TIL

问题 最近在做小程序自动化测试，核心原理是利用小程序自动化库： miniprogram-automator 文档如下： 小程序自动化 / API / Automator 但是最近突然出现问题，执行自动化测试脚本时报错： Cannot read property 'getCurrentPagesByDomain' of undefined at Transport.Connection.onMessage (node_modules/miniprogram-automator/out/Connection.js:1:1087) at WebSocket.<anonymous> (node_modules/miniprogram-automator/out/Transport.js:1:322) at WebSocket.onMessage (node_modules/ws/lib/event-target.js:120:16) at Receiver.receiverOnMessage (node_modules/ws/lib/websocket.js:789:20) at Receiver.dataMessage (node_modules/ws/lib/receiver.js:422:14) at Receiver.getData (node_modules/ws/lib/receiver.js:352:17) at Receiver.startLoop (node_modules/ws/lib/receiver.js:138:22) at Receiver._write (node_modules/ws/lib/receiver.js:74:10) at Socket.socketOnData (node_modules/ws/lib/websocket.js:864:35) 困难 翻遍全网没有结果： 找到的连接全部无法打开 就算找到几个还能打开的，也是久久没有人回复。 解决 整整一个下午，尝试了各种方法都没有结果，我甚至让 Gemni 2.5 pro 帮忙逆向了 miniprogram-automator 的代码。 发现核心逻辑其实在微信开发者工具里面，这个库其实只是基于 RPC 通讯将这些功能封装成 Node.js 版本 API 而已。 ...

前言 LLM 发展到现在，领先的大模型在能力上已经得到了认可，问题就是如何找到稳定可靠，并且便宜的 API 服务商。 现在将市面上常见的提供完整版（非蒸馏）DeepSeek API 的提供上列出来，作为备忘。 DeepSeek 官方 官网：https://www.deepseek.com/ 开放平台：https://platform.deepseek.com/ 文档：https://api-docs.deepseek.com/zh-cn/ 邀请计划：无 价格（RMB）： （北京时间 08:30-00:30）按照标准价格计费 模型价格 deepseek-chat deepseek-reasoner 百万 tokens 输入（缓存命中）(4) 0.5 元 1 元 百万 tokens 输入（缓存未命中） 2 元 4 元 百万 tokens 输出 (5) 8 元 16 元 （北京时间 00:30-08:30） 按照优惠价格计费 ...

前言 我最近编写了一个 MCP 服务器：nailuoGG/anki-mcp-server。 但是有一个问题，用户安装时需要在本地进行构建，流程比较复杂，能否更简单一点呢？ 我想到了将其发布到 npm 上，然后使用 `npx anki-mcp-server` 命令来使用。 进一步想，作为一个开源项目，为什么不使用 GitHub Actions 来进行自动化发布呢？而且至少有以下几个好处： 安全性，防止开发者本地电脑被侵入导致意外发包的情况，而且能保持让打包构建过程公开透明 便利性，便于多人协作，这样发布时就不依赖单个开发者，也能够保持发布的一致性 准备 在 Npm 上创建账户，并创建并获取 Access Tokens，记为 NPM_TOKEN。https://www.npmjs.com/ 在 GitHub 上创建工程仓库 https://github.com/ 在 GitHub 仓库设置页面添加 secrets 这里详细记录一下如何添加 secrets： ...

前言 关于拿 LLM 做角色扮演这件事情，自从 OpenAI 发布 ChatGPT 时就已经发展起来，在近几年的硬件升级和模型升级下，已经形成了一个较为完善的生态。 相关的资料散落在各个站点，普通人想要了解，需要花费很大的功夫。 正好最近在逛 Reddit，收集到一些知识索引，本文就尝试做“索引的索引” 客户端 唯一推荐的客户端： SillyTavern ， 仓库链接 安装方法： git clone https://github.com/SillyTavern/SillyTavern -b release cd SillyTavern && npm i && npm run start 本地模型 本地模型通常在性能上比不上云端模型，但是如果考虑到隐私性和费用，并且你也有一些合适的硬件，本地模型也不失为一种选择。 ...

基础 Hacker News（简称 HN）是一个由 Y Combinator 创建并运营的社交新闻网站，主要面向科技爱好者、程序员、创业者和对技术、创新感兴趣的人群。它于 2007 年由 Paul Graham 推出，旨在提供一个分享和讨论高质量内容的平台。 我想这是大多数情况下的使用方式是直接访问 https://news.ycombinator.com 点开即可看到最新的热门文章。主要板块： Front Page（首页）：展示当前最热门的内容。 New：最新提交的帖子，按时间排序。 Past：历史帖子归档。 Comments：单独查看近期评论。 Ask HN：用户提问的专区，类似技术或职业建议的论坛。 ...

问题 QwQ-32B 是一个性能比肩 DeepSeek-R1 的推理模型， 但是很多人发现模型会出现无限生成、不停重复输出的情况。 等了两天后发现已经有解决方案了：Tutorial: How to Run QwQ-32B effectively | Unsloth Documentation 本文是自己的体验记录 推荐参数设置 Temperature = 0.6 TopP = 0.95 TopK = 20 ~ 40 Min_P of 0.02 Repetition Penalty of 1.0 使用对话模板 <|im_start|>user\nCreate a Flappy Bird game in Python.<|im_end|>\n<|im_start|>assistant\n<think>\n Ollama 我只有在 MacBook Pro 上才能跑起来这个模型，因此只记录了 Ollama 的使用。 llama.cpp的用法 ollama 支持将模型设置打包到 params 文件里，所以 MacBook 用户直接执行以下命令就行了 ollama run hf.co/unsloth/QwQ-32B-GGUF:Q4_K_M 或者用其他的量化版本 unsloth/QwQ-32B-GGUF at main ollama run hf.co/unsloth/QwQ-32B-GGUF:Q5_K_M 效果和总结 我尝试了 unslosh 的 Flappy Bird 游戏的例子： Create a Flappy Bird game in Python. You must include these things: - You must use pygame. - The background color should be randomly chosen and is a light shade. Start with a light blue color. - Pressing SPACE multiple times will accelerate the bird. - The bird's shape should be randomly chosen as a square, circle or triangle. The color should be randomly chosen as a dark color. - Place on the bottom some land colored as dark brown or yellow chosen randomly. - Make a score shown on the top right side. Increment if you pass pipes and don't hit them. - Make randomly spaced pipes with enough space. Color them randomly as dark green or light brown or a dark gray shade. - When you lose, show the best score. Make the text inside the screen. Pressing q or Esc will quit the game. Restarting is pressing SPACE again. - The final game should be inside a markdown section in Python. Check your code for errors and fix them before the final markdown section. 对话客户端用的是 chatbox，输出结果由于太长就不放出来了。可以直接看 unslosh 的分享 ...

背景 程序员喜欢解决问题，追求最优解。然而问题不仅仅存在于代码的世界，现实生活中的问题更多，而且更复杂难以抉择。 决策问题 这一分类就是为此而设。希望总结出不同条件下，相对最合适的选项。 本次问题是跟多个 AI 工具进行多轮对话后给出的最终评分表，对话过程中有很多有意思的结论，基本涵盖了本问题相关联的所有话题。 链接我放在文章末尾，有兴趣可以了解一下。 1. 明确问题和目标 问题描述：30 岁程序员是否应该在农村自建房？ 背景信息：手头资金 30 万，可借 10 万，无房有车，父母养老需求，职业稳定性，情感价值，资金机会成本，未来经济形势。 主要目标：做出是否在农村自建房的决策。 次要目标：最大化经济回报，满足父母养老需求，保持职业发展的灵活性，考虑情感价值和陪伴价值。 2. 收集信息 政策环境：当地宅基地政策支持自建房，需符合规划和面积要求。 经济数据：自建房成本约 40 万，可能的经济回报包括房产增值和租金收入。 家庭需求：父母需要宽敞舒适的居住环境，希望与子女同住。 职业发展：当前职业稳定，可以远程工作。 情感价值：重视家族传承和文化认同。 陪伴价值：希望增加与父母的陪伴时间。 资金机会成本：将 40 万用于自建房，而非投资其他渠道的潜在收益。 未来经济形势：房地产市场稳定，政策支持农村自建房。 其他因素：子女教育、社区环境、个人生活习惯、法律风险。 3. 确定决策因素 权重：总权重应该为 1，单个因素在 0 到 1 之间，代表单个因素在整体决策里的占比。 ...

挺久没用 Google 分析对它的操作流程都有点陌生了，这里记录一下在 GA 新建站点和添加统计脚本的过程。 新建站点并拿到统计 ID。 打开：https://analytics.google.com/ 我已经有账号了，所以直接 管理 -> 创建-> 创建媒体资源，一路点下去就能找到统计代码了 具体操作流程可以看文档：https://support.google.com/analytics/answer/9304153?hl=zh-Hans 最终拿到一串统计代码： <!-- Google tag (gtag.js) --> <script async src="https://www.googletagmanager.com/gtag/js?id=G-0xxxxxxxx"></script> <script> window.dataLayer = window.dataLayer || []; function gtag(){dataLayer.push(arguments);} gtag('js', new Date()); gtag('config', 'G-0xxxxxxxx'); </script> 其中 G-0xxxxxxxx 这一串就是该网站的统计 ID，记录下来后面要用。 首先确保安装了 @next/third-parties 这个包 npm i @next/third-parties 项目结构如下： ➜ tree ./src -L 2 ./src ├── app │ ├── favicon.ico │ ├── globals.css │ ├── layout.tsx │ ├── modules │ └── page.tsx ├── components │ └── ui └── lib └── utils.ts 如果是每个页面都需要添加统计，则修改 src/app/layout.tsx ，将之前记下来的 gaId 填进去 ...

降低创作门槛 TIL 是 Today I Learned 的缩写。灵感来自： My approach to running a link blog 其他典型的链接分享网站： https://news.ycombinator.com/ 采用用户投稿的形式发布新闻、新产品、文章 https://www.solidot.org/ 分享新闻 https://www.owenyoung.com/categories/journal/ 沉浸式翻译作者的链接博客 相较于撰写长篇大论，碎片化短篇写作更容易实践。 持续输出博客内容具有价值，但长文创作往往存在难度。 若能将单篇体量适当缩减，并保持规律性的更新频率，是否更能形成可持续的创作节奏呢？ 内容创作方向 任何有价值的记录都值得书写，但需注意信息增量原则——在原始素材基础上进行深度加工。 创作形式可灵活多样： ...