引子
最早接触韩国电影是很久之前的我的野蛮女友，当时地方电视台播放过，那是我印象当中最早看过的韩国电影了，也是为数不多重复看过几遍的电影。说到韩国电影不得不提他们的OST（电影原声），我的野蛮女友让我记住了 I believe 的旋律，而 I believe 的旋律也让我一遍一遍的回想起电影中的情节。这或许就是音乐的魔力，在关键场景播放出动听的背景乐，不仅能够让调动观众的感情，也能让观众在过后听音乐时回想起电影中的一幕幕。曾经有同学和我说过，“有些歌一遍一遍听，听到最后就没有意思了”，其实这个时候我想告诉他，他没有体会到歌声背后发生的故事，听这首 I
Read more ...
Argument passing 指的是方法传参，对象是如何被传送到方法作为输入的。
下面是传参的几个要点：
Arguments are passed by automatically assigning objects to local variable names.
参数被传递后自动将赋值给局部变量名
Assigning to argument names inside a function does not affect the caller
在方法内部对参数进行赋值，不会影响调用者
Read more ...
不同预设 USING THE DIFFERENT PRESETS
不同的预设命名都是不同的，开头除了N，之外还有C，F之类，上面演示中N代表的是 Nikon。其他不同字母代表意义如下：
C - Canon
F - Fuji
L - Leica
N - Nikon
O - Olympus
S - Standard
SO - Sony
相同预设不同版本 FILM PRESET VERSIONS
每一种预设都包含多种版本，用来适应曝光，光照等等因素的影响。每一种胶片模拟都有一个”Normal”的版本，以他的名字命名，不包
Read more ...
曾经收藏过的一篇文章 How to write a Git commit message，今天无意中点开却发现网站无法访问，故而使用 Google Cache 恢复该文。后来发现作者网站虽然无法访问，但是作者将网站开源 了。
Introduction: Why good commit messages matter
If you browse the log of any random git repository you will probably find its commit messages are more or less a me
Read more ...
Sometimes you need more accounts than one for access to Github or Gitlab and similar tools. For example you can have one account for your projects at home/github and second account for your company/gitlab.
Generate first key
ssh-keygen -t rsa -C "youremail@example.com"
When y
Read more ...
Meta Muse 使用教程：上手设置、提示词技巧与实用案例
上一篇 Meta Muse 介绍与注册指南：一个会替你跑腿的个人 AI Agent 把 [[Muse]] 是什么、怎么注册、额度怎么算都整理了一遍，但是留了一个结尾：注册完之后到底该让它干什么。Muse 上线这几周，我查阅了一些测评体验，整理了 X 和 Threads 上用户晒出来的用法，发现大家的使用路径其实很像：从提醒和文件这类零风险的任务开始，确认它靠谱之后再慢慢接入邮箱、日历，最后才让它碰钱。这篇就按这个顺序来整理，从界面和设置讲起，再到具体的案例和踩过的坑。
Meta Muse 介绍与注册指南：一个会替你跑腿的个人 AI Agent
2026 年 9 月 8 日，[[Meta]] 发布了个人 AI Agent [[Muse]]，宣传语只有一句：「它去做，而不是告诉你怎么做」。用 [[ChatGPT]] 或 [[Claude]] 时，我们得到的往往是一份说明书，真正动手的部分，打开网页、填表单、下单付款，还得自己来。Muse 想把这一段也接过去：你交给它的不是一个问题，而是一件事，它会自己打开浏览器一步步做完，需要你拍板时再回来问你。这是 Meta 迄今为止在消费级 AI 上下的最大一笔注，两周后的 Connect 2026 大会几乎整场都围绕它展开。
Jev：不聊天只做判断的 System One 决策模型
过去一两年，大模型的发展方向几乎都是更长的思考链、更大的上下文、更强的 Agent 能力。但在日常写代码和搭建自动化流程的过程中，我发现很多地方用到大模型，其实只是为了让它做一个简单的判断，却要付出几秒钟的等待和解析 JSON 的麻烦。TypeSafe AI 发布的 Jev 走了一条相反的路：不聊天、不写代码，只做快速的判断。
Executor：多 Agents 和外部世界之间的统一代理层
同时使用 Claude Code，Codex，Pi，OpenClaw 等等 Agent 工具时有一个非常尴尬的状况，就是不同的 Agent 工具维护了不同的配置格式，如果要配置 MCP server 就需要分别到不同的配置文件中定义，相同的配置散落在系统的各个角落中。同一份 API Key 也需要重复粘贴到不同的配置中，更麻烦的是如果一旦有更新或者 API Key 变动就需要重复修改多个地方，我之前还调查过如何[[跨平台管理 MCP]]，主要的思路还是通过脚本和同步来对齐配置，但本质上还是在管理多个副本，直到我看到了 Executor 这个项目。