billximangmail.com

随性，喜欢好应用

[billximangmail.com @ohier]

开跑，,💯

[billximangmail.com @ohier]

@laviris_lee @AriXZone 收钱绝对有办法

[billximangmail.com @ohier]

@bbcchinese 只有使用权而不是你的财产，哪里发明的

[菠萝🍍 @BoluoEye]

抖音主播在田间地头直播卖苹果，感觉有点热，然后打开了空调。。。

[billximangmail.com @ohier]

@zhangxiaojubtc 还是要找工业嵌入应用

[billximangmail.com @ohier]

@qzhxjhj 现在3d农场一堆了

[区块链行情研究 @qkl2058]

这个博主停更了整整两年，一回来就扔了个重磅内容。

他把整个AI产业链拆得特别清楚，从上到下分成12个层级。从最底层的能源、芯片这些基础设施，一路往上推，推到未来会出现的“AI原生经济生态”这个概念。

视频很值得多看几遍，特别是最后讲到什么叫“AI Native公司”的时候，确实挺有启发的。

[billximangmail.com @ohier]

@drjingle @M5Stack 总感觉缺点硬核能力

[Real World Physics @RWPhysics]

12V Battery Level Indicator Circuit

[billximangmail.com @ohier]

漂亮

[iShowCybersecurity @ishowcybersec]

-Kali Linux is free.
-Burp Suite Community is free.
-Wireshark is free.
-Nmap is free.
-Metasploit Framework is free.
-OWASP ZAP is free.
-TryHackMe and Hack The Box are free (limited use)
-Shodan is free (basic plan).
-Autopsy and Volatility are free.
-Google Dorking is free.

Your laptop and internet connection: that’s all you need to start.

No expensive bootcamps. No fancy certifications.

Start learning. Break things. Fix them. Repeat.
Your future self will thank you.

[Berryxia.AI @berryxia]

刚刷到CJ Zafir 发了一条关于 fine-tuning 小模型的帖子，看下来觉得这波建议特别实在。

他直接说，如果你也喜欢玩开源模型 fine-tuning，那先听听这些：

从 1B、2B、4B、8B 这些小模型开始练手，别一上来就冲 27B 以上。

云 GPU 用 Google Colab Pro 就够了，A100 80GB 一小时才 0.6 美元左右，小模型完全够用。

数据集自己造，用 Codex 5.5 先规划，再配 DeepSeek v4 Pro 生成每一行数据。

底座模型推荐 Unsloth 的 instruct 版本，Hugging Face 上直接拉，fine-tuning 笔记也用他们的做参考，直接丢给 Codex 让它帮你改成你想要的配置。

他建议花一天时间把这些东西过一遍：SFT、RL 训练（GRPO、DPO、PPO 这些）、LoRA / QLoRA、量化类型、本地推理引擎（llama.cpp）、KV cache 和 prompt cache。

他说就直接上手吧，Claude、Codex、ChatGPT 都能给你设计第一步的完整计划。

最后他还提到，未来技术会越来越往 5B 到 15B 的 Expert Language Models 走，并非一味堆通用大模型，所以 fine-tuning 这门手艺现在学特别值。

很多公司愿意花 5 万美元以上，让你帮他们用自家数据训个性化模型。

整条帖子的意思就是：fine-tuning 其实谁都能入门，调模型、测模型、用模型，慢慢就能把这变成一份靠谱的事业。

感兴趣的可以看看，还挺有意思。

[Geek Lite @QingQ77]

上传数据，LLM 帮你挑图表类型，一键出交互式可视化，不用自己纠结选什么图。

https://t.co/J7hrlWL2dl

VizPilot AI 是个图表推荐+生成平台。上传 CSV/XLSX，系统自动分析字段，让 LLM 推荐 3-5 个图表，附理由、评分、字段映射。选中后一键跑出 Plotly 交互 HTML，直接下载。底层用注册中心模式，

45+ 种图表元数据全在 registry py 一处管理，加新图表写文件+注册就行，前后端自动同步。

[billximangmail.com @ohier]

救急的工作，vultr ssh 端口转发;再让ai撸一个一键安装的脚步包括v2ray+ssl+cloudflare。

[RJ @RJDAIGOGO]

腾讯混元宣布开源手机端离线翻译模型Hy-MT1.5-1.8B-1.25bit，把支持33种语言的翻译大模型压缩至440MB，无需联网，下载即可直接在手机本地运行，“翻译质量优于谷歌翻译”。

[billximangmail.com @ohier]

#HomeLab #AI #LocalLLM #OpenSource #HardwareGeek #EdgeComputing

[billximangmail.com @ohier]

#HomeLab #AI #LocalLLM #OpenSource #HardwareGeek #EdgeComputing

[billximangmail.com @ohier]

别再把你的 AI 灵魂交给云端了：
构建 2026 版“本地 AI 算力中心”的 3 个关键点
如果你还在每月给 OpenAI 贡献 20 刀，却忍受着数据隐私泄露和不稳定的 API 延迟，是时候回归“主权硬件”了。最近我在调试自己的 HomeLab 环境，发现将 AI Agent 彻底本地化（Local-first）正变得前所未有的简单。

[billximangmail.com @ohier]

3. 解决“最后 1 米”的连接：虚拟 IP 与内网穿透

为了让我在外出的摩托车旅途中也能随时调用家里的算力，我放弃了复杂的 VPN，转而使用虚拟 IP (VIP) 绑定方案。无论新旧机器如何更替，我的 Agent 始终指向那个唯一的逻辑地址。

极客的终极浪漫，就是当断网的那一刻，你的 AI 依然为你工作。

[billximangmail.com @ohier]

2. 告别纯对话，拥抱本地 Agent SDK

现在最 cool 的玩法不是在网页里聊天，而是用 Claude Agent SDK 或 OpenClaw 这种原生支持 Unix 哲学的工具，直接让 AI 读写你的本地文件、监控服务器 CPU 负载、甚至控制你的 GPIO 硬件接口。

[billximangmail.com @ohier]

1. 硬件的“甜点区”发生了位移
与其追求昂贵的顶级显卡，不如关注“显存性价比”。目前 2x NVIDIA RTX 3090 (24G) 的 NVLink 方案在运行 Llama 3 (70B) 等级模型时，响应速度已经能满足生产力需求。如果你有退役的服务器（如 R730），配合 Tesla P40，依然是低成本部署本地 Embedding 向量数据库的优选