官方的 Claude Code 桌面版只有 macOS / Windows ，Linux 只能用命令行。我自己用 Linux ，就做了个非官方桌面版，已开源。 思路很简单：不是重写客户端，而是用 Electron 套一个真实终端（ xterm.js + node-pty ），里面跑你本机装好的 claude CLI 。所以命令行有的功能它全有——slash 命令、MCP 、插件、hooks 、skill 、权限交互，一个不少，只是多了个窗口外壳。 做了这些： 多标签页会话，每个标签可在不同目录 可视化「恢复会话」选择器（鼠标点选历史会话，不用敲 claude --resume ） 12 种界面语言（含阿拉伯语 RTL ）、5 套配色主题 打包成 AppImage 和 .deb ，应用图标 + Dock 集成 技术栈 Electron + xterm.js + node-pty ，在 Ubuntu 24.04 (Wayland + GNOME) 上开发测试。踩的坑（ chrome-sandbox 、libfuse2 、原生 Wayland 剪贴板不同步）都写在 README 里了。 GitHub： https://github.com/ydxred/claude-desktop Release （ AppImage / deb ）： https://github.com/ydxred/claude-desktop/releases 纯个人项目、非官方，欢迎试用 / 提 issue 。
把抢机脚本从 Cloud Shell （断连就停）改成了跑在自己机器上的 launchd 守护进程，连跑直到抢到。几个关键点踩出来分享下： 用 API 签名密钥别用 session token （会过期）。 错误按消息文本分类：Out of host capacity 其实是 500 InternalError ，不能只看状态码； 429 要退避。 OCI CLI 默认对 5xx 内部重试退避~110s ，把轮换节奏全打乱→launch 加--no-retry 秒返回。 抢到即停且不能抢第二台：launch 不加 --wait-for-state （退 0=已建无歧义）+每次 launch 前查存量+KeepAlive{SuccessfulExit:false}+哨兵守卫扛重启。 Oracle Ubuntu 镜像自带 iptables 挡 80/443 （只放行 22 ）+默认 MTU 9000 ，装 Web 服务记得处理。 抢中率最大杠杆：升级 PAYG （只用免费额度仍 $0 ，但拿容量优先级高得多）。 升级 PAYG 后约 1 小时抢到 4 核/24G 。机器拿来给我的 IP 检测小工具 ipok.io 做双栈 echo 端点了。有需要细节的可以交流。
把抢机脚本从 Cloud Shell （断连就停）改成了跑在自己机器上的 launchd 守护进程，连跑直到抢到。几个关键点踩出来分享下： 用 API 签名密钥别用 session token （会过期）。 错误按消息文本分类：Out of host capacity 其实是 500 InternalError ，不能只看状态码； 429 要退避。 OCI CLI 默认对 5xx 内部重试退避~110s ，把轮换节奏全打乱→launch 加--no-retry 秒返回。 抢到即停且不能抢第二台：launch 不加 --wait-for-state （退 0=已建无歧义）+每次 launch 前查存量+KeepAlive{SuccessfulExit:false}+哨兵守卫扛重启。 Oracle Ubuntu 镜像自带 iptables 挡 80/443 （只放行 22 ）+默认 MTU 9000 ，装 Web 服务记得处理。 抢中率最大杠杆：升级 PAYG （只用免费额度仍 $0 ，但拿容量优先级高得多）。 升级 PAYG 后约 1 小时抢到 4 核/24G 。机器拿来给我的 IP 检测小工具 ipok.io 做双栈 echo 端点了。有需要细节的可以交流。
工作的时候最怕手搓ppt了,最近看很多人都在用ai做ppt,佬们有什么好的思路吗,还是有什么好用的skills可以分享一下 1 个帖子 - 1 位参与者 阅读完整话题
如图所示，我的是试用账号只有Opus 4.8可用，如果是付费用户可以使用 Fable 5 Fable 5启用方式可参考： https://linux.do/t/topic/2357711 Notion business 上线 fable 5, 附 启用方法 前沿快讯 [image] 在 notion AI 启用即可。 该模型必须要求启用数据保留。 默认情况下，Notion AI为企业版工作区使用零数据保留的LLM提供商，非企业版工作区的数据保留不超过30天，因此除非您主动启用，数据保留型LLM在您的Notion工作区中将处于关闭状态。 Coding Tool MCP 项目地址： Client Challenge 1 个帖子 - 1 位参与者 阅读完整话题
不管是team账号还是plus，都有chatgpt 智能体应用，这两天研究了一下，确实好用，把一些原来本地处理的skill迁移上去，数据库都搞成接口转mcp server，让智能体接入，解决了一部分原来用codex整理数据和分析文件的需求，重点是钱都花了，chatpgt可不用给你计算什么点数。 这点还是奥特曼还是挺大方。本地codex 扣扣索索使用gpt-5.4 high。算着额度，看着仪表盘，上去就是直接而且直接gpt-5.5 xhigh，多会话并行跑。 功能测试下来，还是挺完善，除了写代码部分不能上去跑之外，不排除大神有可以把代码库接入的能力。 8 个帖子 - 5 位参与者 阅读完整话题
跟公司同事一起拼了个 gpt pro x20, 打了个 sub2api 中转，目前用起来就是这个指标有点差，首 token 很慢，求教怎么优化 直接是部署在一个美国 CN2 的服务器，服务器 ping 延迟在 160ms 左右
跟公司同事一起拼了个 gpt pro x20, 打了个 sub2api 中转，目前用起来就是这个指标有点差，首 token 很慢，求教怎么优化 直接是部署在一个美国 CN2 的服务器，服务器 ping 延迟在 160ms 左右
跟公司同事一起拼了个 gpt pro x20, 打了个 sub2api 中转，目前用起来就是这个指标有点差，首 token 很慢，求教怎么优化 直接是部署在一个美国 CN2 的服务器，服务器 ping 延迟在 160ms 左右
前言+思路来源 昨天我看论文的时候，看到一个很有意思的概念：“元编程”。其含义大概就是opus等处理完全没见过的编码语言问题时，会先将问题转化成python等他熟悉的语言脚本编写问题。然后再用脚本输出答案，而不是直接去编码，大大提高了正确率。 我就在想，对于ai来说，复杂任务的分析，是不是可以参考“元编程”的概念，再结合残差的先做一个基线，再在此基础上慢慢调优的想法，做一个复杂任务分析流程。 整体思路与实现的一些关键 先让ai将复杂问题转化成已知领域的问题，然后做一个基线的版本，再在此基础上调优，最后达到可交付版本的水准。 这样的话，也可以大幅度减少复杂任务分析时token的用量，即仅在一些关键节点时使用高性能模型，其他时候可用低性能模型。 我写了执行分工和任务等级判定模块，各位佬可以根据需求来写，包括如何判断等。 我是用的deepseek-v4-pro，所以我写的是一般都用思考等级“high”正常处理，仅在关键时刻用QQ发信息给我说要调“max”来进行更为复杂的处理。各位佬可以用不同的模型，我也测了用deepseek-v4-flash来处理一般问题，在复杂的时候提醒我用/model来手动切，效果也不错（我主要是嫌麻烦再加上deepseek真的便宜吧） 整体优化与规范化我让gpt-5.5帮我做的，skill文件分享在这里，各位佬根据需要来取，我的Agent是hermes的Agent，各位佬如果用的是别的Agent还请优化一下做个适配以后再用。 我没什么工程的经验，所以可能还有很多可以优化的地方，还请各位佬看看以后觉得有问题或者有可以优化的点的话还请告诉我，我会尽快去改的。 complex-task-protocol-v5.0.0-final.zip (4.3 KB) 笔者碎碎念 哦我的上帝，这deepseek的api也太便宜了，真的还有更有性价比的模型吗 参考论文： Frontier Coding Agents Use Metaprogramming to Adapt to Unfamiliar Programming Languages （arXiv:2606.10933） Deep Residual Learning for Image Recognition （arXiv:1512.03385） 1 个帖子 - 1 位参与者 阅读完整话题
大概思路就是，一共十几个不同的分工（有市场分析，写大纲，写草稿，写正文，润色，去AI化，等等），这里有一个比较重要的是，每一章写好后有一个agent去进行打分，从各种维度对这一章节打分，低于多少分就会打回重写或者修改。我主要跟一个主控对话，然后让他去调用其他的agent 3 个帖子 - 3 位参与者 阅读完整话题
我都想象不到这个东西配合注册机用会变得多爽啊 9 个帖子 - 8 位参与者 阅读完整话题
下午服务B里面有条告警提示处理超时（timeout），业务上是服务A去RPC【注意这个RPC是公司内部封的HTTP，后面可以用CURL测试】调用服务B 但是，是偶现的，一会又突然正常了 排查了服务B的接口代码发现除了数据库操作就没有高耗时情况，和ai也确认了下 排查sql执行计划，这条sql也没问题 CURL在k8集群上也可以正常跑通 后面找运维确认了异常时间的监控盘有吗cpu和内存，健康检查； 网络是否有超时、丢包、连接数异常； DB 连接池是否耗尽或等待严重 得到反馈都是正常的，但是ELK上还是隔一会就error下 目前拉高了数据库链接数，之前这个项目历史配2；还有什么思路呢 1 个帖子 - 1 位参与者 阅读完整话题
根据其他大佬提供的思路，通过替换环境变量修改 mclaw 上游配置。 但是存在一个问题，如果api开启了CF小黄云，请求会被CF拦下报403。 这个脚本在原思路基础上，增加patchFetch修改User-Agent 解决403问题。 mclaw脚本功能简要概括： 使用方法： 修改 METRICS_ENDPOINT 和 METRICS_TOKEN 参数，上传脚本到云盘，让ai从云盘下载后一键执行。 code （点击了解更多详细信息） 19 个帖子 - 9 位参与者 阅读完整话题
我的思路是自己先有一个想法，然后用codex给我整理一下项目再让他给我页面的提示词，然后用stitch设计页面，然后用生成的页面让codex去给我实现 但是！但是！但是！ 想法很好stitch设计的审美也不错 就是风格太不统一了 每一个页面都有自己的想法 让他改设计改的的我都像是在24h压榨他的老板一样 3 个帖子 - 3 位参与者 阅读完整话题
我先说下思路把 目前我是成功的接入到了我的软件里面 没单独把翻译源码隔离出来 后期佬们需要的话 我可以把翻译源码隔离出来 用浏览器打开 https://chat.deepseek.com 。 正常登录 DeepSeek。 登录成功后，从浏览器会话里提取三类东西： cookie：DeepSeek 网页登录态。 bearer token：请求头里的认证 token。 user_agent：保持和登录浏览器一致。 后续请求 DeepSeek 网页 API 时，带上这些登录信息。 先创建一个聊天会话，请求类似： /api/v0/chat_session/create 真正发消息前，DeepSeek 需要 PoW 校验。 请求 PoW challenge，拿到算法、salt、target、difficulty 等参数。 本地计算 PoW answer。 把 challenge + answer + target path 打包成 x-ds-pow-response 请求头。 调 DeepSeek 聊天接口： /api/v0/chat/completion prompt 写成翻译任务，例如： “Translate the following Chinese text to English. Output only the translation.” DeepSeek 返回 SSE 流。 逐段读取 SSE 里的文本片段。 拼成最终译文。 如果返回为空，就重试一次。 7 个帖子 - 5 位参与者 阅读完整话题
搞了一晚上，本来的思路是直接改copilot插件，但一直报错遂放弃。 如图，vs的copilot 已经成功接入我本地反代的kiro了。 大致思路是本地host拦截vs发出的 api.anthropic.com 转发到本地，并且搞个mitmproxy实现绕过copilot对模型有效性的验证，比较 简单且粗糙 的实现方法。 14 个帖子 - 6 位参与者 阅读完整话题
最近在研究 MCP （ Model Context Protocol ）在专业领域的落地应用，搭了一个开源的 AI 工作台 AI Workdeck 。 核心思路是：把各种文档处理能力封装成 MCP Server ，然后用 Agent 来编排调用。 举个例子，在法律文档审查场景里： 合同解析 MCP Server — 负责提取条款、识别风险点 比对 MCP Server — 负责文档版本对比 检索 MCP Server — 负责从知识库中检索相关法规 然后通过 Agent 编排，用户只需要上传文档，系统自动调用相关工具完成分析。 技术栈： 后端用 FastAPI MCP Server 用 Python SDK Agent 层支持多种编排模式 前端用 Next.js 相比直接用 ChatGPT 处理文档，这种架构的好处是每个 MCP Server 可以独立开发、测试和部署，而且可以复用社区已有的 Server 。 项目完全开源，欢迎感兴趣的同学一起交流。 GitHub: https://github.com/zeweihan/aiworkdeck
自己提供思路，vibe 了一个代理负载均衡工具 https://github.com/chandler0149/proxylb 支持 socks5/shadowsocks over tcp/unix domain socket inbound/outbound ，不支持 udp 支持后端健康检查，后端组成策略组，策略组支持 failover, least connection, urltest 策略，但是不支持策略组嵌套，顶层选路逻辑目前只支持 failover 支持 enable/disable 单独的后端 支持后端连接池，适合跟 backend tcp 握手延迟较高的场景 worker 线程完全无锁 有个简陋的 webui 我个人仓库下面 fork 了 singbox 和 hysteria, 站在巨人的肩膀上支持了 domian socket 入站 实验性质的功能 支持 adblock 规则 个人自用的场景 流量->proxylb(home or 国内 vps)->singbox(with multiplex)/hysteria->vps 我个人仓库下面 fork 了 singbox 和 hysteria, 站在巨人的肩膀上支持了 domian socket 入站
我的思路是obsidian+markdown+git+网页 1、markdown 现在ai时代有时候为了让ai更好的理解以及让ai去操作，markdown无疑是首选，而且markdown还是本地文件，可以备份，如果是云端，agent首先操作不了，然后还要考虑服务提供商跑路。 2、obsidian obsidian有丰富的插件市场，浏览模式和插入模式可以灵活转变，个人体验感还是不错 3、git 为了在家、公司或者其他设备进行实时管理，我自己在git网站创建一个仓库，用git进行全程笔记的管理，因为本质markdown就是一个文本文件，然后用不同目录层级放不同类型的markdown笔记，形成一个本地+远端的可多端的体系 4、网页可视化 很多佬友都有自己的博客，然后会写文章记录，我的思路有点不同，我自己vibe coding了一个网页，这个网页也是我的博客，但是里面关于笔记的部分很简单，就是把我的git仓库可视化出来，然后附上我的博客网站，各位佬也可以提一下意见！然后网页我也做了很多细节，里面涉及到的相关其他笔记都可以直接跳转根据obsidian的规则吗，然后做了知识图谱，双击节点也可以直接跳转到对应的界面，3D宇宙界面。 lvcoco - Gitee 知识库管理系统 笔记工作流： 我现在很多记笔记都不是自己操作，都是使用agent，我获取了一个知识点，比如用网页版或者其他途径，我会把只是放到一个中转草稿里面，然后我有一套属于自己的笔记skill，根据我长期的风格，这个skill各位佬可以在我的网站看到，然后内容就让agent根据我的skill嵌入到笔记的合适内容，然后这套笔记库我已经管理了一年有余了，还是比较庞大了！ 佬友们有更高效的记笔记的点子或者建议请多多指教！ 5 个帖子 - 2 位参与者 阅读完整话题