我输入了一段文字，按钮开始loading，然后出现正在思考…等了一会大概1分钟一下子渲染了全部的消息给我.. 而不是一点点输出。然后看了下我的首字和用时都感觉没这么慢。 1 个帖子 - 1 位参与者 阅读完整话题
GoldenDict++: Optimizations for faster dictionary loading and searching, even with large dictionary collections. OCR integration for text recognition, enhanced media playback, and more robust full-text search capabilities. More... Home Demo Downloads-1 Downloads-2 Qt-5.15.19-msvc-16.11.56 版本： GoldenDict++OCR-3F2F-20260606-Windows_Qt-5.15.19-msvc-16.11.56-x64.zip GoldenDict++OCR-3F2F-20260606-Windows_Qt-5.15.19-msvc-16.11.56-x86.zip 境外下载地址： https://github.com/nonwill/GoldenDict-OCR/releases/tag/v3.2.15f 境内下载地址： https://autoptr.lanzoub.com/b0w9bnbif Password：GDOCR Home/主页: https://www.autoptr.top/gdocr/ Logs/日志: https://www.autoptr.top/gdocr/GoldenDict-OCR-Changelog/ Demo/演示: https://space.bilibili.com/3493095169592137/channel/series
codex resume读取之前sessions，loading session龟速蠕动。。。感觉loading一次都得5分钟了。这是为何？ 1 个帖子 - 1 位参与者 阅读完整话题
前提：装了巨魔和Filza 最近iOS16.4以下的老设备访问l站会卡在loading页面，查了下原来是Discourse支持iOS的最低版本为16.4。 现在低于iOS16.4的设备想要访问L站可以安装 GitHub - minh-ton/reynard-browser: An experimental Gecko-based web browser for iOS 13+. · GitHub 这个浏览器，但是体验太差了，用惯了fluxdo很不习惯。就想着有没有办法继续在fluxdo里面使用。看了下reynard的设置，发现它可以添加插件获取网页的cookie，这给我继续在fluxdo里面刷l站给了希望。 安装完插件，可以在网页里面复制cookie 获取到cookie后，我们需要在fliza里面找到，在/var/mobile/Containers/Data/Application里面找到fluxdo，进入fluxdo，点击Document，会看到有.cookies文件夹 点击.cookies文件夹会看到cookies.v1.json和pending_set_cookies.json两个文件 我们只要cookie里 _t _forum_session cf_clearance _cfuvid 的值相应的更新到文件里面，然后重新打开fluxdo，你就能愉快地刷帖子了 1 个帖子 - 1 位参与者 阅读完整话题
[youtube] Mej6hjMqMW0: Downloading initial data API JSON WARNING: [youtube] ('Unable to connect to proxy', OSError('Tunnel connection failed: 503 Service Unavailable')). Retrying (3/3)... [youtube] Mej6hjMqMW0: Downloading initial data API JSON ERROR: [youtube] Mej6hjMqMW0: Unable to download API page: ('Unable to connect to proxy', OSError('Tunnel connection failed: 503 Service Unavailable')) (caused by ProxyError("('Unable to connect to proxy', OSError('Tunnel connection failed: 503 Service Unavailable'))")); please report this issue on https://github.com/yt-dlp/yt-dlp/issues?q= , filling out the appropriate issue template. Confirm you are on the latest version using yt-dlp -U 各位佬，这个是怎么回事，小火箭都能用，也能看YouTube，但是视频下载不了了 2 个帖子 - 2 位参与者 阅读完整话题
hub.linux.do Loading... AI development platform. 佬们，请教下 hub的资源市场里还有哪些推荐的渠道比较好用？ 1 个帖子 - 1 位参与者 阅读完整话题
最近在看 Kubernetes 上 AI 推理服务的冷启动问题，发现很多时候慢的不只是模型加载，容器镜像本身也很夸张。 比如 vLLM 这类镜像，里面有 PyTorch 、CUDA 、Python 依赖、系统库，动不动就是 10GB+。传统 containerd / overlayfs 路径下，节点要先完整下载并解压镜像，Pod 才能真正起来。对 Karpenter 这种弹性扩容场景来说，这部分时间会很明显。 我们做了一个小项目 Hermes： https://github.com/cloudpilot-ai/hermes 想法是：不让业务团队改 Dockerfile 、不重建镜像、不改 CI/CD ，也不改原来的 image reference 。平台侧定义一个 HermesPolicy ，controller 在集群内自动为匹配到的镜像构建并缓存 SOCI index ，节点上的 daemon 再用这些 index 做 lazy loading 。 这次用 EKS + Karpenter 跑了一个简单对比，镜像是： 763104351884.dkr.ecr.us-east-1.amazonaws.com/vllm:0.9-gpu-py312-ec2 大概 10.8GB 。 普通节点上，从 Pod 调度到节点后，到容器 Running/Ready： 5m04s - 29s = 4m35s 开启 Hermes 的节点上，在 HermesPolicy 已经 Ready 、SOCI artifact 已经构建好的前提下： 44s - 30s = 14s 也就是这个场景里，镜像拉取/挂载到容器启动这段，从 4m35s 降到了 14s 。 需要强调一下：这个结果不包含首次 index 构建耗时，也不等于 vLLM first token latency 。Pod Ready 变快，只说明容器镜像这条路径被 lazy loading 优化了。后面还需要继续测 vLLM readiness 、first request TTFT 、warmup 后真实请求延迟。 Hermes 现在的定位更像一个集群侧能力：应用继续发原来的 OCI image ，平台通过策略决定哪些镜像需要被 lazy load 。类似： apiVersion: hermes.cloudpilot.ai/v1alpha1 kind: HermesPolicy metadata: name: prod-large-images spec: paused: false imageSelectors: - imageRegex: ".*vllm.*" platforms: - linux/amd64 目前还比较早期，欢迎大家关注项目： https://github.com/cloudpilot-ai/hermes
最近在看 Kubernetes 上 AI 推理服务的冷启动问题，发现很多时候慢的不只是模型加载，容器镜像本身也很夸张。 比如 vLLM 这类镜像，里面有 PyTorch 、CUDA 、Python 依赖、系统库，动不动就是 10GB+。传统 containerd / overlayfs 路径下，节点要先完整下载并解压镜像，Pod 才能真正起来。对 Karpenter 这种弹性扩容场景来说，这部分时间会很明显。 我们做了一个小项目 Hermes： https://github.com/cloudpilot-ai/hermes 想法是：不让业务团队改 Dockerfile 、不重建镜像、不改 CI/CD ，也不改原来的 image reference 。平台侧定义一个 HermesPolicy ，controller 在集群内自动为匹配到的镜像构建并缓存 SOCI index ，节点上的 daemon 再用这些 index 做 lazy loading 。 这次用 EKS + Karpenter 跑了一个简单对比，镜像是： 763104351884.dkr.ecr.us-east-1.amazonaws.com/vllm:0.9-gpu-py312-ec2 大概 10.8GB 。 普通节点上，从 Pod 调度到节点后，到容器 Running/Ready： 5m04s - 29s = 4m35s 开启 Hermes 的节点上，在 HermesPolicy 已经 Ready 、SOCI artifact 已经构建好的前提下： 44s - 30s = 14s 也就是这个场景里，镜像拉取/挂载到容器启动这段，从 4m35s 降到了 14s 。 需要强调一下：这个结果不包含首次 index 构建耗时，也不等于 vLLM first token latency 。Pod Ready 变快，只说明容器镜像这条路径被 lazy loading 优化了。后面还需要继续测 vLLM readiness 、first request TTFT 、warmup 后真实请求延迟。 Hermes 现在的定位更像一个集群侧能力：应用继续发原来的 OCI image ，平台通过策略决定哪些镜像需要被 lazy load 。类似： apiVersion: hermes.cloudpilot.ai/v1alpha1 kind: HermesPolicy metadata: name: prod-large-images spec: paused: false imageSelectors: - imageRegex: ".*vllm.*" platforms: - linux/amd64 目前还比较早期，欢迎大家关注项目： https://github.com/cloudpilot-ai/hermes
最近在看 Kubernetes 上 AI 推理服务的冷启动问题，发现很多时候慢的不只是模型加载，容器镜像本身也很夸张。 比如 vLLM 这类镜像，里面有 PyTorch 、CUDA 、Python 依赖、系统库，动不动就是 10GB+。传统 containerd / overlayfs 路径下，节点要先完整下载并解压镜像，Pod 才能真正起来。对 Karpenter 这种弹性扩容场景来说，这部分时间会很明显。 我们做了一个小项目 Hermes： https://github.com/cloudpilot-ai/hermes 想法是：不让业务团队改 Dockerfile 、不重建镜像、不改 CI/CD ，也不改原来的 image reference 。平台侧定义一个 HermesPolicy ，controller 在集群内自动为匹配到的镜像构建并缓存 SOCI index ，节点上的 daemon 再用这些 index 做 lazy loading 。 这次用 EKS + Karpenter 跑了一个简单对比，镜像是： 763104351884.dkr.ecr.us-east-1.amazonaws.com/vllm:0.9-gpu-py312-ec2 大概 10.8GB 。 普通节点上，从 Pod 调度到节点后，到容器 Running/Ready： 5m04s - 29s = 4m35s 开启 Hermes 的节点上，在 HermesPolicy 已经 Ready 、SOCI artifact 已经构建好的前提下： 44s - 30s = 14s 也就是这个场景里，镜像拉取/挂载到容器启动这段，从 4m35s 降到了 14s 。 需要强调一下：这个结果不包含首次 index 构建耗时，也不等于 vLLM first token latency 。Pod Ready 变快，只说明容器镜像这条路径被 lazy loading 优化了。后面还需要继续测 vLLM readiness 、first request TTFT 、warmup 后真实请求延迟。 Hermes 现在的定位更像一个集群侧能力：应用继续发原来的 OCI image ，平台通过策略决定哪些镜像需要被 lazy load 。类似： apiVersion: hermes.cloudpilot.ai/v1alpha1 kind: HermesPolicy metadata: name: prod-large-images spec: paused: false imageSelectors: - imageRegex: ".*vllm.*" platforms: - linux/amd64 目前还比较早期，欢迎大家关注项目： https://github.com/cloudpilot-ai/hermes
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。
用（+1 的） WeChat 得有八九年了吧，现在在国内使用体验越来越差，十几 MB 的视频 loading 半天，甚至有些图片都要加载很久才可以打开。 现在看除了 pyq 没广告外，剩下都是缺点了。 不管 WeChat 服务器在哪，也懒得折腾代理规则，也是有误伤的可能性。 所以考虑要不要换下。