V2EX › Planet

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

For Existing Member Sign In

Planet Settings & Links

› GitHub

› Discord

› Documentation

› planetable.eth

技术创意好玩 Apple 酷工作交易城市问与答最热全部 R2 VXNA

从 126 个分布式网站聚合中

全部 About Dashboard 讨论节点

1 ... 33 34 35 36 37 38 39 40 41 42 ... 165

❮

❯

Stable Diffusion 学习笔记

Ref

ORB

ORB is a great place for exploring various possibilities on Solana.

https://orbmarkets.io/

LLM 学习笔记

展开 3187 字的全文

首先接触的是 Ollama，优点：

容易上手，相关文档和资料比较多；
模型种类丰富；
对 macOS 友好

第一阶段

了解模型种类和划分

1. 按 Transformer 架构划分

类型	核心模块	核心特点	典型任务	代表模型
自编码模型	仅 Encoder	双向注意力，擅长语义理解	文本分类、情感分析、命名实体识别	BERT、RoBERTa、ALBERT
自回归模型	仅 Decoder	单向注意力，自回归生成	文本生成、对话、摘要	GPT 系列、Llama、BLOOM
序列到序列模型	Encoder + Decoder	输入 - 输出序列转换	翻译、生成式摘要、数据转换	T5、BART、GLM

2. 按应用场景划分

通用大模型：跨领域数据训练，适配对话、创作、翻译等多任务，如 GPT - 3.5/4、Claude、Llama 2。
代码专用模型：聚焦编程场景，优化代码生成、补全、调试，如 DeepSeek - Coder、CodeLlama、StarCoder。
行业垂直模型：针对医疗、金融、法律等领域优化，如 Med - Palm、LawGPT。
轻量化 / 蒸馏模型：压缩大模型知识适配低算力场景，如 DistilGPT2、DeepSeek - R1 - Distill。

3. 按能力特性划分

推理增强模型：经思维链微调，擅长数学解题、逻辑分析，如 Qwen3 - 4B - Thinking。
智能体模型：具备工具调用与自主决策，适配复杂任务，如 Tongyi - DeepResearch - 30B - A3B。

第二阶段

深入模型使用

1. ollama 基础操作

# 拉取指定模型
ollama pull <model-name>

# 拉取特定版本的模型
ollama pull llama2:7b
ollama pull mistral:latest

# 查看已下载的模型
ollama list

# 删除指定模型
ollama rm <model-name>

# 复制模型（创建副本）
ollama cp <source-model> <new-model-name>

# 运行默认对话
ollama run <model-name>

# 带系统提示词运行
ollama run <model-name> --system "你是一个有帮助的助手"

# 示例
ollama run llama2
ollama run mistral

# 单次查询（不进入交互模式）
ollama run <model-name> "你的问题是什么？"

# 通过 Modelfile 创建
ollama create <model-name> -f Modelfile

# 查看模型详情
ollama show <model-name>

# 启动 Ollama 服务
ollama serve

# Linux/Mac
pkill ollama

# 指定使用特定 GPU
CUDA_VISIBLE_DEVICES=0 ollama run <model-name>

# 查看运行日志
ollama logs

2. ollama 进阶使用

通过 Modelfile 创建模型

FROM llama2:7b

# 设置参数
PARAMETER temperature 0.7
PARAMETER num_ctx 4096

# 系统提示词
SYSTEM """你是一个专业的技术顾问..."""

# 模板
TEMPLATE """{{ .Prompt }}"""

模型量化技术

量化技术（Quantization）是一种通过降低模型权重精度来减少内存占用和计算资源需求的技术。在Ollama中，这一核心功能主要由llm/llm.go文件中的Quantize函数实现。该函数通过调用底层llama.cpp库，将高精度的模型权重转换为低精度表示，同时尽可能保持模型性能。

简单说，通过量化技术个人电脑也可以跑大模型，突破硬件限制🚫。

如何量化大模型？
如何使用量化后的大模型？

第1点还在学习中，第2点比较简单。

# 方式1：直接运行预量化版本（最简）
ollama run qwen2.5:7b-instruct-q4_K_M

# 方式2：M1 Pro 深度优化启动（推荐）
OLLAMA_GPU_LAYERS=-1 \
OLLAMA_CONTEXT_SIZE=8192 \
OLLAMA_BATCH_SIZE=512 \
ollama run qwen2.5:7b-instruct-q4_K_M

显示模型信息，其量化等级为“Q4_K_M”

配合 langchain.js 调用

总结

LLM
Ollama
Langchain

以上是这段时间学习到的关于LLM的应用。

Ref

CSS 动炫

前端 CSS 液态玻璃效果

Ref

PUMP 20260105

Past week: 38%

$V2EX日报(2026-1-5)

展开 1709 字的全文

排名	地址	持有数量	持仓比例	排名变化	数量变化
#2	CtxH...VFKb	52.07M	5.21%	-	-1.82M
#9	7j8R...7TKG	5.01M	0.50%	-	-12.07K
#14	AK6u...DwGF	3.45M	0.35%	-	-7.32K
#19	4JBz...7B9s	2.12M	0.21%	-	+18.44K
#32	BYS2...N8R7	1.09M	0.11%	-	+3
#36	C3nL...d9hP	1.02M	0.10%	+3	+47.04K
#63	H5uY...FJgU	0.66M	0.07%	-1	+277
#113	Tgba...Yfgt	0.31M	0.03%	-29	-0.14M

20260105 A Green Day

Tahoe 的问题，也是 SF Symbols 的问题：

https://tonsky.me/blog/tahoe-icons/

这也是我没有急着去给 Planet 升级 Tahoe look 的原因之一。

$V2EX日报(2026-1-4)

展开 1607 字的全文

排名	地址	持有数量	持仓比例	排名变化	数量变化
#2	CtxH...VFKb	53.89M	5.39%	-	-0.12M
#9	7j8R...7TKG	5.03M	0.50%	-	+52.7758
#14	AK6u...DwGF	3.46M	0.35%	-	-1.90K
#19	4JBz...7B9s	2.10M	0.21%	-	-47.58K
#62	H5uY...FJgU	0.66M	0.07%	-	+30
#84	Tgba...Yfgt	0.45M	0.04%	+5	+24.46K

npm 开发

展开 1399 字的全文

nook

https://youtu.be/BJLMARxzYN0

https://www.noooooook.com/en/villa-en/

智谱大模型送的一杯奶茶，也太sweet了8！

Homebrew 更新周报 #20260104 | 工具在更新，生活不必跟着加速

展开 1579 字的全文

工具在更新，生活不必跟着加速

有些更新，是为了让人跑得更快；
有些更新，只是为了让路更顺一点。 Homebrew 的日常更新，更像后者。

本周一句话总结

最近越来越觉得，工具的价值不在于“多新”，
而在于——当你需要的时候，它刚好在那里。

本周新增工具速览

🧪 Formulae

名称	简介
dotnet@9	.NET 9（LTS）开发与运行环境，支持跨平台现代应用
headson	面向结构化数据的 head / tail 工具，安全处理 JSON、CSV
topydo	基于 `todo.txt` 规范的命令行待办事项管理工具

🧩 Casks

名称	简介
crypto-native-app-ng	本地加密与签名工具，可与浏览器扩展安全通信
excire-search	Lightroom Classic 插件，提供自动关键词与高级图片搜索

值得留意的几个项目

dotnet@9：版本明确，本身就是价值

对使用 .NET 的开发者来说，多版本并存几乎是日常。
dotnet@9 这种明确带版本号的 Formula，反而让人安心。

它不会悄悄替你做决定，也不会打断已有项目节奏。

headson：为结构化数据留一条生路

直接用 head / tail 处理 JSON，
结果往往只有一个：结构被破坏。

headson 的存在感很低，但解决的问题非常具体：
在命令行里，只看一部分数据，同时不把数据搞坏。

topydo：纯文本待办事项的“老派坚持”

topydo 基于 todo.txt，
没有账号、没有同步、没有复杂配置。

你写下的，就是你要做的。

excire-search：当照片数量开始失控

这是一个很安静、但很专业的工具。

当 Lightroom 里的照片从“几百张”变成“几万张”，
搜索本身就会消耗大量精力。

自动关键词与语义搜索，
并不是为了炫技，而是为了把注意力还给创作。

crypto-native-app-ng：存在感很低，但位置明确

这是一个偏向安全与隐私场景的工具，
对大多数用户来说，可能永远用不到。

但它的定位非常清晰：
本地加密 + 浏览器安全通信。

如果你确实需要这类能力，
它不会突然变得复杂。

一点个人感受

这一期没有“必装工具”。
但正是这种更新，让人感觉系统在慢慢变好。

你不需要全部安装，
甚至一个都不装。

但当某天遇到类似场景，
你会记得：

Homebrew 里，好像有这么一个工具。

这就够了。

结语

Homebrew 的更新不是新闻，
更像一份周记。

记录的不是“你必须做什么”，
而是世界又多了一点选择。

我们下期再见。

$V2EX日报(2026-1-3)

展开 1559 字的全文

排名	地址	持有数量	持仓比例	排名变化	数量变化
#2	CtxH...VFKb	54.02M	5.40%	-	-94.28K
#5	DdGV...aRkf	8.00M	0.80%	-	-8.00K
#14	AK6u...DwGF	3.46M	0.35%	-	+15.76K
#19	4JBz...7B9s	2.15M	0.22%	-	-42.59K
#89	Tgba...Yfgt	0.42M	0.04%	+1	+17.12K

生活空间中的断舍离，本质是减少你不需要的感官刺激。

"All you needed was a cup of tea, a light, and your stereo"

Q_ZZZyLy_WsszIAEI_ofqAupuqXLOqOLoKxm1xuLn84

新的一年，继续做减法

新东西层出不穷，只要你愿意，永远有。

不过这个非常浪费时间，也让人无法专注。

所以，做减法是一个必选项。

新的一年，继续做减法。

让等待的时间可以有意义地、快速地过去，写自己想写的代码真的就是最好的方式。

$V2EX日报(2026-1-2)

展开 1510 字的全文

排名	地址	持有数量	持仓比例	排名变化	数量变化
#2	CtxH...VFKb	54.11M	5.41%	-	+17.01K
#9	7j8R...7TKG	5.03M	0.50%	-	+0.052355
#14	AK6u...DwGF	3.45M	0.34%	-	+12.73K
#90	Tgba...Yfgt	0.41M	0.04%	-6	-45.68K

好的商业模式就像是高速公路上的收费站。用户在从 A 到 B 点的过程中必须经过的一个收费站。而 IPFS 这个技术的核心是让任何人无法控制用户在 Internet 上发布的内容。在 IPFS 的生态里，不存在一个这样的所有人必须经过的收费站。

Floor 796

https://floor796.com

https://x.com/Floor_796

1 ... 33 34 35 36 37 38 39 40 41 42 ... 165

❮

❯

Ref

第一阶段

1. 按 Transformer 架构划分

2. 按应用场景划分

3. 按能力特性划分

第二阶段

1. ollama 基础操作

2. ollama 进阶使用

总结

Ref

前端 CSS 液态玻璃效果

Ref

聚合价格走势

AMM持仓与价格趋势

当天在线人数变化

社区规模变化

运营数据概览

TOP120 变动信息

聚合价格走势

AMM持仓与价格趋势

当天在线人数变化

社区规模变化

运营数据概览

TOP120 变动信息

Ref

本周一句话总结

本周新增工具速览

🧪 Formulae

🧩 Casks

值得留意的几个项目

dotnet@9：版本明确，本身就是价值

headson：为结构化数据留一条生路

topydo：纯文本待办事项的“老派坚持”

excire-search：当照片数量开始失控

crypto-native-app-ng：存在感很低，但位置明确

一点个人感受

结语

聚合价格走势

AMM持仓与价格趋势

当天在线人数变化

社区规模变化

运营数据概览

TOP120 变动信息

聚合价格走势

AMM持仓与价格趋势

当天在线人数变化

社区规模变化

运营数据概览

TOP120 变动信息