热点内容

V2EX 2026-09-16 昨日新帖报告

1 让AI生成1-30随机数为何频繁输出17

核心内容

多位用户实测发现,让 DeepSeek、豆包、Qwen、Gemini、GPT 等模型生成 1-30 的随机数时,结果频繁落在 17。发帖人用群友截图验证,同一问题多次提问大概率得到 17;也有用户反馈 Gemini 优先给 19。

关键要点

  • 并非真随机:LLM 由人类数据训练,输出存在趋同倾向,类似人类被要求选 1-100 时偏爱 37。
  • 候选数字集中:有分析认为 1-9 太熟悉、合数有乘法表记忆感,模型倾向选 10-30 的素数,即 13、17、19、23、29,其中 29 太偏,最终集中在 17、19、23。
  • 连续提问规律:连续要求多个随机数时基本不重复,常见序列为 17 → 个位数 → 20+(多为 23)。
  • 工具差异:若模型实际调用 Python 代码执行,结果正常;未配置沙盒时可能直接“脑补”输出。

评论补充

有用户实测 Qwen 网页版调用 Python 后结果正常;Gemini 自述未执行脚本、只能脑补示例输出 17。也有用户认为这类似星座、算命话题,原理清楚但适合拿来闲聊。

结论

该现象更可能是训练数据分布与模型输出偏好导致的伪随机趋同,而非系统故障;需要真随机时应让模型调用代码执行工具。

原链接:为啥让各种 ai 生成一个 1-30 的随机数 都是说 17回复 151 · 收藏 14

2 骚扰电话屏蔽办法:运营商服务与手机AI接听实测

核心内容

主帖列出骚扰电话最恼人的三个场景:开热点跑任务时来电断网(双模单通)、午休被吵醒、骑车戴头盔不便接听。核心矛盾是:全量拦截会漏掉快递、外卖和真实来电,而运营商识别只能覆盖一小部分。

关键要点

  • 运营商侧:移动打 10086、联通 10010、电信 10000 可免费开通防骚扰;移动另有官方免费服务“机伶”,但各省是否都有需向客服确认。
  • 安卓侧:小米等机型可用 AI 通话防骚扰,陌生号码自动接听并录音/转文字,可单独放行快递外卖标记号,也可自定义回复;有用户反馈小爱能秒接骚扰电话。
  • iPhone 侧:可开“静音未知来电”,陌生号转语音留言,配合快捷指令在等快递外卖时临时关闭;有用户用拦截猫开会员,但效果远不如安卓方案。
  • 号码段:可屏蔽 400 开头号码;信用卡、银行、电商推销较难防,有用户建议直接投诉。

评论补充

天翼防骚扰曾误拦大疆和车企电话,需权衡误杀。AI 自动接听会先对话并留记录,可回看判断是否外卖,但有时效性顾虑。也有人主张长期不接,对方自然不再打。

原链接:大家对骚扰电话有什么好的屏蔽办法回复 64 · 收藏 8

3 WebGL2 原生 Web 游戏画面探索:两个可玩 Demo

核心内容

作者长期关注 Web 图形技术,从 WebGL、WebGL2 到 WebGPU 一路实践,目标是探索原生 Web 游戏画面能达到什么程度。本次放出两个 Demo,其中一个仿照《我的世界》风格并加入额外效果,主要基于 WebGL2,因此对硬件要求不高,需 PC 浏览器打开:https://jamfer.com/cc/ ,MC 风格版本为 https://jamfer.com/mc/ 。

关键要点

  • 技术栈以 WebGL2 为主,作者强调硬件门槛不高,未依赖 WebGPU。
  • 地图拼接有两种做法:分开加载地图、切换时 loading;或做大地图,远景用低模、近景才加载精模。
  • 作者自评 Web 游戏与 UE5 等原生大作不是一个体量,还要考虑容量与带宽,定位偏“玩具”。
  • 有评论指出,在 WebGPU 时代理论上画面可接近原生,主要瓶颈是浏览器给的内存太少。

评论补充

  • 有用户实测海港场景静止时,Apple M4 三个 GPU 核心各占用 70%+,作者表示手边无苹果设备,询问是否流畅。
  • 有评论认为类 MC 风格偏取巧,建议直接对标 UE5 更能体现性能与画质;作者回应体量不同。
  • 另有评论提到网页版《罪恶都市》等案例,说明 Web 端已能承载较复杂 3D 内容。
  • 关于 AI 能否加速此类开发、以及是否可用于漫剧建模,仅停留在设想,无具体结论。

原链接:一直在探索,原生 web 游戏的画面到底能做到什么程度回复 35 · 收藏 19

4 百度网盘 8.8.3.101 句柄泄漏,已定位 YunLogic.dll

核心内容

百度网盘主进程 BaiduNetdisk.exe 存在 Process 类型句柄泄漏,以约 6 个/分钟的恒定速率增长且从不释放,三个版本(含最新 8.8.3.101)全部复现。作者已逆向定位到具体模块与函数,并给出约 10 分钟的自查方法。

关键要点

  • 现象:泄漏句柄全部指向同一个 BaiduNetdiskUnite.exe 子进程;连续运行 96.7 小时累积 37021 个,占全系统句柄 16.2%,导致整机卡顿,结束该进程后一次性释放 61726 个。
  • 定位:模块 YunLogic.dll,最新版函数 RVA 0xE6950-0xE6CF8OpenProcess 调用点 RVA 0xE69AA,期望权限仅 SYNCHRONIZE;调用链内 CloseHandle 出现 0 次。
  • 版本对比:8.5.5.103 约 +6.1/分钟,8.6.0.102 约 +6.3/分钟,8.8.3.101 约 +6.06/分钟,升级无用。
  • 自查方法:待机状态下用 Sysinternals handle64.exe -accepteula -s -p 记录 Process 行数字,隔 5 分钟再跑会涨约 30;用 -afindstr Process 可确认句柄指向同一子进程。
  • 临时办法:重启百度网盘即可清空已泄漏句柄,一天一次基本无感。

评论补充

有回复称此前已有人发现可提权至 system 的问题也未处理,并提到内存泄漏 bug 内部早已知晓、回复是“重启一下就好了”。替代方案方面,评论建议容器内跑 openlist、使用 clouddrive2 挂载百度网盘,或在沙盒中运行客户端。

原链接:[缺陷] BaiduNetdisk.exe 句柄泄漏, 8.8.3.101 最新版仍复现(已定位 YunLogic.dll)回复 14 · 收藏 5

5 面试被指管理经验不足:JD未提、HR称开放岗

核心内容

一位前端求职者在苏州线下面试后挂掉,理由是“管理经验不够匹配”。但 JD 全程未提管理要求,HR 也确认是开放岗,面试不到 20 分钟,面试官反复称其为“备选”。面试官还抱怨他未带作品和电脑,称此前候选人都带电脑投屏讲代码实现(如支付功能)。作者由此质疑前端面试是否已卷到“带电脑讲代码”。

关键要点

  • 岗位要求与 JD 不一致:管理经验要求未写入 JD,HR 也不知情,属于典型的信息错位。
  • 线下面试成本高:有回复指出,现在不少公司要求线下,但到场 20 分钟结束、来回数小时,HR 事后已读不回。
  • 带电脑讲代码并非普遍规则:有回复称七八年前招移动端 leader 时,候选人主动带电脑讲架构设计,但那是主动展示,不是硬性要求。
  • 前端作品集难体现:SaaS 后台等内部系统无法在线查看,只能看代码,这可能是面试官要求演示的原因之一。
  • 线上识别变难:有回复认为 AI 普及后,线上面试难以判断候选人是否借助 AI,部分公司因此倾向线下。

评论补充

多数回复认为这是“草台班子”或刷 KPI,不必自我怀疑;也有人建议拉黑该公司、继续面其他岗位。关于是否该带电脑,共识是:若面试方提前说明,候选人可以准备;未说明却事后指责,属于流程问题。

> 结论:面试前应确认岗位是否含管理职责、是否需要现场演示代码;遇到 JD 与面试要求不符的公司,可视为流程不专业,不必过度归因于自身能力。

原链接:昨天面试了一家公司,刷新了我的认知。回复 47 · 收藏 3

6 Ultra2 换 Watch 12 值不值:快充、港版与健康检测取舍

核心内容

楼主纠结是否把 Apple Watch Ultra 2 换成 Series 12:换的理由是健康检测升级、Ultra 佩戴偏沉(睡觉也戴);犹豫点是后续 watch 版本无快充,港澳版蜂窝在大陆不可用,且此前通过淘宝开通的国行屏蔽健康功能在港澳版能否沿用未知。当前 Ultra2 二手约 2300-2700 元,换新约需再补不到 2k。

关键要点

  • 续航与佩戴是最大分歧:多位 Ultra 用户表示续航回不去数字系列,Ultra 新款标称最长 50 小时、低电量 84 小时;但 Series 佩戴舒适性完胜,Ultra 偏厚,睡觉戴不舒服。
  • 健康检测升级:官网描述为健康感测系统与全天候光学心率传感器,但有人指出 AI 能力仍未跟上。
  • 版本取舍:港版可保留 FaceTime 与快充,被部分人视为刚需;国行换新可能失去快充。
  • 蜂窝多为伪需求:有用户 S6 用三年蜂窝,实际场景不超过 5 次,换机时直接选普通版。

评论补充

若不做长时间户外、潜水、登山徒步,Series 已够用;反之 Ultra 的续航与外观更合适。也有用户因审美疲劳、系统无法更新而考虑升级 Ultra 4,但认为 Ultra1 到 4 变化有限。

原链接:有必要 Ultra2 换成 watch12 吗?回复 43 · 收藏 0

7 拥抱AI后工作量为何变大:省下的时间进了谁口袋

核心内容

主帖提出一个普遍困惑:AI 让实现效率提升,但排期变短、工作量变大,工时并未减少,多出的产出归属不明;同时个人学习速度追不上模型迭代,护城河变薄。评论区的共识是:生产力提升,生产关系没变,效率红利主要被管理层和资本拿走。

关键要点

  • 对普通员工,汇报时不宜强调 AI 给自己提效多少,否则管理层会顺势要求更高产出、压缩排期(回复 18092344)。
  • 不少企业不报销 AI 账单,员工等于自费加鞭;也有公司(如传统行业老板)干脆不买 token,效率提升有限(18092344、18092458)。
  • 效率提升的常见结果是活儿更多、心智负担更重而工资不涨,甚至裁人后由剩余员工承接(18092439、18092492、18093413)。
  • 业务规模不变时,AI 提升生产力却不提升消费端需求,容易走向内卷和裁员(18093011)。
  • 摸鱼时间变多、危机感变强是较普遍的体感(18092343、18092564、18093523)。

评论补充

有观点认为产出增加不等于工资增加,取决于老板良心与公司收益(18093536);也有人提醒“产出”可能是老板焦虑下的伪需求(18092872)。可行的自保策略是:不汇报真实进度、跟随团队节奏,把省下的时间用于减负而非邀功(18092856、18092344)。

原链接:Boss 说要全面拥抱 AI 之后,我怎么感觉工作量变大了,省下来的时间进了谁口袋??回复 18 · 收藏 2

8 安卓禁止截屏接口被滥用:农行信用卡页也无法截图

核心内容

用户 SoulFlame 反映,安卓的禁止截屏(FLAG_SECURE)接口正被滥用:过去只在密码、二维码等敏感页启用,如今连农行信用卡申请介绍页都无法截屏,质疑“怕我记录下权益吗”。讨论确认这是应用层主动调用,而非系统默认行为。

关键要点

  • 同一 App 内可只对特定页面禁用截屏:农行其他页面能截,信用卡介绍页不行,说明并非整包限制。
  • 禁用范围不止银行:有用户提到今日水印相机、云闪付交易列表同样无法截屏,且云闪付不提供交易导出。
  • 绕过思路:用另一台手机拍摄;通过 PC 互联或 scrcpy 投屏到电脑后截图,被认为可能绕过限制。
  • iOS 机制不同:系统会回调通知截屏,部分银行 App 检测到后把画面变白;Mac 上 iPhone 镜像截图也可能被监控。
  • 有开发者称自家包可实现“截图全白”,说明该能力在客户端可控。

评论补充

有观点认为产品经理因页面含实名信息而禁用截屏,属猜测;也有开发者认为这是“进入应用就全局调用”的偷懒做法。核心分歧在于:安全理由是否成立,以及用户对自有设备的使用权边界。

原链接:现在安卓的禁止截屏接口简直是被滥用了回复 24 · 收藏 3

9 高度近视1300度配镜:镜框尺寸比折射率更影响边厚

核心内容

作者联合光度约 1300 度,通过自写镜片厚度计算器与两副实镜对比,得出高度近视镜片最大边厚的主要影响因素排序:镜框尺寸 > 折射率 > 镜片品牌,并质疑自由曲面对最大边厚的优化被夸大。

关键要点

  • 旧镜:蔡司智锐 1.74、框宽 53mm、单眼水平移心约 2.5mm,实测最大边厚约 8.4mm(已美薄);代入普通非球模型约 8.7mm,接近。
  • 新镜:框宽约 46mm、水平基本 0 移心,居中点瞳理论约 6mm 多;实际按框高 0.6 位置点瞳,理论约 6.6mm,实物约 7.2mm,误差约 0.6mm。
  • 结论:瞳高与水平移心同样明显影响最大边厚;折射率有效但无法弥补大框和高移心,尺寸合理的 1.67 可能比大框高移心的 1.74 更薄。
  • 自由曲面的价值更可能在周边像差、离轴成像、有效视野与个性化参数补偿,而非显著降低最大边厚。
  • 计算器定位为配镜前筛框、比折射率和点瞳位置的避坑工具,非精确复现厂家面型;-10D 以上误差控制在 0.5~1mm 即可参考。

评论补充

有回复认为自由曲面本就主要优化不同区域成像形变,与厚度关系不大;作者补充商家曾宣称自由曲面优化厚度,但实测不明显,并提到所用镜片中心厚度达 1.8mm,而日系基材可低至 1.0mm,中心厚度也是变量。

原链接:关于 高度近视 自由曲面 镜片厚度的一些发现和问题回复 3 · 收藏 3

10 工作10年如何快速晋升涨薪:机制与可执行路径

核心内容

发帖人工作近 10 年,经历 10 余位 +1/+2 领导,自认不擅长与领导合作,提问晋升涨薪的真实机制。评论共识是:没有通用独家秘笈,变量太多,但可提炼出若干可操作方向。

关键要点

  • 先有坑再有人:多位回复强调“先有位置,没有坑谁也上不去”,能升上去约 90% 是因为存在该位置,10% 才是干得好。
  • 超出预期且被看见:做老板看重、但老板自己不懂的事,超出其预期完成。
  • 跟对老板:老板的下限常是普通人的上限;老板上不去,无背景者很难再往上走。
  • 主动切管理岗:大量投递降一级企业的管理岗,用面试反馈判断市场是否认可,先获得管理职责再谈涨薪。
  • 熬与时机:选经济上升期、快速发展的行业;牛人流动后,长期留下者可能自然上位。

评论补充

有回复指出领导力(培养人、组建团队、规划)是晋升关键,大厂通常有能力图可对照。也有人认为“不会舔”是未升职主因,并提到“怼领导”有时是策略性表演。另有观点提醒:高层与涨薪并不冲突,技术职级同样可拿高薪,不必都走管理路线。

原链接:请教前辈:快速升高层、快速涨薪,有哪些独家秘笈?回复 24 · 收藏 1

11 四川移动等运营商被指精准丢包压制上传

核心内容

有用户指出四川移动省网存在精准丢包策略,每日 19:33-22:06 压制上传流量,时间精准,过后立即恢复。限速时段测速无法发现问题,若无网络质量监控设备极难察觉。若流量匹配策略会导致 100% 丢包,入站请求被阻断后不断重连可能使路由器连接数超上限而无法上网。发帖者称四川所有地市、家客政企、专线、固定 IP PON、IDC 均受限,由省公司下发,地市公司不会承认。

关键要点

  • 现象:定时压制上传,限速值动态,通常不超过满速 20%,过后恢复。
  • 后果:上传 100% 丢包导致连接数暴涨,会话满后出站也无法新建连接,表现为网络越来越卡直至 ping 不通公网,重置连接数可立即恢复。
  • 上海移动用户反馈类似:周一到周四 18:00-23:30 压制上传至 1M 以下,周五到周日时有时无,限速时 ping 目标地址 25-35ms,非限速时低于 10ms。
  • 有评论称跨省结算后此类现象较普遍,四川电信也曾对某些政务云机房丢包,抓包显示服务器未收到请求,最终靠 App 端重试+缓存缓解。
  • 海外方向也有触发特定流量特征后 IPv4 被黑洞一段时间、IPv6 基本没有的情况。

评论补充

有评论提到华为为限制 PCDN 专门做了板卡,省公司采购成本高,也有找开源方案做流量识别的做法。发帖者建议找省公司集客支撑核查策略,但对方不会承认问题。另有用户反映四川移动晚间京东 App 卡顿,关闭 IPv6 用单栈 IPv4 后缓解。

原链接:有没有人留意过运营商策略丢包的情况?回复 22 · 收藏 1

12 开源安卓AI求职工具Lulu:DeepSeek自动投递Boss直聘

核心内容

作者开源了一款 Android 端 AI 求职工具「鹿鹿 (Lulu)」,用 Kotlin 原生开发,装在闲置备用机上即可让 AI 自动在 Boss 直聘上筛选并打招呼。代码与 APK 均已公开:仓库 https://github.com/fanyangcloud/LuluAgent ,下载 https://github.com/fanyangcloud/LuluAgent/releases 。

关键要点

  • 本地黑名单预过滤:外包公司、低薪、HR 长期不在线的僵尸岗位由本地规则秒过滤,不消耗 API 额度。
  • 简历与 JD 契合度打分:通过初筛的岗位交给 DeepSeek 打 0~100 分,技能不匹配、年限倒挂、隐形坑岗位自动放弃。
  • 定制打招呼话术:契合度达标后生成 50~80 字专业问候语,避免模板化套话。
  • 拟人化操作与容错:模拟人手滑动与随机点击偏移,遇未知弹窗或滑动偏离会自动退回推荐首页。
  • 端侧运行:无第三方中转后端,简历与 API Key 加密保存在本地,请求仅在手机与模型官方接口间发生。
  • 上手三步:准备 Android 手机 → 授予无障碍与悬浮窗权限 → 填入 DeepSeek API Key、粘贴 Markdown 简历后开始。

评论补充

有用户询问是否支持 OpenAI,作者回应已光速迭代至 v1.1.0:支持任意 OpenAI 兼容模型(Claude、GPT、Gemini、豆包等),修复了打招呼后卡在详情页的回退问题,并优化悬浮胶囊状态与 API Key 测试记忆。

原链接:开源分享:写了个安卓端的 ai 求职搭子,用 deepseek 帮你在 boss 直聘上自动找工作回复 5 · 收藏 2

13 开源 IP 纯净度与 AI 服务状态检测工具,可一键部署到 CF

核心内容

作者开源了一个 IP 纯净度与 AI 服务区状态检测工具,支持一键部署到 Cloudflare,并提供在线体验与 GitHub 仓库。

关键要点

  • 出口与分流探测:分别检测国内、外部 IPv4,并查看不同网站实际使用的出口。
  • IP 信息查询:归属地、运营商、ASN、企业类型、住宅/机房标记、信誉分等。
  • 连通性排查:网站 HTTP 响应耗时、全球 Ping、DNS 出口、CDN 节点。
  • 浏览器检查:指纹、环境一致性、自动化特征、WebRTC 与权限信息。
  • AI 平台探测:接入 ChatGPT、Claude、Gemini、DeepSeek 等八个平台的访问探测。
  • 服务状态:集中查看 Cloudflare、GitHub、OpenAI、Claude、Vercel 等官方故障与维护信息。

在线体验:https://ip.huzhihui.com ;开源仓库:https://github.com/zhihui-hu/one-ip 。

评论补充

有用户询问是否支持 Docker Compose 部署,作者回复“改改就支持,很简单”。另有用户反馈使用中出现报错并附截图,作者未在现有回复中给出解决方案。还有用户希望地名能翻译成中文,便于识别梯子所在区域。

原链接:[完全开源] IP 纯净度检测 AI 服务区状态检测 可一键部署到自己的 CF回复 8 · 收藏 6

14 幼儿园中班用iPad认字是否合适及替代方案

核心内容

家长因爷爷提到同学已用平板认字,询问幼儿园中班孩子是否适合用 iPad 学汉字及可用 App。多数回复倾向谨慎:低龄阶段不必强求识字,屏幕使用需控制,实体书、识字卡和亲子阅读更受推荐。

关键要点

  • 视力风险是主要顾虑:多位回复提到伤眼、近视,建议优先实体书;若用屏幕,可考虑带手写的墨水屏设备。
  • 替代工具:小象识字卡、四五快读等实体资源被点名;App 方面有人提到宝宝巴士、帮帮识字、洪恩系列。
  • 使用控制:有家长让 6 岁孩子用识字 App,每次约半小时后停止;也有人建议投影仪观看、每半小时休息五分钟。
  • 识字并非越早越好:有回复认为幼儿园提前识字对后续发展帮助有限,亲子阅读中自然认字更可取。

评论补充

有回复引用儿童眼科医生建议,强调光线、距离、时间三要素,认为四岁以上在控制条件下看屏幕影响不大,真正需警惕的是手机和短视频成瘾。另有观点称近视主因是户外活动不足,建议每天保障约 3 小时户外。

原链接:幼儿园小孩认字用 iPad 合适吗回复 22 · 收藏 1

15 L3自动驾驶事故刑事责任如何划分

核心内容

主帖指出:现有讨论多停留在“自动驾驶出事车企赔钱”的民事责任层面,一旦事故涉及刑事责任,法规几乎空白,疑似被刻意回避。评论围绕 L3 的责任边界展开,核心分歧在于“系统接管期间谁担刑责”。

关键要点

  • L3 仍需驾驶员接管:L3 不保证系统持续有效,会随时自动退出并要求人类在数秒内(有回复举例约 10 秒)接管,此时责任可能回到驾驶员。
  • 刑责前提是主观过错:有观点认为,若驾驶员无违规、按要求可随时接管且系统正常,则不应承担刑责;酒驾、毒驾、危险驾驶等需主观故意的罪名在自动驾驶下难以成立。
  • 车企可能涉及的罪名:若产品、系统存在重大问题,相关人员可能构成生产不安全产品罪或重大责任事故罪;算法失灵、OTA 更新导致的事故应由车企负责。
  • L3 与 L4 的分界:有回复认为 L3 仍由司机负责,L4 以上才主要由车企负责,因此部分公司(如小马智行、Waymo)选择跳过 L3 直接做 L4。
  • 举证是最大争议点:如何证明驾驶员履行了 L3 的接管义务,以及“出事前一秒退出”是否被允许,是落地后扯皮的核心。

评论补充

有回复用无人地铁、无人电梯类比:设备事故由维保单位赔偿,交通事故一般不涉及刑责,机器无法被处罚,只能向公司索赔或追究恶意利用者。另有回复提出数据防篡改(如区块链)、禁止行驶中 OTA 更新等具体建议。整体共识是:现行刑法与交管法按人驾设计,智驾相关条款仍是空白,落地尚早。

原链接:L3 自动驾驶刑事责任如何划分的?回复 19 · 收藏 2

16 iOS 27 更新提示空间不足:128G 机型实测与绕行方案

核心内容

有用户反馈 128G 的 iPhone 16E 剩余 29G 空间,升级 iOS 27 时仍提示空间不足,系统数据占用涨到 42G+,引发对小容量机型升级可行性的讨论。

关键要点

  • 实际所需空间因人而异:有 17 Pro 用户升级后 iOS 占用不到 17G、系统数据仅 1G 多;也有 14 Pro 剩余不到 20G 成功升级,256G 机型已用 237G 也能更新。
  • 更新包本身约 7.8G,但解压与临时文件会额外占用空间,有回复推测这是提示空间不足的原因。
  • 可行做法:更新时选择“优化存储空间”,系统会卸载 App 但保留数据,更新后自动重新下载;也可用爱思助手把数据导出到电脑,或用 Mac 插线升级。
  • 有用户升级后系统占用反而增加约 20G,小容量机型需权衡。

评论补充

64G iPad 用户表示需要大量删除文件;也有用户认为提示的 29G 门槛偏高,实际并不需要这么多。整体看,iOS 27 的升级空间需求缺乏统一标准,建议先备份再尝试。

原链接:iOS27 更新需要 40G+空间回复 21 · 收藏 0

17 用套壳网页版 B 站解决 iPad 发烫卡顿

核心内容

针对 iPad 版 B 站发烫卡顿,楼主给出的方案是改用网页版,并自行实现了一个套壳网页版 App:https://github.com/Yuhhang/iPadBilibiliWeb 。直接装 PWA 行不通,因为 iOS 会在点开视频时强制跳转原生 App,系统行为无法拦截,只能自己套壳。

关键要点

  • 自实现套壳的额外收益:可屏蔽 PCDN(北京联通看 4K 常卡顿),还能集成常用浏览器扩展。
  • 主要代价:需要自己签名,免费账号签名只能维持 7 天,网上有自动续签方案可自行研究。
  • 评论补充了发热的另一解释:B 站强推 AV1,M3 以下老机型无法硬解,可能是发烫主因。
  • 有回复指出 Alook 等第三方浏览器可以屏蔽跳转,不必自己套壳。
  • 替代思路:有用户用 7×24 小时在线的 Windows 主机 + UU 远程在 iPad 上看,但清晰度存疑。

评论补充

关于签名,有回复称自己有可长期签名的账号,愿意一起维护,并留下了联系方式;也有用户表示想要长期签名,因为原生 App 现在卡得不行。另有评论吐槽 B 站不用 CDN 而走 P2P 导致卡顿。

原链接:解决 b 站 iPad 应用发烫卡顿的终极方案回复 14 · 收藏 3

18 绿联 DXP4800 Plus 约 2700 元,V 友 NAS 选购经验汇总

核心内容

楼主打算在拼多多以约 2700 元购入绿联 DXP4800 Plus,征询 V 友推荐。评论围绕绿联、群晖、零刻、铭凡等品牌给出了实际使用反馈,整体共识是:家用求省心可选绿联,重度折腾或企业场景需谨慎。

关键要点

  • 绿联实际体验:多位用户使用近一年反馈稳定,官方售后响应快,系统更新勤快;但官方套件深度不足、偏“壳子”,虚拟机和 Docker 相关问题官方拒绝提供技术支持。
  • 价格参考:有用户去年 5 月闲鱼购入同款约 2200 多元,后因硬盘、内存涨价,NAS 整体价格上浮;当前硬盘价格偏高。
  • 替代方案:零刻 ME Pro(AMD H255 准系统,4 个 3.5 寸盘位 + 4 个 SSD 位)、铭凡 N5 Pro 被提及;动手能力强者可自组 DIY NAS 或黑群晖,成本更低。
  • 选购逻辑:动手能力强选 DIY,求稳定选群晖,想体验国产系统选绿联;企业级不建议用绿联。

评论补充

有用户提到绿联赠送的公网带宽可稳定跑 4K;也有用户反映更新时虚拟机网络会出问题。小米 NAS 被调侃为“等于买硬盘”,未获正面推荐。

原链接:打算买一个绿联 4800 plus, pdd 大概 2700 左右, V 友们有什么推荐吗?回复 22 · 收藏 0

19 DSH Desktop 接入中转站并设置推理强度的配置方法

核心内容

有用户反馈在 DSH Desktop 中通过“自定义提供方”接入中转站时,选择 openai-responses 协议虽可用,但无法设置推理强度且速度很慢;改用官方 API 则速度正常、推理强度可调。评论给出的可行方向是绕开自定义提供方,改用插件或直接改配置文件。

关键要点

  • 有回复建议不要用自定义提供方,直接编辑 deepseek 提供方并把 API 地址换成中转站地址(但提问者实测未成功)。
  • 更被认可的方案是安装支持多提供方适配的插件,在 Web 设置中新增“推理力度设置”项。
  • 有回复指出 Web 可视化配置不完整,可直接修改 ~/.dsh/settings.yaml 中的 llm-pi-ai 配置。
  • 相关插件/项目链接:https://github.com/Toukaiteio/dsh-effort-tweak/blob/main/README.zh-CN.md

评论补充

  • 关于插件名称存在分歧:先有人提到 @deepseek-ai/dsh-llm-pi-ai,随后发帖者表示搜不到,该回复者更正为上述 GitHub 项目,并称其作用是省去手写配置文件。
  • 有用户反馈即使选了推理档位,在中转站侧看到的推理强度仍为空或默认值,试过多家中转均如此;也有用户称自己测试正常,输入什么档位就是什么档位,并怀疑与具体中转地址有关。
  • 另有用户遇到中转站持续返回 502。

结论:问题核心在于 DSH 对自定义提供方的推理强度支持不完整,可尝试插件或直接编辑 settings.yaml;但中转站是否透传推理强度因服务商而异,需自行验证。

原链接:关于 DSH 中使用中转站的问题回复 13 · 收藏 1

20 CloudCone 磁盘故障工单超7小时未回复,用户退款受阻

核心内容

有用户购买 CloudCone 一年期服务器,使用一个多月后磁盘出现故障,发起工单等待 7 个多小时未获回复,且平台未将剩余款项退回其 CloudCone 账户,用户表示不想继续使用。

关键要点

  • 故障与售后:磁盘故障后工单长时间无响应,退款诉求未获处理。
  • 历史风险:多位评论者提到 CloudCone 年初曾因被勒索导致服务中断近一个月,另有用户称曾发生机房被黑、全部用户数据丢失。
  • 补偿有限:有评论称客服回复慢、基本无补偿,但可能会重新开一台机器;也有用户反映数据全丢后无补偿,且前两个月被无故要求更换 IP。
  • 低价定位:2C2G120G 年付约 14.99–15 美元,评论普遍认为“一分钱一分货”,选择该价位需有心理准备。

评论补充

  • 有用户建议改用价格略高、更有保障的服务商,并提到 ZgoCloud、DMIT、Colocrossing 等选项;其中 Colocrossing 较稳定但 IP 易被墙。
  • 有用户坚持使用并设置每日备份到甲骨文,认为年初数据丢失是教训。
  • 有用户反映赔偿的续费期因 IP 被邻居“送中”而无法使用。

结论:CloudCone 低价但售后与稳定性风险较高,重要数据应自行备份,不宜作为唯一生产环境。

原链接:CloudCone 服务器买了一年的,用了一个多月磁盘出现故障,发起工单,等了 7 个多小时也不回复。他们也不将剩余的钱退到我的 CloudCone 账户,不想用了回复 17 · 收藏 0

21 JDK 27 发布:非 LTS,含 PQC 与紧凑对象头

核心内容

JDK 27 已发布,属于非 LTS 版本。主帖列出官方 JEP 页面(https://openjdk.org/projects/jdk/27/)及本版特性清单,评论普遍认为该版本对生产环境升级的吸引力有限,下一个 LTS 是 JDK 29。

关键要点

  • 默认 GC 变更:JEP 523 让 G1 在所有环境下成为默认垃圾回收器。
  • 安全相关:JEP 527 为 TLS 1.3 引入后量子混合密钥交换(PQC),JEP 538 提供加密对象的 PEM 编码(第三次预览)。
  • 语言与运行时预览:Lazy Constants(第三次预览)、Primitive Types in Patterns/instanceof/switch(第五次预览)、Structured Concurrency(第七次预览)、Vector API(第十二次孵化)。
  • 性能与运维:JEP 534 默认启用紧凑对象头,JEP 536 支持 JFR 进程内数据脱敏。
  • 版本节奏:JDK 每半年发布一个大版本,非 LTS 版本通常不建议生产直接跟进。

评论补充

有回复指出本版“大头是 PQC”,偏安全方向;也有回复提到 JDK 28 的 JEP 541 计划弃用 macOS/x64 端口并准备移除,若属实,2020 年前的 Mac 设备将无法继续使用后续版本。另有评论称 JDK 27 缺少亮眼新特性,非 LTS 可跳过,等待 JDK 29。

原链接:JDK 27 发布了,非 lts 版本回复 16 · 收藏 0

22 Claude 20x 苹果订阅 249 美元:低价区已取消,代充风险高

核心内容

有用户发现 Claude 20x 通过 App Store 订阅需 249 美元,想找 200 美元的低价渠道,并疑惑代充为何能做到 200 美元。评论给出的结论是:目前没有可靠的官方低价方法

关键要点

  • App Store 已无低价区:有回复指出 Claude 走 App Store 已不存在低价区,此前尼日利亚区靠汇率优势便宜,但已被 Anthropic 取消。
  • 苹果内购含税:内购价格包含税费,想避税只能走网页版并填写免税州账单地址。
  • 代充来源存疑:代充要么用最便宜的国家,要么用黑信用卡;有用户称自己的 Claude 账号因代充使用黑信用卡而被封。
  • 价格差异:有人看到的是 250 美元,发帖人确认自己看到的是 249.9 美元。

评论补充

关于网页版免税州,发帖人反馈支付页只有地址填写框、没有州选择;有回复贴图说明账单地址会决定税费,双方对界面理解存在分歧。另有回复直接给出“没方法”的结论,并有人以“49 刀买平安”调侃代充省下的差价不值得冒封号风险。

结论:想稳定使用,走官方渠道更安全;代充低价多与黑卡或封号风险相关,不建议为省几十美元承担账号损失。

原链接:claude 的 20x 苹果订阅要 249 刀?有办法 200 刀订阅嘛?为什么代充可以苹果 200 刀订阅?回复 13 · 收藏 0

23 用 hosts 屏蔽 Claude/ChatGPT 域名实现代理 kill switch

核心内容

有用户提出一种防止 Claude、ChatGPT 在代理失效时被直连的简易方案:在 /etc/hosts 中把这些服务的域名解析到本地回环地址,同时让 Surge 等代理工具不读取 hosts 文件。这样只有在代理正常工作时才能访问,代理崩溃或开机启动顺序晚于这些应用也不会走直连。

关键要点

  • 写入 hosts 的域名包括:api.anthropic.comclaude.aichatgpt.comchat.openai.comws.chatgpt.com,统一指向 127.0.0.1
  • 前提是代理软件(如 Surge)不读取系统 hosts,否则规则会被绕过。
  • 效果相当于一个手写的 kill switch:代理不可用时域名解析到本地,请求直接失败,而非泄露到直连。

评论补充

  • 有回复认为这是“手搓的 kill switch”,简单好用。
  • 另有回复表示已把相同思路加入 AdGuard Home 的 DNS 重写规则,说明该做法可迁移到 DNS 层实现。

限制

原帖未给出具体配置步骤、Surge 关闭 hosts 读取的设置位置,也未验证各域名是否覆盖全部必要端点,实际使用前需自行确认。

原链接:建议针对 Claude, ChatGPT 设置 hosts 文件,而 Surge 这些设置不读取 hosts 文件回复 3 · 收藏 2

24 成都电信单宽带注销转联通:流程与套餐价格对比

核心内容

成都用户分享从电信单宽带注销、转装联通宽带的全过程,并引发关于运营商套餐、合约与网络质量的讨论。

关键要点

  • 主帖:20 年办的电信 816 元/年 100M,第 3 年升 300M,21 年申请过公网 IP;周末打 10000 号线上申请注销,核实身份证后需自行去线下营业厅,5 分钟办完。
  • 联通 480 元/年 500M,电话预约后工作人员上门,10 分钟装好。作者推测单宽带注销较顺利,融合套餐可能更麻烦。
  • 评论给出多地价格参考:电信单宽带 500M 480 元/年;移动带一张卡 480 元/年千兆;有用户称联通 1000M 240 元/年。
  • 网络质量存在分歧:有用户认为移动晚高峰出口优于电信,也有用户认为移动网质量一般。

评论补充

  • 有用户提醒联通可能在约 2 年后降档限速,需投诉处理。
  • 多名用户反映移动销户/携号转网困难:合约期与优惠期不一致,注销时被索要 1000 多元违约金,需投诉甚至工信部介入。
  • 有用户称当地携号转网仅一个营业厅可办,需清晨排队。

> 结论:单宽带注销流程相对简单,但转网前应重点确认合约期限、优惠期与违约金条款。

原链接:从电信换到联通回复 10 · 收藏 0

25 微软远程桌面被攻击与WireGuard卡顿的替代方案

核心内容

用户用微软远程桌面(RDP)经公网 IPv4 + DDNS + 爱快端口映射控制家里 Win11 电脑,稳定半年后出现被挤下线、卡顿、异常上传,重装系统、改端口密码、加火绒均未解决。改用 WireGuard 组网后安全性提升,但画面变化大时严重卡顿,放开 UDP 端口后反而断线,疑似 TCP/UDP 分配问题。

关键要点

  • 现有方案:公网 IP + DDNS + 端口映射 + RDP,两端电信千兆,上传约 3~5MB/s,下载约 70MB/s。
  • 痛点:RDP 暴露公网易被攻击;WireGuard 在 UDP 限流下卡顿甚至断线。
  • 商业方案(向日葵、UU)被指广告多、高峰期卡,体验不如直连。
  • 自建中转需租服务器,成本可能接近买会员,用户倾向低成本方案。

评论补充

  • 建议把 WireGuard 换成 ss 尝试,规避 TCP/UDP 分配问题。
  • 推荐 tailscale,可自建 DERP;若两端能 P2P 直连则无需自建。
  • 实测 tailscale ping 第一跳 DERP(hkg) 约 1.8s,直连后延时仅 6ms。
  • 有观点认为运营商对 UDP 限流严重,用公网服务器中转可能比纯宽带直连更稳。

结论:优先验证 P2P 直连(tailscale/ss),若被 UDP 限流再考虑中转;RDP 公网暴露需额外防护。

原链接:求助大佬们远程桌面控制方案推荐回复 8 · 收藏 0

26 开源 AI 学习平台:YouTube 抓取与 AWS 成本踩坑

核心内容

作者开源了一个 AI 学习平台,目标是把学习资料转化为完整学习系统。支持上传 PDF、添加 YouTube / Bilibili 视频、网页文章和播客,再由 AI 生成 Summary、结构化学习笔记、Flashcards、Quizzes、Mind Maps、Glossary,并提供 AI Tutor 问答与 Spaced Repetition 复习。使用时需自行配置 AI API Key。

项目地址:官网 https://toto-study.com ,GitHub https://github.com/ttang1024/AI_Study_Platform 。作者还给出两份实际生成的学习笔记示例,分别对应文档与 YouTube 视频内容。

关键要点

  • YouTube 抓取坑:本地开发正常,部署到 AWS 后触发 bot detection,作者参考社区建议尝试用 Residential IP 解决,并指出本地与云服务器网络环境差异很大。
  • 数据库成本坑:原先使用 AWS 关系型数据库,个人项目月成本偏高;已将 PostgreSQL 迁移到外部 Supabase,目前用免费套餐以降低运行成本。
  • 作者向社区提问:个人项目一般如何控制 AWS、数据库等长期运行成本。

评论补充

有回复提醒项目可能被刷,作者回应此前未充分考虑,后续会加限流和防刷措施。另有回复指出应用名 toto.ai 与未持有的域名不一致,作者表示会修改应用名称,并说明当时先定项目名、后买域名。

原链接:开源 AI Study Platform,分享一下开发和部署踩坑回复 4 · 收藏 1