核心内容

楼主想找能强制自己站起来的久坐提醒方案，手环和电脑提醒因力度不足被关闭，希望有“必须起身才能关闭”的机制。评论给出的共识是：外部提醒只能辅助，关键仍是自身意志，但可以通过生理手段和工具提高执行率。

关键要点

• 多喝水倒逼起身：多位用户推荐每天喝 2–3L 水（茶、柠檬水、无糖可乐均可），用带刻度烧杯计量，靠上厕所自然增加起身次数；杯子太小反而会懒得接水。
• 改变默认姿势：使用升降桌，把桌面升到站立高度、椅子放远，想坐必须专门走过去；有用户称 2/3 上班时间站着。
• 软件与硬件工具：开源工具 ProjectEye 可定时遮盖屏幕 20 秒；songzuo 用摄像头检测是否在工位，久坐则通过 Bark 推送；另有 Mac 番茄钟 Focus4Timer、无关闭按钮的喝水提醒小工具。
• 强制关闭机制：有用户用米家通断器焊接蜂鸣器放在其他房间，配合人在传感器或座椅压力传感器计时，必须起身才能关掉。

评论补充

Apple Watch 震动偏弱，沉迷时容易忽略；升降桌专注时也会忘记使用。部分用户认为手环倒计时已够用，问题在于意志力，甚至调侃电击手表、动态血糖仪制造健康恐慌。

核心内容

楼主观察到二线城市招聘以 Java、PHP、Python 全栈为主，TS 全栈偏少，一线城市也类似，与网上“TS 全栈流行”的印象不符。评论普遍认为：AI 拉平了语言间开发效率，选型更看性能、内存与既有项目惯性，而非语法糖。

关键要点

• 存量项目锁定语言：老项目多为 Java/PHP，不会因个人偏好换框架；新项目话语权常仍在老团队手里。
• 性能与成本回归：多位回复称 JS 后端占内存、性能差，已转向 Go；有观点称 JS 与 Go 差距是指数级，但被反驳为纯基准约 3 倍、实际工程差异更大。
• AI 时代选型逻辑：有回复主张选 AI 最会写的 JS/TS/Python，其次 Java；也有回复认为常驻后端首选 Go，Token 经济学更划算。
• 海外差异：TS 全栈流行与 Cloudflare Workers 体系有关，心智负担低、账单平缓；国内缺少直接对标产品。

评论补充

• 有回复引用 Shopify 2026 年 9 月将旗舰移动应用从 React Native 转向 Swift/Kotlin 原生架构。
• 有回复称 DHH 演讲提到 HEY 核心后端改由 Agent 生成 Rust 后，CPU 降 99%、内存降 95%，服务器从 110 台减至 10 台。
• 有回复提到 celld 等 Workers 本地部署方案，以 S3 + SQLite 降低常驻成本。
• 分歧点：Rust 与 Go 的性能差距、V8 与 Go 的实际差距，以及 AI 是否减少招聘需求。

核心内容

刚转正的全栈开发被小公司要求二选一：按最低标准缴社保，或签《自愿放弃社保说明》把公司部分折现。多数回复认为应正常缴纳，并警惕公司合规风险。

关键要点

• 社保不等于养老金：包含养老、医疗、工伤、失业四类，日常用得最多的是医保，工伤可覆盖身故抚恤与子女补助。
• 挂钩场景多：办信用卡、开一类卡、银行卡解封等可能要求社保或个税记录；空档期也可能影响后续求职。
• 公司风险更大：不缴社保属违法，被查处的责任在公司；员工可离职后仲裁要求补缴，胜算较高。
• 替代方案有限：若确实不缴，可自行购买商业医疗险补充，但无法完全替代职工医保。

评论补充

有回复主张社保对个人影响有限，认为找工作、签证看的是工资流水，并质疑养老金可持续性；也有回复指出失业金领取门槛高、私企常让员工签自愿离职。发帖人最终表示公司确实不正规，决定正常缴纳。

＞ 结论：优先选择缴纳社保，同时把这家公司当作积累经验的过渡，留意合规风险。

核心内容

楼主在 Loon 上寻找能去掉 YouTube 播放广告的插件，发现现有插件大多失效，自己用 AI 从头写的插件也只能去掉首页视频流广告，部分视频仍有播放广告。讨论中给出了若干可尝试的方向，并最终由楼主给出自用插件链接。

关键要点

• 自写插件：楼主用 ChatGPT 生成全部 JS，未复用其他去广告脚本，称已解决首页广告并大幅减少播放广告，最终分享插件地址 https://raw.githubusercontent.com/teaoea/shell/refs/heads/main/loon/YouTube/YouTubeNoAds.plugin。
• 拦截 QUIC：在节点中启用拦截 QUIC，或对 googlevideo.com 域名后缀自定义规则拦截 QUIC 协议；楼主反馈副作用是点开视频会黑屏几秒。
• 改地区参数：楼主的研究方向是点击播放时改造请求，把地区参数改为中国大陆，让 YouTube 判定为无广告地区；另有回复称澳门 IP 的 Google 全家桶无广告。
• 其他插件：可莉插件、圈 X 墨鱼规则（可改写成 Loon 规则）、https://rucu6.pages.dev/Plugins/youtube_2.lpx 被提及。
• 浏览器端：Safari 用 uBlock Origin Lite 效果很好；iOS 上 Brave 浏览器去广告效果被评价为最好。

评论补充

有用户反映从圈 X 转到 Loon 后部分去广告插件间歇性失效，也有人用巨魔安装破解增强 IPA 实现去广告。整体共识是 Loon 端去播放广告没有稳定通用方案，需按地区、协议和插件组合自行调试。

核心内容

作者抓取 1000 个中文大站的 /llms.txt，统计 AI 可读文件的部署情况：真正提供文件的只有 30 个，占 3%。

关键要点

• 状态码陷阱：164 个站返回 200，但内容是 HTML 网页壳，AI 抓到的等于空壳；412 个直接 404；390 个因 WAF 拦截或超时抓不到（这部分不能算作“没有”）。
• 满分案例：共 9 个满分，包括 B 站、Gitee、魔搭、SHEIN、TAPTap、环球网等。
• 大厂反差：百度、抖音为 404；淘宝、京东、拼多多返回 200 但全是 HTML 壳；字节 Coze 虽做了但仅 50 分、74 个警告、链接重复。阿里系中唯一满分的是魔搭社区。
• 独立站略好：100 个独立站中 19% 有文件，博客圈仅 7%。常见毛病是链接无描述、缺摘要，作者认为半小时即可修好。

评论补充

有回复建议也测英文大站，作者回应英文站起步早、数据应更好看，计划做一版中英对比。另有用户反馈工具可用，但满分站点仍存在需调整的警告。

作者开源了体检与生成工具：cetxt.com 可输域名打分，无文件时 30 秒生成一份；代码在 github.com/yehyakin/llms-txt-cn，1000 条完整数据可在 cetxt.com/survey/ 搜索筛选。样本由公开排名近似凑成，非官方榜单，方法局限见调查页。

核心内容

在仍存在 MobileGestalt 修改漏洞的 iOS 版本上，国行 iPhone / 蜂窝 iPad 可通过修改 CacheData 中的 green-tea 与 not-green-tea 两个布尔位来启用 FaceTime Audio，来去电均支持。作者仅在 CH/A iPhone 11 / iOS 17.0 与 iPhone 15 Pro / iOS 18.7.2 上实测。

关键要点

• 原理：FaceTime Audio 可用 = venice && (!green-tea || 运营商明确允许)，因此把 green-tea 改为 false 即可。
• 步骤：快捷指令导出 MobileGestalt 文件 → 让 Agent 按实机与系统版本查找 green-tea / not-green-tea 在 CacheData 中的偏移 → 生成 Nugget Template → 写回设备并重启。
• 注意：这两个 bool 位于 base64 编码的 CacheData 中，不是 plist 键值，不同机型/系统版本偏移不同，不建议混用 Template。
• 作者机器曾为强开 Apple Intelligence 改为 LL/A，未做对照实验；若仅改 green-tea 无效，可考虑改设备区域。
• 旧的 FaceTime Audio Enabler 在 iOS 17+ 已不足以开启该功能。

评论补充

• 有回复指出 FaceTime Audio 需双端都支持才能打通，实际作用有限。
• 有回复称 iOS 26.1 的 CacheData 中已无这两个键值；作者回应其 27.0 developer beta 4 仍存在，并强调它们是 CacheData 中的两个 bit，需按实机查偏移。
• 另有回复称国行改 LL/A 强开 AI 后，重新导出 MobileGestalt 发现区域变回 C/A。

核心内容

作者开源了浏览器端 plist 编辑器 OpenPlist，用于在 Windows、Linux 等非 Mac 环境下查看、编辑和转换 Apple plist 文件，无需安装 Xcode。在线地址为 https://openplist.com/zh ，源码在 https://github.com/chenz24/openplist ，采用 MIT 协议，可自行部署，界面支持中英日三语。

关键要点

• 格式支持：可打开 XML、二进制（bplist00）和 OpenStep 格式 plist，在树形视图修改键、值和类型，也可切到 XML/JSON 源码编辑。
• 格式转换：XML 与二进制 plist 互转，plist 与 JSON 互转。
• 日常操作：搜索键和值、新增与复制条目、撤销重做、未保存提醒。
• Apple 开发辅助：查看 .mobileprovision 有效期、团队与设备信息，编辑 .mobileconfig、.entitlements、.strings、.stringsdict、.xcconfig，并对 OpenCore 配置做基础检查。
• 隐私：核心查看、编辑、转换在浏览器本地完成，不上传文件内容；配置描述文件的 AI 分析为可选，仅在主动使用时发送部分脱敏字段。

使用限制

plist 导出会重新生成排版，不保留原注释；JSON 无法完整保留 plist 的日期、二进制数据等类型；内置配置检查只覆盖部分规则。

评论补充

有回复认为该工具实用，并提到此前用 GitHub Actions 处理较麻烦，此工具更方便。

核心内容

LocalViewer 是一款原生 Android 应用（Kotlin + Jetpack Compose），基于 EhViewer 开发，定位为高性能 SMB/WebDAV 图片查看器与漫画阅读器，支持网络图库文件夹，界面采用 Material Design 3 与动态取色。作者称其类似 Perfect Viewer 和 Kuro Reader，主打原图解码不下采样、界面简洁、性能良好。

关键要点

• 网络与本地库：支持 SMB/WebDAV/NAS，添加文件夹即可阅读，免复杂配置，带文件历史与阅读进度。
• 格式覆盖广：可串流打开 ZIP/RAR/CBZ/CBR/CBT/PDF/EPUB；电子书支持 PDF/EPUB/MOBI/FB2/TXT/Markdown；图片支持 JXL/JXR/JPG/AVIF/HEIC 等 gain map 与 PQ HDR。
• 阅读体验：Webtoon 条漫模式、原图解码与缩放、漫画双页模式、双击切换上/下一个图库、墨水屏模式。
• 显示与播放：支持 HDR、广色域、10 位色深；网络视频可调用 MPV/MX Player/VLC，支持播放列表与外挂字幕。
• 其他能力：文件夹多窗口管理、媒体自动分类筛选、内置 HTTP 服务器浏览离线 HTML 档案、EasyTier 支持。

项目主页与下载地址见正文 GitHub 链接（zmz125000/LocalViewer）。

评论补充

该主题暂无回复，以上信息均来自主帖自述，实际性能与兼容性需自行验证。

核心内容

作者开源了 Precedent Loop，用于解决 Codex、Claude Code 跨会话“不记事”的问题：上周查清的根因、定下的方案，新会话里模型又从头猜，甚至重提已被否掉的方案。

作者认为两种常见做法都不理想：写进 AGENTS.md / CLAUDE.md 只适合放必须遵守的规则，经验类内容会让文件膨胀到几百行并被全量塞给模型；客户端自带记忆则由模型自行决定记什么，不可见、难纠错。

关键要点

• 流程：Agent 在方案确定或根因查清时提交“候选”，写明背景、结论与适用范围；用户在桌面 App 中修改、让 AI 重写或拒绝，确认后才入库。
• 按需检索：后续会话中 Agent 主动查询，单次最多 8 条、总计不超过 5000 字，先看标题摘要再读全文，并标记“用上了”；内容过时可提修订，同样需确认。
• 设计取舍：检索用 SQLite FTS5 trigram 加字面匹配，未上向量，简单可解释但换说法可能搜不到；补救办法是每条入库必须带 3–16 个检索词。
• 数据与兼容：全本地，数据为单个 SQLite 文件，App 不调用模型 API、不保存 Key；Codex 与 Claude Code 共用一个库，多项目可互查；已有 Markdown 笔记可借本机 CLI 转成候选导入。
• 限制：仅支持 Apple Silicon Mac，App 未签名需手动放行，界面仅中文；作者自述 7 月 8 日至 10 月 4 日积累 79 条，被查 307 次，模型标记用上 113 次，但“用上”由模型自报，且未做严格对照实验。

项目以 Apache-2.0 开源，GitHub 地址为 https://github.com/hemuzzz/PrecedentLoop ，README 含 83 秒演示视频。作者最想听取同义说法检索与召回评测方面的意见。

评论补充

唯一回复是作者自述背景：5 年 Java 后端，做过资金结算与 AI 客服后端，正在看杭州/上海机会，并留下联系方式，与主题技术内容无关。

核心内容

作者发布开源 Windows 启动器 ALTRun，用 AutoHotkey v2 重写，操作方式参照 macOS 的 Alfred，按 Alt+Space 唤起，输入几个字母后回车即可打开程序、找文件、算数、搜网页、翻剪贴板历史。项目定位是替代体积偏大的 Wox、PowerToys Run、Listary 等方案，并致敬同名的 Pascal 版 ALTRun 与 RunZ。

关键要点

• 体积与便携：下载不到 1 MB，解压约 2 MB，无需 .NET/Electron 等运行库；免安装、不写注册表、不需管理员权限，数据存于 Data\ 文件夹，可放 U 盘或同步盘。
• 中文与搜索：支持拼音首字母（wx → 微信，vsc → Visual Studio Code）并高亮匹配；装了 Everything 可毫秒级全盘搜索，未装则用内置索引，输入路径可逐级浏览、Tab 补全。
• 多合一功能：计算器（单位、进制、日期、汇率）、网页搜索、浏览器书签、剪贴板历史（文字/文件/图片，可置顶）、文字片段（;关键字 展开）、切换窗口、40 多个 Windows 设置页面与系统命令。
• 效率细节：记住每次输入所选结果，常用项自动靠前；全键盘操作，→ 打开操作面板（管理员运行、打开所在位置、复制路径、属性），F3 编辑，Ctrl+1~9 直接打开第 N 项。
• Total Commander 配合：打开/保存对话框内 Ctrl+G 跳到 TC 当前目录，Insert 标记多文件后一起操作，文件管理器可设为 TC。
• 个性化与隐私：支持简中/繁中/English/日本語界面、20 套内置主题、跟随系统深浅色；不收集数据，仅联网检查更新，开启货币换算后每天下载一次汇率。

获取方式

GitHub 仓库 https://github.com/zhugecaomao/ALTRun （GPL-3.0），官网 https://zhugecaomao.github.io/ALTRun/ ，最新版见 releases 页面；也可通过 Scoop 安装：scoop bucket add altrun 后 scoop install altrun。装好后按 Alt+Space 输入 ? 查看全部用法，有新版本会在搜索窗口提示，回车即可更新。

该主题暂无回复，以上信息均来自作者自述，实际体验与兼容性需自行验证。

核心内容

Meta 个人 AI 助理 Muse 为每个用户配一台专属虚拟机，规格为 2 vCPU、8GB 内存、100GB 固态硬盘；模型推理在 GPU 上完成，虚拟机层只消耗 CPU、内存和硬盘。围绕“1 亿用户需要多少颗 CPU”，两种算法结果相差约 30 倍。

关键要点

• 往多算（Wccftech）：假设 1 亿用户全部同时在线，每人 2 vCPU 按 1 vCPU 占 1 物理核、每颗 126 核折算，约 158 万颗；打折后一半在线约 79 万颗，一成在线约 15.8 万颗。
• 往少算（分析师 Freda Duan）：每人每天用 2 小时，平均同时在线约 833 万台，乘高峰系数 2.5 并留 20% 余量得 2,500 万台；虚拟机约九成时间在等模型返回、CPU 近乎闲置，每台只算 0.5 物理核，合计 1,250 万核，按 256 核一颗折算约 5 万颗（折算为发帖人所做）。
• 分歧集中在两个参数：同时在线率（100% 对约 8%）与超卖比（1 vCPU 对 1 核，还是 4 vCPU 对 1 核）。发帖人认为后者更接近虚拟化实际，但提醒助理类负载在用户关掉 App 后任务可能仍在跑，在线率未必像网页应用那么低。
• 供给端紧张：TrendForce 称服务器 CPU 交期已达 25–30 周（平衡时为 16–20 周）；英特尔 CEO 表示目前只能满足约一半需求；部分代理任务的 CPU 对 GPU 配比在 4:1 到 40:1。
• 前提是假设：1 亿用户为假设值，Muse 目前仅在美国和加拿大上线，上线 12 天 iOS 下载量 180 万。

评论补充

该主题暂无回复，发帖人提出的问题——这类“大部分时间在等 IO”的负载应按多少超卖比配置——尚无社区经验回应。

核心内容

某宝上给光猫、路由器供电的微型 UPS（含 USB、12V、9V、POE 输出，可放弱电箱）是否靠谱？主帖担心其作坊感、充电 16 小时、断电后需手动重启。评论普遍认为多数产品不靠谱，但特定场景可凑合用。

关键要点

• 电压问题：多数产品非恒压，电压随电量变化；恒压款也未必所有输出口恒压，断电瞬间电压突变，只适合对电压不敏感、重启无碍的设备。
• 电池寿命：锂电池长期满电会加速老化、鼓包过热；铅酸电池更耐浮充，但怕深度放电，且重量大。
• 实际风险：有用户买过 5 个灰色 12V 款，两年坏 1 个，自带三无电池且无稳压，明确警告不要接硬盘。另有新品牌直流 UPS 停电后输出高压烧毁设备。
• 替代方案：大容量户外充电宝可给光猫路由供电数天；正规 UPS（如 APC、山特）更安全但贵，且带显卡时续航差异大。
• 根本局限：断电时小区宽带分光箱也断电，微型 UPS 可能无法维持网络。

评论补充

• 铅酸电池并非娇气，机架式 UPS 用免维护铅酸，标称寿命 5 年，保持充电几乎无限寿命，只要不深度放电即可。
• 若路由器能接受 13-14V，可 DIY 并联铅酸电池。
• 安全考虑应选正规品牌，不严肃场合才用杂牌给路由器供电。

核心内容

作者在甲骨文云（OCI）成功注册并开通账号，区域为美西凤凰城（US West - Phoenix），在 Always Free 配额下开出两台实例：VM.Standard.E2.1.Micro（1 OCPU / 1 GB RAM，AMD）与 VM.Standard.A1.Flex（2 OCPU / 12 GB RAM，Ampere A1 ARM，仅用一半额度）。

关键要点

• 注册环境：MacBook Air M4 + macOS，使用 Safari 原生浏览器，未启用第三方拦截扩展。
• 支付方式：招商银行 VISA 全币种信用卡。
• 账单地址如实填写，与银行预留账单地址完全一致；作者建议直接打印信用卡账单获取完整地址。
• 作者表示实例主要用于测试，以保活为目的。

评论补充

• 有回复提醒免费资源并非绝对可靠，曾因未备份损失数据；另一回复认为应自行做好每日 1–2 次备份，而非归咎于免费。
• 多位用户反馈注册成功率不稳定：有人配置相近却始终失败（提示 abc），也有人换用 muse/gemini 浏览器后成功，怀疑与银行卡有关。
• 有用户注册圣何塞区域后开不出机器，另有用户在其他区域长期抢不到 ARM 实例，说明可用区与 ARM 库存差异较大。
• 关于升级后 A1 配额（2 OCPU/12 GB 还是 4 OCPU/24 GB）存在疑问，作者未升级，无法确认。

核心内容

主帖提出一个正在 Vibe Coding 团队中出现的现象：AI 辅助让开发速度提升，但成员对项目代码的理解明显下降，甚至脱离 AI 就无法定位问题，说不清自己负责组件的输入、输出和设计原因。作者追问这是否算对项目的失控。

关键要点

• 多数回复认同这属于失控，底线是“人都不懂项目怎么设计了”。
• 有观点认为这不是 AI 的问题，而是人的问题：复杂需求仍需人先转成实施方案再交给 AI，一问三不知的岗位本身可被替代。
• 反对“必须脱离 AI”的思路：既然代码由 AI 生成，就应接受用 AI 定位问题，正如不会用机器码排查高级语言问题。
• 现实做法是调整人的职责边界：关注输入、输出、上层把控和产品，把审查与 debug 交给 AI 流程。
• 有回复指出，AI 生成速度已超出人工 review 能力，只能让 AI 自审，测试通过即提交。

评论补充

有回复提醒，过去由人维护时也未必真正可控，只是“人还在”造成可控的错觉。真正值得操心的是：AI 快速修复时如何不引入新 bug。另有观点认为软件工程的组织与流程明年会随之变化。

核心内容

作者因频繁使用 ChatGPT 生成图片、逐张下载麻烦，开发了一个 Chrome 扩展，用于批量下载当前这一组生成的图片。项目已在 GitHub 开源，Chrome Web Store 版本处于审核中，目前可从 GitHub Release 下载后手动安装。

关键要点

• 支持一次勾选当前这一组 ChatGPT 生成的图片并批量下载。
• 覆盖生成结果页与全屏图片查看器两种场景。
• 提供预览、取消选择、失败重试功能。
• 下载网页提供的原始图片，不做压缩和转换。
• 图片仅在浏览器本地处理，不上传其他服务器。
• 仓库地址：https://github.com/xin0907/gpt-image-batch-downloader

评论补充

有用户反馈一组 10 张图时逐个勾选仍较麻烦，建议支持分批下载或 Shift+鼠标多选，属于可改进的交互方向。

限制

当前仅作者自述功能，尚无第三方使用验证；商店版本未上架，需手动安装。