cpa 聚合了一下，几个要好的同事用，毕竟他们没个5年github也进不来，不超过5人，也跟他们说了不要二次分发 9 个帖子 - 8 位参与者 阅读完整话题
各位佬们，现在很困扰我的是，我自己一直是开通百度网盘会员的，毕竟现在主流资源还是会流转在百度网盘里。 但是之前使用过一段时间阿里云盘，由于它不限速也用过一段时间，而且现在通义听悟将一些录制的公开课、说课转换为文字稿也非常方便，可以直接从阿里云盘走。 然后，88VIP送夸克网盘，导致我和我的同事传资源，他们很多不开百度网盘，但是用赠送的夸克给我，我也很尴尬。 所以想听听各位佬的使用经验和习惯，是否需要取舍，或者说有没有好办法可以快速跨网盘转存资源呢？ 18 个帖子 - 13 位参与者 阅读完整话题
已经成功注册了3个号，但奈何并不满足，毕竟手上有8张招商的外币卡。 觉得甲骨文风控主要的无非是IP，设备，银行卡。 IP用手机热点应该可以完美解决，每次飞行模式之后IP就变了。 银行卡都能成功扣费也没问题。 唯一的问题可能就是设备，毕竟设备有限，也都一一试过了，手机，电脑，平板，都已经ABC，我想用指纹浏览器能不能解决问题呢？ 毕竟指纹浏览器每个窗口都相当于一台新设备了。 试过站里富可敌国的NexBrowser，也试过AdsPower Browser，目前均ABC，在TG上看到别人也是指纹浏览器注册成功，但是不知是用的哪个指纹浏览器软件。 站内佬知识渊博，故请教是否有人用指纹浏览器成功注册过甲骨文，用的哪个指纹浏览器？ 4 个帖子 - 3 位参与者 阅读完整话题
标题是有点噱头，毕竟说白了就是消费了两个 200 刀套餐的消费者，如果说“怎么不被封”可能大家还更有兴趣。不过那类讨论已经很多了，就不赘述了。 还需要足够强大的基底来支持 AI 编程 这种基底必须能让 AI 编程可以实现廉价、稳定、可大规模提升测试速度（比如加硬件）的端到端的测试。 不要指望一次就能生成结果 这种有各种例子来说明其是不现实的。如果一次生成就能用的，大概率都是些小玩具。 不应该把希望放在将产品需求、开发文档、测试用例在代码开发前完成 这种大概就是 SDD 想实现的幻想，写得完备，然后启动 AI ，一切搞定。 软件工程的复杂度一方面是因为软件工程的需求实现的本质是在用一套对现实世界建模导致的复杂度，另外一方面是糟糕的实现额外添加的。随着模型的能力增加，后者可能也许大概会减少，但是前者是不可避免的，SDD 其实也只能解决后者。 产品层面要抵制住 AI 的诱惑 不要因为 AI 介入了，就开始狂加功能，“能做”和“应该做”是两回事。 复杂度很多时候就是因为什么都做带来的。 产品只要够简单就不可能复杂（什么废话）。 如果你不够了解这个领域，那就先做起来，然后推翻再做 遇到一个问题，你就先做下去，这个功能超出自己能 Hold 住的极限，就想办法叠 AI 能力，把东西做成是第一要务，认真研究结构，缺陷。 这样子就会对这个领域有一定理解了，然后重新再开发一次。AI 带来的是一种重建的便利性。“一开始瞎写后面尾大不掉”的情况可以减少很多。 这一次就能避免上一次的相当多的问题，如果这一次还是磕磕绊绊，那说明还得再进行一次，直到你觉得自己对于这个领域了解程度已经相当深入了，那么这个产品就能推向市场了。 AI 编程能给个人带来的是什么 如果多次重建推倒一个功能，最终可以让产品设计得更合理，架构更清晰。 AI 编程是一种用时间和金钱换更好维护性的编程路径，能够极大推进一个个体的成品的上线，你如果热爱编程，也能从这个过程中得到另外一种快乐。
标题是有点噱头，毕竟说白了就是消费了两个 200 刀套餐的消费者，如果说“怎么不被封”可能大家还更有兴趣。不过那类讨论已经很多了，就不赘述了。 还需要足够强大的基底来支持 AI 编程 这种基底必须能让 AI 编程可以实现廉价、稳定、可大规模提升测试速度（比如加硬件）的端到端的测试。 不要指望一次就能生成结果 这种有各种例子来说明其是不现实的。如果一次生成就能用的，大概率都是些小玩具。 不应该把希望放在将产品需求、开发文档、测试用例在代码开发前完成 这种大概就是 SDD 想实现的幻想，写得完备，然后启动 AI ，一切搞定。 软件工程的复杂度一方面是因为软件工程的需求实现的本质是在用一套对现实世界建模导致的复杂度，另外一方面是糟糕的实现额外添加的。随着模型的能力增加，后者可能也许大概会减少，但是前者是不可避免的，SDD 其实也只能解决后者。 产品层面要抵制住 AI 的诱惑 不要因为 AI 介入了，就开始狂加功能，“能做”和“应该做”是两回事。 复杂度很多时候就是因为什么都做带来的。 产品只要够简单就不可能复杂（什么废话）。 如果你不够了解这个领域，那就先做起来，然后推翻再做 遇到一个问题，你就先做下去，这个功能超出自己能 Hold 住的极限，就想办法叠 AI 能力，把东西做成是第一要务，认真研究结构，缺陷。 这样子就会对这个领域有一定理解了，然后重新再开发一次。AI 带来的是一种重建的便利性。“一开始瞎写后面尾大不掉”的情况可以减少很多。 这一次就能避免上一次的相当多的问题，如果这一次还是磕磕绊绊，那说明还得再进行一次，直到你觉得自己对于这个领域了解程度已经相当深入了，那么这个产品就能推向市场了。 AI 编程能给个人带来的是什么 如果多次重建推倒一个功能，最终可以让产品设计得更合理，架构更清晰。 AI 编程是一种用时间和金钱换更好维护性的编程路径，能够极大推进一个个体的成品的上线，你如果热爱编程，也能从这个过程中得到另外一种快乐。
标题是有点噱头，毕竟说白了就是消费了两个 200 刀套餐的消费者，如果说“怎么不被封”可能大家还更有兴趣。不过那类讨论已经很多了，就不赘述了。 还需要足够强大的基底来支持 AI 编程 这种基底必须能让 AI 编程可以实现廉价、稳定、可大规模提升测试速度（比如加硬件）的端到端的测试。 不要指望一次就能生成结果 这种有各种例子来说明其是不现实的。如果一次生成就能用的，大概率都是些小玩具。 不应该把希望放在将产品需求、开发文档、测试用例在代码开发前完成 这种大概就是 SDD 想实现的幻想，写得完备，然后启动 AI ，一切搞定。 软件工程的复杂度一方面是因为软件工程的需求实现的本质是在用一套对现实世界建模导致的复杂度，另外一方面是糟糕的实现额外添加的。随着模型的能力增加，后者可能也许大概会减少，但是前者是不可避免的，SDD 其实也只能解决后者。 产品层面要抵制住 AI 的诱惑 不要因为 AI 介入了，就开始狂加功能，“能做”和“应该做”是两回事。 复杂度很多时候就是因为什么都做带来的。 产品只要够简单就不可能复杂（什么废话）。 如果你不够了解这个领域，那就先做起来，然后推翻再做 遇到一个问题，你就先做下去，这个功能超出自己能 Hold 住的极限，就想办法叠 AI 能力，把东西做成是第一要务，认真研究结构，缺陷。 这样子就会对这个领域有一定理解了，然后重新再开发一次。AI 带来的是一种重建的便利性。“一开始瞎写后面尾大不掉”的情况可以减少很多。 这一次就能避免上一次的相当多的问题，如果这一次还是磕磕绊绊，那说明还得再进行一次，直到你觉得自己对于这个领域了解程度已经相当深入了，那么这个产品就能推向市场了。 AI 编程能给个人带来的是什么 如果多次重建推倒一个功能，最终可以让产品设计得更合理，架构更清晰。 AI 编程是一种用时间和金钱换更好维护性的编程路径，能够极大推进一个个体的成品的上线，你如果热爱编程，也能从这个过程中得到另外一种快乐。
标题是有点噱头，毕竟说白了就是消费了两个 200 刀套餐的消费者，如果说“怎么不被封”可能大家还更有兴趣。不过那类讨论已经很多了，就不赘述了。 还需要足够强大的基底来支持 AI 编程 这种基底必须能让 AI 编程可以实现廉价、稳定、可大规模提升测试速度（比如加硬件）的端到端的测试。 不要指望一次就能生成结果 这种有各种例子来说明其是不现实的。如果一次生成就能用的，大概率都是些小玩具。 不应该把希望放在将产品需求、开发文档、测试用例在代码开发前完成 这种大概就是 SDD 想实现的幻想，写得完备，然后启动 AI ，一切搞定。 软件工程的复杂度一方面是因为软件工程的需求实现的本质是在用一套对现实世界建模导致的复杂度，另外一方面是糟糕的实现额外添加的。随着模型的能力增加，后者可能也许大概会减少，但是前者是不可避免的，SDD 其实也只能解决后者。 产品层面要抵制住 AI 的诱惑 不要因为 AI 介入了，就开始狂加功能，“能做”和“应该做”是两回事。 复杂度很多时候就是因为什么都做带来的。 产品只要够简单就不可能复杂（什么废话）。 如果你不够了解这个领域，那就先做起来，然后推翻再做 遇到一个问题，你就先做下去，这个功能超出自己能 Hold 住的极限，就想办法叠 AI 能力，把东西做成是第一要务，认真研究结构，缺陷。 这样子就会对这个领域有一定理解了，然后重新再开发一次。AI 带来的是一种重建的便利性。“一开始瞎写后面尾大不掉”的情况可以减少很多。 这一次就能避免上一次的相当多的问题，如果这一次还是磕磕绊绊，那说明还得再进行一次，直到你觉得自己对于这个领域了解程度已经相当深入了，那么这个产品就能推向市场了。 AI 编程能给个人带来的是什么 如果多次重建推倒一个功能，最终可以让产品设计得更合理，架构更清晰。 AI 编程是一种用时间和金钱换更好维护性的编程路径，能够极大推进一个个体的成品的上线，你如果热爱编程，也能从这个过程中得到另外一种快乐。
标题是有点噱头，毕竟说白了就是消费了两个 200 刀套餐的消费者，如果说“怎么不被封”可能大家还更有兴趣。不过那类讨论已经很多了，就不赘述了。 还需要足够强大的基底来支持 AI 编程 这种基底必须能让 AI 编程可以实现廉价、稳定、可大规模提升测试速度（比如加硬件）的端到端的测试。 不要指望一次就能生成结果 这种有各种例子来说明其是不现实的。如果一次生成就能用的，大概率都是些小玩具。 不应该把希望放在将产品需求、开发文档、测试用例在代码开发前完成 这种大概就是 SDD 想实现的幻想，写得完备，然后启动 AI ，一切搞定。 软件工程的复杂度一方面是因为软件工程的需求实现的本质是在用一套对现实世界建模导致的复杂度，另外一方面是糟糕的实现额外添加的。随着模型的能力增加，后者可能也许大概会减少，但是前者是不可避免的，SDD 其实也只能解决后者。 产品层面要抵制住 AI 的诱惑 不要因为 AI 介入了，就开始狂加功能，“能做”和“应该做”是两回事。 复杂度很多时候就是因为什么都做带来的。 产品只要够简单就不可能复杂（什么废话）。 如果你不够了解这个领域，那就先做起来，然后推翻再做 遇到一个问题，你就先做下去，这个功能超出自己能 Hold 住的极限，就想办法叠 AI 能力，把东西做成是第一要务，认真研究结构，缺陷。 这样子就会对这个领域有一定理解了，然后重新再开发一次。AI 带来的是一种重建的便利性。“一开始瞎写后面尾大不掉”的情况可以减少很多。 这一次就能避免上一次的相当多的问题，如果这一次还是磕磕绊绊，那说明还得再进行一次，直到你觉得自己对于这个领域了解程度已经相当深入了，那么这个产品就能推向市场了。 AI 编程能给个人带来的是什么 如果多次重建推倒一个功能，最终可以让产品设计得更合理，架构更清晰。 AI 编程是一种用时间和金钱换更好维护性的编程路径，能够极大推进一个个体的成品的上线，你如果热爱编程，也能从这个过程中得到另外一种快乐。
标题是有点噱头，毕竟说白了就是消费了两个 200 刀套餐的消费者，如果说“怎么不被封”可能大家还更有兴趣。不过那类讨论已经很多了，就不赘述了。 还需要足够强大的基底来支持 AI 编程 这种基底必须能让 AI 编程可以实现廉价、稳定、可大规模提升测试速度（比如加硬件）的端到端的测试。 不要指望一次就能生成结果 这种有各种例子来说明其是不现实的。如果一次生成就能用的，大概率都是些小玩具。 不应该把希望放在将产品需求、开发文档、测试用例在代码开发前完成 这种大概就是 SDD 想实现的幻想，写得完备，然后启动 AI ，一切搞定。 软件工程的复杂度一方面是因为软件工程的需求实现的本质是在用一套对现实世界建模导致的复杂度，另外一方面是糟糕的实现额外添加的。随着模型的能力增加，后者可能也许大概会减少，但是前者是不可避免的，SDD 其实也只能解决后者。 产品层面要抵制住 AI 的诱惑 不要因为 AI 介入了，就开始狂加功能，“能做”和“应该做”是两回事。 复杂度很多时候就是因为什么都做带来的。 产品只要够简单就不可能复杂（什么废话）。 如果你不够了解这个领域，那就先做起来，然后推翻再做 遇到一个问题，你就先做下去，这个功能超出自己能 Hold 住的极限，就想办法叠 AI 能力，把东西做成是第一要务，认真研究结构，缺陷。 这样子就会对这个领域有一定理解了，然后重新再开发一次。AI 带来的是一种重建的便利性。“一开始瞎写后面尾大不掉”的情况可以减少很多。 这一次就能避免上一次的相当多的问题，如果这一次还是磕磕绊绊，那说明还得再进行一次，直到你觉得自己对于这个领域了解程度已经相当深入了，那么这个产品就能推向市场了。 AI 编程能给个人带来的是什么 如果多次重建推倒一个功能，最终可以让产品设计得更合理，架构更清晰。 AI 编程是一种用时间和金钱换更好维护性的编程路径，能够极大推进一个个体的成品的上线，你如果热爱编程，也能从这个过程中得到另外一种快乐。
标题是有点噱头，毕竟说白了就是消费了两个 200 刀套餐的消费者，如果说“怎么不被封”可能大家还更有兴趣。不过那类讨论已经很多了，就不赘述了。 还需要足够强大的基底来支持 AI 编程 这种基底必须能让 AI 编程可以实现廉价、稳定、可大规模提升测试速度（比如加硬件）的端到端的测试。 不要指望一次就能生成结果 这种有各种例子来说明其是不现实的。如果一次生成就能用的，大概率都是些小玩具。 不应该把希望放在将产品需求、开发文档、测试用例在代码开发前完成 这种大概就是 SDD 想实现的幻想，写得完备，然后启动 AI ，一切搞定。 软件工程的复杂度一方面是因为软件工程的需求实现的本质是在用一套对现实世界建模导致的复杂度，另外一方面是糟糕的实现额外添加的。随着模型的能力增加，后者可能也许大概会减少，但是前者是不可避免的，SDD 其实也只能解决后者。 产品层面要抵制住 AI 的诱惑 不要因为 AI 介入了，就开始狂加功能，“能做”和“应该做”是两回事。 复杂度很多时候就是因为什么都做带来的。 产品只要够简单就不可能复杂（什么废话）。 如果你不够了解这个领域，那就先做起来，然后推翻再做 遇到一个问题，你就先做下去，这个功能超出自己能 Hold 住的极限，就想办法叠 AI 能力，把东西做成是第一要务，认真研究结构，缺陷。 这样子就会对这个领域有一定理解了，然后重新再开发一次。AI 带来的是一种重建的便利性。“一开始瞎写后面尾大不掉”的情况可以减少很多。 这一次就能避免上一次的相当多的问题，如果这一次还是磕磕绊绊，那说明还得再进行一次，直到你觉得自己对于这个领域了解程度已经相当深入了，那么这个产品就能推向市场了。 AI 编程能给个人带来的是什么 如果多次重建推倒一个功能，最终可以让产品设计得更合理，架构更清晰。 AI 编程是一种用时间和金钱换更好维护性的编程路径，能够极大推进一个个体的成品的上线，你如果热爱编程，也能从这个过程中得到另外一种快乐。
标题是有点噱头，毕竟说白了就是消费了两个 200 刀套餐的消费者，如果说“怎么不被封”可能大家还更有兴趣。不过那类讨论已经很多了，就不赘述了。 还需要足够强大的基底来支持 AI 编程 这种基底必须能让 AI 编程可以实现廉价、稳定、可大规模提升测试速度（比如加硬件）的端到端的测试。 不要指望一次就能生成结果 这种有各种例子来说明其是不现实的。如果一次生成就能用的，大概率都是些小玩具。 不应该把希望放在将产品需求、开发文档、测试用例在代码开发前完成 这种大概就是 SDD 想实现的幻想，写得完备，然后启动 AI ，一切搞定。 软件工程的复杂度一方面是因为软件工程的需求实现的本质是在用一套对现实世界建模导致的复杂度，另外一方面是糟糕的实现额外添加的。随着模型的能力增加，后者可能也许大概会减少，但是前者是不可避免的，SDD 其实也只能解决后者。 产品层面要抵制住 AI 的诱惑 不要因为 AI 介入了，就开始狂加功能，“能做”和“应该做”是两回事。 复杂度很多时候就是因为什么都做带来的。 产品只要够简单就不可能复杂（什么废话）。 如果你不够了解这个领域，那就先做起来，然后推翻再做 遇到一个问题，你就先做下去，这个功能超出自己能 Hold 住的极限，就想办法叠 AI 能力，把东西做成是第一要务，认真研究结构，缺陷。 这样子就会对这个领域有一定理解了，然后重新再开发一次。AI 带来的是一种重建的便利性。“一开始瞎写后面尾大不掉”的情况可以减少很多。 这一次就能避免上一次的相当多的问题，如果这一次还是磕磕绊绊，那说明还得再进行一次，直到你觉得自己对于这个领域了解程度已经相当深入了，那么这个产品就能推向市场了。 AI 编程能给个人带来的是什么 如果多次重建推倒一个功能，最终可以让产品设计得更合理，架构更清晰。 AI 编程是一种用时间和金钱换更好维护性的编程路径，能够极大推进一个个体的成品的上线，你如果热爱编程，也能从这个过程中得到另外一种快乐。
听说能免费看一集,大家都可以去捧场,给国漫攒攒热度,毕竟是大家公认的国漫巅峰之作,并且我相信也不会让大家失望的,所以有能力的还是去支持争取首播在线人数再创新高,让其在小破站上留下辉煌的历史一笔,我相信看动漫的应该都不会错过。忆往昔,当初的结婴场面高达44W人数,何其壮哉！如果散修和邪修都来，我感觉轻松上个100W不成问题，欢迎大家在本帖下面开播首日截图、留言、分享、交流。 重复一遍，6.13日的上午十一点，本人将有幸和各位道友一同观看 16 个帖子 - 14 位参与者 阅读完整话题
IT之家 6 月 8 日消息，今日宜休科技公司创始人王腾今日发文回应了自己此前关于塑料中框言论的“回旋镖”： 好像很多人在提这条评论，我说的可是 2025 年 毕竟 26 年各种元器件都在涨价 ，祝新机大卖 IT之家注意到，王腾此番回应提及了元器件上涨的问题。而内存涨价的原因想必大家都听过很多了，AI 算力爆发虹吸产能 + 三大寡头控产 + 行业库存见底 + DDR4/DDR5 换代断档，四重因素叠加想不涨都难。此前已有多家安卓手机厂商宣布部分产品调价： OPPO 和一加自 2026 年 3 月 16 日 00:00 起针对部分已发售产品进行价格调整。 vivo 和 iQOO 自 2026 年 3 月 18 日 10:00 起调整部分产品的建议零售价。 小米和 REDMI 自 2026 年 4 月 3 日 00:00 起调整部分产品的建议零售价。 目前，苹果仍是唯一能持续从存量用户中获取高额服务收入的品牌。 有爆料人透露，苹果正以高价扫货市场上所有可用的移动 DRAM ，甚至不惜牺牲运营利润，从而挤压其它竞争对手的备货空间。
站里分享的慢就罢了，毕竟人多。我现在都走自己余额的api了，怎么这么慢，干活磨磨唧唧的；d老师那速度比mimo快多了 1 个帖子 - 1 位参与者 阅读完整话题
不同 API 服务的对我来说,非常实用。 毕竟想省tokens,我还在用很多免费的模型,就是怕不稳定. 只讲实际能用、配置里能落地的部分，避免把不存在的配置项写进去 。 如果有错误欢迎佬友指正 我的Hermes 的模型配置思路 Hermes 的配置核心在 ~/.hermes/config.yaml 。 模型相关配置主要分几层： 主对话模型 ：负责正常聊天、代码、工具调用、任务执行。 辅助模型 ：负责压缩上下文、图片理解、网页提取等后台任务。 Fallback Providers ：主模型失败时切到备用供应商。 Custom Providers ：接入 OpenAI 兼容接口，比如 vLLM、Ollama、LM Studio、SGLang 或第三方中转 API。 Credential / Auth ：API Key 或 OAuth 凭据。 最常见的配置结构大致是： model: default: gpt-5.5 provider: custom base_url: https://example.com/v1 api_key: sk-xxx context_length: 128000 其中： model.default ：模型名称 model.provider ：供应商名称 model.base_url ：自定义 OpenAI 兼容端点时使用 model.api_key ：API Key model.context_length ：上下文长度 Hermes 要求模型上下文窗口不能太小。实际使用 Agent、工具调用、长会话压缩时，建议至少 64K tokens 起步。本地模型也建议把上下文开到 65536 或以上。 Hermes 支持哪些供应商我就不说了佬友自己就可以看到 切换模型的几种方式 方式一：交互式选择 hermes model 这是最推荐的方式。它会引导你选择 provider、填写凭据、选择模型。 方式二：查看和修改配置 查看配置： hermes config 打开配置文件： hermes config edit 也可以直接设置某个配置项，例如： hermes config set model.provider openrouter hermes config set model.default anthropic/claude-sonnet-4 如果是自定义接口： hermes config set model.provider custom hermes config set model.default your-model-name hermes config set model.base_url https://example.com/v1 API Key 建议放在 .env 或配置里由 Hermes 管理，不要写进公开文章、截图或 Git 仓库。 方式三：会话内临时切换 在 Hermes 会话里可以用： /model openrouter/anthropic/claude-sonnet-4 这种方式适合临时测试。长期默认模型还是建议写入 config.yaml 。 主模型和辅助模型 Hermes 不是所有任务都必须用同一个模型。 主模型负责核心对话和 Agent 执行；辅助模型可以负责压缩、视觉、网页提取等后台任务。这样可以避免“用旗舰模型做摘要”这种浪费。 常见配置示例： model: default: claude-sonnet-4 provider: anthropic auxiliary: compression: provider: openrouter model: openai/gpt-5-mini vision: provider: openrouter model: openai/gpt-4o 建议： 主模型 ：选择工具调用稳定、上下文长、代码能力强的模型。 压缩模型 ：选择便宜但摘要能力不错的模型。 视觉模型 ：选择明确支持图片输入的模型。 如果辅助模型没有配置好，某些任务可能会回退到自动检测逻辑，或者使用主模型兜底。为了稳定，建议主动配置。 Fallback Providers：主模型备用链 当主模型遇到限流、服务错误或连接失败时，Hermes 可以尝试备用模型。 正确的配置项是 fallback_providers ，不是 fallback_models 。 示例： model: default: gpt-5.5 provider: custom base_url: https://primary.example.com/v1 api_key: sk-primary fallback_providers: - provider: custom base_url: https://backup.example.com/v1 api_key: sk-backup model: claude-sonnet-4 - provider: openrouter model: anthropic/claude-sonnet-4 触发条件一般包括： HTTP 429 ：限流 HTTP 503 ：服务错误 HTTP 529 ：过载 连接失败 需要注意： Fallback 是按顺序尝试的，不存在 fallback_strategy: random 、 cheapest_first 这类配置。 也不存在 fallback_on 这种配置项；触发条件是内置的。 主模型 fallback 一旦在当前会话触发，通常会在该会话里继续使用 fallback 后的模型。 旧版可能支持单个 fallback_model ，但新写法建议使用列表形式的 fallback_providers 。 辅助任务也可以单独配置 fallback 辅助任务不继承主模型的 fallback_providers ，它们有自己的 fallback 链。 示例： auxiliary: compression: provider: custom base_url: https://primary.example.com/v1 api_key: sk-primary model: gpt-5-mini fallback_chain: - provider: custom base_url: https://backup.example.com/v1 api_key: sk-backup model: deepseek-chat - provider: openrouter model: openai/gpt-5-mini vision: provider: openrouter model: openai/gpt-4o fallback_chain: - provider: anthropic model: claude-sonnet-4 辅助任务 fallback 的触发更偏 向容量或额度 问题，例如： HTTP 402 ：余额或额度耗尽 明确的日/月额度耗尽 连接失败 注意: 普通临时 429 不一定会触发辅助 fallback，因为 Hermes 会尊重你显式指定的 provider。 自定义 OpenAI 兼容端点 我相信很多佬友跟我一样会用本地模型或第三方中转服务，这时最常见的就是 custom provider。 例如 Ollama： model: provider: custom default: qwen3-coder:latest base_url: http://127.0.0.1:11434/v1 api_key: ollama context_length: 65536 例如 vLLM： model: provider: custom default: Qwen/Qwen3-Coder base_url: http://127.0.0.1:8000/v1 api_key: dummy context_length: 131072 vLLM 启动时可以类似这样： vllm serve Qwen/Qwen3-Coder --max-model-len 131072 Ollama 需要确认模型上下文已开够。不同版本设置方式不完全一样，不建议只写死一个命令，重点是确认 context 至少 64K。 多个自定义供应商 如果有多个自定义端点，建议用 custom_providers 起不同名字。(我就是这么干的,感觉特别方便,需要多少自己加) 示例： 然后在主模型或 fallback 里引用： model: default: gpt-5.5 provider: custom base_url: https://api.example.com/v1 api_key: sk-tSeI...YFZLSQwfQV9Jd fallback_providers: - provider: custom base_url: https://api.example2.com/v1 api_key: sk-wiu...4ycq0Pg7tQnMb model: gpt-5.4-mini 注意 ： custom_providers 的 name 必须唯一。重复名字可能导致后面的配置覆盖前面的配置。 小结 Hermes 的模型配置体系，重点不是“支持多少模型”，而是它把模型、供应商、辅助任务、fallback、自定义端点拆开了。 这样做的好处是 ： 主模型可以选最强的； 辅助任务可以选便宜的； 一个供应商挂了可以切备用； 本地模型和第三方 OpenAI 兼容服务都能接； 不同平台、不同任务可以逐步做精细化配置。 对小白用户来说，最推荐的入门路线是 ： 先用 hermes model 跑通一个主模型； 再配置 fallback_providers ； 然后配置 auxiliary ； 最后再折腾本地 vLLM / Ollama / LM Studio。 这样最稳，也最不容易把配置写乱。 我以前就是这么做的,后来慢慢的学,特别在Linux 学到很多以前看不到的技术 最后如有错误的地方,欢迎佬友们指正 1 个帖子 - 1 位参与者 阅读完整话题
「昨晚九点左右，你的同事遇害了。」 「是啊，毕竟就是我下毒杀的嘛。」 「咦，这可就奇怪了。我刚才可从没说过你同事是「被毒杀』的喔。」 看了下chatgpt和deepseek的回答感觉差点意思 4 个帖子 - 2 位参与者 阅读完整话题
我将生图大模型和 Claude Code 编程模型合并到一个会话中，就可以修改完图让 AI 直接设置为 icon ，毕竟编程大模型生图的能力比较弱，程序员偶尔还是需要生成图的，汇报、开发界面、写文档还是需要的，我感觉在一个工作流中更方便，而且也符合程序员的操作习惯，我是不喜欢用美术那套工具的，大家有兴趣可以试试。 https://github.com/wellingfeng/FreeUltraCode 不好意思又发了一次，希望不要打扰到大家。
目前 Vibe Coding 了几个小网站，毕竟不是专业的设计但 AI 的审美总感觉不太行，前不久看见一个 skill npx impeccable skills install ， 可以帮忙排版、添加交互动画、多设备适配、性能检查，功能挺多，对于网站优化还是有不少帮助，所以一直在用，但是依然提不高审美。这两天在用 gpt-image-2 的时候，突发奇想也许可以告诉 gpt-image-2 我的网站,例如 Hello Kitty 在线填色 网站的功能和主题，然后一个一个模块的让他帮我生成设计图，如果有一个满意的风格，可以使用这张图作为参考图生成其它模块，不管怎么说总体感觉还是不错的，目前没有 codex 官方账号，也许使用 codex 的调用 ai 图片的功能直接就可以完成，有实践过的网友可以说一下效果。
目前 Vibe Coding 了几个小网站，毕竟不是专业的设计但 AI 的审美总感觉不太行，前不久看见一个 skill npx impeccable skills install ， 可以帮忙排版、添加交互动画、多设备适配、性能检查，功能挺多，对于网站优化还是有不少帮助，所以一直在用，但是依然提不高审美。这两天在用 gpt-image-2 的时候，突发奇想也许可以告诉 gpt-image-2 我的网站,例如 Hello Kitty 在线填色 网站的功能和主题，然后一个一个模块的让他帮我生成设计图，如果有一个满意的风格，可以使用这张图作为参考图生成其它模块，不管怎么说总体感觉还是不错的，目前没有 codex 官方账号，也许使用 codex 的调用 ai 图片的功能直接就可以完成，有实践过的网友可以说一下效果。
目前 Vibe Coding 了几个小网站，毕竟不是专业的设计但 AI 的审美总感觉不太行，前不久看见一个 skill npx impeccable skills install ， 可以帮忙排版、添加交互动画、多设备适配、性能检查，功能挺多，对于网站优化还是有不少帮助，所以一直在用，但是依然提不高审美。这两天在用 gpt-image-2 的时候，突发奇想也许可以告诉 gpt-image-2 我的网站,例如 Hello Kitty 在线填色 网站的功能和主题，然后一个一个模块的让他帮我生成设计图，如果有一个满意的风格，可以使用这张图作为参考图生成其它模块，不管怎么说总体感觉还是不错的，目前没有 codex 官方账号，也许使用 codex 的调用 ai 图片的功能直接就可以完成，有实践过的网友可以说一下效果。