1 思考一 去旅行，发现最近的旅程越来越像我之前独自旅行的某些时刻：去没去过的地方，有独处思考的时间和空间，观察周围的人，回顾和反思这段时间的工作和生活态度。 最喜欢的是在后半夜进行机场转机，也有那没素质的人强行占座挤来挤去，但也有互不打扰的安静时刻。后半夜，大家都放松下来、有些迷糊的状态，有点像微醺的感觉。在大厅里溜达溜达，刷了一些平时可能不会点开的视频，就像打开了一扇窗。 对我而言，和平时不一样的心理体验有时候比风景更为重要，就像是加入一波新数据训练模型——在陌生的不稳态里，寻找自己相对的稳态。 跳出生活，打断”自动驾驶“模式，能更加清晰地感到自己是怎样的人，自己的舒适区在哪儿。我一个人独处或是处于陌生人当中，不必顾虑人际关系，完全没有内耗。如果非要在安全感和自主性之间二选一，我肯定是选择后者。 2 思考二 旅行回来后，感到活力和行动力大增，表现出来是更多的购物和计划。以前很多事情只是想想一放弃了，现在会在第一时间行动。这可能是因为在旅行途中不断遇到的分岔口和决策点，内心的冲突与达成目标的兴奋以及未达成目标的遗憾。这一切，让人意识到天气的变化如何影响风景的不同，时间的差异也会导致价 ...

1 实验一 1.1 用料 玉米面 250g 白面 250g 开水 250ml 牛奶 100ml 鸡蛋两个 干酵母 5g 枣：适量 1.2 做法 把 250 开水倒入 250 克玉米面，烫面，然后晾凉 再加入白面、干酵母、鸡蛋、牛奶，和成面团， 放入模具，加枣 放 30-40 度发面 1 小时 凉水上锅，大火，水开后蒸 25-30 分钟 关火后闷 2-3 分钟 1.3 效果 中间有点粘 可能原因： 放了鸡蛋 中间火开小了 太厚 用蛋糕模具不透气 1.4 参考 https://haokan.baidu.com/v?pd=wisenatural&vid=11253467882059041522 2 实验二 2.1 用料 玉米面 100g 白面 100g 牛奶 150ml 干酵母 3g 泡打粉 3g 细砂糖 15g 枣：适量 2.2 做法 面粉、玉米面、泡打粉、糖，酵母混合均匀 将牛奶倒入面粉中，揉成面团 放入模具，30-40 发酵 1 小时，加枣 凉水上锅，大火，水开后蒸 25-30 分钟 关火后闷 2-3 分钟 2.3 效果 相比之前的，中间不粘，原因 ...

1 介绍 原理：基于 Langchain 开发 方法：可以在 Python 程序中调用，或通过脚本使用 运行：运行后，会自动打开浏览器，并进行搜索等操作获得结果 用途：适用于获取实时信息，例如股价、天气等 源码地址: https://github.com/browser-use/browser-use 代码分析：以 Python 为主，目前 5000+ 代码 2 用法 2.1 使用 venv 虚拟环境 1234sudo apt install python3.12-venvmkdir /exports/env_broswer-usepython3 -m venv /exports/env_broswer-usesource /exports/env_broswer-use/bin/activate 2.2 安装 browser-use 12pip install browser-useplaywright install 2.3 运行 demo 123456789101112131415161718192021222324252627# test_browser_use.pyfro ...

1 介绍 功能：加速 npm 安装 2 安装服务 1234$ docker pull verdaccio/verdaccio$ docker run --rm -d --name verdaccio -p 4873:4873 -v /exports/verdaccio:/verdaccio/storage verdaccio/verdaccio #注意将本地映射目录的权限# 调试用$ docker exec -it verdaccio sh 3 使用 设置环境变量 1$ echo "registry = http://localhost:4873/" >> $HOME/.npmrc

看了 2024 年 11 月斯坦福的论文《Generative Agent Simulations of 1,000 People》，通过机器对人的访谈模拟 1000 多个真人。很好奇：究竟要问哪些问题才能全面描绘一个人的画像？通过对这些问题的文本分析，可以预测出一个人的性格，以及他们在经济和社会生活中的选择，机器分析效果几乎与直接填写量表相当；甚至随机删除答案的 80%，得到的结果仍高于其它方法。 在《直觉泵和其他思考工具》一书中提到：“要了解一个人，仅仅询问他们的理想、希望、英雄主义或者过错就已足够。” 而这里的 99 个问题更加有血有肉，它们充满了生活的细节，揭示了一个人过去和现在正在经历的塑造过程。理想固然重要，但实际生活中需要权衡更多。 简单机翻了一下，内容如下，原文请见论文 https://arxiv.org/pdf/2411.10109 表 -7。 请告诉我你的生活故事。从头说起——从你的童年、教育、家庭和人际关系，以及你经历过的任何重大事件。 有些人告诉我们，他们在生活的某些时刻到达了十字路口，有多条道路可供选择，而他们当时的选择对定义他们是谁产生了重大影响。你呢？有 ...

1 探索与分享 在探索价值观和个性的过程中，看到了我执和因果。 这周轮到我知识分享，因为最近整理了很多网页收藏、聊天记录、摘抄、知识文档、日记、随笔和随手记录。想看看从中能挖掘沉淀点什么，于是找了一些相关的论文： 能从这些文字中提取出什么信息，哪些信息无法获取，缺少了什么？ 是否可以进一步抽象这些信息，化繁为简，代入模型？ 利用这些信息可以做什么？ 于是，我找了几篇论文，从获取和分析角度包括：从 Twitter 的内容中提取个性；通过真人访谈提取人格特征、经济学特征、社会学特征；从心理咨询对话中提取人格特征；探索道德困境的基本原理（不同价值观的冲突）；大五人格与大型模型的实验；以及每个 BFI 问题对大五人格各维度的贡献度。从使用角度：用大模型实现角色扮演，模拟投资策略，利用根据不同性格进行劝说，甚至分析欺骗背后的心理逻辑。 坦白讲，分享的有点稀松，因为要在一个来小时内串讲十篇论文，只能简单触及表面。其实每篇论文我都进行了认真的梳理，并明确了它们在整个思维地图中的位置，后面会陆续发到我的网站和公众号上。 其中，让我最有感触的两篇文章： 第一篇来自华盛顿大学，艾伦人工智能研究所，20 ...

1 chatgpt-on-wechat 无法登录 最近几天，chatgpt-on-wechat 微信聊天使用了（以下简称 COW）。这个项目目前已经获得了 32.5K 的 Star。现在只要用微信登录，扫码后就会出现错误提示： 123Start auto replying.Unexpected sync check result: window.synccheck={retcode:"1102",selector:"0"}LOG OUT! 在 GitHub 的 issue 中发现，昨天（240110）很多人也遇到了同样的问题，一些用户甚至在线等解决方案。 更麻烦的是，扫码的微信号也需要重新登录，并且显示： 该账号违反了《微信个人帐号使用规范》…… 需要签署承诺书才能继续使用。这可视为一种警告：你如果继续这样使用，小心微信账号被封。在现在这个坐车、支付都要扫码的世界里，这还真挺可怕的。 2 为什么要整治 这一点其实很容易理解。推销诈骗在引入大型语言模型（LLM）后，如果不考虑开发成本，人工成本至少降低了不止 100 倍。其实 ...

1 简介 devpi 是一个 Python 包索引服务，可以帮助管理 Python 包的缓存、发布和安装。它可以让开发者在本地构建自己的 Python 包索引，用于组织和分享包。 2 创建镜像 Dockerfile 如下 12345678910111213141516FROM python:3.9-slim# 安装 devpiRUN pip install devpi-server devpi-web devpi-client# 创建数据目录RUN mkdir /data# 设置数据目录为工作目录WORKDIR /data# 暴露 devpi 端口EXPOSE 3141# 启动 devpi-serverCMD ["devpi-server", "--serverdir", "/data", "--host", "0.0.0.0"] 打镜像： 1docker build -t devpi-server . 3 初始化 123$ docker run --rm -it --name de ...

1 引入 今天和大家分享一个我自己制作的小工具，其中包含我认为非常实用、但在现有工具中找不到的功能。它的核心理念是更好地将自然语言大模型与 Obsidian 结合，同时还能相对节省调用成本。 在 Obsidan 中写文章常常会让大模型帮助修改文字，比如：润色、翻译、改错。 起初，我将需要处理的文本复制粘贴到大模型的聊天界面中，再加上提示词，得到模型的回应后，再将内容粘回到 Obsidian。 大约一年前，我开始使用 Obsidian 的 Text Generator 插件，把常用的提示词写入模板中，在需要的时候选择模板。不过也遇到了一些问题：有些模板需要经常调整，而有些操作并不在现有模板中，也不属于常见问题。每次修改模板非常麻烦，而且模板数量众多，每次定位模板也很容易打断思路。 于是，就想能不能直接输入提示词，并记忆使用过的提示词，并将高频使用和最近使用的提示词排列在最前面。这样一来，无需鼠标操作，只需在键盘上敲击两三个按键，就可以调用大模型了。 进而，想到利用大模型来生成文章的标签和摘要，将文章移动到合适的目录，让大模型帮我们做些事务性工作，也能很好的提升效率，于是把它们整合成一个工 ...

1 引言 GitHub Copilot 的新版本发布已经有几个星期了，实际使用后才发现它确实非常出色，极大地提升了效率。 2 旧版的问题 旧版包含的一些常用功能有：聊天、编辑时代码自动生成、选中代码块的编辑和解释。 但有几个使用上的不便之处： 聊天功能位于左侧栏，但通常左侧栏不会设置得很宽，这导致文字多次换行，查看时需要上下滚动，比起网页版的聊天界面要逊色不少。 代码自动生成功能要求在生成函数前必须先写注释，完成后还需自行删除注释，这个过程显得有些繁琐。 当选中代码块并点击右键以解释或编辑时，需要操作多步，修改只针对代码块本身，功能上会受到一些限制。 背后的大模型在功能上不尽如人意，理解力和代码能力稍显不足。 生成和修改代码时无法指定参考哪些文件。 3 新版的优势 新版针对上述问题进行了优化。 3.1 更多大模型可选 新版提供了 gpt-4o、o1 系列模型，以及 claude。 不仅我这样认为，我的朋友和网友也一致发现，Claude 在代码领域表现出色，代码能力非常强，甚至优于多步推理的 o1 系列模型。而 gpt 则在综合能力上更胜一筹，因此在 Copilot 的编辑和聊天功 ...