Google Code Wiki:让 GitHub 仓库秒变代码百科全书

之前 Devin 团队推出了一款 DeepWiki 的网站,可以用来解释 GitHub 的代码仓库。今天偶然发现 Google 也推出了类似的产品,叫做 Code Wiki。 当我们去接受一个新的开源项目的时候,最痛苦的莫过于如何开始阅读代码和理解整个代码仓库的架构,对于一些 README 编写得比较好的仓库,我们可能还能手把手地将项目在本地跑起来。但是,如果对于一个文档缺失、变更严重滞后的一些开源项目,可能很大一部分的知识还停留在一些项目成员的大脑,或者是最初的落后的文档当中。那这个时候我们去阅读代码的时候,可能不知道如何下手。 DeepWiki Read more ...


Typeless: 又一款 macOS 上的 AI 语音输入利器

看过我博客的人会发现,我在这半年的时间里面体验了非常多的语音转文字工具,可以说,这样的工具极大地提升了我的生产效率。不仅搭配 Obsidian 可以更快地写笔记,搭配 Claude Code 等编程工具也可以让我更快地输入提示词。体验到后面,遇到类似的产品,我一般也不会单独地出一篇文章,但是今天体验完了 Typeless,我觉得它值得写一篇文章,单独介绍一下。 Typeless是一款专为 macOS 设计的 AI 语音输入工具,试用下来感觉非常不错。首先,Typeless 的新手入门流程,做的就是我所有体验过的产品当中最简洁、最完善的。一般来说,工具都 Read more ...

2025-12-04 AI , Mac , Dictation , Productivity , Tool

Gemini CLI 使用小技巧

本文记录 Gemini CLI 使用过程中一些容易被忽略的问题,以及使用小技巧。 对于常用的 Gemini CLI 命令比如操作符 @ / 等,可以参考官方文档完成入门学习。 每分钟请求数 RPM : 60 次 每天请求数 RPD: 1000 次 GEMINI.md 项目上下文定义 GEMINI.md 和 CLAUDE.md 文件作用类似,它们被设计用来存储项目特定的上下文信息。每次你在项目目录中启动 Gemini CLI 时,它都会自动加载这个文件的内容。这相当于给 AI 预设了一个“出厂设置”,让它迅速了解项目的规范、常用命令和注 Read more ...


在 Obsidian 中使用 Gemini CLI

从 2020 年开始使用 Obsidian 算起,到今天也已经快 5 年了,这个过程中我将过去将近 10 年的笔记,包括 Evernote,WizNote 中的笔记,豆瓣上的笔记全部转成了 Markdown 保存到了本地,后来陆陆续续使用的比如 [[Voicenotes]] 也都转成 Markdown 存如 Obsidian。虽然过去纪念陆陆续续在整理,但是实际上每天添加到笔记库中的内容要远多于要整理阅读的内容,笔记仓库也是越来越大,所以我越来越想使用一个工具可以帮助我真正地理解我写下的东西,并且在我想使用的时候能快速的找回。 现状是当我想要回溯笔记中 Read more ...


Z-Image-Turbo 高性能 AI 图像生成模型

Z-Image-Turbo 是由阿里巴巴集团开发的高性能图像生成模型,基于 Z-Image 原始版本进行了深度蒸馏和强化学习。 这个模型采用了 6B 参数的轻量级设计,但能够在保证质量的前提下,实现闪电般的生成速度。 [[Z-Image-Turbo]] 的最大特色在于,它仅使用了 8 个 NFE 函数评估次数就完成了高质量的图像生成。而传统的扩散模型通常需要 50 步以上。 企业级的 Nvidia H800 GPU 上,它能够实现一秒以内的推理延迟。 即使在配备 16GB 显存的消费级设备上,也能流畅运行。 Z-Image-Turbo 高效能得益于其 Read more ...

2025-11-28 Z-Image-Turbo , nano-banana

小凹语音输入法 又一款语音转文字应用

在之前的文章中写过太多的语音转文字输入法,在 B 站的视频中也介绍了不少。包括 [[Aqua Voice]],[[Spokenly]],[[Wispr Flow]],[[superwhisper]], [[Whispering]] ,国内也有不少团队做出了类似 [[闪电说]],[[Ququ 蛐蛐]] 这样体验非常棒的应用。除了豆包语音输入法,现在又一家大语言模型公司下场做语音输入法,小凹语音输入法。 小凹语音输入法 小凹语音输入法 是由智谱 AI 公司推出的一款 AI 驱动的语音输入法,基于智谱 AI 大语言模型 GLM-4.5,在 2025 年 1 Read more ...


iPhone/iOS 利用 Whistle 代理抓包

之前的一篇文章当中介绍过 Whistle 这样一款非常强大的网络代理和抓包工具,我们可以轻松的利用 Whistle 实现系统级别的抓包。在之前的一篇视频当中,我介绍过如何在桌面版,比如说 macOS 和 windows 当中利用 Whistle。本文再来介绍一下如何在 iOS/iPhone 上利用 Whistle 进行抓包。 必要条件 如果要使用 Whistle 进行抓包,必须满足如下的条件: iPhone 和桌面端必须在同一局域网 需要手机设置 WiFi 代理 手机上需要下载 安装 root CA 证书 操作步骤 首先,按照我 Read more ...

2025-11-22 经验总结 , whistle , iphone , ios

语音转文字技术方案以及应用整理

在过去一年的博客当中,我介绍了不少和语音转文字相关的应用,有一些主打的是语音转文字的延迟低,有一些则以语音笔记为卖点,还有一些是语音输入法,我还介绍过很多开源项目,主打的是将视频内容转成文字。 Aqua Voice 利用语音转文字提升产出效率 ,这是一款语音转文字输入法 Spokenly 这是一款非常轻量的语音转文字工具。 Voicenotes 一款 AI 语音笔记应用 这是一款笔语音笔记软件 Dinox 又一款 AI 语音转录笔记 这也是一款语音笔记软件 Emote 又一款 AI 语音笔记应用 这还是一款语音笔记软键 Wis Read more ...


Claude Code Skills 功能介绍以及使用经验

我们在使用 Claude Code 的过程当中,是否经常会遇到重复给 AI 提供相同的提示词,不停的告诉 Claude 我自己的工作方式和代码标准,虽然在之前我们可以通过 slash command 或者 CLAUDE.md 文件来部分实现。但今天我要介绍的 Claude Skill 可以更好的帮你解决这个问题。 在我们进一步介绍 Claude Skills 之前,先来回顾一下 Claude 已经给我提供的扩展: MCP(Model Context Protocol),这是 Claude 连接外部的协议,让 Claude 可以访问网络,文件,数 Read more ...


利用 AI 来完成实盘交易

基础知识 [[夏普比率]] 用来衡量投资者在承担每一单位风险时所获得的超额收益。这一指标由诺贝尔经济学奖得主威廉·夏普在 1966 年首次提出。 夏普比例回答了一个核心问题:我为了获得这些报酬冒了多少风险?他将投资组合的报酬减去无风险利率,再除以报酬的波动程度,从而得出一个数值。这个数值越高,代表该投资在承担相对风险的情况下带来的投资报酬效率越高。 简单来说,夏普比率的衡量是承受 1%的风险下能得到的报酬多少。夏普比率没有绝对的基准点,数字本身没有固定的意义,只有在与其他投资组合进行比较时才具有价值。 一般而言,夏普比率大于 1 表现良好;下谱比 Read more ...


最近文章

  • Google Code Wiki:让 GitHub 仓库秒变代码百科全书 之前 Devin 团队推出了一款 DeepWiki 的网站,可以用来解释 GitHub 的代码仓库。今天偶然发现 Google 也推出了类似的产品,叫做 Code Wiki。
  • Typeless: 又一款 macOS 上的 AI 语音输入利器 看过我博客的人会发现,我在这半年的时间里面体验了非常多的语音转文字工具,可以说,这样的工具极大地提升了我的生产效率。不仅搭配 Obsidian 可以更快地写笔记,搭配 Claude Code 等编程工具也可以让我更快地输入提示词。体验到后面,遇到类似的产品,我一般也不会单独地出一篇文章,但是今天体验完了 Typeless,我觉得它值得写一篇文章,单独介绍一下。
  • Gemini CLI 使用小技巧 本文记录 Gemini CLI 使用过程中一些容易被忽略的问题,以及使用小技巧。
  • 在 Obsidian 中使用 Gemini CLI 从 2020 年开始使用 Obsidian 算起,到今天也已经快 5 年了,这个过程中我将过去将近 10 年的笔记,包括 Evernote,WizNote 中的笔记,豆瓣上的笔记全部转成了 Markdown 保存到了本地,后来陆陆续续使用的比如 [[Voicenotes]] 也都转成 Markdown 存如 Obsidian。虽然过去纪念陆陆续续在整理,但是实际上每天添加到笔记库中的内容要远多于要整理阅读的内容,笔记仓库也是越来越大,所以我越来越想使用一个工具可以帮助我真正地理解我写下的东西,并且在我想使用的时候能快速的找回。
  • Z-Image-Turbo 高性能 AI 图像生成模型 Z-Image-Turbo 是由阿里巴巴集团开发的高性能图像生成模型,基于 Z-Image 原始版本进行了深度蒸馏和强化学习。 这个模型采用了 6B 参数的轻量级设计,但能够在保证质量的前提下,实现闪电般的生成速度。