SlimBrave 是一个 Windows 下的 PowerShell 脚本，用来精简 Brave 浏览器（去臃肿），禁用各种功能（如 Rewards 、Wallet 、VPN 、AI 等），提升性能和隐私。 注意：仓库已在 2026 年 2 月 22 日被作者归档（ read-only ），但脚本还能正常使用。 https://github.com/ltx0101/SlimBrave
IT之家 6 月 2 日消息，三星显示 (SDC) 昨日宣布将在 COMPUTEX 2026 上 首次展出其正在开发中的 "Ultra Slim" 笔记本电脑 OLED 显示面板 。这一超薄模组不仅为设备制造商提供了更大的设计灵活度，同时也提升了设备的便携性。 该系列面板通过同时蚀刻 TFT 基板玻璃和封装玻璃将其整体厚度减少了 30% 以上，这使得 模组外缘减薄逾两成 。此外，三星显示还利用其有的工艺技术，解决了面板变薄时可能出现的翘曲问题。 在轻薄化的同时，三星显示笔记本电脑 OLED 显示面板并未牺牲核心性能指标：其可满足 VESA DisplayHDR True Black 1000 和 ClearMR 11000 要求，刷新率覆盖 165~240Hz。 相关阅读： 《 三星发布全球首款 4K 360Hz QD-OLED 显示器面板：FHD 680Hz 双模、计划下半年量产 》
IT之家 5 月 28 日消息，科技媒体 Windows Central 昨日（5 月 27 日）发布博文，报道称微软为 Surface Slim Pen 2 推送固件更新， 扩展支持 Windows 11 触觉回馈（Haptic Signals）功能。 IT之家注：触觉回馈是 Windows 11 中的系统级触觉反馈功能，可在特定操作发生后，通过兼容硬件发出轻微震动，让用户感觉到系统响应。 该功能不同于普通提示音或视觉动画，更强调触觉层面的交互体验，适合拖拽、贴靠、对齐等需要确认感的场景。 微软 Surface Slim Pen 2 已具备触觉反馈硬件能力，但此前仅限于 Microsoft 365 等少数应用，而本次微软将触觉反馈直接整合进 Windows 11 系统层，进一步扩大适用范围。 启用该功能后，用户在文件资源管理器中拖拽文件、在应用里对齐对象、把窗口贴靠到屏幕边缘时，都能收到轻微震动。系统还允许用户调整触觉信号强度，让反馈更贴合个人习惯。
IT之家 5 月 23 日消息，科技媒体 NotebookCheck 今天（5 月 23 日）发布博文，报道称 联想推出 15 英寸 IdeaPad Slim 5i 15IWC11 笔记本 外， 还推出了 13.3 英寸的轻薄本 IdeaPad Slim 5i 13IWC11。 联想 IdeaPad Slim 5i 13IWC11 官方图 定位方面，该笔记本高于 Lecoo Air 和 IdeaPad Slim 3i，主打小尺寸机身、较大电池和高刷高色域屏，主要面向便携办公群体。 机身方面，IdeaPad Slim 5i 13IWC11 重 1.19 千克，尺寸为 295 × 207 × 14.3 毫米，适合通勤、出差和移动办公场景。 续航方面，联想为这台 13.3 英寸笔记本配了一块 54.7Wh 电池，官方称在 150 尼特亮度下测试播放 1080p 本地视频，最长可以达到 24.7 小时。 屏幕方面，IdeaPad Slim 5i 13IWC11 最高可选 1600p，并支持 120Hz 刷新率、100% sRGB 色域覆盖和 400 尼特峰值亮度。 处理器方面，联想提供 Intel Core 5 320 和 Core 7 350 两种 Wildcat Lake 处理器，还提供 8GB 或 16GB 的 LPDDR5X-7467 内存。存储部分支持升级，机身内提供 1 个 M.2 2280 插槽。 IT之家查询新闻稿，暂未发现售价和发售日期相关信息。
IT之家 5 月 23 日消息，联想现已推出 IdeaPad Slim 5i 15IWC11 笔记本电脑，新品搭载英特尔 Wildcat Lake 平台，提供 15 英寸 120Hz 屏幕和 70Wh 大电池。 据介绍， 这款笔记本采用 15.3 英寸 IPS 面板 ，拥有 1920*1200 分辨率，峰值亮度 400 尼特，刷新率可达 120Hz，对比度 1200:1。 可选英特尔酷睿 5 320 或酷睿 7 350 处理器 ，最高支持 32GB LPDDR5X-7467 内存。 规格方面，这款笔记本采用喷砂铝合金材质打造，C 面配备一块 80*135mm 大尺寸触控板，电池容量可选 54.7Wh 或 70Wh。具备一个 microSD 读卡器、两个 USB-Type-A 接口、两个 USB Type-C 接口、一个 HDMI 接口以及一个 3.5mm 耳机口，两个 C 口均支持 65W PD 充电。 此外， 该笔记本具备 1 个 M.2 2280 硬盘插槽 ，出厂已安装一块 M.2 2242 SSD。新机尺寸为 339*236*15.6mm，重量 1.49kg，售价暂未公布。
IT之家 5 月 22 日消息，联想现已在海外市场推出 IdeaPad Slim 3i 17IWC11 笔记本电脑，新品配备 17 英寸大屏、英特尔 Wildcat Lake 平台，最高可升级至 32GB 内存、60Wh 电池。 据介绍， 这款笔记本的起步配置是 8GB 内存 、 256GB PCIe 4.0 固态硬盘和英特尔酷睿 5 320 处理器 ，支持选配酷睿 7 350 版本。 规格方面，该笔记本最高支持 1TB M.2 2242 固态硬盘，官方最高提供 16GB DDR5-5600 内存，用户可自行更换内存， 升级至 32GB 单通道 。电池则是提供 50Wh、60Wh 两种容量，续航最长可达 18 小时以上。 屏幕方面， 这款笔记本配备 17 英寸 IPS 面板 ， 分辨率为 1920*1080 、16:9 比例，支持 60Hz 刷新率，峰值亮度可达 300nits，覆盖 72% NTSC 色域。总体来看，该机更偏向基础办公定位，而非高端影音或专业创作。 价格方面，该机在香港特别行政区市场售 10259 港元（IT之家注：现汇率约合 8920 元人民币），新加坡则是 1300 新加坡元（现汇率约合 6928 元人民币）。 此外，该机配备 1 个 SD 读卡器、2 个 USB-A 5Gbps、1 个 USB-C 5Gbps（PD 45-65W&DP 1.2）、HDMI 和 3.5mm 接口。
这两天把一个很小的工具/资料站整理上线，主题是 Roblox 里 Slime RNG 的 codes 、兑换步骤、luck calculator 和 tier list 。链接放这里： https://happyslimerng.com/ 本来只是想做一个码表页，后来发现这类内容如果只是堆关键词，很容易变成那种读起来没什么用的垃圾页，所以我把它拆成了几个更明确的静态页面： codes 页面只放可核对的状态、奖励和来源说明 redeem guide 写给第一次玩的玩家，尽量把路径和常见错误说清楚 luck calculator / tier list 先做成可索引的结构，后面再补更可靠的数据 另外加了多语言子目录、canonical 、hreflang 、sitemap 和 llms.txt 比较有意思的是，这种小站真正麻烦的不是写页面，而是避免过度承诺。Roblox 游戏内容变化很快，很多 codes 会过期，所以页面里尽量写清楚 needs recheck 和来源，而不是假装永远有效。 如果有做过类似小游戏资料站、静态 SEO 站，或者面向搜索流量的小工具站的朋友，想听听你们会优先做哪一块：更新频率、数据结构，还是先做玩家真正会用的小工具？
可以采用自定义agentkey就能很简单的让工作流自定义的agent走omo-slim的模型 例如:在ohmyopencode-slim中添加 “trellis-check”: { “model”: “opencodezen/deepseek-v4-flash-free”, “variant”: “max” }, “trellis-implement”: { “model”: “opencodezen/deepseek-v4-flash-free”, “variant”: “max” }, “trellis-research”: { “model”: “opencodezen/deepseek-v4-flash-free”, “variant”: “max” } 这样设置之后就能融合一起了 1 个帖子 - 1 位参与者 阅读完整话题
目前使用的使opencode+omo-slim,但是不管是设置什么提示词还是使用AGENTS.md控制都是使用英文思考，就算是国产模型ds v4也是英文，这问题出在那？有能够稳定使用中文思考的cli吗？ 9 个帖子 - 4 位参与者 阅读完整话题
最近很火的一款游戏 slime rng, 游戏攻略： slime rng
目前主要是用的是opencode + omo-slim，一个gpt plus号，本来是反代了4个gpt plus的号，结果掉了3…想着节省一些是一些，正好出了v4，试用下来还不错，产生了gpt plus + deepseek交替使用完成工作的想法，不知道各位佬友有没有实践经验可以借鉴一下的 9 个帖子 - 5 位参与者 阅读完整话题
指派两个编码任务给子代理，主线程等了一会子代理没写完，直接强制停止子代理把他kill了，子代理干了半天token白费 打算转opencode了，看了一下omo-slim感觉还行，不知道效果怎么样 3 个帖子 - 3 位参与者 阅读完整话题
IT之家 5 月 6 日消息，ID-COOLING（酷凛）今日宣布此前在官网公开的 AM-120-SLIM 系列 12015 规格薄款风扇正式发售：黑色款原价 45 元、 大促价 35 元 ；WHITE 白色款原价 49 元、 大促价 39 元 。 京东 酷凛 AM-120 SLIM 风扇 35 元 直达链接 AM-120-SLIM 风扇 搭载 HDB 轴承和闭环电机 ，可补偿阻力 / 电压波动对风扇转速的影响。其叶轮采用附稳定环的 7 叶设计，扇框四角固定位为全封闭孔柱，背部的垂直肋条适配多种安装方式。 具体规格方面，AM-120-SLIM 风扇转速区间 0~2500 RPM，最大风量 59.6 CFM、最大静压 2.7 mmAq，最大噪声 31 dB(A)，享受 3 年质保。
IT之家 5 月 5 日消息，根据 Reddit 网友 @FernandoRocker 的发现，Sony（索尼）近期已在美国市场将 PlayStation 5 Slim 游戏主机的 Certified Refurbished 版本（IT之家注：即所谓的“官翻版”） 价格上调了 100 美元 （现汇率约合 684 元人民币）。 调价后“官翻版”的 PS5 Slim 数字版价格为 499.99 美元、PS5 Slim 光驱版则是 549.99 美元。仅有少量库存的原始 PS5 光驱版则保持在 399.99 美元。 IT之家注意到， 索尼近期分两次在多个市场调整了全新 PlayStation 5 主机的定价 ，其中国行起步价升至 3999 元人民币。 相关阅读： 《 4 月 2 日起，索尼 PS5 全球范围涨价至少 100 美元 》 《 索尼 PlayStation 公布 PS5 / PS5 Pro 游戏主机国行新定价，4 月 2 日起适用 》 《 索尼 PS5 港版 5 月 1 日涨价至 4257~4730 港币，Pro 版 6502 港币 》
IT之家 4 月 30 日消息，ID-COOLING（酷凛）近日在官网上架了 AM-120-SLIM 风扇，包括黑色与白色双版本。这一产品的尺寸为 12015，换句话说其属于“120mm 薄扇”， 适合高度空间更狭窄的安装环境 。 AM-120-SLIM 风扇搭载 HDB 轴承和 闭环电机 ，可补偿阻力 / 电压波动对风扇转速的影响。其叶轮采用附稳定环的 7 叶设计，扇框四角固定位为全封闭孔柱，背部的垂直肋条适配多种安装方式。 具体规格方面，AM-120-SLIM 风扇转速区间 0~2500 RPM，最大风量 59.6 CFM、最大静压 2.7 mmAq，最大噪声 31 dB(A)，享受 3 年质保。 根据IT之家了解到的情况， 酷凛将在（五一）节后上架 AM-120-SLIM 风扇 。
公司网络报警：中等严重性警报：可疑的 Node.js 进程行为 Medium severity alert: Suspicious Node.js process behavior Subsequently on one of its child processes, the following exe application initated the install of this following program called “oh-my-opencode-slim” “bunx.exe” oh-my-opencode-slim@latest install Which then initiated a skills install of a particular module called agent-browser cmd.exe /c npx skills add GitHub - vercel-labs/agent-browser: Browser automation CLI for AI agents · GitHub --skill agent-browser -a opencode -y –global 4 个帖子 - 3 位参与者 阅读完整话题
一、GSConv论文理论 论文地址： [Slim-neck by GSConv: A better design paradigm of detector architectures for autonomous vehicles] 1.理论思想 本文引入了一种新方法 GSConv 来减轻模型的复杂度并保持准确性。GSConv 可以更好地平衡模型的准确性和速度。并且，提供了一种设计范式，Slim-Neck，以实现检测器更高的计算成本效益。 2.创新点 1)引入了一种新方法 GSConv 来代替 SC 操作。该方法使卷积计算的输出尽可能接近 SC，同时降低计算成本； 2)为自动驾驶汽车的检测器架构提供了一种新的设计范式，即带有标准 Backbone 的 Slim-Neck 设计； 操作过程： 1)输入进行一个普通卷积的下采样 2)对上一步的输出使用DWConv深度卷积 3）将两个conv的结果拼接起来 4）进行shuffle操作 二、代码部署 1.代码 ---------------------------- GSConv --------------------------------- class GSConv(nn.Module): def init (self, c1, c2, k=1, s=1, g=1, act=True): super(). init () c_ = c2 // 2 self.cv1 = Conv(c1, c_, k, s, None, g, act) self.cv2 = Conv(c_, c_, 5, 1, None, c_, act) def forward(self, x): x1 = self.cv1(x) x2 = torch.cat((x1, self.cv2(x1)), 1) # shuffle # y = x2.reshape(x2.shape[0], 2, x2.shape[1] // 2, x2.shape[2], x2.shape[3]) # y = y.permute(0, 2, 1, 3, 4) # return y.reshape(y.shape[0], -1, y.shape[3], y.shape[4]) b, n, h, w = x2.data.size() b_n = b * n // 2 y = x2.reshape(b_n, 2, h * w) y = y.permute(1, 0, 2) y = y.reshape(2, -1, n // 2, h, w) return torch.cat((y[0], y[1]), 1) class GSConvns(GSConv): def init (self, c1, c2, k=1, s=1, g=1, act=True): super(). init (c1, c2, k=1, s=1, g=1, act=True) c_ = c2 // 2 self.shuf = nn.Conv2d(c_ * 2, c2, 1, 1, 0, bias=False) def forward(self, x): x1 = self.cv1(x) x2 = torch.cat((x1, self.cv2(x1)), 1) # normative-shuffle, TRT supported return nn.ReLU(self.shuf(x2)) class GSBottleneck(nn.Module): def init (self, c1, c2, k=3, s=1): super(). init () c_ = c2 // 2 # for lighting self.conv_lighting = nn.Sequential( GSConv(c1, c_, 1, 1), GSConv(c_, c2, 1, 1, act=False)) # for receptive field self.conv = nn.Sequential( GSConv(c1, c_, 3, 1), GSConv(c_, c2, 3, 1, act=False)) self.shortcut = Conv(c1, c2, 3, 1, act=False) def forward(self, x): return self.conv_lighting(x) + self.shortcut(x) class DWConv(Conv): # Depth-wise convolution def init (self, c1, c2, k=1, s=1, d=1, act=True): # ch_in, ch_out, kernel, stride, dilation, activation super(). init (c1, c2, k, s, g=math.gcd(c1, c2), d=d, act=act) class GSBottleneckC(GSBottleneck): def init (self, c1, c2, k=3, s=1): super(). init (c1, c2, k, s) self.shortcut = DWConv(c1, c2, 3, 1, act=False) class VoVGSCSP(nn.Module): # VoVGSCSP module with GSBottleneck def init (self, c1, c2, n=1, shortcut=True, g=1, e=0.5): super(). init () c_ = int(c2 * e) # hidden channels self.cv1 = Conv(c1, c_, 1, 1) self.cv2 = Conv(c1, c_, 1, 1) # self.gc1 = GSConv(c_, c_, 1, 1) # self.gc2 = GSConv(c_, c_, 1, 1) self.gsb = GSBottleneck(c_, c_, 1, 1) self.res = Conv(c_, c_, 3, 1, act=False) self.cv3 = Conv(2 * c_, c2, 1) # def forward(self, x): x1 = self.gsb(self.cv1(x)) y = self.cv2(x) return self.cv3(torch.cat((y, x1), dim=1)) class VoVGSCSPC(nn.Module): # cheap VoVGSCSP module with GSBottleneck def init (self, c1, c2, n=1, shortcut=True, g=1, e=0.5): super(). init () c_ = int(c2 * e) # hidden channels self.gsb = GSBottleneckC(c_, c_, 1, 1) ---------------------------- end --------------------------------- 2.配置教程 （1）在models/cmmon.py中添加上述代码 （2）在models/yolo.py中添加GSConv,VoVGSCSP, VoVGSCSPC，如下图所示 VoVGSCSP, VoVGSCSPC 3.yaml文件 nc: 1 # number of classes depth_multiple: 0.33 # model depth multiple width_multiple: 0.50 # layer channel multiple anchors: [10,13, 16,30, 33,23] # P3/8 [30,61, 62,45, 59,119] # P4/16 [116,90, 156,198, 373,326] # P5/32 YOLOv5 v6.0 backbone backbone: [from, number, module, args] [[-1, 1, Conv, [64, 6, 2, 2]], # 0-P1/2 [-1, 1, Conv, [128, 3, 2]], # 1-P2/4 [-1, 3, C3, [128]], [-1, 1, Conv, [256, 3, 2]], # 3-P3/8 [-1, 6, C3, [256]], [-1, 1, Conv, [512, 3, 2]], # 5-P4/16 [-1, 9, C3, [512]], [-1, 1, Conv, [1024, 3, 2]], # 7-P5/32 [-1, 3, C3, [1024]], [-1, 1, SPPF, [1024, 5]], # 9 ] YOLOv5 v6.0 head head: [[-1, 1, GSConv, [512, 1, 1]], [-1, 1, nn.Upsample, [None, 2, ‘nearest’]], [[-1, 6], 1, Concat, [1]], # cat backbone P4 [-1, 3, C3, [512, False]], # 13 [-1, 1, GSConv, [256, 1, 1]], [-1, 1, nn.Upsample, [None, 2, ‘nearest’]], [[-1, 4], 1, Concat, [1]], # cat backbone P3 [-1, 3, C3, [256, False]], # 17 (P3/8-small) [-1, 1, GSConv, [256, 3, 2]], [[-1, 14], 1, Concat, [1]], # cat head P4 [-1, 3, C3, [512, False]], # 20 (P4/16-medium) [-1, 1, GSConv, [512, 3, 2]], [[-1, 10], 1, Concat, [1]], # cat head P5 [-1, 3, C3, [1024, False]], # 23 (P5/32-large) [[17, 20, 23], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5) ] 1 个帖子 - 1 位参与者 阅读完整话题
我发现 opencode 不会自主调用 skills，我怀疑是装了 oh-my-opencode-slim 导致的。对话了很多轮，但它从来没主动用过我装的 planning-with-files skill。我的打开方式不对？ 1 个帖子 - 1 位参与者 阅读完整话题