请问各位大佬 现在ai可以分析apk吗？如何将王力智能门锁接入Homeassistant呢？请各位大佬指点 王力智能app下载链接 1 个帖子 - 1 位参与者 阅读完整话题
昨天开了美区25刀的48月Bussiness 双席位，今早我发现现在Team套餐是按照月额度重置的吗 1 个帖子 - 1 位参与者 阅读完整话题
OpenAI将推出保存速率限制重置（储备重置）以供以后使用的功能，包含 Go、Plus、Pro 和 Business 用户。 意味着后面的重置不会与自己的重置时间重叠，可以自己单独控制官方重置额度（看评论，可能只限于邀请用户的重置？）。 3 个帖子 - 3 位参与者 阅读完整话题
前言 前面我们 基于MDPC-my-dream-proxy-client 很容易实现了一个 hy2 翻墙客户端(壳) 再来试试 sing-box 和 anytls 协议 面向GPT开发 开发人员: Hermes 对接 mimo-v2.5 学习知识 把 G站/SagerNet/sing-box 按最新的 release tag clone一份本地代码. 不要放tmp, 未来要进一步分析. 是长期任务. 分析 sing-box 的使用方法, 配置文件用什么格式 用怎样的命令形式启动 sing-box 内核 有没有测试 配置文件 是否合法的 sing-box 命令? 这是 sing-box 的文档 https://sing-box.sagernet.org/ 对照 你的分析, 进行对比验证 把你的分析结论保存为 .md 文件 我要使用 sing-box 的 anytls 协议 你分析源码找到应该如何使用, 包括服务端 和 客户端 另存为一份 .md 文件 开发 - 基本功能 基于 /home/ubuntu/my-dream-proxy-client/ 这个项目进行开发 你先学习一下这个项目 现在要继续 开发支持 sing-box 内核 支持 anytls 协议 参考以下分析报告 ~/repos/sing-box/ANALYSIS.md — 项目分析（配置格式、启动命令等） ~/repos/sing-box/ANYTLS.md — AnyTLS 使用指南 先不要实施编码, 先和我讨论设计思路 sing-box 也是独立实例 API 端口 18280 sing-box 配置文件 多文件同目录 启动命令 sing-box run -C confdir/ 确定每个配置文件中只有一个json块, 比如, inbound.json 里面只有 inbound , outbound.json 里面只有 outbound 类似 xray 的处理方式, 对每个 json 配置文件, 都有一个HTML页面. 先只实现JSON文本编辑框, 表单以后再设计. 测试和调试 略 功能类的测试, 先让Agent自己搭环境测试, 遍历各种组合环境. 最后再由人上手. UI设计, 操作逻辑, 这些由人设计, 由人测试, 体验, 提改进要求. 开发 - outbound表单 之前 xray 的 outbound 只有 1个 proxy 和 1 个 direct 这次我加点功能, 最终的 outbound 页面是这样的 开发 - route 预设模板 route页面增加2个预设模板 一个是 “geosite-geolocation-!cn” 走 proxy, 默认 direct 一个是 “geosite-cn” “geoip-cn” “ip_is_private” 走 direct, 默认走 proxy 开发 - dns 预设模板 dns 页面增加2个预设模板 一个是 “rule_set”: “geosite-geolocation-!cn” 让 “google” 解析, 默认 “system” 解析 一个是 “rule_set”: “geosite-cn” 让 "system"解析, 默认 “google” 解析 Github G站/crazypeace/my-dream-proxy-client ======== 后记 连操作手册都是让Agent写的. 先让Agent以新用户的身份, 做一个完整的测试, 从 release 页面下载 zip 包开始. 然后让TA把刚才的测试过程总结成一份操作手册. G站/crazypeace/my-dream-proxy-client/blob/main/README.md#my-dream-proxy-client-使用手册-配合sing-box内核 1 个帖子 - 1 位参与者 阅读完整话题
stream disconnected before completion: An error occurred while processing your request. You can retry your request, or contact us through our help center at help.openai.com if the error persists. Please include the request 连接未完成即断开：处理您的请求时发生错误。您可以重试请求，如果错误仍然存在，请通过我们的帮助中心（ help.openai.com ）与我们联系。请附上您的请求 25 个帖子 - 18 位参与者 阅读完整话题
谁都知道大家想听什么。但它就是遮遮掩掩。然后讲了一大堆 iOS 的功能更新。什么调透明度。 终于到 Siri AI 环节，结果是所谓的自研大模型+Gemini 。说是不足之处用 Gemini 补齐。但是大家都知道估计就是自己暂时还搞不定，然后套壳 Gemini 先撑一下。现在这几家头部企业最有财力可以搞出下一个 LLM 的就是苹果了。再搞不出来苹果真的要掉队了。结果合作的还是 Gemini 。 在模型圈，模型分为两类 A 家的和非 A 家的。非 A 家的模型虽然便宜一些，但是用起来的体验一言难尽，基本没法直接干活。O 家的就是又贵又一言难尽。G 家的已经算是垫底的了，只不过背靠 google 和强大的财力，可以免费给小白用，也算是占领了一块垂直分类。结果苹果最终还是靠 G 家托底。全班倒数第一和第二抱团。 几年前投了大价钱搞的无人驾驶现在也基本放弃了。AI 还掉队。难怪股价大跌，美股讲究的就是个长线投资，如果这个企业开始有走下坡路的趋势了，那就是套现的最好时机了。等到真走下坡路了就不好出了。
谁都知道大家想听什么。但它就是遮遮掩掩。然后讲了一大堆 iOS 的功能更新。什么调透明度。 终于到 Siri AI 环节，结果是所谓的自研大模型+Gemini 。说是不足之处用 Gemini 补齐。但是大家都知道估计就是自己暂时还搞不定，然后套壳 Gemini 先撑一下。现在这几家头部企业最有财力可以搞出下一个 LLM 的就是苹果了。再搞不出来苹果真的要掉队了。结果合作的还是 Gemini 。 在模型圈，模型分为两类 A 家的和非 A 家的。非 A 家的模型虽然便宜一些，但是用起来的体验一言难尽，基本没法直接干活。O 家的就是又贵又一言难尽。G 家的已经算是垫底的了，只不过背靠 google 和强大的财力，可以免费给小白用，也算是占领了一块垂直分类。结果苹果最终还是靠 G 家托底。全班倒数第一和第二抱团。 几年前投了大价钱搞的无人驾驶现在也基本放弃了。AI 还掉队。难怪股价大跌，美股讲究的就是个长线投资，如果这个企业开始有走下坡路的趋势了，那就是套现的最好时机了。等到真走下坡路了就不好出了。
苹果在 2026 年 WWDC 开幕主题演讲中正式发布 Siri AI，并宣布将在今年秋季随 iOS 27、macOS 27、iPadOS 27 和 visionOS 27 一同推送给用户。Siri AI 构建于 Apple Intelligence 之上，将为语音助理带来更强的理解能力和类似聊天机器人的全新交互界面。只要设备本身支持 Apple Intelligence，用户就可以获得新版 Siri AI，而不局限于 2024 年之后发布的新硬件。 发布会上，苹果展示的一张“最先进设备”支持列表引发了外界误读，不少社交媒体和论坛帖子据此断言，只有最新款 iPhone 和 Mac 才能用上 Siri AI。事实上，那张表格指向的是苹果口中“史上最先进的本地模型”（AFM Core Advanced），而不是 Siri AI 的整体功能支持范围。部分用户因此在网上质疑，认为自己号称“AI ready”的 iPhone 17 等设备将在今年秋季被排除在新功能之外。 苹果在后续信息中明确，这一“最先进本地模型”仅用于 Siri AI 的两项特定能力，其余 Siri AI 及 Apple Intelligence 功能仍会按原计划下放至所有支持 Apple Intelligence 的设备。根据介绍，只有以下两项功能需要最新一代或更高规格硬件：一是让用户更深度自定义 Siri 的声音，二是系统级语音听写能力的显著提升。除这两项外，Siri AI 的新交互界面和大多数智能功能，都将在现有 Apple Intelligence 设备上开放。 在硬件要求方面，使用这套“最先进本地模型”的 iPhone 目前限定在 iPhone Air、iPhone 17 Pro 和 iPhone 17 Pro Max 等机型。iPad 端则要求搭载 M5 及更新芯片且配备 12GB 内存，Mac 端则需 M3 或更新芯片，同样配备至少 12GB 内存。这部分机型将在今年秋季获得完整的 Siri AI 能力组合，包括上述两项依赖高端本地模型的功能。 与此同时，搭载 M1 等早期 Apple Silicon 的 MacBook Pro，以及支持 Apple Intelligence 的 iPhone 16 Pro Max 等设备，仍然可以在系统更新后获得新版 Siri AI，只是无法使用那两项额外的高阶特性。尽管如此，一些用户已在论坛上讨论是否提前淘汰 M1 Pro MacBook Pro，或因 iPhone 16 Pro Max 无法获得“完整 Siri 升级”而感到不满。评论认为，这种恐慌更多源自对发布会措辞的断章取义以及网络舆论的放大效应。 报道指出，如果仔细查看苹果关于 Siri AI 的官方说明及支持列表，就不难发现 Siri AI 与“最先进本地模型”并非同一概念。前者是一整套基于 Apple Intelligence 的智能助理升级，后者只是其中两项特性所依赖的高规格本地模型。作者甚至调侃称，这种误解本可以通过简单搜索“Siri AI 支持设备”轻松避免，却在社交平台和部分 AI 聊天工具的“二手解读”下被进一步放大。 总体来看，今年秋季随着 iOS 27、macOS 27、iPadOS 27 和 visionOS 27 推出，支持 Apple Intelligence 的现有 iPhone、iPad、Mac 和 Apple Vision Pro 用户，都将迎来一次较为统一的 Siri AI 体验升级。真正被硬件代际划线的，只是语音外观自定义和系统级听写这两项需要更高算力与内存的新功能，而非 Siri AI 本身是否可用。对于大多数已经处在 Apple Intelligence 阵营的用户而言，无需急于更换设备，也能享受到新版 Siri AI 带来的主要改进。 查看评论
谁都知道大家想听什么。但它就是遮遮掩掩。然后讲了一大堆 iOS 的功能更新。什么调透明度。 终于到 Siri AI 环节，结果是所谓的自研大模型+Gemini 。说是不足之处用 Gemini 补齐。但是大家都知道估计就是自己暂时还搞不定，然后套壳 Gemini 先撑一下。现在这几家头部企业最有财力可以搞出下一个 LLM 的就是苹果了。再搞不出来苹果真的要掉队了。结果合作的还是 Gemini 。 在模型圈，模型分为两类 A 家的和非 A 家的。非 A 家的模型虽然便宜一些，但是用起来的体验一言难尽，基本没法直接干活。O 家的就是又贵又一言难尽。G 家的已经算是垫底的了，只不过背靠 google 和强大的财力，可以免费给小白用，也算是占领了一块垂直分类。结果苹果最终还是靠 G 家托底。全班倒数第一和第二抱团。 几年前投了大价钱搞的无人驾驶现在也基本放弃了。AI 还掉队。难怪股价大跌，美股讲究的就是个长线投资，如果这个企业开始有走下坡路的趋势了，那就是套现的最好时机了。等到真走下坡路了就不好出了。
edsource.org California State University renews controversial systemwide contract with... The move has sparked debate about the cost of the agreement and the quality of ChatGPT Edu, a version of ChatGPT designed for higher education. 母校签了3年，校友快来，可惜不能用codex 登录网址 https://www.csun.edu/it/software-services/chatgpt 开始登录不了，后面发现是密码过期了，重置一下密码就行了。 12 个帖子 - 9 位参与者 阅读完整话题
从 问问各位佬们，海外esim手机有没有推荐的 继续讨论： 我理解的卡在自己手里，还可以正常使用吧，是软件不升级了，将来怕用不了吗 4 个帖子 - 4 位参与者 阅读完整话题
想搞个非 +86 的手机号方便收验证码，就是自己手机2个卡槽都满了，想100块以内买个老人机来插这个小白卡，专门接收验证码。 不知道有没有佬友试过，有没有信号？能不能收码？ 7 个帖子 - 6 位参与者 阅读完整话题
这两天新开的 business 号，今天第一次用，发现没有了五小时限额和周限，直接变成了月限？？另一个老号倒没有变化 感觉不是很经用，一个长上下文修改就用掉了2%……天塌了！！ 3 个帖子 - 3 位参与者 阅读完整话题
让AI整理了下证据，佬友们直接看图吧 以为最坏的结果就是落选来着…唉 结果第一名是个3D地图 4 个帖子 - 4 位参与者 阅读完整话题
wedoaius beldenstudious 美国 archinesjp 日本 loptrde 德国 27aiau 澳大利亚 27aiin 印度 27ainz 新西兰 4 个帖子 - 4 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 (全文上万字符长时间手打+十数张图，先前已经多次回复说明情况却都被认为是ai生成举报，上百楼内容丢失，哪怕为了其他佬友的认真讨论与交流的内容都请勿随意举报！如有意见请友好私信交涉) 注：这里有一个三分钟使用极简教程，正式使用前推荐看看：【全开源免费！抢先体验属于个人的Easy Research！Obsidian开发者手把手教你三分钟速通NotEMD！-哔哩哔哩】 https://b23.tv/lqR0RlA 2026.05.25： 在版主提醒下，L站禁止给群组引流，有需要进一步交流需要请给项目点star或私信本人。 安装 Obsidian 社区插件里直接搜索 Notemd 或者去 GitHub 仓库查看源码和 release 项目地址： GitHub: notemd github项目 Obsidian Community Plugin: 搜索 Notemd 下面是正文 这两年关于 AI 读论文的讨论很多。但这个阅读的痛点始终存在：读完以后，内容有没有留下来？ 在对话框里提问很方便，模型也能很快给出总结、翻译和解释。但过几天再回看，常见结果只有一个模糊印象。论文的核心概念、方法关系、实验设置、局限性，以及它和已有知识的连接，往往没有真正进入自己的知识库。 所以我现在更在意一件事：把论文阅读过程中有价值的内容，持续写回 Obsidian。 Notemd 就是在这个场景里我用得比较顺手的工具。它把论文笔记、概念卡片、研究摘要、翻译、图表和工作流放在同一个工作台里，让一次阅读不只停留在一次对话，而是变成后面还能继续调用的资料。 一句话介绍： Notemd 是一个开源的 Obsidian 社区插件，用来把论文阅读过程中的概念链接、概念笔记、原文证据摘录、背景补充、翻译、图表和工作流沉淀回知识库，并支持多语言 UI、README 和内容转换。 实际阅读状态示例： 多语言支持： 我想解决的问题：读完一篇之后，还能继续积累 我现在看“AI 读论文”，关注点已经在长期积累能不能形成。 你当然可以把 PDF 丢给模型，让它做总结、翻译、解释公式、分析贡献。这些都很有用。但论文不是孤立存在的。每次读到的新术语、方法、数据集、实验范式，理论上都应该慢慢长进自己的知识网络里。 我更想要的结果是这些： 一篇论文读完以后，关键概念被自动补成 [[wiki-link]] 新出现的概念可以继续生成概念笔记 我关心的问题能直接定位到原文证据，而不只是拿到一段转述 背景资料和补充搜索能附着在当前笔记旁边 复杂方法链路可以压成 Mermaid 或图表，方便回看 这些结果都留在 vault 里，而不是散在不同聊天记录中 Notemd 的价值也正是： 它把论文阅读变成一条可以复用、可以回看、可以持续补充的知识流。 和聊天式 AI 相比， Notemd 更适合把结果沉淀进知识库。 维度 聊天式 AI(如Smart Composer插件的功能) Notemd 核心落点 当前会话 当前笔记和 vault 文件 结果形态 一段回答 链接、概念笔记、译文、图表、日志、工作流产物 适合场景 快速问答、临时解释 长期阅读、积累、复用 主要风险 聊完就忘，不利于回忆与搜寻 需要自己维护知识库结构 这两种方式并不冲突。我自己也会继续用对话式 AI （例如Obsidian中的Smart Composer等插件）针对论文做即时追问。但如果目标是让今天读过的东西，三周后还能准确记忆与获取，那么文件化、结构化和可回写会更重要。 结构化总结： 我现在比较顺手的一套论文工作流 Notemd 当前处理的是 Markdown / txt 内容，不是直接载入 PDF(但打开开发者选项后个别不需要修改原文的任务是支持载入其他格式)。这会让整个流程更干净，并且MD是AI的原生语言。 1. 先把 PDF 变成 Markdown 我一般会先用 MinerU 之类的工具做 PDF → Markdown，再把结果放进 Obsidian。 (当前MinerU在目前的免费软件里使用起来解析质量高且速度较快) 这样做有几个直接好处： 原文结构更清晰 注： v1.9.1已支持章节结构提取功能 后续链接、翻译、提取、图表都围绕同一份 Markdown 笔记发生 你的“论文阅读结果”本身就是知识库资产 注意，后面的大部分自动化，都要求原文已经进入你的知识库，是Notemd可处理的文件。 2. 先做概念链接，再做概念沉淀 导入 Markdown 以后，我一般先运行这两个指令： 处理文件（添加链接）| Process file (add links) 从标题批量生成| Batch Generate from Title 前者会把论文里的关键概念补成 [[wiki-links]] ，后者则可以借助高质量AI(比如 降智前 的Gemini-3.1-pro)把每个概念扩充为深入的领域知识与术语间关系的总结，支持调用搜索 api（比如 Tavily）做定向搜索后生成。 很多论文难读，原因很简单：默认你已经知道太多术语。backbone、训练范式、benchmark或是统计指标，而实际上需要你临时去查，特别是当你不了解这个领域时更是无从查起。 因此我通过Notemd将这些概念用ai提取后直接沉淀到固定的或者是自定义领域的概念文件夹里。这样第二篇、第三篇相关论文读下去时，已有概念会越来越完整，不需要每次从头补背景。 如果你愿意的话可以打开概念日志，每次新增了哪些概念都有记录。并且， 我已经将这套流程固化为一键处理按钮，不需要拆解单独执行(但需要注意tokens消耗)，最大化便利佬友们使用。 3. 用“提取特定原始内容”做证据导向的精读 “提取特定原始内容”顾名思义，是获取原文中的依据，适合继续做精读笔记、组会汇报，或者后面写 related work 时快速回查。 你可以先在设置里定义一组问题，例如： 这篇论文的核心贡献是什么？ 作者如何定义问题？ 实验设置是什么？ 主要 baseline 有哪些？ 作者明确承认了哪些 limitation？ 然后让插件从当前论文里逐字提取对应原文片段。 如果你希望明确知道“这句输出到底对应原文哪一句”，记得使用这个功能 4. 不懂的背景用 Research & summarize 试试 如果需要临时查阅当前论文或笔记的特定只是，我不会立刻跳出 Obsidian 去开很多网页，可以在当前笔记旁边做 Research & summarize 。它会调用你配置好的搜索服务和 LLM，把主题相关的补充信息整理出来，附加回当前笔记。 背景知识不散在浏览器标签页里 你查过什么，和当前 paper 绑定在一起 后面回看时，论文旁边就是当时补的上下文 我主要用它补背景和补术语网络，不替代正式文献检索。在课题早期扫盲阶段能明显降低阅读门槛。 5. 英文精读压力大时，直接翻译，但翻译结果也应该保存到本地 当前很多 AI 翻译论文的方案，问题通常是单次翻译没有有效落盘， Translate current file 这个链路的价值，在于它会把译文作为 Obsidian 里的另一份产物保存下来，成功后还会直接在侧边栏打开。 多语言知识库用户可以实现：原文、译文、概念卡片、研究摘要都能在同一个 vault 里互相引用，不需要来回搬运。并且由于 UI Locale 和 Task Output Language 是分开的，界面语言可以跟着 Obsidian 走中文，任务输出也可以保持英文，反过来配置也可以。科研场景里，这种拆分很方便。 这是效果图，内容摘选自 Feynman 的物理学讲义： 6. 最后把理解压缩成图 论文阅读与领域学习的过程中很常见的问题是：脑子里一堆概念，但没整理出结构。 有这两个功能可以辅助解决： Summarise as Mermaid diagram Generate diagram (experimental) 前者更适合方法流程、模块关系、因果链路这类结构化内容。后者在当前版本里已经覆盖 Mermaid、JSON Canvas 和 Vega-Lite 等图表路径，其中 dataChart 还能用 Vega-Lite 生成更规整的数据图。 图是一种"理解压缩层"。让 AI 把论文画成流程图、关系图或数据图，它必须先把结构显式整理出来。检查图的时候，也更容易一眼看出哪里有问题。 注意：图不是事实本身。AI 生成的图，尤其是科研图，只适合当草图、摘要层和检查层，不适合不经核对直接当最终结论。 如图， v1.8.4 最新版支持众多种类图的生成： 下面再给一些图类型的举例： Mermaid正常图： 时序图： 7. 最后用工作流把这些动作串起来 如果上面这些动作每次都手动点一遍，久了还是会烦。所以 Notemd 里我很喜欢的另一个点是：你可以把常用动作编成自己的 One-Click Workflow 。 默认就有一个 One-Click Extract 功能把几个动作串起来跑。除此之外，你也可以按自己的论文习惯重组，比如： 论文入库::process-current-add-links>extract-concepts-current>research-and-summarize>summarize-as-mermaid 在设置中有非常高度自定义工作流的支持： 对我来说，工作流的意义除了少点几次按钮，还有真正把阅读习惯固定下来。你跑得越多，知识库结构就越稳定，后面的复用价值也会越高。 这个项目更偏实际工作流程落地，有下面这些突出优点 完整开源 。github开源，具体设置有文字+多图说明。 模型选择自由 。支持 OpenAI、Anthropic、Google、DeepSeek、Qwen、Ollama，以及通用 OpenAI Compatible 网关。 注： v1.9.1 已支持“获取模型列表”功能。 不同的任务均支持对特定的模型进行配置 。对于链接、研究、翻译以及生成等任务，均能够独立地去进行 provider 以及 model 的选用。 对于每一个具体需要去执行的任务，都支持开展 prompt 的修改工作 。这就为插件在功能拓展方面提供了相当充裕的空间。 结果都会以文件的形式来予以保存 。在开展学习的过程当中，插件会把相对应的链接、概念笔记、译文、图表以及日志都进行留存。 在本地用户友好性方面表现得十分出色 。针对那些已经习惯于去使用 Obsidian 的用户来说，这一工具可以直接在既有的工作台环境当中去嵌入 AI 相关的能力，这样一来，就完全不需要再去对一整套既有的笔记体系开展任何的替换工作。 它能帮你构建"外部大脑"，但真正记住与掌握，开始实践的只能是你自己。 哪些人应该尝试这个插件： 已经在用 Obsidian 管理读书或论文笔记的人 面对较大规模的文献阅读量，且期望将零散理解逐步构建为系统化知识网络的人 不满足于“总结一下”，而是想把概念、证据、图表和上下文都留下来的人 期望将翻译、搜索、概念提取以及图表生成整合至同一工作台之中的人群 对模型选择上期望自由切换云端和本地部署模型的人 如果你只是偶尔看一两篇 paper，能协助你完成翻译与核心概念的提取工作，上手门槛很低，并且有保姆式视频教学。 如果你有长期积累需求，它的价值会更为显著，因为这些结果最终均会沉淀于个人知识库之中。 如果大家感兴趣，后面我还可以再单独整理一篇更偏实操的帖子专门针对大家的后续问题，比如： 我怎么配置提取问题模板 如何把 prompt 开展有针对性的调整工作，来让它得以深度契合到不同的学科领域以及具体的任务场景当中 …… 如果觉得喜欢有所收获，对你有帮助，就支持一下吧! LINUX DO Credit 3 个帖子 - 3 位参与者 阅读完整话题
RT。有没有啥办法能换个绑定手机号 算起来都快10块钱一个号了结果只用了一天就废了 2 个帖子 - 2 位参与者 阅读完整话题
咱也不懂这是什么。。 只是搜com.openai.codex.code_sign_clone 看到了相关问题。 github.com/openai/codex [Bug] macOS app leaves code_sign_clone directories after quit (~965MB per launch) 已打开 06:34PM - 01 Jun 26 UTC yorhasaber bug app ### What version of the Codex App are you using (From “About Codex” dialog)? Co … dex App 26.527.60818 (ChromiumBaseVersion 148.0.7778.179) ### What subscription do you have? Unknown / not relevant to this issue ### What platform is your computer? Darwin 24.6.0 arm64 arm ### What issue are you seeing? Every time I launch and quit the Codex macOS app, a new directory is left under: `/private/var/folders/.../X/com.openai.codex.code_sign_clone/code_sign_clone.*` Each clone is about 965 MB. After launching/quitting Codex multiple times, these directories keep accumulating. On my machine after several app restarts: ```bash clone dirs: 7 6.5G /private/var/folders/.../X/com.openai.codex.code_sign_clone ``` The directories disappear after reboot because macOS cleans the `/var/folders/.../X` temp area. This looks related to Chromium's `MacAppCodeSignClone` / `code_sign_clone` mechanism. Clone creation itself may be expected, but inactive clone dirs are not cleaned up after the app quits. I also observed orphaned helper processes after quitting Codex, including multiple `browser_crashpad_handler` processes and `SkyComputerUseService` processes with PPID=1. ### What steps can reproduce the bug? 1. Launch `/Applications/Codex.app`. 2. Quit Codex.app. 3. Check the clone directory: ```bash find /private/var/folders/*/*/X/com.openai.codex.code_sign_clone -maxdepth 1 -type d -name 'code_sign_clone.*' 2>/dev/null | wc -l du -sh /private/var/folders/*/*/X/com.openai.codex.code_sign_clone 2>/dev/null pgrep -fl 'Codex|node_repl|SkyComputerUse|app-server|browser_crashpad_handler' ``` 4. Repeat launch/quit several times. Observed: each launch creates another `code_sign_clone.*` directory, and old inactive clone dirs remain after quitting. ### What is the expected behavior? After Codex quits, inactive `code_sign_clone.*` directories should be removed by the code-sign-clone cleanup helper. Repeated launch/quit cycles should not keep adding ~965 MB per launch until reboot. ### Additional information I checked that this does not appear to be caused by my Codex `config.toml`. The issue appears to be in the macOS app / Chromium app lifecycle cleanup. The active clone may be held by the running Codex process, but old clone directories were not held by open file handles when checked with `lsof +D`. This suggests cleanup is not being triggered or is not completing for inactive clones. 还有个62GB的 openai/codex/issues/27536 2 个帖子 - 1 位参与者 阅读完整话题
分享一次自己的踩坑经历，给大家提个醒。 我明天的 Business 套餐就要进行第二次续费了，目前用的是泰区优惠订阅。因为明天就是下个月套餐的更新时间，我想着提前看一下是不是需要手动充值，于是打开了结算界面。 结果看到里面有一个“额度余额”之类的入口，我当时误以为这是后续自动续费用的钱包或者账本，于是就往里面充了 1300 THB（折合快300 RMB）。充完之后越想越不对劲，去网上一查才发现，这个余额并不是会员套餐续费用的，而是当前套餐调用超额之后，类似 Codex 等额外用量产生费用时才会扣的额度。 当场泪目 。 更难受的是，这个余额好像还有 12 个月有效期，过期就没了。也就是说，如果后面不用到这些额外额度，这笔钱基本就亏麻了，呜呜。 所以提醒大家，以后一定要注意：Business 套餐续费只要绑定的信用卡里有足够支付下个月扣款的金额就行，不要看到“额度余额”就以为是续费账户，更不要随便往里面充值。 看到这里的陌生人，可以留下一个赞 安慰一下我吗？帮我飞升一下 3 级，感激不尽 。 3 个帖子 - 2 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 我做了一个开源小工具：M2M 它可以把网易云、QQ 音乐、酷狗、酷我的公开歌单迁移到 Apple Music。 在线体验： https://m2m.xinyu017722.workers.dev/ GitHub： GitHub - cunyu-wxy/M2M · GitHub 目前支持： 粘贴歌单链接自动识别平台 解析歌名、歌手、专辑和顺序 浏览器内连接 Apple Music 自动创建 Apple Music 歌单并导入歌曲 显示导入成功、失败和失败原因 不需要注册账号 后端不保存 Apple ID 或个人资料库数据 支持 Cloudflare Workers 自部署 这个项目的定位比较明确：中文音乐平台 → Apple Music。 目前还有一些限制，比如 Apple Music 匹配可能不准，酷狗部分分享页只能拿到预览曲目。如果你有解析失败的歌单链接，欢迎提 issue 或 PR，如果大家感兴趣欢迎多多fork哦。 1 个帖子 - 1 位参与者 阅读完整话题