<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:media="http://search.yahoo.com/mrss/" version="2.0"><channel><title>仰望繁星的角落</title><link>https://556799.xyz</link><atom:link href="https://556799.xyz/feed.xml" rel="self" type="application/rss+xml"/><description>只争朝夕</description><generator>Halo v2.26.1</generator><language>zh-cn</language><image><url>https://556799.xyz/upload/eee-removebg-preview.png</url><title>仰望繁星的角落</title><link>https://556799.xyz</link></image><lastBuildDate>Fri, 9 Oct 2026 10:20:56 GMT</lastBuildDate><item><title><![CDATA[逆熵流形（7）]]></title><link>https://556799.xyz/archives/ni-shang-liu-xing-7</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2%EF%BC%887%EF%BC%89&amp;url=/archives/ni-shang-liu-xing-7" width="1" height="1" alt="" style="opacity:0;">本期内容聚焦AI信任危机。研究方面，Tasteful Agent为AI“品味”建立量化基准；OpenAI确认自复制提示注入存在，类似AI蠕虫可在代理间传播。安全事件上，美军险些因AI生成的假情报拦截中国船只，暴露出AI输出缺乏统一验证标准。观点层面，有作者批评AI产品未将错误检查作为核心功能，也有人认为AI缺乏智慧，过度依赖将阻碍开发者成长。此外，训练OpenAI模型的承包商因使用AI被开除，而Gen Alpha将“That's so AI!”用作骂人话，意指虚假可疑。整体呈现AI在可靠性、安全性及社会认知上的多重隐忧。]]></description><guid isPermaLink="false">/archives/ni-shang-liu-xing-7</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2.webp&amp;size=m" type="image/jpeg" length="191220"/><category>综合</category><pubDate>Wed, 30 Sep 2026 05:40:01 GMT</pubDate></item><item><title><![CDATA[逆熵流形（6）]]></title><link>https://556799.xyz/archives/ni-shang-liu-xing-6</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2%EF%BC%886%EF%BC%89&amp;url=/archives/ni-shang-liu-xing-6" width="1" height="1" alt="" style="opacity:0;">## 文章摘要 本期“熵减探索境”介绍了三个技术项目：从零手写Transformer的教学项目（13M参数）、SlotDiT（将场景拆成object-centric slots进行扩散生成，机器人任务成功率超越VAE基线）、以及Archify（在聊天中生成交互式架构图的Agent工具）。 “信息焓变场”部分聚焦四则资讯：OpenAI通过`__obi` cookie收集用户跨站浏览数据，涉及隐私争议；NYT诉OpenAI案解密文件显示微软高管内部承认AI抓取是“人类历史上最大规模的劳动盗窃”；TypeSafe的Jev架构被逆向解析，直接输出决策概率而非生成文本；以及通过指定具体风格名（如Bauhaus、Swiss Style）可让AI海报跳出默认模板。 “混沌松弛域”记录了作者日常游戏与工作状态。整体逆熵效率约六成。]]></description><guid isPermaLink="false">/archives/ni-shang-liu-xing-6</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2.webp&amp;size=m" type="image/jpeg" length="191220"/><category>综合</category><pubDate>Mon, 21 Sep 2026 09:16:26 GMT</pubDate></item><item><title><![CDATA[逆熵流形（5）]]></title><link>https://556799.xyz/archives/ni-shang-liu-xing-5</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2%EF%BC%885%EF%BC%89&amp;url=/archives/ni-shang-liu-xing-5" width="1" height="1" alt="" style="opacity:0;">本文是一期科技与AI领域的资讯汇总。技术方面，介绍了LoRA-Muon优化器，将谱最陡下降应用于LoRA，节省内存且对缩放不敏感，但实验结论存疑。信息伦理方面，讨论"No AI"成为卖点、Meta以折扣换取用户数据训练、abliteration去护栏技术被商业化，以及Humanizer工具去除AI文风。观点部分，孙宇晨致信胡锡进，探讨体面、合同算法与财富创造等议题。文末作者感叹近期游戏热情减退，星铁也渐失吸引力，似有退坑之意。]]></description><guid isPermaLink="false">/archives/ni-shang-liu-xing-5</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2.webp&amp;size=m" type="image/jpeg" length="191220"/><category>综合</category><pubDate>Wed, 16 Sep 2026 06:51:24 GMT</pubDate></item><item><title><![CDATA[Opencode 思考强度设置的一点小坑]]></title><link>https://556799.xyz/archives/opencode-si-kao-qiang-du-she-zhi-de-yi-dian-xiao-keng</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=Opencode%20%E6%80%9D%E8%80%83%E5%BC%BA%E5%BA%A6%E8%AE%BE%E7%BD%AE%E7%9A%84%E4%B8%80%E7%82%B9%E5%B0%8F%E5%9D%91&amp;url=/archives/opencode-si-kao-qiang-du-she-zhi-de-yi-dian-xiao-keng" width="1" height="1" alt="" style="opacity:0;">本文记录了在本地使用Qwen3.8-27B模型接入opencode工具时的配置经验与注意事项。作者指出，opencode的配置文件（jsonc格式）不支持像GPT那样在同一模型中直接设置思考强度，而需将不同思考模式拆分为多个独立模型，并通过额外的`options`模块传递参数（如思考强度、temperature、top_p等）。同时，由于多个模型共享同一API地址，除第一个模型外，其余模型必须设置单独的ID。文章提供了完整的配置示例，展示了如何通过`chat_template_kwargs`中的`enable_thinking`开关及`reasoningEffort`参数（支持xhigh、medium、low）来实现直出模式与不同强度思考模式的切换，并详细列出了各模型的上下文限制、输出长度及API连接参数，为类似本地模型接入场景提供了实用参考。]]></description><guid isPermaLink="false">/archives/opencode-si-kao-qiang-du-she-zhi-de-yi-dian-xiao-keng</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F104824317_p0.png&amp;size=m" type="image/jpeg" length="199675"/><category>软件</category><pubDate>Sun, 6 Sep 2026 13:48:06 GMT</pubDate></item><item><title><![CDATA[Qwen3.8-27B测试（4）]]></title><link>https://556799.xyz/archives/qwen3.8-27bce-shi-4</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=Qwen3.8-27B%E6%B5%8B%E8%AF%95%EF%BC%884%EF%BC%89&amp;url=/archives/qwen3.8-27bce-shi-4" width="1" height="1" alt="" style="opacity:0;">本文测试了Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF模型，在MTP加速下token生成速度达60+tokens/s。以开发轻量级本地网盘系统（Rust-MVP）为测试项目，提供了包含双协议访问、流式传输、元数据管理、文件监听防抖、软删除GC、冷启动对账等完整需求规格和架构设计。测试发现：在明确要求严格遵循TDD流程后，模型指令遵循能力显著提升，保持了良好计划性且思考时间大幅减少；但review流程因时间缩短导致质量把关不足（约2分钟、全Pass），后续循环检测暴露出10多个优化点。整体交付质量达到MVP要求，但Web端CORS问题需人工介入。结论是该模型适合小规模后端开发（命令行工具、API接口等），在非可视化开发场景表现不俗。]]></description><guid isPermaLink="false">/archives/qwen3.8-27bce-shi-4</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F33e16651-6246-4b82-ac47-3ce964c895b7.avif&amp;size=m" type="image/jpeg" length="60412"/><category>深度学习</category><pubDate>Fri, 4 Sep 2026 10:57:19 GMT</pubDate></item><item><title><![CDATA[Qwen3.8-27B 测试（3）]]></title><link>https://556799.xyz/archives/wei-ming-ming-wen-zhang-W2ZZWrZ5</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=Qwen3.8-27B%20%E6%B5%8B%E8%AF%95%EF%BC%883%EF%BC%89&amp;url=/archives/wei-ming-ming-wen-zhang-W2ZZWrZ5" width="1" height="1" alt="" style="opacity:0;">本篇文章是对一款名为“Qwen3.8-27B-TURBO-Fable-Cold-Fusion”模型的测试报告。作者通过运行HTML版坦克大战游戏项目，评估该模型在代码生成方面的性能。观察发现，该版本模型思考时间较原版大幅缩短，指令遵循度有所“下降”，具体表现为会跳过部分开发流程，更偏向快速实现主体架构而非关注细节。这种“自信”的风格虽减少了耗时，却导致生成效果与原版存在较大差距，游戏可玩性和观赏性均未达预期。作者推测该特性源于微调数据且需配合更详细的前期提示使用。总体而言，该模型未能完全达到预期，其亮点是思考速度显著提升，但以牺牲生成质量为代价，作者将等待后续版本进行进一步测试。]]></description><guid isPermaLink="false">/archives/wei-ming-ming-wen-zhang-W2ZZWrZ5</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F33e16651-6246-4b82-ac47-3ce964c895b7.avif&amp;size=m" type="image/jpeg" length="60412"/><category>深度学习</category><pubDate>Wed, 2 Sep 2026 09:31:46 GMT</pubDate></item><item><title><![CDATA[Qwen3.8-27B 测试（2）]]></title><link>https://556799.xyz/archives/qwen3.8-27b-ce-shi-2</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=Qwen3.8-27B%20%E6%B5%8B%E8%AF%95%EF%BC%882%EF%BC%89&amp;url=/archives/qwen3.8-27b-ce-shi-2" width="1" height="1" alt="" style="opacity:0;">本文介绍了Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-NM-DAU-NEO-MAX-MTP-GGUF魔改版模型的实测体验。该版本旨在减少思考时间，同时在xhigh模式下测试一个局域网P2P文件传输应用的开发。测试环境为双卡4090，运行速度50-60tokens/s。整个开发过程约7小时，除需求设计和少数权限问题外均由模型独立完成，项目采用Rust（Tauri 2）后端和Vue 3前端，实现了TCP零拷贝传输、BLAKE3校验和断点续传等功能。观察发现，模型具备较强的独立思考能力，能主动查阅资料解决问题，但思考量仍偏多，在约15万上下文后可能出现循环思考问题。总体而言，该模型能胜任中低复杂度软件开发任务，具有实用价值。]]></description><guid isPermaLink="false">/archives/qwen3.8-27b-ce-shi-2</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F33e16651-6246-4b82-ac47-3ce964c895b7.avif&amp;size=m" type="image/jpeg" length="60412"/><category>深度学习</category><pubDate>Mon, 24 Aug 2026 01:03:37 GMT</pubDate></item><item><title><![CDATA[Qwen3.8-27B 测试（1）]]></title><link>https://556799.xyz/archives/qwen3.8-27b-ce-shi-1</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=Qwen3.8-27B%20%E6%B5%8B%E8%AF%95%EF%BC%881%EF%BC%89&amp;url=/archives/qwen3.8-27b-ce-shi-1" width="1" height="1" alt="" style="opacity:0;">**摘要**： Qwen3.8-27B作为本地部署编码模型近期备受关注，官方基准显示其编码能力可与Claude Opus4.6匹敌，部分场景领先。本文通过实测检验该模型在编程任务中的表现：在debug测试中，修复插件问题耗25分钟，略逊于GPT5.6的10分钟；在长任务coding测试中，模型2小时生成坦克大战游戏（含6关卡、道具、多血条敌人），无明显bug，且上下文压缩后仍能遵循循环流程，优于GPT5.4；另一项8小时命令行工具开发中暴露致命缺陷——未解析真实jsonc数据，但其余功能正常。总结指出，Qwen3.8-27B实力强劲，但思考强度高时推理耗时过长，期待社区thinkcap版本优化。]]></description><guid isPermaLink="false">/archives/qwen3.8-27b-ce-shi-1</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F33e16651-6246-4b82-ac47-3ce964c895b7.avif&amp;size=m" type="image/jpeg" length="60412"/><category>深度学习</category><pubDate>Wed, 19 Aug 2026 12:24:43 GMT</pubDate></item><item><title><![CDATA[docker下载压缩镜像]]></title><link>https://556799.xyz/archives/dockerxia-zai-ya-suo-jing-xiang</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=docker%E4%B8%8B%E8%BD%BD%E5%8E%8B%E7%BC%A9%E9%95%9C%E5%83%8F&amp;url=/archives/dockerxia-zai-ya-suo-jing-xiang" width="1" height="1" alt="" style="opacity:0;">本文介绍了容器镜像工具Skopeo的安装与基本使用方法。在安装部分，提供了针对CentOS/RHEL、Ubuntu/Debian和macOS系统的具体安装命令。在使用部分，示例展示了如何通过`skopeo copy`命令将远程Docker镜像（以vLLM项目为例）下载并保存为本地压缩包文件。整个过程简洁明了，便于用户快速获取和离线存储容器镜像。]]></description><guid isPermaLink="false">/archives/dockerxia-zai-ya-suo-jing-xiang</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F100487753_p0.webp&amp;size=m" type="image/jpeg" length="69944"/><category>软件</category><pubDate>Thu, 22 Jan 2026 01:40:04 GMT</pubDate></item><item><title><![CDATA[逆熵流形（4)]]></title><link>https://556799.xyz/archives/ni-shang-liu-xing-4</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2%EF%BC%884%29&amp;url=/archives/ni-shang-liu-xing-4" width="1" height="1" alt="" style="opacity:0;">本文作者分享了近期在技术学习、项目开发与个人思考方面的动态。技术方面，为记账应用加入AI分析功能，将博客搜索引擎从Meilisearch迁移至Typesense以支持语义检索，并部署了ByteTrack跟踪算法，过程中AI工具提供了重要帮助。同时，作者开始学习Rust。信息思考部分，作者关注了高效JSON解析库simdjson，并探讨了AI辅助编程对开发者角色的影响、完美AI伴侣的悖论以及零基础开发者借助AI完成项目的经验。娱乐方面，作者体验了《BALL x PIT》、《邪恶冥刻》和《Slay the Princess》等游戏。文末以“逆熵效率”条形象地总结了本阶段的充实度。]]></description><guid isPermaLink="false">/archives/ni-shang-liu-xing-4</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F%25E9%2580%2586%25E7%2586%25B5%25E6%25B5%2581%25E5%25BD%25A2.webp&amp;size=m" type="image/jpeg" length="191220"/><category>综合</category><pubDate>Sun, 28 Dec 2025 16:08:12 GMT</pubDate></item><item><title><![CDATA[Rust学习笔记(1)]]></title><link>https://556799.xyz/archives/rustxue-xi-bi-ji-1</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=Rust%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0%281%29&amp;url=/archives/rustxue-xi-bi-ji-1" width="1" height="1" alt="" style="opacity:0;">本文介绍了Rust中判断变量所有权是否转移的“灵魂三问”法则，以及自动解引用的适用场景。 **所有权判断**：对于复杂类型（如String），若发生“裸体赋值”（`=` 直接赋值）、作为参数传递给函数（未加`&amp;`）、或调用消耗自身的方法（如`into_...()`），则所有权转移，原变量失效。简单类型（如i32）则始终存活。此外，变量在离开其作用域`{}`时也会被销毁。 **自动解引用**：主要发生在两个场景：1）使用点操作符`.`调用方法或访问字段时，编译器会自动尝试解引用或加引用直到找到对应成员；2）函数传参时，若类型实现了`Deref`，`&amp;T`会自动转换为`&amp;U`（如`&amp;String`转`&amp;str`）。但在赋值、算术运算和模式匹配中，不会自动解引用，需手动处理。 简言之，所有权转移遵循明确规则，而自动解引用旨在方便方法调用和传参，但在可能影响逻辑正确性的操作中保持严格。]]></description><guid isPermaLink="false">/archives/rustxue-xi-bi-ji-1</guid><dc:creator>JacyLunatic</dc:creator><category>学习</category><pubDate>Fri, 26 Dec 2025 17:10:15 GMT</pubDate></item><item><title><![CDATA[记服务器挖矿木马入侵与解决]]></title><link>https://556799.xyz/archives/ji-fu-wu-qi-wa-kuang-mu-ma-ru-qin-yu-jie-jue</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E8%AE%B0%E6%9C%8D%E5%8A%A1%E5%99%A8%E6%8C%96%E7%9F%BF%E6%9C%A8%E9%A9%AC%E5%85%A5%E4%BE%B5%E4%B8%8E%E8%A7%A3%E5%86%B3&amp;url=/archives/ji-fu-wu-qi-wa-kuang-mu-ma-ru-qin-yu-jie-jue" width="1" height="1" alt="" style="opacity:0;">服务器CPU占用率异常持续100%，经排查发现是门罗币挖矿病毒入侵。病毒藏在自建的Umami容器中，利用React漏洞（CVE-2025-55182）植入恶意代码。通过htop定位异常进程，依次检查了定时任务、系统任务目录、Systemd和SSH密钥均无异常，最终通过进程树追踪到父进程为node脚本，定位到Docker容器1Panel-umami-1NNn。解决方案：删除恶意容器、修改SSH密码并将矿池IP加入黑名单，CPU恢复正常。作者提醒此漏洞影响广泛，甚至间接导致Cloudflare服务中断数小时，建议使用React的项目及时修复。]]></description><guid isPermaLink="false">/archives/ji-fu-wu-qi-wa-kuang-mu-ma-ru-qin-yu-jie-jue</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F104824317_p0.webp&amp;size=m" type="image/jpeg" length="59124"/><category>软件</category><pubDate>Tue, 9 Dec 2025 16:19:33 GMT</pubDate></item><item><title><![CDATA[逆熵流形（3）]]></title><link>https://556799.xyz/archives/ni-shang-liu-xing-3</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2%EF%BC%883%EF%BC%89&amp;url=/archives/ni-shang-liu-xing-3" width="1" height="1" alt="" style="opacity:0;">本文是一篇个人周记，主要包含三个部分。第一部分“熵减探索境”记录了作者修复了“极简记账”工具的样式bug，并回顾了LoRA等AI模型微调技术。第二部分“信息焓变场”分享了作者阅读的多篇科技文章心得，涉及MCP工具设计、数字笔记的意义、身后事处理、开源大模型、数据隐私、AI工具选择以及坚持的复利效应等广泛话题。第三部分“混沌松弛域”简述了在游戏《SIFU》、《冰汽时代》和《崩坏：星穹铁道》中的休闲体验。文末以进度条形式展示了本周的“逆熵效率”。]]></description><guid isPermaLink="false">/archives/ni-shang-liu-xing-3</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F%25E9%2580%2586%25E7%2586%25B5%25E6%25B5%2581%25E5%25BD%25A2.webp&amp;size=m" type="image/jpeg" length="191220"/><category>综合</category><pubDate>Mon, 1 Sep 2025 01:17:49 GMT</pubDate></item><item><title><![CDATA[逆熵流形（2）]]></title><link>https://556799.xyz/archives/ni-shang-liu-xing-2</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2%EF%BC%882%EF%BC%89&amp;url=/archives/ni-shang-liu-xing-2" width="1" height="1" alt="" style="opacity:0;">本文分享了作者在技术探索、信息获取和生活娱乐三方面的近况。技术方面，解决了AI检测项目的网络延迟问题，开始学习ROS以提升竞争力，并计划用Vue自建理财工具。信息方面，关注了AI生成的钓鱼网站风险、开源视觉模型GLM-V的进展、Grok被封禁的荒诞事件，以及Stack Overflow和Chrome的AI功能更新。生活娱乐方面，提及了游戏《星穹铁道》版本内容较短和通关经典重制版《幽灵诡计》的体验。整体效率自评为中等偏上。]]></description><guid isPermaLink="false">/archives/ni-shang-liu-xing-2</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F%25E9%2580%2586%25E7%2586%25B5%25E6%25B5%2581%25E5%25BD%25A2.webp&amp;size=m" type="image/jpeg" length="191220"/><category>综合</category><pubDate>Mon, 18 Aug 2025 16:12:40 GMT</pubDate></item><item><title><![CDATA[逆熵流形（1）]]></title><link>https://556799.xyz/archives/ni-shang-liu-xing-1-KRplueCk</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E9%80%86%E7%86%B5%E6%B5%81%E5%BD%A2%EF%BC%881%EF%BC%89&amp;url=/archives/ni-shang-liu-xing-1-KRplueCk" width="1" height="1" alt="" style="opacity:0;">本文是一篇个人总结，分为“熵减探索境”、“信息焓变场”和“混沌松弛域”三部分。作者首先分享了参加WAIC 2025的见闻，认为大模型展示同质化严重，反而对Hammerspace的全局数据平台解决方案印象深刻，并提及自己利用React和Node.js开发了一个简易音乐管理工具。其次，在信息分享部分，作者列举了几个近期关注的技术项目与文章，涉及加密聊天、无服务器架构、AI隐私风险等。最后，在生活娱乐部分，作者简要提及了游戏近况。文末以“逆熵效率”进度条收尾。]]></description><guid isPermaLink="false">/archives/ni-shang-liu-xing-1-KRplueCk</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F%25E9%2580%2586%25E7%2586%25B5%25E6%25B5%2581%25E5%25BD%25A2.webp&amp;size=m" type="image/jpeg" length="191220"/><category>综合</category><pubDate>Sat, 9 Aug 2025 05:28:49 GMT</pubDate></item><item><title><![CDATA[解决VMware中NAT网络模式上不了网的问题]]></title><link>https://556799.xyz/archives/jie-jue-vmwarezhong-natwang-luo-mo-shi-shang-bu-liao-wang-de-wen-ti</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E8%A7%A3%E5%86%B3VMware%E4%B8%ADNAT%E7%BD%91%E7%BB%9C%E6%A8%A1%E5%BC%8F%E4%B8%8A%E4%B8%8D%E4%BA%86%E7%BD%91%E7%9A%84%E9%97%AE%E9%A2%98&amp;url=/archives/jie-jue-vmwarezhong-natwang-luo-mo-shi-shang-bu-liao-wang-de-wen-ti" width="1" height="1" alt="" style="opacity:0;">作者在VMware虚拟机中安装老版本Ubuntu时，NAT模式无法联网。为实现通过主机代理工具进行路由级代理，必须使用NAT模式。经过排查，通过三个步骤解决了问题：首先在Windows服务中重启VMware DHCP和NAT服务；其次在VMware虚拟网络编辑器中以管理员权限还原默认设置，并确认VMnet8为NAT模式且相关选项已勾选；最后在Ubuntu内重启NetworkManager服务并刷新网络配置，使虚拟机成功获取到NAT模式下的IP地址。]]></description><guid isPermaLink="false">/archives/jie-jue-vmwarezhong-natwang-luo-mo-shi-shang-bu-liao-wang-de-wen-ti</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F103078416_p0_master1200.webp&amp;size=m" type="image/jpeg" length="56756"/><category>软件</category><pubDate>Wed, 30 Jul 2025 08:00:51 GMT</pubDate></item><item><title><![CDATA[解决Vercel自动部署失败的问题]]></title><link>https://556799.xyz/archives/jie-jue-vercelzi-dong-bu-shu-shi-bai-de-wen-ti</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E8%A7%A3%E5%86%B3Vercel%E8%87%AA%E5%8A%A8%E9%83%A8%E7%BD%B2%E5%A4%B1%E8%B4%A5%E7%9A%84%E9%97%AE%E9%A2%98&amp;url=/archives/jie-jue-vercelzi-dong-bu-shu-shi-bai-de-wen-ti" width="1" height="1" alt="" style="opacity:0;">作者在部署Vue项目到Vercel时遇到更新失败问题，系统提示需要“wseng”的认证。经查证，发现该名称源于当初在服务器配置git时，直接复制了教程中的示例邮箱（wseng@example.com），导致与自己的GitHub账户信息不一致。解决方法是通过命令 `git config --global user.email "你的邮箱地址"` 将全局git邮箱修改为自己GitHub账户对应的邮箱即可。作者由此反思，偷懒复制示例配置会带来后续部署问题。]]></description><guid isPermaLink="false">/archives/jie-jue-vercelzi-dong-bu-shu-shi-bai-de-wen-ti</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F100487753_p0.webp&amp;size=m" type="image/jpeg" length="69944"/><category>折腾</category><pubDate>Sun, 20 Jul 2025 01:08:44 GMT</pubDate></item><item><title><![CDATA[工作小结]]></title><link>https://556799.xyz/archives/gong-zuo-xiao-jie</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E5%B7%A5%E4%BD%9C%E5%B0%8F%E7%BB%93&amp;url=/archives/gong-zuo-xiao-jie" width="1" height="1" alt="" style="opacity:0;">本文作者分享了入职国企AI工程岗一周的体验。部门同事多为同龄硕博，氛围融洽。工作内容与预期略有不同，虽应聘工程岗但仍需训练AI模型，且缺乏系统带教，需自学完成新任务。公司福利较好，五险一金齐全、三餐全包，工作节奏适中能按时下班。整体而言，除工作内容外基本符合预期，希望顺利通过试用期。]]></description><guid isPermaLink="false">/archives/gong-zuo-xiao-jie</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F104824317_p0.webp&amp;size=m" type="image/jpeg" length="59124"/><category>工作</category><pubDate>Mon, 14 Jul 2025 08:32:21 GMT</pubDate></item><item><title><![CDATA[Goodbye FDU]]></title><link>https://556799.xyz/archives/goodbye-fdu</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=Goodbye%20FDU&amp;url=/archives/goodbye-fdu" width="1" height="1" alt="" style="opacity:0;">您好，我理解您希望我为文章生成摘要。然而，您提供的输入内容中只包含了一系列的图片标签，没有实际的文本文章内容。 作为AI模型，我目前无法直接读取或分析图片中的文字信息。因此，我无法根据这些图片来总结文章的核心内容。 为了帮助您生成一份简洁明了的摘要，请您： 1. **提供文章的文本内容**：可以直接粘贴文章的正文部分。 2. **或描述文章的核心信息**：您可以简要告诉我这篇文章主要讨论了什么主题、有哪些关键观点或结论。 一旦您提供了文字信息，我将很乐意为您撰写一份约200字左右的精准摘要。]]></description><guid isPermaLink="false">/archives/goodbye-fdu</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2F124191937_p0.webp&amp;size=m" type="image/jpeg" length="22288"/><category>回忆录</category><pubDate>Sun, 8 Jun 2025 12:15:36 GMT</pubDate></item><item><title><![CDATA[学术之旅的终章——写于复旦毕业前夕]]></title><link>https://556799.xyz/archives/xue-shu-zhi-lu-de-zhong-zhang----zai-fu-dan-shi-guang-jiang-jin-wei-jin-zhi-ji</link><description><![CDATA[<img src="https://556799.xyz/plugins/feed/assets/telemetry.gif?title=%E5%AD%A6%E6%9C%AF%E4%B9%8B%E6%97%85%E7%9A%84%E7%BB%88%E7%AB%A0%E2%80%94%E2%80%94%E5%86%99%E4%BA%8E%E5%A4%8D%E6%97%A6%E6%AF%95%E4%B8%9A%E5%89%8D%E5%A4%95&amp;url=/archives/xue-shu-zhi-lu-de-zhong-zhang----zai-fu-dan-shi-guang-jiang-jin-wei-jin-zhi-ji" width="1" height="1" alt="" style="opacity:0;">本文回顾了作者在复旦大学攻读硕士学位的三年历程。从全力以赴备考、克服困难成功上岸，到进入研究生阶段后谨慎选择导师、在学长指导下开展科研，作者分享了读研期间的挑战与成长。文章提及了与导师的磨合、科研方向的探索、论文写作与求职等关键节点，最终以顺利通过答辩、获得学位作结。作者感慨时光飞逝，虽自嘲提升有限，但这段经历无疑为其人生留下了深刻印记。全文以个人叙事为主，生动呈现了研究生生活的真实面貌。]]></description><guid isPermaLink="false">/archives/xue-shu-zhi-lu-de-zhong-zhang----zai-fu-dan-shi-guang-jiang-jin-wei-jin-zhi-ji</guid><dc:creator>JacyLunatic</dc:creator><enclosure url="https://556799.xyz/apis/api.storage.halo.run/v1alpha1/thumbnails/-/via-uri?uri=%2Fupload%2Fback.webp&amp;size=m" type="image/jpeg" length="29308"/><category>回忆录</category><pubDate>Sat, 7 Jun 2025 05:00:02 GMT</pubDate></item></channel></rss>