — |
-| `channels.wecom.connectionMode` | 连接模式 | `websocket` |
-| `channels.wecom.websocketUrl` | WebSocket 端点 | `wss://openws.work.weixin.qq.com` |
-| `channels.wecom.sendThinkingMessage` | 发送"思考中"占位 | `true` |
-
-### 访问控制
-
-| 配置项 | 说明 | 可选值 | 默认值 |
-|--------|------|--------|--------|
-| `channels.wecom.dmPolicy` | 私聊策略 | `pairing`/`open`/`allowlist`/`disabled` | `open` |
-| `channels.wecom.groupPolicy` | 群聊策略 | `open`/`allowlist`/`disabled` | `open` |
-| `channels.wecom.allowFrom` | 私聊白名单 | userid 数组 | `[]` |
-| `channels.wecom.groupAllowFrom` | 群聊白名单 | chatid 数组 | `[]` |
-
----
-
-## 五、内置 Skills 详解（12个）
-
-> 所有 Skill 通过 `wecom_mcp` MCP 工具调用，格式：`wecom_mcp call <品类> <接口> '<JSON入参>'`
-
-### 5.1 wecom-contact — 通讯录查询
-
-**触发词**：查同事、找某人、通讯录
-
-| 接口 | 用途 |
-|------|------|
-| `get_userlist` | 获取可见范围内全部成员（userid、姓名、别名） |
-
-```
-wecom_mcp call contact get_userlist '{}'
-```
-
-### 5.2 wecom-msg — 消息管理 💬
-
-**触发词**：查看消息、看聊天记录、发消息、最近有什么消息
-
-| 接口 | 用途 | chat_type |
-|------|------|-----------|
-| `get_msg_chat_list` | 按时间范围查会话列表 | — |
-| `get_message` | 拉取会话消息（7天内） | 1=单聊 2=群聊 |
-| `get_msg_media` | 下载图片/文件/语音/视频 | — |
-| `send_message` | 发送文本消息 | 1=单聊 2=群聊 |
-
-```
-# 获取会话列表
-wecom_mcp call msg get_msg_chat_list '{"begin_time":"2026-07-01 00:00:00","end_time":"2026-07-04 23:59:59"}'
-
-# 拉取群消息
-wecom_mcp call msg get_message '{"chat_type":2,"chatid":"群ID","begin_time":"2026-07-01 00:00:00","end_time":"2026-07-04 23:59:59"}'
-
-# 发送消息
-wecom_mcp call msg send_message '{"chat_type":2,"chatid":"群ID","msgtype":"text","text":{"content":"你好"}}'
-```
-
-> **限制**：消息拉取仅支持最近 7 天，时间格式 `YYYY-MM-DD HH:mm:ss`
-
-### 5.3 wecom-doc — 文档管理
-
-**触发词**：企业微信文档、创建文档、写个文档、改写文档
-
-| 接口 | 用途 |
-|------|------|
-| `create_doc` | 新建空白文档 |
-| `get_doc_content` | 以 Markdown 读取文档内容 |
-| `edit_doc_content` | 用 Markdown 覆写文档内容 |
-
-```
-wecom_mcp call doc create_doc '{"doc_name":"会议纪要"}'
-wecom_mcp call doc get_doc_content '{"docid":"xxx"}'
-wecom_mcp call doc edit_doc_content '{"docid":"xxx","content":"# 新内容"}'
-```
-
-> 支持通过 `docid` 或文档 URL 定位。URL 格式：`https://doc.weixin.qq.com/doc/xxx`
-
-### 5.4 wecom-sheet — 在线表格
-
-**触发词**：企业微信表格、在线表格、Excel
-
-| 接口 | 用途 |
-|------|------|
-| `create_doc` | 新建在线表格（doc_type=3） |
-| `get_doc_content` | 读取为 Markdown |
-| `sheet_get_info` | 获取子表列表和基础信息 |
-
-```
-wecom_mcp call doc create_doc '{"doc_type":3,"doc_name":"数据统计"}'
-```
-
-> URL 格式：`https://doc.weixin.qq.com/sheet/xxx`
-
-### 5.5 wecom-smartsheet — 智能表格
-
-**触发词**：智能表格、smartsheet
-
-| 接口 | 用途 |
-|------|------|
-| `create_doc` | 新建智能表格（doc_type=10） |
-| `smartsheet_get_sheet` | 查询子表 |
-| `smartsheet_add_sheet` | 添加子表 |
-| `smartsheet_get_fields` | 查询字段 |
-| `smartsheet_add_fields` | 添加字段 |
-| `smartsheet_get_records` | 查询记录 |
-
-```
-wecom_mcp call doc create_doc '{"doc_type":10,"doc_name":"项目管理"}'
-```
-
-> URL 格式：`https://doc.weixin.qq.com/smartsheet/xxx`
-
-### 5.6 wecom-smartpage — 智能文档
-
-**触发词**：智能文档、智能主页
-
-| 接口 | 用途 |
-|------|------|
-| `smartpage_create` | 将 Markdown 发布为智能文档 |
-| `smartpage_export_task` | 提交导出任务（异步） |
-| `smartpage_get_export_result` | 查询导出结果 |
-
-```
-wecom_mcp call doc smartpage_create '{"doc_name":"周报","content":"# 本周工作总结"}'
-```
-
-> URL 格式：`https://doc.weixin.qq.com/smartpage/xxx`
-
-### 5.7 wecom-meeting — 会议管理
-
-**触发词**：创建会议、预约会议、查看会议、取消会议
-
-| 接口 | 用途 |
-|------|------|
-| `create_meeting` | 创建预约会议 |
-| `list_user_meetings` | 查询会议列表（±30天） |
-| `get_meeting_info` | 获取会议详情 |
-| `cancel_meeting` | 取消会议 |
-| `set_invite_meeting_members` | 更新参与人 |
-
-```
-wecom_mcp call meeting create_meeting '{"title":"项目评审","start_time":1719993600,"end_time":1719997200}'
-```
-
-### 5.8 wecom-schedule — 日程管理 📅
-
-**触发词**：创建日程、安排日程、查看日程、闲忙查询
-
-| 接口 | 用途 |
-|------|------|
-| `get_schedule_list_by_range` | 查询日程列表 |
-| `get_schedule_detail` | 获取日程详情 |
-| `create_schedule` | 创建日程 |
-| `update_schedule` | 修改日程 |
-| `cancel_schedule` | 取消日程 |
-| `check_availability` | 查询成员闲忙状态 |
-
-```
-wecom_mcp call schedule create_schedule '{"subject":"团队周会","start_time":"2026-07-05 10:00:00","end_time":"2026-07-05 11:00:00"}'
-```
-
-### 5.9 wecom-todo — 待办事项
-
-**触发词**：创建待办、分派任务、标记完成、查看待办
-
-| 接口 | 用途 |
-|------|------|
-| `search_todo_userid` | 按姓名搜索 userid |
-| `create_todo` | 创建待办 |
-| `update_todo` | 更新待办内容/时间 |
-| `change_todo_user_status` | 更改用户状态（接受/拒绝/完成） |
-| `get_todo_list` | 获取待办列表 |
-| `get_todo_detail` | 批量获取待办详情 |
-| `delete_todo` | 删除待办 |
-
-```
-wecom_mcp call todo create_todo '{"content":"完成Q3报告","follower":[{"userid":"zhangsan"}]}'
-```
-
-### 5.10 wecom-send-media — 发送文件
-
-**触发词**：发送文件、分享图片、传个文件
-
-在回复中使用 `MEDIA:` 指令发送本地文件：
-
-```
-MEDIA:/path/to/image.png
-MEDIA:/path/to/document.pdf
-```
-
-> 大小限制：图片 10MB、视频 10MB、语音 2MB（AMR）、文件 20MB。超限自动降级。
-
-### 5.11 wecom-send-template-card — 模板卡片
-
-**触发词**：发通知、投票、方案选择、多维度选择
-
-| 卡片类型 | 用途 |
-|----------|------|
-| `text_notice` | 文本通知 |
-| `news_notice` | 图文通知 |
-| `button_interaction` | 按钮交互 |
-| `vote_interaction` | 投票表决 |
-| `multiple_interaction` | 多维度选择 |
-
-```
-# 投票
-wecom_mcp call msg send_template_card '{"chat_type":2,"chatid":"群ID","template_card_type":"vote_interaction",...}'
-```
-
-### 5.12 wecom-preflight — 前置检查
-
-**用途**：首次使用前检查 `wecom_mcp` 是否已加入工具白名单。其他 Skill 会自动触发此检查。
-
----
-
-## 六、文档品类 URL 识别速查
-
-| URL 模式 | 品类 | 对应 Skill |
-|----------|------|------------|
-| `doc.weixin.qq.com/doc/*` | 普通文档 | `wecom-doc` |
-| `doc.weixin.qq.com/sheet/*` | 在线表格 | `wecom-sheet` |
-| `doc.weixin.qq.com/smartsheet/*` | 智能表格 | `wecom-smartsheet` |
-| `doc.weixin.qq.com/smartpage/*` | 智能文档 | `wecom-smartpage` |
-
----
-
-## 七、群消息获取
-
-### 方式一：被动接收（默认）
-
-把机器人加入群聊即可。群策略默认 `open`，所有群都能 @机器人 对话。
-
-```bash
-# 查看/设置群策略
-openclaw config get channels.wecom.groupPolicy
-openclaw config set channels.wecom.groupPolicy open
-```
-
-### 方式二：主动拉取历史消息
-
-通过 `wecom-msg` Skill 的 `get_message`（chat_type=2）拉取 7 天内的群消息：
-
-```bash
-# 先获取会话列表找到群 chatid
-wecom_mcp call msg get_msg_chat_list '{"begin_time":"2026-07-01 00:00:00","end_time":"2026-07-04 23:59:59"}'
-
-# 拉取该群消息
-wecom_mcp call msg get_message '{"chat_type":2,"chatid":"群的chatid","begin_time":"2026-07-01 00:00:00","end_time":"2026-07-04 23:59:59"}'
-```
-
-### 群消息处理流程
-
-1. `get_msg_chat_list` → 查找目标群的 chatid
-2. `get_message(chat_type=2)` → 拉取消息
-3. `wecom-contact get_userlist` → userid 转姓名
-4. 展示消息（文本 / 图片 / 文件 / 语音 / 视频）
-5. 非文本消息需调用 `get_msg_media` 下载
-
----
-
-## 八、调试与维护
-
-### 查看状态
-
-```bash
-openclaw status                    # 快速状态
-openclaw plugins list              # 插件列表
-openclaw config get channels       # 通道配置
-openclaw doctor                    # 诊断修复
-```
-
-### 查看日志
-
-```bash
-openclaw logs --follow             # 实时日志
-openclaw logs --follow | grep wecom  # 只看 WeCom 相关
-```
-
-### 更新插件
-
-```bash
-openclaw plugins update wecom-openclaw-plugin
-```
-
-### 更新安装工具
-
-```bash
-npx -y @wecom/wecom-openclaw-cli install --force
-```
-
-### 重启 Gateway
-
-```bash
-openclaw daemon restart
-```
-
----
-
-## 九、常见问题
-
-### Q1: 安装后机器人没反应？
-
-按以下顺序排查：
-
-1. `openclaw plugins list` — 确认 wecom-openclaw-plugin 状态为 `enabled`
-2. `openclaw config get channels.wecom` — 确认 botId/secret/enabled 已配置
-3. `openclaw status` — 确认 WeCom 通道 State=OK
-4. `openclaw logs --follow` — 查看实时日志
-
-> 常见根因：插件 installed 但 disabled，需要两步：加入 `plugins.allow` + 重启 gateway。
-
-### Q2: 插件 enabled 但仍无法使用 Skills？
-
-检查 `tools.alsoAllow` 是否包含 `wecom_mcp`：
-
-```bash
-openclaw config get tools.alsoAllow
-# 应包含 "wecom_mcp"
-```
-
-### Q3: 消息拉取不到？
-
-- 仅支持最近 **7 天** 内的消息
-- 时间格式必须为 `YYYY-MM-DD HH:mm:ss`
-- chat_type: 1=单聊, 2=群聊
-
-### Q4: Skills 调用报错？
-
-所有 Skill 需先通过 `wecom-preflight` 检查。确保 `tools.allow` 或 `tools.alsoAllow` 中包含 `wecom_mcp`。
-
-### Q5: 群消息不想所有人都能用？
-
-```bash
-# 白名单模式（仅指定群可用）
-openclaw config set channels.wecom.groupPolicy allowlist
-openclaw config set channels.wecom.groupAllowFrom '["群chatid1","群chatid2"]'
-```
-
----
-
-## 十、参考链接
-
-- [企业微信 AI Bot 官方文档](https://open.work.weixin.qq.com/help?doc_id=21657)
-- [企业微信 CLI 开源项目](https://open.work.weixin.qq.com/help2/pc/21676)
-- [OpenClaw 文档](https://docs.openclaw.ai/)
-- [插件完整 README](https://github.com/WeCom/wecom-openclaw-plugin)
-- [WeCom 插件配置指引（腾讯文档）](https://doc.weixin.qq.com/doc/w3_AFYA1wY6ACoCNRxfnyGRJQaSa6jjJ?scode=AJEAIQdfAAo0RJmzxLAFYA1wY6ACo)
-
-## 相关笔记
-
-- [[Openclaw 手册]] — OpenClaw 基础操作
-- [[Openclaw Skill]] — 插件与技能生态
-- [[Openclaw 技巧]] — 使用技巧与提示词

AI与模型/OpenClaw/OpenClaw.md

@@ -1,8 +0,0 @@
----
-notion-id: 329ca4d7-cb7b-80b0-b278-eee2bf5dfe10
----
-
-[[Openclaw Skill]]
-[[Openclaw 技巧]]
-[[Openclaw 手册]]
-[[Openclaw For Windows]]

AI与模型/OpenClaw/Openclaw For Windows.md

@@ -1,17 +0,0 @@
----
-notion-id: 320ca4d7-cb7b-8031-9f99-c972d0077a2f
----
-# Openclaw官方网站
-[https://openclaw.ai/](https://openclaw.ai/)
-windows安装指令
-```powershell
-iwr -useb https://openclaw.ai/install.ps1 | iex
-
- Set-ExecutionPolicy Unrestricted -Scope CurrentUser  #windows配置需要关闭禁用脚本
-```
-```shell
-curl -fsSL https://openclaw.ai/install.cmd -o install.cmd && install.cmd && del install.cmd
-```
-> [!warning] ⚠️
-> 如果提示无法安装手动下载`nodejs `和`git`安装包
-> npm出现无法安装的情况，先安装`pnpm`，然后通过pnpm安装`openclaw`即可

AI与模型/OpenClaw/Openclaw Skill.md

@@ -1,136 +0,0 @@
----
-notion-id: 322ca4d7-cb7b-805c-9872-e0df50d75d2c
----
-Agent只识别自己工作区的Skill文件
-# 一、技能&插件
-技能下载网站[Clawhub](https://clawhub.ai/)，[Smithery](https://smithery.ai/)，[Skilhub](https://skillhub.tencent.com/#categories)，[Skill-rank](https://skills-rank.com/)，
-
-| 工具名称 | 功能 | 使用技巧 |
-| --- | --- | --- |
-| [openclaw-workspace](https://github.com/win4r/openclaw-workspace/blob/main/README_CN.md) | 工作区的文件审计/精炼 |   |
-| [memos-claw](https://memos-claw.openmem.net/#why) | Openclaw记忆插件 |   |
-| [**ClawTeam**](https://github.com/HKUDS/ClawTeam) | 多Agent协作工作 |   |
-| self-improving-agent | 能够自我改进的代理系统 | 需要配置，仔细预读配置 |
-| find-skills | 查找技能 | 自动查找 |
-| Summarize | 用摘要CLI来总结URL或文件 |   |
-| Skill Vetter | 技能审计 |   |
-| Agent Browser | 浏览器CLI。 |   |
-| Multi Search Engine | 多搜索引擎集成 |   |
-| Humanizer | 去除文本中人工智能生成的痕迹。 | 提示词：减少人工智能生成的痕迹，更自然 |
-|   |   |   |
-
-> [!note]+ ## **Memory-lancedb-pro：【长期记忆】**
-> ```json
-> 安装方式：
-> 
-> 对话：
-> 为我安装：https://github.com/CortexReach/memory-lancedb-pro-skill
-> 
-> 对话：
-> 【可用ollam替换】
-> jina AI的API-KEY：jina_356eeda3c8074a3c9b703e543696e872-cgnMOOLZFCTMPRjEuPO14-FsbtJ
-> 
-> 请帮我搭建：memory-lancedb-pro
-> 
-> 对话；
-> 对于这个插件还需要什么优化配置的，帮我检查下
-> ```
-> [https://github.com/CortexReach/memory-lancedb-pro-skill](https://github.com/CortexReach/memory-lancedb-pro-skill)
-> [!note]+ ## **Agency-agents-zh【多agent配置】**
-> > [!note]+ ### Agent和Skil调用参考文献
-> > ## 🔄 正确的优先级
-> > Copy
-> > ```plain text
-> > 用户请求
-> >    ↓
-> > 1️⃣ 优先匹配 agent（能独立执行任务）
-> >    ↓ 没有匹配
-> > 2️⃣ 搜索 skill（需要特定能力/指南）
-> >    ↓ 没有匹配
-> > 3️⃣ 自己执行
-> > ```
-> > 
-> > ---
-> > ## 🆚 Agent vs Skill 的区别
-> > 
-> > | **维度** | **Agent** | **Skill** |
-> > | --- | --- | --- |
-> > | **是什么** | 独立的 AI 实例 | 能力指南/文档 |
-> > | **用途** | 执行完整任务 | 指导我怎么做 |
-> > | **调用方式** | `sessions_spawn` | `skill_get` / `skill_search` |
-> > | **示例** | `marketing-seo-specialist` | `xlsx` (Excel 处理技能) |
-> > 
-> > ---
-> > ## 📋 使用场景对比
-> > ### 优先找 Agent 的场景
-> > Copy
-> > ```plain text
-> > "找个 SEO 专家分析这个网站" → marketing-seo-specialist
-> > "让前端开发写个组件" → engineering-frontend-developer
-> > "叫叙事学家写篇文章" → academic-narratologist
-> > ```
-> > ### 优先找 Skill 的场景
-> > Copy
-> > ```plain text
-> > "怎么处理 Excel 文件" → xlsx skill
-> > "如何创建 Word 文档" → docx skill
-> > "有没有处理 PDF 的技能" → pdf skill
-> > ```
-> > 
-> > ---
-> > ## ✅ 改进后的流程
-> > **你的请求** → **我的判断逻辑**：
-> > 
-> > | **请求类型** | **第一反应** | **原因** |
-> > | --- | --- | --- |
-> > | "找个/叫个/让 xxx 做..." | 匹配 agent | 明确需要独立执行者 |
-> > | "怎么处理/怎么做..." | 搜索 skill | 需要方法/指南 |
-> > | "有没有 xxx 的技能" | 搜索 skill | 明确问技能 |
-> > | 模糊请求 | 先问清楚 | 避免猜错 |
-> > 
-> > ---
-> > ## 💡 总结
-> > - **优先找 agent** = 改变第一反应路径
-> > - **不影响找 skill** = 没有 agent 匹配时仍会搜索 skill
-> > - **更准确** = 根据你的措辞判断意图
-> [https://github.com/jnMetaCode/agency-agents-zh](https://github.com/jnMetaCode/agency-agents-zh)
-> 克隆仓库之后，需要告知openclaw让他去配置调用agent调用子agent，如下
-> ```powershell
->         "id": "main",
->         "subagents": {
->           "allowAgents": ["*"]
->         }
-> ```
-> ## 🗣️ 使用方式
-> *1. 自然语言激活 — 在对话中描述需要的角色*
-> *2. sessions_spawn — 指定 agentId 调用（但这个失败了）*
-> *3. ClawTeam — 创建多 Agent 协作*
-> **可参考：**
-> ```powershell
-> # 方法 1: 使用 /subagents spawn 命令
-> /subagents spawn <任务描述>
-> 
-> # 方法 2: 在对话中请求
-> "帮我 spawn 一个 marketing-seo-specialist 来分析 SEO 数据"
-> 
-> # 方法 3: 使用 sessions_spawn API
-> sessions_spawn(agentId="marketing-seo-specialist", task="...")
-> ```
-> **直接说就行：**
-> 
-> | **你想做** | **说法示例** |
-> | --- | --- |
-> | 写代码 | "找个前端开发帮我写个登录页面" |
-> | 分析数据 | "让数据工程师分析一下这个 CSV" |
-> | 设计 UI | "叫 UI 设计师优化一下这个界面" |
-> | 写文案 | "找个营销专家写个产品描述" |
-> | 审代码 | "让代码审查员看看这个 PR" |
-> | 做翻译 | "需要翻译这份技术文档" |
-> [!note]+ ## Lossless-claw-enhanced【短期记忆】
-> [https://github.com/win4r/lossless-claw-enhanced](https://github.com/win4r/lossless-claw-enhanced)
-> 安装方式：推荐手动安装，避免ai模型导致安装错误导致bug
-> ```powershell
-> 阅读这个项目的README，为我本地的OpenClaw安装这个插件并进最佳设置：https://github.com/win4r/lossless-claw-enhanced
-> ```
-企业微信插件更新：`openclaw plugins update wecom-cpenclaw-plugin`
-飞书更新：`npx -y @larksuite/openclaw-lark update` 

AI与模型/OpenClaw/Openclaw 手册.md

@@ -1,243 +0,0 @@
----
-notion-id: 322ca4d7-cb7b-80e9-9289-f41b60f186e5
----
-[https://openclawgithub.cc/](https://openclawgithub.cc/)
-[https://openclaw.qt.cool/](https://openclaw.qt.cool/)
-[https://docs.openclaw.ai/zh-CN](https://docs.openclaw.ai/zh-CN)
-[https://github.com/datawhalechina/hello-claw](https://github.com/datawhalechina/hello-claw)
-```powershell
-~/.openclaw/workspace/
-├── AGENTS.md       # 代理调度规则与标准作业程序
-├── BOOTSTRAP.md    # 初始化序列与核心系统提示词
-├── HEARTBEAT.md    # 定时执行逻辑与主动任务状态自检
-├── IDENTITY.md     # 代理身份定义与系统边界约束
-├── MEMORY.md       # 长期上下文数据与既定规则的持久化存储
-├── SOUL.md         # 响应语气、行为特征及输出格式配置
-├── TOOLS.md        # 工具授权注册表及调用参数规范
-├── USER.md         # 用户画像数据，包含特定偏好与交互限制配置
-├── memory/         # 日常运行日志与短期上下文存储
-└── skills/         # 已安装的第三方技能扩展目录
-```
-Openclaw常用指令：
-```powershell
-对话栏输入：/reset或/new    #新建对话
-
-openclaw gateway  #启动网关
-
-openclaw onboard --install-daemon  #新手引导并且启动守护
-
-openclaw dashboard  #启动WEB-UI
-
-openclaw agents add zhensolid --workspace ~/my-agents/zhensolid  #新建agent
-
-openclaw models list  #查看模型
-
-openclaw channels list  #查看渠道
-
-openclaw skills list  #查看技能
-
-# 生产环境启动
-openclaw gateway \
-  --port 18789 \
-  --host 0.0.0.0 \
-  --daemon \
-  --log-level warn \
-  --config /etc/openclaw/config.json
-
-
-openclaw update --channel stable #更新
-
-```
-openclaw配置实例模板
-# 默认模板
-[](IMG-20260516155631628.json)
-[](IMG-20260516155631634.json)
-```json
-{
-    "meta": {
-        "lastTouchedVersion": "2026.3.11",
-        "lastTouchedAt": "2026-03-13T07:01:23.114Z"
-    },
-    "wizard": {
-        "lastRunAt": "2026-03-11T09:01:03.991Z",
-        "lastRunVersion": "2026.3.8",
-        "lastRunCommand": "onboard",
-        "lastRunMode": "local"
-    },
-    "models": {
-        "mode": "merge",
-        "providers": {
-            "bailian": {
-                "baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
-                "apiKey": "sk-sp-ca49741d09e64c439829407de26873cd",
-                "api": "openai-completions",
-                "models": [
-                    {
-                        "id": "qwen3.5-plus",
-                        "name": "qwen3.5-plus",
-                        "reasoning": false,
-                        "input": [
-                            "text",
-                            "image"
-                        ],
-                        "contextWindow": 1000000,
-                        "maxTokens": 65536
-                    },
-                    {
-                        "id": "qwen3-max-2026-01-23",
-                        "name": "qwen3-max-2026-01-23",
-                        "reasoning": false,
-                        "input": [
-                            "text"
-                        ],
-                        "contextWindow": 262144,
-                        "maxTokens": 65536
-                    },
-                    {
-                        "id": "qwen3-coder-next",
-                        "name": "qwen3-coder-next",
-                        "reasoning": false,
-                        "input": [
-                            "text"
-                        ],
-                        "contextWindow": 262144,
-                        "maxTokens": 65536
-                    },
-                    {
-                        "id": "qwen3-coder-plus",
-                        "name": "qwen3-coder-plus",
-                        "reasoning": false,
-                        "input": [
-                            "text"
-                        ],
-                        "contextWindow": 1000000,
-                        "maxTokens": 65536
-                    },
-                    {
-                        "id": "MiniMax-M2.5",
-                        "name": "MiniMax-M2.5",
-                        "reasoning": false,
-                        "input": [
-                            "text"
-                        ],
-                        "contextWindow": 204800,
-                        "maxTokens": 131072
-                    },
-                    {
-                        "id": "glm-5",
-                        "name": "glm-5",
-                        "reasoning": false,
-                        "input": [
-                            "text"
-                        ],
-                        "contextWindow": 202752,
-                        "maxTokens": 16384
-                    },
-                    {
-                        "id": "glm-4.7",
-                        "name": "glm-4.7",
-                        "reasoning": false,
-                        "input": [
-                            "text"
-                        ],
-                        "contextWindow": 202752,
-                        "maxTokens": 16384
-                    },
-                    {
-                        "id": "kimi-k2.5",
-                        "name": "kimi-k2.5",
-                        "reasoning": false,
-                        "input": [
-                            "text",
-                            "image"
-                        ],
-                        "contextWindow": 262144,
-                        "maxTokens": 32768
-                    }
-                ]
-            }
-        }
-    },
-    "agents": {
-        "defaults": {
-            "model": {
-                "primary": "bailian/qwen3.5-plus"
-            },
-            "models": {
-                "bailian/qwen3.5-plus": {},
-                "bailian/qwen3-max-2026-01-23": {},
-                "bailian/qwen3-coder-next": {},
-                "bailian/qwen3-coder-plus": {},
-                "bailian/MiniMax-M2.5": {},
-                "bailian/glm-5": {},
-                "bailian/glm-4.7": {},
-                "bailian/kimi-k2.5": {}
-            },
-            "workspace": "C:\\Users\\ZLSH\\.openclaw\\workspace",
-            "compaction": {
-                "mode": "safeguard"
-            },
-            "maxConcurrent": 4,
-            "subagents": {
-                "maxConcurrent": 8
-            }
-        },
-        "list": [
-            {
-                "id": "main",
-                "model": "bailian/MiniMax-M2.5",
-                "identity": {
-                    "theme": "default"
-                }
-            }
-        ]
-    },
-    "messages": {
-        "ackReactionScope": "group-mentions"
-    },
-    "commands": {
-        "native": "auto",
-        "nativeSkills": "auto",
-        "restart": true,
-        "ownerDisplay": "raw"
-    },
-    "session": {
-        "dmScope": "per-channel-peer"
-    },
-    "gateway": {
-        "port": 18789,
-        "mode": "local",
-        "bind": "loopback",
-        "auth": {
-            "mode": "token",
-            "token": "e1cee6f68c3a88afad81af796a4ab1c8626380b6a9fa8f58"
-        },
-        "tailscale": {
-            "mode": "off",
-            "resetOnExit": false
-        },
-        "nodes": {
-            "denyCommands": [
-                "camera.snap",
-                "camera.clip",
-                "screen.record",
-                "contacts.add",
-                "calendar.add",
-                "reminders.add",
-                "sms.send"
-            ]
-        }
-    },
-    "skills": {
-        "entries": {
-            "ai-ppt-generator": {
-                "enabled": false
-            },
-            "Powerpoint / PPTX": {
-                "enabled": false
-            }
-        }
-    }
-}
-```
-

AI与模型/OpenClaw/Openclaw 技巧.md

@@ -1,35 +0,0 @@
----
-notion-id: 326ca4d7-cb7b-8021-bdb6-d1c238f5025a
----
-- `/openclaw agents add <name>`
-- `/status` — 查看当前状态（模型、Token 用量、会话信息）
-- `/new` 或 `/reset` — 开始新对话（清空当前会话上下文）
-- `/model` — 查看或切换当前使用的模型
-- `/reasoning` — 切换思考输出模式（off/on/stream）
-- `/stop `—  停止当前对话【飞书插件有可能无法正常启动，需要重启网关】
-- `/compact `— 
-- `/think  `— think set low【或 medium，high】
-- `/models `—模型查看并且切换【Telegram可用】
-
-> 常用：记住、必坑、学习等调教语言让openclaw学习并且长期记忆
-
----
-
----
-[https://github.com/hesamsheikh/awesome-openclaw-usecases?tab=readme-ov-file](https://github.com/hesamsheikh/awesome-openclaw-usecases?tab=readme-ov-file)
-**📋 记忆使用规则**
-
-| 会话类型 | 长期记忆 (MEMORY.md) |
-| --- | --- |
-| 🏠 主会话（直接聊天） | ✅ 可读取和编辑 |
-| 👥 群聊（如当前） | ❌ 不加载 |
-| 🤖 其他子会话/机器人 | ❌ 不加载 |
-
-**📁 记忆文件说明**
-
-| 文件 | 用途 | 加载范围 |
-| --- | --- | --- |
-| MEMORY.md | 长期记忆 | 仅主会话 |
-| memory/YYYY-MM-DD.md | 每日笔记 | 所有会话可读取 |
-| SOUL.md / AGENTS.md | 自我定义 | 始终加载 |
-

AI与模型/README.md

@@ -1,58 +0,0 @@
-# 🤖 AI与模型
-
-> 本页由 Dataview 自动列出「AI与模型」目录下的全部笔记，新增笔记后自动更新。
-
-## 目录结构
-
-```text
-AI与模型/
-  AI应用/
-    AI小智指南.md
-    AI技术支持.md
-    AI服务部署.md
-    Ai部署.md
-    Claude_Obsidian.md
-    Cursor无限制.md
-    DeerFlow.md
-    Dify+Ollama.md
-    Dify.md
-    Dify技巧.md
-    Firecrawl.md
-    Grok-bate.md
-    Hermes Agent.md
-    MCP.md
-    MinerU.md
-    Ollama.md
-    Olmocr.md
-    Open-webui.md
-    Ragflow.md
-    Windows 本地 AI 又升级了！llama.cpp 官方支持 CUDA 13  Vulkan  HIP  SYCL，一键跑 GGUF 无审查模型！.md
-    chatwoot+n8n+dify.md
-    微信MCP.md
-    查看操作实例.md
-  模型配置/
-    Grok-beta.md
-    Llama.cpp本地模型运行.md
-    模型教程.md
-  OpenClaw/
-    OpenClaw 企业微信机器人部署与Skills指南.md
-    OpenClaw.md
-    Openclaw For Windows.md
-    Openclaw Skill.md
-    Openclaw 手册.md
-    Openclaw 技巧.md
-  提示词.tmp/
-  Ai 量化/
-    Gemma 分析数据.md
-  API密钥/
-  …（共 49 项）
-```
-
-## 全部笔记
-
-```dataview
-LIST
-FROM "AI与模型"
-WHERE file.name != "README"
-SORT file.name ASC
-```

AI与模型/提示词/AI 提示词.md

@@ -1,7 +0,0 @@
-案例一：
-先检查问题有没有错误提前，逻辑跳跃和信息缺失；
-不要迎合我，要独立判断；
-区分事实，推测和主观观点；
-涉及数字，任务和结论时尽量核实来源；
-不同意就直接指出，并给出依据，风险和替代解释；
-还要主动提醒我忽略的变量，成本和变差；

AI与模型/提示词/提示词指南.md

@@ -1,59 +0,0 @@
----
-notion-id: 1a8ca4d7-cb7b-80ba-9872-e1fe59e549d0
----
-### **1. 角色配置的核心逻辑**
-Dify中 **提示词（Prompt）** 的核心作用之一，就是为AI模型设定“角色”。通过精心设计的提示词，您可以明确：
-- **身份**：AI是客服、医生、翻译还是其他角色？
-- **任务**：需要完成的具体工作（如回答问题、生成文案、分析数据）。
-- **风格**：回答的语气（专业、亲切、幽默等）和格式限制（如分点、Markdown）。
-
----
-### **2. 配置角色的具体方法**
-### **步骤1：定位系统提示词（System Prompt）**
-在Dify的提示词配置界面，找到“系统提示词”或“初始指令”输入框（名称可能因版本不同略有差异）。这里是定义角色最关键的部分。
-### **步骤2：明确角色指令**
-用简洁的语言直接定义角色，例如：
-```plain text
-你是一个资深跨境电商客服，负责用中文解答欧美用户的订单咨询。回答需专业且口语化，避免使用复杂术语。
-```
-- **关键要素**：身份（客服）、领域（跨境电商）、语言风格（口语化）、限制（避免术语）。
-
-### **步骤3：补充上下文与示例（可选）**
-- **上下文增强**：添加角色背景信息，如：
-```plain text
-公司主打环保产品，回复需强调可持续性理念。退换货政策为30天内无理由免费退货。
-```
-- **示例对话（Few-shot Learning）**：提供问答示例，帮助AI理解预期反应：
-```plain text
-用户问：我的订单物流延迟了怎么办？
-你答：非常抱歉给您带来不便！由于近期极端天气影响，物流可能延迟3-5天。您可以在此链接跟踪最新状态：[链接]。如需进一步帮助，请随时告知！
-```
-
-### **步骤4：设置输出格式（如需要）**
-若需结构化输出（如JSON、表格），在提示词中明确要求：
-```plain text
-请将产品信息总结为JSON格式，包含名称、价格、环保特征三个字段。
-```
-
----
-### **3. 常见误区与解决方法**
-- **误区1**：角色描述过于笼统
-**解决**：添加具体场景和细节。例如，将“你是一个助手”改为“你是一个专注于健康饮食的AI营养师，擅长为糖尿病患者设计低糖食谱”。
-- **误区2**：忽略限制条件
-**解决**：明确禁止行为。例如：“不要提供医疗诊断，仅建议日常保健方法”。
-- **误区3**：未测试不同输入
-**解决**：在Dify的调试界面模拟用户问题，观察AI是否符合角色设定，迭代优化提示词。
-
----
-### **4. 高级技巧**
-- **变量注入**：使用`{{variable}}`动态插入用户信息（如用户名、订单号），增强个性化回复。
-- **多角色切换**：通过条件判断实现不同场景的角色响应。例如：
-```plain text
-{{ if 用户问题包含"投诉" }} 进入客诉处理模式，语气需格外耐心并提供补偿方案。{{ else }} 正常解答产品问题。{{ end }}
-```
-
----
-### **5. 验证配置效果**
-- 输入测试问题，检查是否符合角色设定。
-- 观察AI是否在超出角色范围时正确拒绝（如客服被问及法律问题时应引导至相关部门）。
-

AI与模型/提示词/提示词模板.md

@@ -1,7 +0,0 @@
----
-notion-id: 1c3ca4d7-cb7b-80b8-bffb-e42edcdf897a
----
-Webeditor
-> [!tip] 💡
-> Your task is to create a one-page website based on the given specifications, delivered as an HTML file with embedded JavaScript and CSS. The website should incorporate a variety of engaging and interactive design features, such as drop-down menus, dynamic text and content, clickable buttons, and more. Ensure that the design is visually appealing, responsive, and user-friendly. The HTML, CSS, and JavaScript code should be well-structured, efficiently organized, and properly commented for readability and maintainability.
-

AI与模型/模型配置/Grok-beta.md

@@ -1,21 +0,0 @@
----
-title: Grok-beta
-date: 2024-11-21T11:43:23+08:00
-lastmod: 2024-11-21T11:50:27+08:00
----
-
-# Grok-beta
-
-　　官方网站：[https://x.ai/](https://x.ai/)
-
-　　使用Google账户注册
-
-　　点击设置可`删除`
-
-　　baseURL: "`https://api.x.ai/`"
-
-　　model: "`grok-beta`"
-
-　　注意查看文档使用手册以及API连接地址
-
-　　需要搭配`https://github.com/Bin-Huang/chatbox`​使用`chatbox`

AI与模型/模型配置/Llama.cpp本地模型运行.md

@@ -1,39 +0,0 @@
-仓库地址
-```shell
-https://github.com/ggml-org/llama.cpp
-```
-版本下载：
-**llama-b8925-bin-macos-arm64.tar.gz**
-解除 macOS 安全限制（关键）
-```shell
-# -c 代表清除 (clear)，-r 代表递归 (recursive) 到所有子文件
-xattr -cr .
-```
-验证运行
-```shell
-./llama-cli --version
-```
-Llama.cpp下载模型并启用指令`-hf  <模型网址>`
-> 模型网址`https://huggingface.co/`
-
-```shell
-./llama-cli -hf mradermacher/gemma-4-26B-A4B-it-heretic-GGUF:Q4_K_M \
-    -p "你好，请介绍一下你自己。" \
-    --temp 1.0 --top-p 0.95
-```
-Llama.cpp启用本地模型指令 `-m <本地模型地址>`
-```shell
-./llama-cli -m ~/Library/Caches/llama.cpp/mradermacher_gemma-4-26B-A4B-it-heretic-GGUF_gemma-4-26B-A4B-it-heretic.Q4_K_M.gguf \
-    -p "你好，请介绍一下你自己，并解释一下什么是 MoE 架构。" \
-    -ngl 99 \
-    --temp 0.7
-```
-Llama.cpp部署api
-```shell
-./llama-server \
-    -m ~/Library/Caches/llama.cpp/mradermacher_gemma-4-26B-A4B-it-heretic-GGUF_gemma-4-26B-A4B-it-heretic.Q4_K_M.gguf \
-    --host 0.0.0.0 \
-    --port 8080 \
-    -ngl 99 \
-    -c 8192
-```

AI与模型/模型配置/模型教程.md

@@ -1,9 +0,0 @@
----
-aliases: []
----
-`llama.cpp`和`lm studio` 可以共享模型
-`lm studio`模型目录注意要点必须二级目录，才能识别。
-> [!note] 📌
-> /Users/shenliang/.lmstudio/models/<作者名>/<模型名称>
-
-[[Llama.cpp本地模型运行]]

个人空间/Audio/HQPLAYER.md

@@ -1,35 +0,0 @@
----
-notion-id: 29aca4d7-cb7b-8095-a791-e1c9b109bb37
-cover: ""
----
-Hqplayer配置，
-[]()
-可选配置
-[]()
-hqplayer 保持和NAA在同一个局域网内
-一、通过本机运行NAA测试IP地址是由跑向虚拟地址
-二、脚本文件修改
-`networkaudiod_name.bat`
-```sql
-@echo off
-set NETWORKAUDIOD_NAME=Default
-rem set NETWORKAUDIOD_IPV6=0
-rem set NETWORKAUDIOD_CHANNELS=8
-rem set NETWORKAUDIOD_LOGFILE=networkaudiod.log
-rem set NETWORKAUDIOD_BACKEND=WASAPI
-:startdaemon
-start /wait networkaudiod
-if not errorlevel 0 goto startdaemon
-```
-如果笔记本无法初始化Realtek ASIO，请修改成,删除前面的注释
-```sql
-@echo off
-set NETWORKAUDIOD_NAME=Default
-rem set NETWORKAUDIOD_IPV6=0
-rem set NETWORKAUDIOD_CHANNELS=8
-rem set NETWORKAUDIOD_LOGFILE=networkaudiod.log
-set NETWORKAUDIOD_BACKEND=WASAPI
-:startdaemon
-start /wait networkaudiod
-if not errorlevel 0 goto startdaemon
-```

个人空间/Audio/Roon.md

@@ -1,29 +0,0 @@
----
-notion-id: 295ca4d7-cb7b-8066-9513-e3862e96b2bb
----
-ROON→HQPLAYER→NAA→DAC
-ROON→RoonBridge→DAC
-一、群晖安装
-参考教程：
-[https://imnks.com/4626.html](https://imnks.com/4626.html)
-[https://www.rainlain.com/index.php/2021/07/26/1020/](https://www.rainlain.com/index.php/2021/07/26/1020/)
-`已备份到115网盘software文件内`
-二、需要搭配Roon Bridge实现远程音响
-相关下载地址
-[https://roon.app/zh-Hans/downloads](https://roon.app/zh-Hans/downloads)
-### Hosts屏蔽
-编辑群晖/etc/hosts或者路由器的hosts屏蔽以下网
-```javascript
-127.0.0.1 updates.roonlabs.com
-127.0.0.1 accounts5.roonlabs.com
-127.0.0.1 metadataserver.roonlabs.net
-127.0.0.1 download.roonlabs.com
-127.0.0.1 prop5.roonlabs.com
-127.0.0.1 push.roonlabs.com
-127.0.0.1 devicedb.roonlabs.com
-127.0.0.1 discovery.roonlabs.net
-127.0.0.1 discover.roonlabs.net
-127.0.0.1 messaging.roonlabs.net
-127.0.0.1 geoip.roonlabs.net
-127.0.0.1 graph.facebook.com
-```

个人空间/Audio/soundit.md

@@ -1,5 +0,0 @@
----
-notion-id: 29dca4d7-cb7b-8073-9c02-f9f629e7c6c1
----
-[https://soundit.app/](https://soundit.app/)
-SoundIt 是一款应用程序，旨在让您可以通过`网络浏览器`轻松地将计算机的声音输出传输到任何设备。  无需扩音设备即可大声播放音乐，只需将设备分散在您的位置即可，或者通过手机使用耳机无线观看电视。

个人空间/Github私人令牌.md

@@ -1,5 +0,0 @@
-`账号：zhensolid@vip.qq.com`
-
-```
-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
-```

个人空间/README.md

@@ -1,58 +0,0 @@
-# 👤 个人空间
-
-> 本页由 Dataview 自动列出「个人空间」目录下的全部笔记，新增笔记后自动更新。
-
-## 目录结构
-
-```text
-个人空间/
-  Github私人令牌.md
-  邮件信息.md
-  服务器/
-    3x-ui-证书部署与排障教程.md
-    666机场.md
-    Stash使用教程.md
-    服务器清单.md
-    阿里云服务器.md
-  家庭网络/
-    VSOL V2802RH信息操作.md
-    原装光猫配置获取教程.md
-    家庭网络配置手册.md
-    花果园宽带账号密码.md
-    花生壳内网穿透.md
-  账号密码/
-    AIDA64 Extreme.md
-    AI账号.md
-    AppleID账户.md
-    GOOGLE 验证码.md
-    Gitee.md
-    Github私人令牌.md
-    Hermes令牌.md
-    Hugging Face Access Token.md
-    Outlook-Gmail-ChatGpt-proton-教育邮箱账号备忘.md
-    Rustdesk-key.md
-    Termius终端登录密码.md
-    UTOOLS超级剪切板-webdav.md
-    Visual Paradigm社区.md
-    小狐狸Metamask.md
-    微信账户.md
-    微软账号.md
-    洛奇英雄传.md
-    花生壳账号密码【域名指向】.md
-    蒲公英账号.md
-  Audio/
-    HQPLAYER.md
-    Roon.md
-    soundit.md
-  记忆仓库/
-  …（共 71 项）
-```
-
-## 全部笔记
-
-```dataview
-LIST
-FROM "个人空间"
-WHERE file.name != "README"
-SORT file.name ASC
-```

个人空间/双重认证/Cloudflare.md

@@ -1,36 +0,0 @@
-查看并保存您的双因素身份验证恢复代码  
-573990518  
-258040916  
-792914635  
-271772337  
-180316605  
-531058038  
-038433710  
-173148093
- 
-|   |   |
-|---|---|
-|cloudflare账号|zhensolid@vip.qq.com|
-|密码|19841122Cy!|
-|NignxT令牌|LWlivt-1yqxUtzFvzpzHRBuaG34s8Kn-2WbIprL-|
-
-缺点：国外服务器连接慢  
-优点：可使用域名
- 
-具体步骤  
-注册cloudflared  
-添加域名  
-选择zero Trust  
-选择Access  
-选择Tunnels  
-新建隧道名 然后选择需要的系统  
-Windows直接下载 运行指令 即可等待一会就能连接
- 
-网址：[https://dash.cloudflare.com/login](https://dash.cloudflare.com/login)
- 
-ID:zhensolid@vip.qq.com
- 
-Pass:19841122cy!
- 
-==下面申请替换需要复制到== ==网站地址==
- ![[IMG-20260517100102694.png]]   ![[IMG-20260517100102798.png]]

个人空间/双重认证/Github恢复码.md

@@ -1,16 +0,0 @@
-51fd4-e86b4  
-f327c-aa6fa  
-d39d8-41c35  
-22d4d-3876c  
-6a097-03741  
-92be1-d0d91  
-ac8e9-82471  
-fae79-3a1b4  
-bfbed-665e9  
-52fcf-7ff99  
-f2350-3058b  
-beb66-76278  
-d25bf-b9bb3  
-ec715-a51b3  
-8674a-317c0  
-2c6b8-1e3c1

个人空间/双重认证/Namesilo账户.md

@@ -1,7 +0,0 @@
-账户：zhensolid  
-密码：19841122cy
- 
-namesilo认证代码：EOLACS7S2KT6D7MGPFLA  
-namesilo认证二维码：
-
-![[IMG-20260517100102695.png]]

个人空间/双重认证/Steam.md

@@ -1,9 +0,0 @@
-|   |   |   |   |   |
-|---|---|---|---|---|
-|国区|zhensolid|19841122Cy!|IP:中国|18184109687|
-|阿根廷|zhensolidsl|19841122cy|IP:香港|18685102727|
-
-|   |   |
-|---|---|
-|STEAM令牌阿根廷回复码|R07695|
-|STEAM令牌中国回复码|R86460|

个人空间/双重认证/Twitter.md

@@ -1,8 +0,0 @@
-![Exported image](Exported%20image%2020260425172933-0.png)
-
-|   |   |
-|---|---|
-|账号:|zhensolidsl@163.com|
-|账号|zhensolid|
-|密码：|19841122cy|
-|双重认证|有|

个人空间/家庭网络/VSOL V2802RH信息操作.md

@@ -1,24 +0,0 @@
-|   |   |
-|---|---|
-|VSOL V2802RH电信光猫|admin|
-|VSOL V2802RH光猫密码|19841122cy|
-|电信 VID|1014|
-|逻辑ID|0851823780737|
-|IptvVID|3701|
-|组播VLAN|3702|
-
-|   |   |
-|---|---|
-|VSOL V2802RH联通光猫|admin|
-|VSOL V2802RH光猫密码|19841122cy|
-|联通 VID|41|
-|联通需要修改SN|ZTEGC4FB4F63|
-|使用telnet登录光猫|flash set GPON_SN ZTEGC4FB4F63<br><br>  <br><br>restart|
-
-|   |   |
-|---|---|
-|VSOL V2802RH光猫账号：|admin|
-|VSOL V2802RH光猫密码：|stdONUi0i|
-||19841122Cy!|
-
-![[IMG-20260517100102697.png]]

个人空间/家庭网络/原装光猫配置获取教程.md

@@ -1,49 +0,0 @@
-## 联通光猫
-
-电脑开启telnet功能  
-输入telnet 192.168.1.1  
-【根据设备F607Za】  
-账号：root  
-密码：Zte521  
-输入： sendcmd 1 DB p DevAuthInfo 查看用户账号密码
- 
-进入指定网址http://192.168.1.1/cu.html  
-终端账号:：user  
-终端密码：89mbcj89  
-超级管理员账号：CUAdmin  
-超级管理员密码：CUAdmin  
-GPON SN:ZTEGC4FB4F63
- 
-可能要修改SN码和MAC才能使用
-   
-
-|   |   |
-|---|---|
-|型号|HG6201T|
-
-TelecomAccount=telecomadmin  
-TelecomPasswd=kdj1S#B36022401  
-UserAccount=useradmin  
-UserPasswd=wepxk  
-WiFi连接输入192.168.1.1  
-WiFi密码：zuuu92dg  
-终端账号:useradmin  
-终端密码:wepxk
-
-重点：确认光猫是否为XPON,GPON，不支持EPON，看光猫背面。
-
-电信开启IPV6  
-进入配置找到
-
-![[IMG-20260517100102700.png]]
-
-接着在路由器的IPv6设置界面，选择Native DHCPv6，下面两个选择Stateless。
-
-第一步 打开光猫的telnet功能  
-http://192.168.1.1:8080/cgi-bin/telnetenable.cgi?telnetenable=1  
-第二步  
-Win+R键 输入 telnet 192.168.1.1  
-帐号：root  
-密码：abcd
- 
-2、输入命令 cat /flash/cfg/agentconf/factory.conf 后 直接就可以得到超级密码！

个人空间/家庭网络/家庭网络配置手册.md

@@ -1,101 +0,0 @@
-# 软路由+Pi-hole+PassWall 全能网络架构配置手册
-
-## 1. 架构总览与流量逻辑
-
-本手册旨在指导如何配置一套集广告拦截、科学上网、精准分流于一体的家庭网络环境。该环境由 iKuai（主路由）、iStoreOS（旁路由/PassWall）以及 CentOS 上的 Pi-hole（DNS 过滤）共同组成。
-
-### 1.1 核心设备角色分配
-
-| 设备名称 | IP 地址 | 核心职责 |
-| :--- | :--- | :--- |
-| **主路由 (iKuai)** | 10.10.10.253 | 拨号、流量出口、DHCP 分发、内网管理 |
-| **旁路由 (iStoreOS)** | 10.10.10.252 | PassWall 科学上网、插件运行、分流处理 |
-| **DNS 控制台 (Pi-hole)** | 10.10.10.14 | 全屋广告过滤、内网域名解析记录、DNS 查询审计 |
-
-### 1.2 流量闭环逻辑
-
-1.  **DNS 解析路径**：设备 -> **Pi-hole**（执行过滤） -> **PassWall**（执行分流） -> 运营商 DNS（国内）/ 远程 DNS（国外）。
-2.  **网络数据路径**：设备 -> **iStoreOS**（旁路由网关） -> **iKuai**（主路由出口） -> 互联网。
-
----
-
-## 2. 核心组件精细化配置
-
-### 2.1 Pi-hole (Docker 部署)
-
-由于 Pi-hole 运行在 Docker 容器中，必须处理跨网段权限问题，否则会导致设备无法解析 DNS 进而断网。
-
-* **权限开启**：
-    * 进入 `Settings` -> `DNS`。
-    * 在 `Interface settings` 中勾选 **"Permit all origins"**。
-    * *注：此操作允许来自局域网（10.10.10.x）的请求穿过 Docker 网桥被 Pi-hole 处理。*
-* **上游转发**：
-    * 在 `Upstream DNS Servers` 中只勾选或填写 **10.10.10.252**。
-    * 确保所有经过过滤的请求都交给旁路由进行分流。
-
-### 2.2 iKuai (主路由 DHCP 设置)
-
-主路由负责告诉终端设备该去找谁。
-
-* **DHCP 地址池设置**：
-    * **网关**：10.10.10.252（让所有流量经过旁路由插件处理）。
-    * **首选 DNS**：10.10.10.14（让所有 DNS 请求进入 Pi-hole 过滤）。
-    * **备用 DNS**：**留空**（防止设备通过备用 DNS 绕过拦截）。
-
-### 2.3 iStoreOS (PassWall 插件设置)
-
-* **DNS 重定向**：建议开启。若追求 Pi-hole 后台统计精确到具体终端 IP，则可尝试关闭，但前提是 Pi-hole 的权限已按 2.1 节配置妥当。
-* **过滤模式**：建议使用 `通过 UDP 请求 DNS` 以获得更快的响应速度。
-* **远程 DNS**：推荐使用 `1.1.1.1` 或 `8.8.8.8`。
-
----
-
-## 3. 多场景设备配置方案
-
-不同的终端设备可以根据需求进行手动调整：
-
-### 3.1 方案对比表
-
-| 设备类型 | 配置方式 | 网关 (Gateway) | DNS (DNS Server) | 最终效果 |
-| :--- | :--- | :--- | :--- | :--- |
-| **普通终端 (手机/电视)** | DHCP (自动) | 10.10.10.252 | 10.10.10.14 | 自动去广告 + 科学上网 |
-| **专业设备 (PC/NAS)** | 静态 IP (手动) | 10.10.10.252 | 10.10.10.14 | 确保在 Pi-hole 统计中永久固定 |
-| **游戏主机 (PS5/Switch)** | 静态 IP (手动) | **10.10.10.253** | 223.5.5.5 | **直连主路由**，最低延迟，不经过插件 |
-
-### 3.2 针对特定设备的调整方法
-
-对于追求极致游戏延迟或不需要经过旁路由的设备，可以在设备网络设置中手动将网关修改为 `10.10.10.253`，DNS 修改为阿里 DNS (`223.5.5.5`)。
-
----
-
-## 4. 故障排查与避坑指南 (FAQ)
-
-* **Q: 为什么配置后完全无法上网？**
-    * **检查 Pi-hole**：确认容器是否正常运行，且 `Permit all origins` 已勾选。
-    * **检查 PassWall**：确认节点是否通畅。
-* **Q: 为什么能上网但没有拦截广告？**
-    * **缓存问题**：请清理终端设备的 DNS 缓存（如电脑执行 `ipconfig /flushdns`）。
-    * **IPv6 干扰**：如果主路由开启了 IPv6，设备可能会通过 IPv6 DNS 绕过 Pi-hole。建议关闭主路由的 IPv6 DNS 指派。
-* **Q: Pi-hole 后台看到的客户端全是 10.10.10.252？**
-    * 这是因为 PassWall 开启了 DNS 重定向或做了 SNAT 伪装。如果想看到真实设备 IP，需在 PassWall 或防火墙规则中进行精细调整。
-
----
-
-## 5. 常用维护命令
-
-在 CentOS 宿主机中，你可以使用以下命令管理 Pi-hole 容器：
-
-```bash
-# 查看容器状态
-docker ps | grep pihole
-
-# 重启 Pi-hole 容器
-docker restart <container_id>
-
-# 查看 Pi-hole 实时日志
-docker logs -f <container_id>
-```
-
----
-*本手册版本：V1.0*
-*生成日期：2026-04-17*

个人空间/家庭网络/花果园宽带账号密码.md

@@ -1,17 +0,0 @@
-|     |              |     |              |
-| --- | ------------ | --- | ------------ |
-| 联通1 | 085100060595 | 电信  | 085105949247 |
-| 密码1 | 223417       | 密码  | 465659       |
-| 联通2 | 085100095640 |     |              |
-| 密码2 | 095640       |     |              |
- 
-[https://xspb1lc970p4w98vdtrcfaad-y4.tbsdy07.cyou/link/2vaeaFcu3HxPr3B2?clash=1](https://xspb1lc970p4w98vdtrcfaad-y4.tbsdy07.cyou/link/2vaeaFcu3HxPr3B2?clash=1)
-
-docker run --name phddns -d --mac-address A0:C5:F2:B0:BF:7E mars119/phddns
- 
-phddns status
-
-PID：P18709592349  
-虚拟IP：172.16.3.30
-
-\> [玩转异地组网：蒲公英](https://www.youtube.com/watch?v=K6cpwTNlMN4)+OpenWRT组合的进阶技巧   ![Embedded YouTube video](https://www.youtube.com/embed/K6cpwTNlMN4?feature=oembed&autoplay=true)

个人空间/家庭网络/花生壳内网穿透.md

@@ -1,14 +0,0 @@
----
-title: 花生壳内网穿透
-date: 2024-11-28T16:32:50+08:00
-lastmod: 2025-10-04T17:24:50+08:00
----
-
-# 花生壳内网穿透
-
-|*域名*|*网站*|
-| --------------------------------| ----------------|
-|https://s12q306485.goho.co|immich照片备份|
-|https://ssftp.imwork.net|为知笔记|
-|https://1230ts648hj5.vicp.fun/|Clouddrive2|
-|http://princess.51vip.biz/||

个人空间/小米盒子/小米盒子ROOT.md

@@ -1,6 +0,0 @@
-1、小米盒子降级到低版本【1.5.33】。  
-2、【先安装home键+菜单键】重新连接遥控器，听见滴，显示遥控器重新连接，移除电源线。  
-3、遥控器靠近盒子【按住返回键+确定键】不放，接入电源线 选择恢复系统。  
-4、进入设置关闭系统自动更新  
-5、使用蓝牙连接鼠标和键盘，连接WIFI  
-6、使用U盘进入盒子，安装KingRoot。

个人空间/小米盒子/盒子开启ADB.md

@@ -1,18 +0,0 @@
-前提条件：安卓端开启开发模式，并且开启adb调用功能。
- 
-==电脑端：==下载adb工具，https://developer.android.com/tools/releases/platform-tools?hl=zh-cn，加入环境变量
- 
-插入USB双公线，此时电视上会跳出adb调试请求，点允许，
- 
-==电脑端：==cmd命令行，输入adb devices，此时会跳出 list of devices attached xxxxxxxx device手动开启adb调试  
-adb root //权限提权  
-adb shell //进入到安卓系统的shell
- 
-==安卓端：==输入命令：  
-setprop service.adb.tcp.port 5555 //设置adb服务端口为5555， 打开adb网络调试功能  
-附加说明： setprop service.adb.tcp.port -1 //表示打开adb的usb调试功能  
-输入 exit 命令， 退出android shell。
- 
-==电脑端：==输入命令：  
-adb tcpip 5555 //让设备在 5555 端口监听 TCP/IP 连接。  
-这时拔掉usb连接线，使用 adb connect 192.168.1.xxx 进行adb 网络连接，可以正常连接

个人空间/工具/Android-Pegasus/一、安装预备工作.md

@@ -1,3 +0,0 @@
-1、手机开启开发者模式配置完成USB调试
- 
-2、正常进入手机内部存储空间

个人空间/工具/Android-Pegasus/三、添加游戏.md

@@ -1,10 +0,0 @@
-1、进入网盘“个【1】安装程序（安卓+PC)\【安卓】专用安装包【步骤3】一键解压工具”下载“天马G一键解压工具.7z”
- 
-2、解压“天马G_一键解压工具.7z”,得到“个Pegasus G\解压专用日录（需要解压的rom全放进去)\天马G一键解压工具.exe”
- 
-3、进入网盘个【2】数据文件（安卓+PC)\【安卓+PC】通用rom”下载需要的游戏rom
- 
-4、将带“.tkzlm”结尾的rom文件，放入刚才解压好的“Pegasus G\解压专用目录”  
-【特别注意】PS2的游戏ro无需解压
- 
-5、选择模式2，需要到“Pegasus G\安卓临时文件夹\Roms”里将游戏复制到手机内存或SD卡根目录的“Roms”文件夹中，如果没有Roms文件夹新建一个即可。

个人空间/工具/Android-Pegasus/二、安装程序.md

@@ -1,13 +0,0 @@
-1、解压“天马G_安卓模拟器合集.7Z,密码：跳坑者联盟，繁体系统需将密码转简体  
-2、将解压得到的模拟器全部安装  
-3、安装完毕后全部打开一遍，并授予权限  
-【特别注意】首次打开全能模拟器RA,需要等左下角的“base.apk读条结束再关闭”
-   
-
-4、下载“Android”文件夹“PG_天马G安卓配置.Zip”、“PG_天马G主题包.Zip  
-5、将“Android”文件夹整个覆盖到手机内存根日录  
-【特别注意】安卓11版本以上的手机需要利用文件管理器先获取Android文件夹访问权限才能完成覆盖操作，推荐使用“MT管理器”APP  
-6、将“PG_天马G安卓配置.zip”、“PG_天马G主题包.Zip”放入内存或SD卡根目  
-【特别注意】不要解压缩，不要改名  
-7、打开天马G主程序Pegasus G,耐心等待资源释放完毕，时间大概需要5~6分钟左右  
-然后退出Pegasus G

个人空间/工具/ChatGpt购买方式.md

@@ -1,6 +0,0 @@
-1. 将 App Store 账户切换至美国区。
-2. 通过支付宝购买 Apple 礼品卡，并充值至该账户。
-3. 在对应 App 内完成升级即可。
-
-> [!注意]
-> 若不切换 App Store 地区，将无法进行应用内购买。

个人空间/工具/Daily_stock_analysis.md

@@ -1,14 +0,0 @@
-
-> [!note] 提示
-> 项目运行方式优先选择github action
-
-
-https://github.com/ZhuLinsen/daily_stock_analysis
-
-| 名称                     | 地址                                                                                          |
-| ---------------------- | ------------------------------------------------------------------------------------------- |
-| `base_url` (Anthropic) | `https://api.deepseek.com/anthropic`                                                        |
-| `base_url` (OpenAI)    | `https://api.deepseek.com`                                                                  |
-| `LITELLM_MODEL`        | `deepseek-v4-pro`                                                                           |
-| `WECHAT_WEBHOOK_URL`   | `https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=9c550c2e-77bd-41f8-a2b9-81bb1ba552b5` |
-| API                    | `sk-8a62671966e1470bb1a6b223a9a549fa`                                                       |

个人空间/工具/Iphone远程打印机.md

@@ -1,13 +0,0 @@
----
-notion-id: 2c2497ba-e13d-4031-a9c7-26559b26149b
----
-1. **安装 **`**Bonjour**`**：** 首先，在 Windows 上安装 Bonjour。你可以从苹果的官方网站或其他合法渠道下载并安装 Bonjour。
-2. **共享打印机：**
-    - 在 Windows 上，确保你的打印机已经共享。你可以通过以下步骤完成：
-        - 进入“控制面板” > “设备和打印机”。
-        - 右键点击要共享的打印机，选择“共享”。
-3. **防火墙设置：**
-    - 如果你的 Windows 防火墙启用，请确保 Bonjour 的服务被允许通过防火墙。你可能需要在防火墙设置中手动添加规则。
-4. **iPhone 连接：**
-    - 在 iPhone 上，确保它连接到与 Windows 相同的局域网。
-    - 打开打印机设置或文档，查找可用的打印机列表

个人空间/工具/Switch.md

@@ -1,55 +0,0 @@
----
-title: Switch
-date: 2025-12-25T15:01:44+08:00
-lastmod: 2026-01-15T09:23:20+08:00
-tags:
-  - 'Game'
----
-
-# Switch
-
-　　双系统使用教程
-
-<video controls="controls" src="assets/˫ϵͳ.mp4" style="width: 350px; height: 541px;"></video>
-
-　　【正版系统和破解系统都不可以更新升级   切记切记    后果自负！！！】
-
-　　**双系统注意事项：**
-
-　　1、破解系统里面是不可以联网 （包括wifi）
-
-　　2、自带的用户名账号是破解系统使用的，如果切换到正版系统则需要自己创建账号使用，如果不是特别需要联机的用户，建议使用破解系统就足够。
-
-　　3、千万不能使用手机删除内存卡上的文件，请使用读卡器，关机拔插内存卡。
-
-　　4、除了手柄可以更新，其他的都不能更新。
-
-　　5、最好是不要使用Mac电脑连接内存卡，会改变内存卡的数据，建议使用Windows系统的电脑
-
-> [!NOTE] ✏️ 查看截图：
-> 一直按住右手柄的R 按住的同时双击相册
-
-> [!NOTE] ✏️ 删除游戏
-> 在主界面光标移动到要删除的游戏，按手柄上的+键唤出菜单，滑到数据管理选项，选择删除（设置——数据管理 可以看到游戏大小）
-
-　　**使用公众号：羊毛总站**
-
-<video controls="controls" src="assets/004b8d8a008dd5a09e199dfca4937086.mp4"></video>
-
-> [!NOTE] ✏️ 汉化补丁
-> 下载好的文件如果是压缩包，第一步先解压， 在点开1号盘找到 atmosphere——contents 点进去 复制整个汉化补丁的文件夹进卡里的contents
->
-> ‍
-
-> [!NOTE] ✏️ 游戏存档备份
-> 注意汉化补丁是黄色带数字的文件夹用 JKSV 导出（推荐新手）
->
-> 在 Switch 相册中运行 JKSV（需提前安装插件）。
->
-> - 选择你的任天堂账号，按 Y 键“转储所有存档”或单独选择游戏导出。
-> - 导出完成后，存档会保存在 Switch 存储卡的 `JKSV/游戏名称` 文件夹内。
->
-> - 关机取出存储卡，用读卡器连接电脑；或开机用 Type-C 数据线连接（需支持数据传输）。
-> - 在电脑上打开存储卡，复制 `JKSV` 文件夹到电脑保存。
-
-　　‍

个人空间/工具/在线印章.md

@@ -1,11 +0,0 @@
----
-title: 在线印章
-created: 2026-06-29
-source: Apple Notes
-tags: [备忘录迁移, 工具]
----
-
-在线印章生成工具：
-
-- https://seal.scung.cn/index.html
-- https://tools.kalvinbg.cn/convenience/seal

个人空间/工具/安卓手机程序下载.md

@@ -1,6 +0,0 @@
----
-notion-id: 13cca4d7-cb7b-8096-a612-e0ed8af5d084
----
-
-通过`BlueStacks` 多媒体管理器
-找到`豌豆荚等应用程序`软件，找到相关的下载文件，可导出windows。

个人空间/工具/快门掌握.md

@@ -1 +0,0 @@
- 1/4000s 拍雨滴，1/2000s 拍飞鸟，1/1000s 拍汽车，1/800s 拍运动，1/500s 拍小孩，1/200s 拍纪实，1/100s 拍静物，1/30s 拍摇拍，1 s 拍水丝，2s 拍烟花，20s 拍星空，30s 拍车轨

个人空间/工具/清空购物车使用方法.md

@@ -1,14 +0,0 @@
----
-notion-id: 4e7b5291-0b2b-4e19-9780-7a454935896e
----
-脚本[https://github.com/shufflewzc/faker2/blob/main/jd_gua_cleancart_Panda.js](https://github.com/shufflewzc/faker2/blob/main/jd_gua_cleancart_Panda.js)
-
----
-
-# 获取PandaToken
-Telegram获取方法：@pang_da_bot
-
-# 青龙面板添加环境变量
-gua_cleancart_Run=true
-gua_cleancart_products=*@&@
-PandaToken=获取【注意有效期】

个人空间/工具/秋大神.md

@@ -1,11 +0,0 @@
----
-title: 秋
-created: 2026-06-05 11:09
-sticker:
-tags:
-  - 技术
-  - 知识
----
-抖音关注：秋叶 aki
-微信：小维
-软件整合链接:https://pan.quark.cn/s/63f6ad4a290a

个人空间/工具/闲鱼智能监控机器人.md

@@ -1,60 +0,0 @@
----
-title: 闲鱼(goofish)智能监控机器人
-date: 2025-08-10T16:33:18+08:00
-lastmod: 2025-08-10T16:39:25+08:00
----
-
-# 闲鱼(goofish)智能监控机器人
-
-```bash
-# --- AI 模型相关配置 ---
-# 模型的API Key。
-OPENAI_API_KEY="AIzaSyDTs9-kmZkIcqPTHYSwoJb2HJDDI1Xubp0"
-
-# 模型的API接口地址。这里需要填写服务商提供的、兼容OpenAI格式的API地址，基本所有模型都有提供OpenAI格式兼容的接口
-# 可查阅你使用的大模型API文档，如格式为 https://xx.xx.com/v1/chat/completions 则OPENAI_BASE_URL只需要填入前半段 https://xx.xx.com/v1/
-OPENAI_BASE_URL="https://generativelanguage.googleapis.com/v1beta/"
-
-# 使用的模型名称，模型需要支持图片上传。
-OPENAI_MODEL_NAME="gemini-2.5-pro"
-```
-
-　　注意配置`.env`调用代码的URL必须按照相应格式填写
-
-　　安装
-
-```bash
-git clone https://github.com/dingyufei615/ai-goofish-monitor.git
-
-cd cd ai-goofish-monitor
-
-pip install -r requirements.txt
-
-copy .env.example .env
-
-cp .env.example .env
-
-```
-
-　　docker 安装
-
-```bash
-docker build -t zhensolid/app .
-```
-
-```bash
-
-version: '3.8'
-
-services:
-  app:
-    image: zhensolid/xianyu
-    container_name: ai-goofish-monitor-app
-    ports:
-      - "8000:8000"
-    env_file:
-      - .env
-    volumes:
-      - .:/app
-    restart: unless-stopped
-```

个人空间/指令集/上帝模式PC.md

@@ -1,3 +0,0 @@
-|   |   |
-|---|---|
-|文件名|GodMode.{ED7BA470-8E54-465E-825C-99712043E01C}|

个人空间/指令集/双路由表设置.md

@@ -1,22 +0,0 @@
-%1 mshta vbscript:CreateObject("Shell.Application").ShellExecute("cmd.exe","/c %~s0 ::","","runas",1)(window.close)&&exit
-   
-
-route -f
- 
-route -p add 0.0.0.0 mask 0.0.0.0 192.168.8.1
- 
-route -p add 10.0.0.0 mask 255.0.0.0 10.132.11.1
- 
-route -p add 10.132.0.0 mask 255.0.0.0 10.132.11.1
- 
-pause
-
-route -f 清空路由表  
-route -p 添加永久路由表  
-route -p add 0.0.0.0 （任意地址）mask 0.0.0.0 （任意网关）192.168.8.1（通过地址）metric 10  
-route -p add 10.0.0.0（地址10.x.x.x） mask 255.0.0.0（掩码255.x.x.x） 10.132.11.1（通过地址）metric 20
- 
-==手动配置静态====IP====地址== ==网关为外网网关== ==内网不要填写网关==
- 
-==设置完毕以后检查== ==无线网卡网关== ==如果不对，重新连接后，重启电脑==
-    \> 来自 \<[https://www.52pojie.cn/thread-823600-1-1.html](https://www.52pojie.cn/thread-823600-1-1.html)\>

个人空间/指令集/查看笔记本电脑wifi密码.md

@@ -1,3 +0,0 @@
-netsh wlan show profile
- 
-netsh wlan show profile SYXMB_5G key=clear

个人空间/指令集/百度高级搜索.md

@@ -1,63 +0,0 @@
-**一、****site**
-
-- ==例如：====site:www.zmki.cn==
-
-==site:====是====SEO== ==最熟悉最常用的高级搜索指令了吧，用来搜索某个域名====(====用这个域名：====www.zmki.cn====来查询，====site:zmki.cn)====下的所有文件。==   
-**二、****减号** 
-
-- ==例如：====-.www.zmki.cn==
-
-==减号代表搜索不包含减号后面的词的页面。使用这个指令时减号前面必须是空格，减号后面没有空格，紧跟着需要排除的词。====Google== ==和百度都支持这个指令。例如：搜索== ==-====引擎返回的则是包含====“====搜索====”====这个词，却不包含====“====引擎====”====这个词的结果。==  
-**三、****星号**
-
-- ==例如：====*www.zmki.cn==
-
-==星号====*====是常用的通配符，也可以用在搜索中。百度不支持====*====号搜索指令。比如在====Google== ==中搜索：搜索====*====擎其中的====*====号代表任何文字。返回的结果就不仅包含====“====搜索引擎====”====，还包含了====“====搜索收擎====”====，====“====搜索巨擎====”====等内容。==   
-**四、****inurl**
-
-- ==例如：====inurl:www.zmki.cn==
-
-==inurl:== ==指令用于搜索查询词出现在====url== ==中的页面。百度和====Google== ==都支持====inurl== ==指令。====inurl== ==指令支持中文和英文。比如搜索：====inurl:====搜索引擎优化==   
-==返回的结果都是网址====url== ==中包含====“====搜索引擎优化====”====的页面。由于关键词出现在====url== ==中对排名有一定影响，使用====inurl:====搜索可以更准确地找到竞争对手。==   
-**五、****inanchor**
-
-- ==例如：====inanchor:www.zmki.cn==
-
-==inanchor:====指令返回的结果是导入链接锚文字中包含搜索词的页面。百度不支持====inanchor====。比如在====Google== ==搜索== ==：====inanchor:====点击这里返回的结果页面本身并不一定包含====“====点击这里====”====这四个字，而是指向这些页面的链接锚文字中出现了====“====点击这里====”====这四个字。可以用来找到某个关键词的竞争对收，而且这些竞争对手往往是做过====SEO== ==的。研究竞争对手页面有哪些外部链接，就可以找到很多链接资源。==   
-**六、****intitle**
-
-- ==例如：====intitle:www.zmki.cn==
-
-==intitle:== ==指令返回的是页面====title== ==中包含关键词的页面。====Google== ==和百度都支持====intitle== ==指令。使用====intitle== ==指令找到的文件是更准确的竞争页面。如果关键词只出现在页面可见文字中，而没有出现在====title== ==中，大部分情况是并没有针对关键词进行优化，所以也不是有力的竞争对手。==   
-**七、****allintitle**
-
-- ==例如：====“www.zmki.cn”==
-
-==allintitle:====搜索返回的是页面标题中包含多组关键词的文件。例如== ==：====allintitle:SEO== ==搜索引擎优化就相当于：====intitle:SEO intitle:====搜索引擎优化返回的是标题中中既包含====“SEO”====，也包含====“====搜索引擎优化====”====的页面==   
-**八、****allinurl**
-
-- ==例如：====allinurl:www.zmki.cn==
-
-==与====allintitle:== ==类似。====allinurl:SEO== ==搜索引擎优化就相当于== ==：====inurl:SEO inurl:====搜索引擎优化==   
-**九、****filetype**
-
-- ==例如：====filetype:txt== ==名单==
-
-==用于搜索特定文件格式。====Google== ==和百度都支持====filetype== ==指令。比如搜索====filetype:txt== ==名单== ==返回的就是包含名单== ==这个关键词的所有====TXT== ==文件。==   
-**十、****双引号**
-
-- ==例如：====“www.zmki.cn”==
-
-==用双引号包住搜索词，代表完全匹配搜索，也就是说搜索结果返回的页面包含双引号中出现的所有的词，连顺序也必须完全匹配。百度和====Google== ==都支持这个指令。==   
-**十一、****linkdomain**
-
-- ==例如：====linkdomain:www.zmki.cn==
-
-==linkdomain:====指令只适用于雅虎，返回的是某个域名的反向链接。雅虎的反向链接数据还比较准确，是====SEO== ==人员研究竞争对手外部链接情况的重要工具之一。比如搜索==   
-==linkdomain:eacox.com====得到的就是一口笑的外部链接，因为====-site:eacox.com====已经排除了点石本身的页面，也就是内部链接，剩下的就都是外部链接了。==   
-**十二、****related**
-
-- ==例如：====related:www.zmki.cn==
-
-==related:====指令只适用于====Google====，返回的结果是与某个网站有关联的页面。比如搜索==   
-==related:hzaima.com====我们就可以得到====Google== ==所认为的与大明====seo====有关联的其他页面。== ==这种关联到底指的是什么，====Google== ==并没有明确说明，一般认为指的是有共同外部链接的网站。==

个人空间/服务器/3x-ui-证书部署与排障教程.md

@@ -1,344 +0,0 @@
-# 3x-ui 证书部署与排障教程
-
-## 一句话原则
-
-先保证**域名解析正确**和**80 端口可用于 Let’s Encrypt 验证**，再申请证书；申请完成后一定检查**证书文件是否完整**，以及**面板端口实际是否已经启用 HTTPS**。
-
----
-
-## 一、部署前准备
-
-### 1. 准备域名并解析到服务器公网 IP
-
-例如：
-
-- `cc.opentouch.top`
-
-检查命令：
-
-```bash
-nslookup cc.opentouch.top
-```
-
-或：
-
-```bash
-ping cc.opentouch.top
-```
-
-要求：解析出来的 IP 必须是当前服务器公网 IP。
-
----
-
-### 2. 放行端口
-
-至少放行以下端口：
-
-- `80`：Let’s Encrypt 申请证书时做 HTTP-01 验证
-- `443`：标准 HTTPS / 后续反代可能会用到
-- `3x-ui 面板端口`，例如 `50325`
-
-需要同时检查：
-
-- 云平台安全组
-- 服务器本机防火墙
-
----
-
-### 3. 检查 80 端口是否被占用
-
-```bash
-ss -ltnp | grep ':80'
-```
-
-如果 80 端口已被 Nginx / Apache / Caddy 等服务占用，申请证书时要注意冲突。
-
----
-
-## 二、在 3x-ui 中申请证书的正确顺序
-
-进入菜单：
-
-```bash
-x-ui
-```
-
-选择：
-
-- `19` → `SSL Certificate Management`
-
-这里最关键的两个选项：
-
-- `19 -> 1`：`Get SSL (Domain)`，用于**申请域名证书**
-- `19 -> 5`：`Set Cert paths for the panel`，用于**把证书绑定给面板**
-
-> 注意：进入 `19` 不等于证书已经可用。
-
----
-
-## 三、正确部署步骤
-
-### 第一步：申请证书
-
-走：
-
-- `19 -> 1`
-
-输入域名，例如：
-
-- `cc.opentouch.top`
-
-如提示端口，一般使用默认的 `80`。
-
-### 第二步：绑定证书路径给面板
-
-走：
-
-- `19 -> 5`
-
-常见路径：
-
-```bash
-/root/cert/你的域名/fullchain.pem
-/root/cert/你的域名/privkey.pem
-```
-
-例如：
-
-```bash
-/root/cert/cc.opentouch.top/fullchain.pem
-/root/cert/cc.opentouch.top/privkey.pem
-```
-
-### 第三步：重启 3x-ui
-
-```bash
-x-ui restart
-```
-
----
-
-## 四、如何确认证书真的没问题
-
-不要只看菜单提示成功，要做下面 3 个检查。
-
-### 检查 1：证书文件是否存在且非空
-
-```bash
-ls -l /root/cert/你的域名/
-```
-
-例如：
-
-```bash
-ls -l /root/cert/cc.opentouch.top/
-```
-
-重点看：
-
-- `fullchain.pem`
-- `privkey.pem`
-
-正常情况：
-
-- 两个文件都存在
-- `fullchain.pem` 不是 `0` 字节
-
-如果 `fullchain.pem` 是空文件，说明证书损坏或签发未完成。
-
----
-
-### 检查 2：证书内容是否是 PEM 格式
-
-```bash
-sed -n '1,5p' /root/cert/你的域名/fullchain.pem
-```
-
-正常应看到：
-
-```text
------BEGIN CERTIFICATE-----
-```
-
-检查私钥：
-
-```bash
-sed -n '1,5p' /root/cert/你的域名/privkey.pem
-```
-
-正常应看到：
-
-```text
------BEGIN EC PRIVATE KEY-----
-```
-
-或：
-
-```text
------BEGIN PRIVATE KEY-----
-```
-
-如果 `fullchain.pem` 为空，或者没有 `BEGIN CERTIFICATE`，说明文件不可用。
-
----
-
-### 检查 3：面板端口实际是不是 HTTPS
-
-```bash
-curl -vk https://你的域名:面板端口/
-```
-
-例如：
-
-```bash
-curl -vk https://cc.opentouch.top:50325/
-```
-
-如果报类似错误：
-
-- `SSL_ERROR_RX_RECORD_TOO_LONG`
-- `wrong version number`
-
-通常说明该端口实际还在跑 **HTTP**，并没有真正启用 HTTPS。
-
----
-
-## 五、为什么明明配置了 19，还会出现 80 端口问题
-
-这是 3x-ui 新手最容易误解的点。
-
-### 原因
-
-你最终访问的是：
-
-```text
-https://域名:50325/
-```
-
-但 **Let’s Encrypt 在签发域名证书时**，默认需要从公网访问：
-
-```text
-http://域名/.well-known/acme-challenge/...
-```
-
-也就是说：
-
-- `50325` 是面板服务端口
-- `80` 是证书验证端口
-
-所以即使你是给 `50325` 配 HTTPS，申请证书时依然可能卡在 `80`。
-
----
-
-## 六、为什么会出现“证书损坏”
-
-常见表现：
-
-- `fullchain.pem` 是空文件
-- `privkey.pem` 有内容
-- 日志中出现：
-
-```text
-tls: failed to find any PEM data in certificate input
-```
-
-这表示：
-
-- 面板试图启用 HTTPS
-- 但读取到的证书链文件无效
-- 最终 HTTPS 没有真正生效
-- 浏览器访问 `https://域名:端口/...` 会失败
-
-所以不要只看 3x-ui 菜单提示，一定要检查文件本身。
-
----
-
-## 七、遇到问题时的标准处理方法
-
-### 情况 A：只是证书路径绑定错了
-
-优先尝试：
-
-- `19 -> 5`
-
-重新绑定正确路径后执行：
-
-```bash
-x-ui restart
-```
-
----
-
-### 情况 B：证书文件本身坏了
-
-表现：
-
-- `fullchain.pem` 为空
-- PEM 报错
-- 面板端口实际返回 HTTP 而不是 HTTPS
-
-这种情况不要只重复点一次 `19 -> 1`，更稳妥的方法是：
-
-1. 清理损坏的 ACME 状态
-2. 重新申请证书
-3. 重新安装到 `/root/cert/域名/`
-4. 重启 `x-ui`
-5. 再验证 HTTPS
-
----
-
-## 八、推荐的标准部署流程
-
-以后在新服务器部署 3x-ui，建议固定按下面顺序操作：
-
-1. 安装 3x-ui
-2. 配置域名解析到服务器公网 IP
-3. 放行 `80` / `443` / 面板端口
-4. 确认 80 端口没有冲突
-
-```bash
-ss -ltnp | grep ':80'
-```
-
-5. 在 `19 -> 1` 申请域名证书
-6. 检查证书文件是否非空
-
-```bash
-ls -l /root/cert/你的域名/
-```
-
-7. 在 `19 -> 5` 绑定证书路径给面板
-8. 重启 3x-ui
-
-```bash
-x-ui restart
-```
-
-9. 实测 HTTPS 是否正常
-
-```bash
-curl -vk https://你的域名:面板端口/
-```
-
----
-
-## 九、30 秒排障清单
-
-以后打不开 `https://域名:端口/...`，按这个顺序查：
-
-1. 域名解析是否正确
-2. 80 端口是否能用于 Let’s Encrypt 验证
-3. `/root/cert/域名/fullchain.pem` 是否为空
-4. x-ui 日志里是否有 PEM 报错
-5. 面板端口实际跑的是 HTTP 还是 HTTPS
-6. 决定是“重绑证书”还是“重签证书”
-
----
-
-## 十、最短结论
-
-- `19` 只是证书管理入口，不代表证书一定已经可用
-- 给 `50325` 配 HTTPS，不代表申请证书时不需要 `80`
-- 证书申请完成后，必须检查 `fullchain.pem` 是否有效
-- 如果 `fullchain.pem` 是空的，HTTPS 一定不能正常工作
-- 以后不要盲目重复点 `19`，先判断是**绑定问题**还是**证书损坏问题**

个人空间/服务器/666机场.md

@@ -1,22 +0,0 @@
----
-title: 666机场
-created: 2026-05-15
-source: Apple Notes
-tags: [备忘录迁移, VPS]
----
-
-> 相关：[[阿里云服务器]]
-
-## 3x-ui 面板
-
-Access URL: https://cc.opentouch.top:31578/Unz7ZcaAg2RWJXUFx5
-
-| 项目 | 值 |
-|------|-----|
-| 服务器 IP | 61.110.28.176 |
-| 服务器账号 | root |
-| 服务器密码 | 88jm#9AC#cGt7kY4 |
-| 面板用户名 | pZ1OT1MbWw |
-| 面板密码 | 8UwC19eHWU |
-
-项目地址：https://github.com/MHSanaei/3x-ui

个人空间/服务器/Stash使用教程.md

@@ -1,24 +0,0 @@
-Stash 文档
-
-```
-https://stash.wiki/
-```
-
-
-```
-覆写修改地址：
-https://yfamilys.com/stash
-规则转换地址：
-https://scripthub.vercel.app/
-
-```
-
-在线订阅地址
-
-```
-https://acl4ssr-sub.github.io/
-```
-
-```
-https://sub.v1.mk/
-```

个人空间/服务器/VPS搭建/搭建教程/Vultr-V2Ray搭建教程.md

@@ -1,143 +0,0 @@
-**V2Ray搭建教程**  
-**此教程2021/10/25日测试通过!!!**  
-==一键搭建V2Ray，小白福利一条命令搞定V2Ray搭建，最详细的V2Ray图文教程！==  
-**前言**  
-==此教程面向小白萌新，从购买 VPS 到使用 SSH 登录并安装和配置 V2Ray，尽量详细一些，老鸟可以直接跳到== ==第四部分====。==  
-**第一部分：环境信息**
-
-- ==服务器系统：CentOS 7 以上版本系统兼容本教程==
-- ==VPS：我使用的是== ==Vultr==
-- ==手机和电脑都支持搭建==
-
-**第二部分：创建服务器**  
-==已有服务器的同学可以跳过这部分，没有服务器的同学可以先创建服务器，我使用的是====Vultr====。==  
-==Vultr VPS== ==推出了== **2020 年最新的限时促销活动**==，====「新用户」注册并充值 5 美元以上，即可获得 100 美元的免费赠送金额！====力度相当巨大！！ (去年仅送 $50) 用于建站、学习、自建网盘或各种网络服务等等都很实用，优势是价格低，按时计费，随时更换IP。有购买海外== ==VPS== ==需求的同学就得抓紧机会了。==  
-**Vultr活动地址：** ==https://www.itblogcn.com/vultr/t==  
-**Vultr注册教程：**==注册Vultr教程和创建VPS服务器教程==  
-==预算充足的朋友也可以选择搬瓦工的VPS服务器，其CN2 GIA-E线路网速极快。==  
-**搬瓦工注册教程(内附优惠券)：** ==https://www.itblogcn.com/article/bwg-register.html==  
-**搬瓦工VPS在售列表一览：** ==https://www.itblogcn.com/bwg/index.html==  
-==以上2家都支持支付宝支付。==  
-**第三部分：JuiceSSH或Xshell连接服务器**  
-==准备好你的服务器，确认账号（一般是root）和密码，系统建议Centos7 ×64+==  
-==SSH链接服务器软件链接（打开较慢耐心等待）：==  
-==下载地址一：== ==https://cloud.degoo.com/share/Q26mfIizv30wRn==  
-==下载地址二：== ==https://github.com/xyz690/cloudimg/releases/download/v1.2/SSH.zip==  
-**JuiceSSH使用教程**  
-==手机用====JuiceSSH====连接服务器，教程如下==  
-==(====1====）进入====JuiceSSH========(====2====）点上侧连接========(====3====）点右下角+========(====4====）昵称随意，类型====SSH====，地址你的服务器====ip====（外网====IP====），端口默认====22====不变（映射端口和自设端口除外）========(====5====）认证选新建========(====6====）昵称随意，用户名一般为====root====，密码填你的服务器密码========(====7====）点右上角√========(====8====）再点右上角√========(====9====）点你设置的配置，如无昵称就是以服务器====ip====命名========(====10====）如无意外，这时就自动登陆服务器了，如果提示你输入密码，再输一遍就行了，输入后记得点保存========(====11====）进入服务器后，就可以运行代码了，本机键盘手打或者复制粘帖均可==  
-**XShell使用教程**  
-==电脑用====XShell====连接服务器，教程如下==  
-==(====1====）进入====XShell========(====2====）点左上角文件========(====3====）点新建========(====4====）名称随意，协议====SSH====，主机你的服务器====IP====（外网====IP====），端口默认====22====不变（映射端口和自设端口除外）========(====5====）确定========(====6====）在左侧会话管理器，选中设置的配置双击打开========(====7====）提示输入账号和密码，输入后记得点保存(没有提示可能====IP====被墙)========(====8====）进入服务器后，就可以运行代码了，本机键盘手打或者复制粘帖均可====COPY==  
-**注意：假如连不上服务器，可能是IP被墙，或者是TCP阻断了，建议重新创建服务器，并且删除原有的。**
-
-![[IMG-20260516155645235.png]]  
-![[IMG-20260516155645357.png]]
-
-**第四部分：V2Ray搭建**  
-==新的一键V2Ray脚本，经过笔者的测试，安装简单方便，自动关闭防火墙，自动安装BBR加速，因此推荐大家使用！==  
-**安装命令：**  
-==输入以下命令，回车执行（====shift+insert====可粘贴）==
- 
-==bash \<(curl -s -L== ==https://git.io/v2ray.sh====)==  
-==bash== ==\<(====curl== ==-====s== ==-====L== ==https====:====//git.io/v2ray-setup.sh====)==  
-==显示一下信息代表安装成功（====可直接用以下配置进行连接====）(====以下配置在链接时使用====)：==  
-==----------== ==V2Ray== ==配置信息== ==-------------======  
-==地址== ==(====IP== ==Address====)== ===== ==141.====*.*.*======  
-==端口== ==(====Port====)== ===== ==8888======  
-==用户====ID== ==(====User== ==ID== ==/== ==UUID====)== ===== ==38b272ba====-====8a91====-*-*-*======  
-==额外====ID== ==(====Alter== ==Id====)== ===== ==0======  
-==传输协议== ==(====Network====)== ===== ==tcp======  
-==伪装类型== ==(====header type====)== ===== ==none======  
-==----------== ==END== ==-------------======  
-==V2Ray== ==客户端使用教程:== ==https====:====//git.io/v2ray-client======  
-==提示:== ==输入== ==v2ray url== ==可生成== ==vmess URL== ==链接== ==/== ==输入== ==v2ray qr== ==可生成二维码链接======  
-==----------== ==V2Ray vmess URL== ==/== ==V2RayNG v0====.====4.1====+== ==/ V2RayN v2.1+ /== ==仅适合部分客户端== ==-------------======  
-==vmess====:====//ewoidiI6I*****g====  
-**配置文件要注意(建议直接复制安装结果中 vmess://**** 地址，直接导入，避免自己填配置出错)：**  
-==Network(传输协议)： tcp==  
-==type(伪装类型)：none==  
-==不对的话连不上！！！==  
-==好了到这里我们就搭建成功了(==_^▽^_==)==  
-**相关命令：**  
-==v2ray info== ==查看 V2Ray 配置信息==  
-==v2ray config== ==修改 V2Ray 配置==  
-==v2ray link== ==生成 V2Ray 配置文件链接==  
-==v2ray infolink== ==生成 V2Ray 配置信息链接==  
-==v2ray qr== ==生成 V2Ray 配置二维码链接==  
-==v2ray ss== ==修改 Shadowsocks 配置==  
-==v2ray ssinfo== ==查看 Shadowsocks 配置信息==  
-==v2ray ssqr== ==生成 Shadowsocks 配置二维码链接==  
-==v2ray status== ==查看 V2Ray 运行状态==  
-==v2ray start== ==启动 V2Ray==  
-==v2ray stop== ==停止 V2Ray==  
-==v2ray restart== ==重启 V2Ray==  
-==v2ray log== ==查看 V2Ray 运行日志==  
-==v2ray update== ==更新 V2Ray==  
-==v2ray update.sh== ==更新 V2Ray 管理脚本==  
-==v2ray uninstall== ==卸载 V2Ray==  
-**vmess协议配置**  
-==查看配置文件(==**该配置在后面链接时使用**==)：==  
-==cat== ==/====etc====/====v2ray====/====config====.====json==
-
-[![[IMG-20260516155645589.png]]](https://www.itblogcn.com/wp-content/uploads/2020/04/img_5ea11229bca76.png)
-
-**第五部分：客户端链接V2Ray**  
-**各平台的v2ray客户端地址：**  
-==(✪ω✪)==  
-**Windows v2ray客户端：**  
-**下载方式一：网盘(直接解压可用)**  
-==【v2rayN】：== ==https://cloud.degoo.com/share/f-Vljc2ZjhmcPyHbi5Pw0A== ==或==  ==https://github.com/xyz690/cloudimg/blob/main/data/v2rayN-3.29.zip==  
-==解压【【【点击v2rayN.exe启动】】】==  
-**下载方式二：GitHub**  
-==客户端：下载====v2rayN.zip==  
-==【====v2rayN.exe Github Releases====】==  ==https://github.com/2dust/v2rayN/releases/download/3.29/v2rayN.zip==  
-==内核：下载====v2ray-windows-64.zip====文件==  
-==【====v2ray-windows-64.zip Github Releases====】==  ==https://github.com/v2fly/v2ray-core/releases/download/v4.31.0/v2ray-windows-64.zip==  
-==对====v2ray-windows-64.zip== ==和== ==v2rayN====进行解压，然后将== ==v2rayN== ==目录下所有文件复制到====v2ray-windows-64====解压后的目录，即两个下载好的文件需要在同一目录。==  
-==【【【点击==**v2rayN.exe**==启动】】】==  
-==注意电脑右下角== ==V== ==图标，双击图标，点右上角== **服务器** ==，添加[VMess]服务器。==  
-==(==_^▽^_==)(==_^▽^_==)(==_^▽^_==)(==_^▽^_==)(==_^▽^_==)(==_^▽^_==)==  
-**进行配置:**  
-==客户端的配置需要根据你的服务端进行相应的配置，因为你的服务端协议可能是vmess等。==  
-==如果你的服务端配置是协议vmess，则配置如下：==
-
-![[IMG-20260516155645512.png]]
-
-==保存后，右键电脑右下角== ==V== ==图标==
-
-![[IMG-20260516155645532.png]]
-
-**(✪ω✪)**  
-**Android v2ray客户端：**  
-**下载方式一：网盘(APK直接安装)**  
-==【APK】：== ==https://cloud.degoo.com/share/msgcYbsWQVoz2EIbSXr5bw== ==或==  ==https://github.com/xyz690/cloudimg/blob/main/data/v2rayNG_1.4.13_arm64-v8a.apk==  
-**下载方式二：GitHub**  
-==一般手机是arm架构，我就直接给出对应客户端了，其他架构需要你去网上找设备相应的CPU架构并进行选择下载：==  
-==【====v2rayNG Github Releases====】== ==https://github.com/2dust/v2rayNG/releases/download/1.4.13/v2rayNG_1.4.13_arm64-v8a.apk==  
-**使用方法:**  
-==(====1====）打开== ==v2rayNG APP========(====2====）点击右上角== ==+== ==号========(====3====）选择== ==手动输入[====Vmess====]========(====4====）别名随意，地址(填服务器外网====IP====地址)，端口(你设置的====V2Ray====端口)，用户====ID====，额外====ID====:====0====，加密方式:====auto====，其他设置默认========(====5====）右上角== ==√== ==保存========(====6====）右下角== ==V====图标== ==点击启动.========(====7====）打开浏览器试试吧====COPY==  
-**(✪ω✪)**  
-**MacOS v2ray客户端:**  
-==https://github.com/Cenmrev/V2RayX/releases==  
-**(✪ω✪)**  
-**Linux内核 v2ray客户端：**  
-==Debian、Ubantu、CentOS等电脑桌面发行版（不能完全通用，可以尝试一下）==  
-==https://github.com/jiangxufeng/v2rayL/releases==  
-**(✪ω✪)**  
-**IOS v2ray客户端：**  
-==需要国外账号，推荐shadow（小火箭）rocket，quantumult（圈），kitsunebi==
- 
-**测试**  
-==打开浏览器，访问====www.google.com====，如下：==
-
-![[IMG-20260516155645578.png]]
-
-==v2ray搭建教程到此结束，祝大家春风得意！==  
-**第六部分：v2ray提速之BBR**  
-==本文脚本对支持BBR加速的系统，自动安装BBR加速！==  
-==CentOS查看BBR是否运行，输入以下命令，回车执行（====shift+insert====可粘贴）：==  
-==lsmod== ==|== ==grep bbr====COPY==  
-==有返回则成功！==
-   
-[![[IMG-20260516155645589.png]]](https://www.itblogcn.com/wp-content/uploads/2020/04/img_5ea11229bca76.png)

个人空间/服务器/VPS搭建/搭建教程/搭建.md

@@ -1,26 +0,0 @@
-前提条件：  
-1，注册cloudflare 账号:zhensolid@vip.qq.com 密码19841122cy！  
-2，申请域名 注册华为云 zhensolid.xyz  
-3，注册github  
-4，注册okteto
- 
-vmware安装ubuntu虚拟机
- 
-在ubuntu环境下安装  
-apt install npm  
-npm install -g wstunnel
- 
-使用该脚本映射VPS  
-wstunnel -t 12345:127.0.0.1:22 wss://https://areyouok-zhensolid.cloud.okteto.net &
- 
-通过指令  
-ssh root@127.0.0.1 -p 12345  
-默认密码123456
- 
-进入VPS  
-在VPS安装宝塔  
-可用bash install
-
-![[IMG-20260516155645644.png]]
-
-必须删除 避免登陆

个人空间/服务器/VPS搭建/搭建教程/搭建x-ui面板.md

@@ -1,25 +0,0 @@
-一，准备工作
-
-|   |   |   |   |   |
-|---|---|---|---|---|
-|||账号|密码|备注|
-|VPS||zhensolid@outlook.com|19841122Cy||
-|域名|zhensolid.xyz|zhensolid@vip.qq.com|19841122cy|华为云|
-|Cloudflare|[https://www.cloudflare.com/zh-cn/](https://www.cloudflare.com/zh-cn/)|zhensolid@vip.qq.com|19841122cy!||
-|freessl网站|[https://freessl.cn](https://freessl.cn)|zhensolid@vip.qq.com|19841122cy|EF1E-63DB-2EFE-D8B3 1B8C-AE07-80E1-14C3 DC46-3DBC-6EC1-2EA0 610B-DBA2-2976-2B3A【密匙】|
- 
-二，申请VPS通过“https://www.vps234.com/ipchecker/ ” 检测IP地址是否被封【注意是Debian系统】  
-三、使用Finalshell登录VPS 检测SFTP是否打开“是否能预览文件”  
-四、使用指令“ apt update -y && apt install -y curl && apt install -y socat ”  
-五、使用指令“ bash \<(curl -Ls [https://raw.githubusercontent.com/vaxilu/x-ui/master/install.sh](https://raw.githubusercontent.com/vaxilu/x-ui/master/install.sh)) “ 安装&升级x-ui面板一键脚本  
-六、使用指令“wget --no-check-certificate -q -O bbr2.sh "[https://github.com/yeyingorg/bbr2.sh/raw/master/bbr2.sh](https://github.com/yeyingorg/bbr2.sh/raw/master/bbr2.sh)" && chmod +x bbr2.sh && bash bbr2.sh auto”安装BBR2加速  
-七、登录cloudflare解析VPS地址【A记录 @ xx.xx.xx.xx】  
-八、登录freess网站申请证书，详情可参考视频 E:\科学上网视频youtube，最后获取证书和密匙  
-九、将证书和密匙直接复制到vps服务器根目录  
-八、直接通过VPS的IP地址配置54321端口登录【注意重点vps的防火墙端口是否全开】  
-1,可以通过编辑VPS服务器端口  
-2，也可以通过相关指令可参考相关系统指令  
-九、通过公钥和密钥配置到相关面板路径  
-十、通过配置相关节点即可
- 
-相关参考资料：https://mgxray.xyz/

个人空间/服务器/VPS搭建/搭建教程/服务器搭建教程.md

@@ -1,3 +0,0 @@
-apt-get update -y && apt-get install curl -y bash \<(curl -s -L [https://git.io/v2ray.sh)](https://www.youtube.com/redirect?event=comments&redir_token=QUFFLUhqbWlrUldPSjN1bGVmbFhBRXNnZUl5bGdjSkxrd3xBQ3Jtc0tsREF2MW1xVjFZa3hfU2oybmdPMEVkZE9vWC0tcGJ0WllHS0Jxc0xrN3lmU0kxSk5hOFRRSDI4VEFQT3FJMWFqVG84WjNZcUZPVURMd3lLQXBSakpsdU9iVmlYeHNnVk92Sk1MNWgwSTJTdFh2aFBHUQ&q=https%3A%2F%2Fgit.io%2Fv2ray.sh%29&stzid=UgyUcd5eI-t8MqLXdHF4AaABAg)
- 
-安装加速： 洋葱加速：wget -N --no-check-certificate "[https://raw.githubusercontent.com/chiakge/Linux-NetSpeed/master/tcp.sh"](https://www.youtube.com/redirect?event=comments&redir_token=QUFFLUhqa2RVS3d5QzFWRUVuNzJsMmVGS0xrRDc0bGYtUXxBQ3Jtc0tsaVZkdlktcGFVYVRCVXRFci1MVXVPdUtmS3ZRWVJWdUNpQVVMLVlKa1pkQWw2WHBxVHh4bS0yM3EtdE0tUHFXZVo1WnVPWHdlSjZUNUIxNFU5ZEswSUdsSkE1OE1oYU9leEhrUjdNeHJRWXZVUG15dw&q=https%3A%2F%2Fraw.githubusercontent.com%2Fchiakge%2FLinux-NetSpeed%2Fmaster%2Ftcp.sh%2522&stzid=UgyUcd5eI-t8MqLXdHF4AaABAg) chmod +x [tcp.sh](https://www.youtube.com/redirect?event=comments&redir_token=QUFFLUhqbG5YUTVQVldzNnJjd05Ibl9qTzJoRmFBVWlGZ3xBQ3Jtc0ttUm1fa2Y2N1Z1eFFjbUVZR1NNeGNMOE14M3M3R2tINUtDTFdPM1lmMnlYTW1uS1JaYjEzOFhxNm9sS3ROeW01amFpVGFDZVZlc2Fvd0dTSlZ3SWJwVHJFeUxDbFduWWtqODA4Tk5VSHExVDJUQVEzaw&q=http%3A%2F%2Ftcp.sh%2F&stzid=UgyUcd5eI-t8MqLXdHF4AaABAg) ./[tcp.sh](https://www.youtube.com/redirect?event=comments&redir_token=QUFFLUhqa003NjIxV2xkdTRwMFFHSThvTWJvbVRSNEZhd3xBQ3Jtc0ttMjViRTd6WXc0aHhaUGlZdXY2OGhLVGNGYlpDRkU3dkpzaUdIa1FvYXBELTE4aVJGeTlHMXdiLXItcWFUb2hQZmNHbjFSVHBDdDRyMFdrVEpfZ0xGYTNqS09yNXp4ZW1oYzVidW5GOXdpNUxDU010Yw&q=http%3A%2F%2Ftcp.sh%2F&stzid=UgyUcd5eI-t8MqLXdHF4AaABAg)

个人空间/服务器/VPS搭建/搭建教程/阿里云宝塔账号.md

@@ -1,4 +0,0 @@
-外网面板地址: http://47.105.40.89:8888/87e74eca  
-内网面板地址: http://172.17.59.78:8888/87e74eca  
-username: tmal721p  
-password: 6f49dfd3

个人空间/服务器/域名管理/域名操作/域名解析记录类型.md

@@ -1,20 +0,0 @@
-域名解析记录类型主要分为A记录、MX记录、CNAME记录、NS记录和TXT记录，其中A记录和CNAME记录是我们建站最常用到的。
- 
-A记录，A代表的是Address，用来指定域名对应的IP地址，如将http://xxxxx.com指定到IP地址139.***.184.***。A记录可以将多个域名解析到一个IP地址，但是不能将一个域名解析到多个IP地址。
- 
-A记录就是解析我们常见的带www和不带www的域名，解析不带www的域名时主机记录填@或者不填，解析带www得域名时主机记录填www。
- 
-==A====记录的记录值为====IPv4====形式（如====10.10.10.10====）==
-   
-
-MX记录，表示的是Mail Exchange，就是可以将某个域名下的邮件服务器指向自己的Mail Server，如http://xxxxx.com域名的A记录IP地址是115.***.25.***，如果MX记录设置为115.***.25.***，是xxx@xxxxxx.com的邮件路由，DNS会将邮件发送到***.238.25.***所在的服务器，而正常通过Web请求的话仍然解析到A记录的IP地址。
- 
-CNAME记录，全称是Canonical Name（别名解析）。所谓的别名解析就是可以为一个域名设置一个或者多个别名，别名解析通常用来解析二级域名。
- 
-==CNAME====记录的记录值为域名形式（如====abc.example.com====）==
- 
-NS记录，为某个域名指定DNS解析服务器，也就是这个域名有指定的IP地址的DNS服务器去解析。
- 
-TXT记录，为某个主机名或域名设置说明，如可以为http://maikeseo.com设置TXT记录为”麦可SEO”这样的说明。
- 
-注：A记录和CNAME记录是做网站是常用的，熟悉运用这两个解析就可以很好地做网站了

个人空间/服务器/域名管理/域名操作/域名配置基本操作.md

@@ -1,3 +0,0 @@
-1，申请域名  
-2，通过域名管理内的dns 将服务器解析地址填入【参考】  
-3，在域名解析服务器【如阿里云或者cloudflare】配置相关记录【参考】

个人空间/服务器/域名管理/域名操作/如何配置域名DNS服务器.md

@@ -1 +0,0 @@
-![[IMG-20260516155645662.png]] ![[IMG-20260516155645728.png]]

个人空间/服务器/域名管理/域名操作/配置记录.md

@@ -1,6 +0,0 @@
-==阿里云==
-
-![[IMG-20260516155645895.png]]
-
-==Cloudflare==
- ![[IMG-20260516155645931.png]]

个人空间/服务器/服务器清单.md

@@ -1,78 +0,0 @@
----
-created: 2026-06-12
-updated: 2026-06-12
-tags:
-  - 服务器
-  - SSH
-  - VPS
-  - 免密登录
----
-
-# 服务器清单
-
-共 **11** 台免密登录服务器，SSH 配置在 `~/.ssh/config`。
-
-## 云端 (公网可达)
-
-| 别名 | IP | 用户 | 系统 | 说明 |
-|------|-----|------|------|------|
-| `king` | 40.233.18.33 | root | EL9 ARM64 | 远程云服务器 |
-| `princess` | 84.235.240.199 | root | EL9 ARM64 | 远程云服务器 |
-| `aliyun` | 119.23.65.115 | Administrator | Windows Server 2012 | 阿里云 ECS，⚠️ 用户是 Administrator 不是 root |
-| `tx6us` | 61.110.28.176 | root | CentOS 7 | 3x-ui 面板，域名 cc.opentouch.top |
-
-## 公司内网
-
-| 别名 | IP | 用户 | 系统 | 说明 |
-|------|-----|------|------|------|
-| `zlsh-nas` | 192.168.6.23 | zhensolid | Synology DSM | 公司群晖，主机名 ZLSH_NAS |
-| `zlsh-design` | 192.168.8.37 | zhensolid | Synology DSM | 公司群晖，主机名 ZLSH_DESIGN |
-
-## 家庭内网 (10.10.10.0/24)
-
-| 别名 | IP | 用户 | 系统 | 说明 |
-|------|-----|------|------|------|
-| `nas` | 10.10.10.23 | zhensolid | Synology DS716+II | 家里群晖 |
-| `pve` | 10.10.10.254 | root | Proxmox VE 7 | 虚拟化服务器 |
-| `centos` | 10.10.10.14 | root | EL10 x86_64 | 物理服务器 |
-| `istore` | 10.10.10.252 | root | iStoreOS/OpenWrt | 软路由 |
-| `mini` | 10.10.10.9 | sl | macOS 26 ARM64 | Mac mini |
-
-## 连接方式
-
-全部免密，密钥默认用 `~/.ssh/id_ed25519`，个别有专用密钥：
-
-- `king` → `~/.ssh/king_id_ed25519`
-- `princess` → `~/.ssh/princess_id_ed25519`
-- `centos` → `~/.ssh/10.10.10.14_id_ed25519`
-
-```bash
-# 示例
-ssh king
-ssh tx6us
-ssh zlsh-nas
-```
-
-## 关键服务
-
-### tx6us (3x-ui)
-
-- 面板: `https://cc.opentouch.top:50325/V5nRlqzAmxBJTrBe7E/`
-- 订阅: `https://cc.opentouch.top:2096/solidsnake/`
-- 节点: vless(25140), vmess(27676), vless(46542)
-- 账号: zhensolid
-- 迁移方案: 
-
-## 群晖解锁
-
-SYNOPS 封锁 IP 后，SSH 进入执行：
-
-```bash
-/usr/bin/psql -U postgres -d synology_autoblock -c "DELETE FROM AutoBlockIP;"
-```
-
-## 相关笔记
-
-- [[Windows Server SSH部署指南]]
-- [[3x-ui-证书部署与排障教程]]
-- [[服务器搭建教程]]

个人空间/服务器/阿里云服务器.md

@@ -1,52 +0,0 @@
----
-title: 阿里云服务器
-created: 2026-05-31
-source: Apple Notes
-tags: [备忘录迁移, 服务器]
----
-
-> 相关：[[666机场]] | [[Gitee]]
-> 最新运维信息见 `~/Documents/ZLSH/CLAUDE.md`
-
-## 基本信息
-
-| 项目 | 值 |
-|------|-----|
-| 阿里云账号 | 子兰生活 |
-| 阿里云密码 | CHENGHE6chengzi |
-| 服务器 IP | 47.109.158.218 |
-| 配置 | 8vCPU / 16GB |
-| 系统盘 | 40GB |
-| 数据盘 | 160GB |
-| 带宽 | 5 Mbps |
-| 系统 | CentOS 10 Stream |
-| 到期 | 2026年6月30日 |
-| 购买价格 | 510 元（浮动） |
-
-## 基础服务
-
-Docker、phpmyadmin、PHP8.2、nginx1.28、docker-compose、mysql8.0、python3.12.12、nodejs14.17.6LTS
-
-## 宝塔面板
-
-| 项目   | 值                                     |
-| ---- | ------------------------------------- |
-| 面板地址 | https://47.109.158.218:36756/a5b2b5f2 |
-| 域名地址 | https://bt.zilanlife.com/a5b2b5f2     |
-| 用户名  | sg6lffqn                              |
-| 密码   | LDwEtMj5DE                            |
-
-⚠️ 安全组需放行 36756 端口
-
-## SSH
-
-连接方式：密钥（唯一方式），端口默认宝塔部署
-
-## Gitee
-
-| 项目 | 值 |
-|------|-----|
-| 个人空间 | https://gitee.com/gyzlsh |
-| 账号 | 15599182255 / gyzlsh |
-| 密码 | gyzlsh2018 |
-| Git 令牌（旧） | 3390630cdbbfd511281b8a05465cfe4f |

个人空间/记忆仓库/Google账号.md

@@ -1,9 +0,0 @@
-
-
-| 邮箱                     |
-| ---------------------- |
-| zhensolid@gmail.com    |
-| zhensolidbt1@gmail.com |
-| zhensolid004@gmail.com |
-
-统一密码：19841122Cy!