最近我越来越在意一个问题：我们已经有很多很强的 [[AI Agent]] 了，但真正能稳定调用的能力，还是主要集中在 shell、API 和本地文件系统里。至于网页上的功能，哪怕已经很成熟、很高频，到了 Agent 这里往往还是得重新“理解页面、点按钮、猜 DOM、处理登录态”。这类方式不是不能用，只是每次都像临场发挥，离稳定和可复用总差一口气。[[OpenCLI]] 让我觉得有意思的地方，就是它没有继续在“更聪明地看网页”这条路上内卷，而是换了一个角度，想办法把网页、[[Electron]] App 和本地工具都收编到统一的命令行入口里。
这里说
Read more ...
前面我分别写过使用 asdf-vm 管理编程语言多个版本和多版本管理工具 mise 使用详解。那两篇更偏工具介绍，适合第一次认识 asdf 和 mise。但真轮到自己迁移的时候，最关心的通常不是概念，而是另外一个问题：我已经在机器上用 asdf 管了很多年的 Python、Node.js、Ruby，现在如果想换到 mise，到底该怎么换，才能既不打断当前工作，又不把已有项目折腾乱。
我自己这段时间重新梳理了一遍本地环境，最后得出的结论很简单：不要一上来就卸载 asdf，也不要先把所有仓库里的 .tool-versions 全部改成 mise.tom
Read more ...
前段时间有一台跑了几个月没怎么管的 VPS，突然收到磁盘空间告警。SSH 上去一看，/var/log 目录下积攒了好几个 GB 的日志文件，其中 [[Nginx]] 的 access.log 一个文件就占了 3GB 多。其实这类问题我遇到过不止一次了，每次的解决方案都很简单——确保 logrotate 正确配置。logrotate 是 Linux 系统上一个看似不起眼却极其重要的工具，它能自动帮你轮转、压缩、删除旧日志，让日志管理真正变成一件不需要操心的事情。
logrotate 是什么
logrotate 是 Linux 系统上专门用来管理日志
Read more ...
最近在处理一批从 [[OpenAI]] API 导出的微调数据时，我注意到官方要求的训练数据格式不是普通的 JSON，而是 .jsonl。打开文件一看，每一行都是一个独立的 JSON 对象，没有外层的方括号，也没有逗号把它们串起来。一开始觉得这不过是把 JSON 数组拆开写罢了，但真正用起来之后才发现，这种看似简单的格式变化，在数据处理的效率和灵活性上带来了非常显著的提升。
JSONL 是什么
JSONL 的全称是 JSON Lines，有时候也被叫做 Newline Delimited JSON（NDJSON）。它的规则可以用一句话概括：文件中
Read more ...
我一直觉得 [[X]] 的 Bookmark 是个很尴尬的功能。收藏的时候特别顺手，回头找的时候却基本靠运气。我的书签列表也是这样，技术帖子、产品发布、研究分享、各种零碎灵感全都混在一起，存得越多，越像一个只能往里扔东西的抽屉。最近我频繁在用 [[Claude Code]] 和 [[Codex]]，于是对这件事更在意了：这些明明是我自己筛过一遍的信息，能不能别只躺在网页里，而是真正进到本地工作流里。
我看到 [[Field Theory CLI]] 的第一反应，就是这东西抓的点很准。它不是再造一个书签页面，也不是给收藏夹换一套花哨 UI，而是干脆把 X
Read more ...
最近我一直在折腾自己的投资工作流，想把 AI Agent 和真实的行情、持仓、交易动作接到一起。手里一边是 [[Longbridge]] 账户，一边是 [[OpenClaw]] 这类可以扩展 Skill 的开源 Agent，单看都不缺能力，问题是它们原本不在一个工作界面里。查行情要切 App，下单要切网页，想做一点自动化分析还得自己补脚本。直到我把 Longbridge 官方的 longbridge-terminal 和 OpenClaw 里的 Longbridge Skill 接上，这套东西才终于顺了起来。现在我可以直接在终端里问 AI 一句话，让它去
Read more ...
最近在折腾自己的 AI 工具链时，我遇到了一个非常现实的痛点。手里同时握着 [[Claude]] Pro、ChatGPT Plus、Gemini Advanced 这几个订阅，每次想在自己的脚本或小工具里调用它们的能力，都只能望洋兴叹——订阅账号给的是网页端或 CLI 工具的使用权，而不是 API Key。如果想走 API 路径，就得额外付一次费，而且 API 的定价往往比订阅贵得多。于是我一直在找一个能把订阅账号的额度转化为 API 调用能力的方案，直到最近发现了 [[CLIProxyAPI]] 这个项目。今天就聊聊这个工具到底解决了什么问题。
Read more ...
自从各类大语言模型开始开源以来，我就一直在尝试在本地运行它们。早期折腾 [[llama.cpp]] 的时候，需要手动编译、手动下载模型权重、在命令行里敲参数，对于非技术背景的用户来说门槛相当高。直到我发现了 [[LM Studio]]，才算是真正体验到了”把 AI 装进自己电脑”的顺畅感。用它运行本地模型，就像在 App Store 下载一个 App 一样自然。
什么是 LM Studio
[[LM Studio]] 是一款免费的桌面应用，支持 macOS、Windows 和 Linux，专门用来在本地计算机上下载、管理和运行大语言模型。它底层基于
Read more ...
这一年我试过不少语音转文字工具。最开始只是想少打一点字，后来发现问题没那么简单。真正拖慢我的，不只是键盘输入本身，而是在 [[Slack]]、邮件、[[Obsidian]]、浏览器输入框之间来回切换时，那种不断被打断的感觉。
[[Speakly]] 是最近让我比较愿意持续打开的一款。它不是我用过最完美的一个，但它确实有几个点做对了，所以我还是想单独记一笔。
语音输入为什么总差一口气
我现在越来越觉得，语音输入迟迟没有真正普及，问题不完全在识别率。主流模型把字听对，已经不算太难了。真正卡人的，是两件事。
一件是口语和书面语根本不是一回事。人讲话
Read more ...
[[Anthropic]] 在 2026 年 2 月把 [[Claude Code]] Agent Teams 作为实验性能力推了出来。前两天我第一次写这篇文章的时候，更多还是从“概念上很酷”这个角度在理解它；但把官方那篇专门的 Agent Teams 文档完整看了一遍之后，我发现这个功能真正有意思的地方不只是“多个 Agent 并行”，而是它开始提供一套接近真实团队协作的运行机制：共享任务列表、队友之间直接通信、Lead 统一协调、以及在终端里把整个团队真正跑起来的显示模式。
这次我把文章重新补了一轮，尤其把之前略写带过的部分补实了：什么时候该用
Read more ...