头一次遇到这种事，虽然本来就不会把什么重要的数据存在 VPS 上
头一次遇到这种事，虽然本来就不会把什么重要的数据存在 VPS 上
发现L站上瘾，刷不了的时候，仿佛和世界上重要的东西断开连接了，急赤白脸的。 直到恢复的那一刻，啧啧啧，太爽了！ 开始爽刷，狠狠拷打始皇！ 3 个帖子 - 2 位参与者 阅读完整话题
求助站内的各位佬，我有2个移动硬盘，如何实现2个移动硬盘自动同步数据，因为数据很重要，我想做一个自动同步备份的硬盘，谢谢 3 个帖子 - 2 位参与者 阅读完整话题
TA 叫 Yore (优尔) — 你的第二记忆，为你记住一切重要的事。 用 AI 理解、整理，并在合适的时候提醒你，让每一条重要记忆都不会错过。 Yore ，意为「昔日、往昔、曾经的时光」，它象征那些容易被遗忘，却依然珍贵的记忆。 灵感来自于 OPPO 自带的小布记忆。 本次更新： [增加] 纯语音版本快捷指令 [增加] 左滑删除， 右滑置顶 [增加] 点击记忆 TAG ，查看相关 TAG 记忆 [增加] 提醒事项 APP 可选择不同提醒事项列表，而不是默认 Yore [增加] 关闭删除关联数据，删除记忆的时候，弹窗确认删除哪些。 [增加] 设置页，提醒增加是否显示角标开关 [训练] Ai ，兼容麦当劳取餐码 [训练] Ai ，邮件内容记忆，优先显示邮件标题为记忆标题 [训练] Ai ，识别到邮件记忆，去除签名内容 [修复] Ai 质量模式，灵动岛不显示的 BUG [修复] 没数据，乱显示角标的 BUG [优化] 部分文档说明 [优化] 部分 UI ，提升细节 注意： 纯语音版本快捷指令只支持 iOS 17+ 打开 App Store 下载
TA 叫 Yore (优尔) — 你的第二记忆，为你记住一切重要的事。 用 AI 理解、整理，并在合适的时候提醒你，让每一条重要记忆都不会错过。 Yore ，意为「昔日、往昔、曾经的时光」，它象征那些容易被遗忘，却依然珍贵的记忆。 灵感来自于 OPPO 自带的小布记忆。 本次更新： [增加] 纯语音版本快捷指令 [增加] 左滑删除， 右滑置顶 [增加] 点击记忆 TAG ，查看相关 TAG 记忆 [增加] 提醒事项 APP 可选择不同提醒事项列表，而不是默认 Yore [增加] 关闭删除关联数据，删除记忆的时候，弹窗确认删除哪些。 [增加] 设置页，提醒增加是否显示角标开关 [训练] Ai ，兼容麦当劳取餐码 [训练] Ai ，邮件内容记忆，优先显示邮件标题为记忆标题 [训练] Ai ，识别到邮件记忆，去除签名内容 [修复] Ai 质量模式，灵动岛不显示的 BUG [修复] 没数据，乱显示角标的 BUG [优化] 部分文档说明 [优化] 部分 UI ，提升细节 注意： 纯语音版本快捷指令只支持 iOS 17+ 打开 App Store 下载
TA 叫 Yore (优尔) — 你的第二记忆，为你记住一切重要的事。 用 AI 理解、整理，并在合适的时候提醒你，让每一条重要记忆都不会错过。 Yore ，意为「昔日、往昔、曾经的时光」，它象征那些容易被遗忘，却依然珍贵的记忆。 灵感来自于 OPPO 自带的小布记忆。 本次更新： [增加] 纯语音版本快捷指令 [增加] 左滑删除， 右滑置顶 [增加] 点击记忆 TAG ，查看相关 TAG 记忆 [增加] 提醒事项 APP 可选择不同提醒事项列表，而不是默认 Yore [增加] 关闭删除关联数据，删除记忆的时候，弹窗确认删除哪些。 [增加] 设置页，提醒增加是否显示角标开关 [训练] Ai ，兼容麦当劳取餐码 [训练] Ai ，邮件内容记忆，优先显示邮件标题为记忆标题 [训练] Ai ，识别到邮件记忆，去除签名内容 [修复] Ai 质量模式，灵动岛不显示的 BUG [修复] 没数据，乱显示角标的 BUG [优化] 部分文档说明 [优化] 部分 UI ，提升细节 注意： 纯语音版本快捷指令只支持 iOS 17+ 打开 App Store 下载
TA 叫 Yore (优尔) — 你的第二记忆，为你记住一切重要的事。 用 AI 理解、整理，并在合适的时候提醒你，让每一条重要记忆都不会错过。 Yore ，意为「昔日、往昔、曾经的时光」，它象征那些容易被遗忘，却依然珍贵的记忆。 灵感来自于 OPPO 自带的小布记忆。 本次更新： [增加] 纯语音版本快捷指令 [增加] 左滑删除， 右滑置顶 [增加] 点击记忆 TAG ，查看相关 TAG 记忆 [增加] 提醒事项 APP 可选择不同提醒事项列表，而不是默认 Yore [增加] 关闭删除关联数据，删除记忆的时候，弹窗确认删除哪些。 [增加] 设置页，提醒增加是否显示角标开关 [训练] Ai ，兼容麦当劳取餐码 [训练] Ai ，邮件内容记忆，优先显示邮件标题为记忆标题 [训练] Ai ，识别到邮件记忆，去除签名内容 [修复] Ai 质量模式，灵动岛不显示的 BUG [修复] 没数据，乱显示角标的 BUG [优化] 部分文档说明 [优化] 部分 UI ，提升细节 注意： 纯语音版本快捷指令只支持 iOS 17+ 打开 App Store 下载
TA 叫 Yore (优尔) — 你的第二记忆，为你记住一切重要的事。 用 AI 理解、整理，并在合适的时候提醒你，让每一条重要记忆都不会错过。 Yore ，意为「昔日、往昔、曾经的时光」，它象征那些容易被遗忘，却依然珍贵的记忆。 灵感来自于 OPPO 自带的小布记忆。 本次更新： [增加] 纯语音版本快捷指令 [增加] 左滑删除， 右滑置顶 [增加] 点击记忆 TAG ，查看相关 TAG 记忆 [增加] 提醒事项 APP 可选择不同提醒事项列表，而不是默认 Yore [增加] 关闭删除关联数据，删除记忆的时候，弹窗确认删除哪些。 [增加] 设置页，提醒增加是否显示角标开关 [训练] Ai ，兼容麦当劳取餐码 [训练] Ai ，邮件内容记忆，优先显示邮件标题为记忆标题 [训练] Ai ，识别到邮件记忆，去除签名内容 [修复] Ai 质量模式，灵动岛不显示的 BUG [修复] 没数据，乱显示角标的 BUG [优化] 部分文档说明 [优化] 部分 UI ，提升细节 注意： 纯语音版本快捷指令只支持 iOS 17+ 打开 App Store 下载
现在 AI 盛行，我发现我的思考方式已经变成了不会就先去问 AI。在卡文时我会去问 AI：下一阶段应该写什么？如何让语句更通顺？甚至直接让 AI 帮我写，然后我在其基础上进行调整。 哎，有了 AI 后，我感觉到自己正在逐步丧失某些“能力”，以获得更会用 AI 的“能力”。这样看起来 AI 是一种工具，不过这个工具让我有了“瘾”。 27 个帖子 - 27 位参与者 阅读完整话题
我也是以前受骚扰电话所扰，学的别人的方案，用双卡分开使用。 A 号：重要的绑定：银行、证券、微信、支付宝，还有其他互联网账号绑定，保号永不替换，接码用转发。 B 号：工作生活用， 准备迎接骚扰电话，一旦忍无可忍就替换掉。 但是实际发现没那么理想，A 号也会因为个别害群之马变成骚扰电话极多的情况，比如京东金融就一直各种骚扰。 B 号用久了想抛弃的时候发现没那么好抛弃了，某些线下店的会员充值还没用完。 大家都是怎么管理自己的双卡绑定的？
Google近日为其 AI 笔记与研究工具 NotebookLM 推出一系列功能升级，重点提升复杂研究场景下的推理能力，并新增多种成果输出格式，面向全球付费用户和 Workspace 企业客户开放。 据介绍，本次升级后，NotebookLM 的底层模型全面切换至 Gemini 3.5，并结合 Antigravity 技术，以提高结果的准确性与可靠性。针对用户长期关心的“思考过程不透明”问题，NotebookLM 现在在聊天界面中展示更为详细的“推理步骤”，让用户可以看到系统如何从资料中抽取信息并得出结论 Google在内部评估中，将新版 NotebookLM 与旧版本进行了对比测试，覆盖准确性与质量、多语言支持、大型文档分析、文档创作以及高级研究等五大核心维度。结果显示，新版在这些指标上的平均“胜率”超过 65%，比基线水平高出 15 个百分点，显示出明显性能提升。其中，在大体量文档分析方面，新版 NotebookLM 的胜率达到 69.9%；在高级网页研究与信息源发现方面，其胜率更是达到 78.2%，被Google形容为取得了“卓越表现”。 在输出方式上，NotebookLM 也获得了大幅扩展，支持更多类型的文件格式，方便用户将 AI 生成内容直接用于可视化展示、结构化数据分析或办公文档制作。具体来说，数据可视化结果可导出为 PNG 和 SVG；文档内容可导出为 PDF、DOCX、Markdown 和纯文本文件；图像内容支持导出为 PNG、JPG 和 GIF；结构化数据支持 JSON 与 CSV；同时还新增对 Microsoft Excel（XLSX）和 PowerPoint（PPTX）格式的直接输出支持。用户在生成结果后仍可进行修改，并可通过界面中的“工作室面板”下载对应文件。 Google表示，这些新能力已面向全球开放，用户不仅可以用一种语言下达指令、再以另一种语言生成结果，还可以在项目启动阶段就依托 NotebookLM 搭建资料库。即便在尚未准备好完整资料清单的情况下，用户也可以仅凭一些初步构想与关键词对话，由 NotebookLM 在聊天过程中主动帮助发掘和整理相关信息来源。例如，它可以帮助查找其他语言中的一手资料，以便获得不同视角，或扩展某位作者的相关作品与研究脉络。 目前，这些更新率先向已订阅 Google AI Ultra 的用户以及拥有 AI Ultra 访问权限的 Workspace 企业客户开放。Google同时表示，未来计划将上述功能逐步推广至更大范围的用户群体，但尚未公布具体时间表。 1 个帖子 - 1 位参与者 阅读完整话题
Google近日为其 AI 笔记与研究工具 NotebookLM 推出一系列功能升级，重点提升复杂研究场景下的推理能力，并新增多种成果输出格式，面向全球付费用户和 Workspace 企业客户开放。 据介绍，本次升级后，NotebookLM 的底层模型全面切换至 Gemini 3.5，并结合 Antigravity 技术，以提高结果的准确性与可靠性。针对用户长期关心的“思考过程不透明”问题，NotebookLM 现在在聊天界面中展示更为详细的“推理步骤”，让用户可以看到系统如何从资料中抽取信息并得出结论。 Google在内部评估中，将新版 NotebookLM 与旧版本进行了对比测试，覆盖准确性与质量、多语言支持、大型文档分析、文档创作以及高级研究等五大核心维度。结果显示，新版在这些指标上的平均“胜率”超过 65%，比基线水平高出 15 个百分点，显示出明显性能提升。其中，在大体量文档分析方面，新版 NotebookLM 的胜率达到 69.9%；在高级网页研究与信息源发现方面，其胜率更是达到 78.2%，被Google形容为取得了“卓越表现”。 在输出方式上，NotebookLM 也获得了大幅扩展，支持更多类型的文件格式，方便用户将 AI 生成内容直接用于可视化展示、结构化数据分析或办公文档制作。具体来说，数据可视化结果可导出为 PNG 和 SVG；文档内容可导出为 PDF、DOCX、Markdown 和纯文本文件；图像内容支持导出为 PNG、JPG 和 GIF；结构化数据支持 JSON 与 CSV；同时还新增对 Microsoft Excel（XLSX）和 PowerPoint（PPTX）格式的直接输出支持。用户在生成结果后仍可进行修改，并可通过界面中的“工作室面板”下载对应文件。 Google表示，这些新能力已面向全球开放，用户不仅可以用一种语言下达指令、再以另一种语言生成结果，还可以在项目启动阶段就依托 NotebookLM 搭建资料库。即便在尚未准备好完整资料清单的情况下，用户也可以仅凭一些初步构想与关键词对话，由 NotebookLM 在聊天过程中主动帮助发掘和整理相关信息来源。例如，它可以帮助查找其他语言中的一手资料，以便获得不同视角，或扩展某位作者的相关作品与研究脉络。 目前，这些更新率先向已订阅 Google AI Ultra 的用户以及拥有 AI Ultra 访问权限的 Workspace 企业客户开放。Google同时表示，未来计划将上述功能逐步推广至更大范围的用户群体，但尚未公布具体时间表。 查看评论
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 在之前的开发过程中，Z3r0 已经实现了基于多个 Agent 专家的自动化渗透测试和漏洞挖掘，并且取得了一定的成绩： 果然涩涩才是第一生产力 【开源推广】Z3r0：2 小时 AK CTF 比赛 但 Z3r0 想做的并不只是把扫描、测试、报告串成流水线的机械式操作，而是按照真实的红队协作方式，由情报搜集、代码审计、渗透测试、逆向工程和密码学等多个领域专家共同协作，形成一条从边缘逐步触及核心的攻击链路。 为了做到这点，Z3r0 不再使用线性的清单来记录任务流程，而是通过图结构来承载整个行动的过程。具体来说，在 Z3r0 的内部版图中： 点是资产实体 边是资产关系 由资产实体和资产关系构成的图，就是信息搜集得到的目标架构。在这张图的基础上，Agent 团队逐步探索分析，标记可用的点和边，最终形成一条可达的攻击链路，而附加在点和边上的 findings，将作为审计和追踪的证据留存。 于是，Z3r0 呈现的不再是“发现了什么”，而是“为什么成立和怎么样到达”： 每个事实都有产出它的 Agent 、Session 和 Timestamp； 每个关系都有支撑它的 Findings； 每个论断都有从“疑似”到“确认”的明确状态变化； 通过图结构，实现了整个行动过程的可审计和可追溯。 开源地址： github.com GitHub - yv1ing/Z3r0: A controlled multi-agent workbench for authorized... A controlled multi-agent workbench for authorized security assessment, code auditing, internal review, and controlled research. 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 6 月 8 日消息，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东今日发布视频，科普了为何有些手机越用越卡。 余承东提到，有些手机还没用多久就开始卡了，很多朋友的第一反应就是内存满了，于是忍痛删照片、删聊天记录、卸载 App， 但其实这样并不能解决手机卡顿的问题 。 事实上，大家在买手机的时候都会看到 XXGB+XXGB 的字样，如“16GB+512GB”，但很多人并不知道这两个数字分别代表着什么。余承东就其进行了详细解释，以“16GB+512GB”为例：后面的“512GB”是存储空间，手机里的视频照片都存在这里； 前面的 “16GB”是运行内存，负责给手机里的 App 提供运行空间，它是手机是否卡顿的重要原因 。 余承东进一步举例说明，一般来说 16GB 的运行内存可以让手机在不卡顿的情况下，同时重度使用 15 个以上的大型 App。但如果打开了第 16 个 App，就会占用已经打开过的 App 的运行空间，这时手机就可能变得很卡。而大家习惯的解决办法就是“杀后台”，也就是动手关掉之前已经打开的 App，给新的腾地方。 虽然“杀后台”能够保证手机的流畅运行，但这也意味着之前运行一半的游戏、视频都会被关闭， 再打开时需要重新加载，甚至没有保存进度 。 余承东还顺势介绍了华为的解决方案 —— 工程师用鸿蒙系统首创的“超空间内存技术”，给这些已经打开的 App 进行“压缩瘦身”，来减少它们占用的运行空间。以 Pura 90 系列手机举例， 16GB 内存能运行的 App 数量，相当于原来 20GB 能运行的 。 IT之家注意到，华为 Mate 80 系列和 Mate X7 系列手机目前均已支持超空间内存技术，前者需要将系统升级至 HarmonyOS 6.1.0.117 及以上版本，后者则需要将系统升级至 HarmonyOS 6.1.0.125SP9 及以上版本。另外，Pura 90 系列、Pura X Max 系列也均支持该技术。 ▲ IT之家评测室：华为 Mate 80 Pro Max 风驰版实测 相关阅读： 《 华为超空间内存技术适配计划公布：Mate X7 系列预计 6 月推送 》
编程使用好的模型实在太重要了,今天使用opencode go的coding plan内deepseek v4 flash给代码内的注释从中文翻译成英文,然后就出现下面的情况了,工程比较大，这种错误至少好几万行分开了几百个文件,我也是醉了,我想的是只是翻译一下,deepseek v4 flash应该绰绰有余，事实是opencode go的deepseek v4 flash连这个翻译都翻译不好真的拉，15万次有什么用，以后不会再用他家的这个模型了。 1 个帖子 - 1 位参与者 阅读完整话题
知己 / Trace —— 一条只属于你的生活时间线。 不用注册，不上传云端，也不联网同步。 打开它，里面只有你亲手写下的日子。 支持五种语言：简体中文、繁体中文、英语、韩语、日语 你可以这样用 今日知己：打开一页，今天想坚持的、该收尾的、好久没提起的人，还有快到的重要日子，都替你理好了 每天一句话，就留住此刻——配上照片、语音口述、随手贴的标签 把重要的人放进来，翻一翻，你们一起走过的记录都在 答应自己的小事、想坚持的大目标，写下来，让它自然地发生 生日、纪念日提前替你记着，不会到了那天才想起 愿意的话，用 Apple 健康的数据帮你确认目标完成了没 锁屏与灵动岛上，随时看见目标进度 关于你的数据 全部只留在这一台手机里。不进我们的服务器，也不碰 iCloud 。 没有广告，没有后台分析，没有不请自来的通知，没有任何统计。 换手机时，导出一个备份文件，就能原封不动带走。 App Store 搜索：知己 - 记录生活与目标 https://apps.apple.com/app/id6771310169 下面放一些兑换码，领了麻烦回帖说一声哪个被领走了，方便后面的朋友不用挨个试。 兑换方式：打开 App Store → 右上角头像 → 兑换充值卡或代码 → 手动输入代码 欢迎体验反馈 欢迎体验反馈 欢迎体验反馈 欢迎体验反馈 欢迎体验反馈 01. TXF4MEWXFN86PAAYYX 02. T4HP7NLT7K4F3FXFY7 03. TAK764JA3HHWEF84K3 04. M3A4MLJLL7PXEMKMTM 05. ERWEMRRHWWXA3HAY33 06. AXT7PE7JTTPP338HXM 07. JNPKW48WL6E744RHX7 08. K3NNLPM78J886FTWF3 09. XRNTP3M4MHTJHRN7YA 10. XKM7LH7TLRNTXJ6WRH 11. H378YWX7E443RL7YP7 12. YK86N66YW8EW43MM7L 13. W847HTTLJKFME48RJA 14. 63KARF6TXT673TKAML 15. YFYMTF3LX3AKHK6FWK 16. TP8XK73P8FKJ36T33F 17. WJJM7343RPT4MEXTXN 18. LH33P3N8KNM3NA8PJX 19. AM3X76WWPRWH7X6MEP 20. AEEHEYPJEJAE3TWALR 21. 7FWXX3Y7PRP7NHYXPH 22. P48WRFAHPYYW76EEAE 23. 7TY4KFMTR6LLXNP6H6 24. YMXPYEYT68WXWYHEXW 25. 4HR7PM3RNWPMA6N37T 26. RMHW7FMNXE3MW3PKF4 27. E3NELJMN467LX6MRWM 28. 4RK338KHFYKTHAA63J 29. R4HEFTKF6Y7KE7Y88R 30. 4W7PWFT7LFHRTX8P3M 31. TX6HT3KR7NY6YKW4FE 32. JKMXWEMJTWTEJXMFYR 33. 4PKHEJR34LPNLJ6KKF 34. PHXRYKKWKFWJE34NKE 35. H6P3XJNMY8ATWAELEP 36. 4RHAYPFXHYMMNEWM8P 37. LAJ4LL3X4FLRMF8NMF 38. ALJXRP6AYXTTLENMWF 39. RTXELE4KJNJ7LANLKL 40. JKTF83JXLARHN83FH6 41. R8KH3RYF7AF363RA7M 42. NJ4AWPH7WXNNALML3E 43. 7LT3TARFKMRMAY6MPW 44. XRKFNL7Y3MNXXR4737 45. N4YPKYYLA636YNXKEX 46. J8EKHT3PHKE66WKYKM 47. MJXTFX7RET4ALLEJ3N 48. YMK6AX3Y6JT3NJTNRJ 49. 4J7TTMKWEYKPN3XWNE 50. ALJ44W84HFARNKEY4J
知己 / Trace —— 一条只属于你的生活时间线。 不用注册，不上传云端，也不联网同步。 打开它，里面只有你亲手写下的日子。 支持五种语言：简体中文、繁体中文、英语、韩语、日语 你可以这样用 今日知己：打开一页，今天想坚持的、该收尾的、好久没提起的人，还有快到的重要日子，都替你理好了 每天一句话，就留住此刻——配上照片、语音口述、随手贴的标签 把重要的人放进来，翻一翻，你们一起走过的记录都在 答应自己的小事、想坚持的大目标，写下来，让它自然地发生 生日、纪念日提前替你记着，不会到了那天才想起 愿意的话，用 Apple 健康的数据帮你确认目标完成了没 锁屏与灵动岛上，随时看见目标进度 关于你的数据 全部只留在这一台手机里。不进我们的服务器，也不碰 iCloud 。 没有广告，没有后台分析，没有不请自来的通知，没有任何统计。 换手机时，导出一个备份文件，就能原封不动带走。 App Store 搜索：知己 - 记录生活与目标 https://apps.apple.com/app/id6771310169 下面放一些兑换码，领了麻烦回帖说一声哪个被领走了，方便后面的朋友不用挨个试。 兑换方式：打开 App Store → 右上角头像 → 兑换充值卡或代码 → 手动输入代码 欢迎体验反馈 欢迎体验反馈 欢迎体验反馈 欢迎体验反馈 欢迎体验反馈 01. TXF4MEWXFN86PAAYYX 02. T4HP7NLT7K4F3FXFY7 03. TAK764JA3HHWEF84K3 04. M3A4MLJLL7PXEMKMTM 05. ERWEMRRHWWXA3HAY33 06. AXT7PE7JTTPP338HXM 07. JNPKW48WL6E744RHX7 08. K3NNLPM78J886FTWF3 09. XRNTP3M4MHTJHRN7YA 10. XKM7LH7TLRNTXJ6WRH 11. H378YWX7E443RL7YP7 12. YK86N66YW8EW43MM7L 13. W847HTTLJKFME48RJA 14. 63KARF6TXT673TKAML 15. YFYMTF3LX3AKHK6FWK 16. TP8XK73P8FKJ36T33F 17. WJJM7343RPT4MEXTXN 18. LH33P3N8KNM3NA8PJX 19. AM3X76WWPRWH7X6MEP 20. AEEHEYPJEJAE3TWALR 21. 7FWXX3Y7PRP7NHYXPH 22. P48WRFAHPYYW76EEAE 23. 7TY4KFMTR6LLXNP6H6 24. YMXPYEYT68WXWYHEXW 25. 4HR7PM3RNWPMA6N37T 26. RMHW7FMNXE3MW3PKF4 27. E3NELJMN467LX6MRWM 28. 4RK338KHFYKTHAA63J 29. R4HEFTKF6Y7KE7Y88R 30. 4W7PWFT7LFHRTX8P3M 31. TX6HT3KR7NY6YKW4FE 32. JKMXWEMJTWTEJXMFYR 33. 4PKHEJR34LPNLJ6KKF 34. PHXRYKKWKFWJE34NKE 35. H6P3XJNMY8ATWAELEP 36. 4RHAYPFXHYMMNEWM8P 37. LAJ4LL3X4FLRMF8NMF 38. ALJXRP6AYXTTLENMWF 39. RTXELE4KJNJ7LANLKL 40. JKTF83JXLARHN83FH6 41. R8KH3RYF7AF363RA7M 42. NJ4AWPH7WXNNALML3E 43. 7LT3TARFKMRMAY6MPW 44. XRKFNL7Y3MNXXR4737 45. N4YPKYYLA636YNXKEX 46. J8EKHT3PHKE66WKYKM 47. MJXTFX7RET4ALLEJ3N 48. YMK6AX3Y6JT3NJTNRJ 49. 4J7TTMKWEYKPN3XWNE 50. ALJ44W84HFARNKEY4J
我是 Wolf 的作者。Wolf 是一个开源 RBAC 权限系统，维护了五年多，一直在做「稳」的事——加字段、修 Bug 、补文档。 0.7.1 之后终于做了一件真正大的： 在 Console 里内嵌了一个 AI Agent ，可以用自然语言直接管理 RBAC 。这是 Wolf 五年来最重要的功能更新，没有之一。 整个 Agent 框架基于 pi-mono （ @mariozechner/pi-agent-core + @mariozechner/pi-ai ），不是另起炉灶写一套管理后台，而是让 AI 通过 Tool Calling 去调 Wolf 现有的 Controller ——鉴权、参数校验、缓存刷新、审计日志，全部走原链路。 能干什么 说人话就是：你在 Console 左侧点「 AI 助手」，然后直接聊： 「 oa-app 下有哪些角色？每个角色绑了哪些权限？」 「在 pi-mono 下新建一个 viewer 角色，把所有 read_ 开头的权限给它。」 「最近 7 天有没有 403 的访问记录？」 「重置用户 lily 的密码。」 AI 能做什么 = 当前登录用户在 Console 上能做什么，不会越权。所有写操作进 access_log ， appID = 'ai-agent' ，和人工操作区分开，事后能查。 覆盖了 8 个领域、31 个工具：Application / User / Role / Permission / Resource / Category / UserRole / AccessLog 。 几个设计上我比较在意的点 1. 不是 SQL 直连，是复用 Controller 后端用 InternalCaller 构造 mock Koa ctx ，进程内调现有 Controller 。AI 不是数据库后门，工具权限还会按 super / admin 自动裁剪。 2. 完整的聊天体验 多会话：新建 / 切换 / 重命名 / 删除，AI 自动总结标题 SSE 流式输出，工具调用有独立卡片（ running / done / error ） Markdown + Mermaid 渲染，查权限关系可以直接出图 3. 用户记忆 新建会话时，AI 会异步从上一段对话提取「记忆」（偏好 / 已知信息 / 历史决策 / 操作模式），下次自动注入 System Prompt 。也可以手动增删改。 4. 多 Provider OpenAI 兼容网关、Anthropic 、Gemini 、Mistral 、Groq 、OpenRouter 等都支持，环境变量或 config.js 配置。没配 Key 也不影响 Wolf 其它功能，只是 AI 页会友好提示。 这次改了什么（相对 0.7.1 ） 0.7.1 → 当前 master ，5 个 commit ， 117 个文件，+24063 行 ： 模块 内容 后端 server/src/ai/ Agent 工厂、系统提示词、记忆提取、会话标题生成、8 组 Tool 控制器 ai-chat.js SSE 流式对话、会话 CRUD 、消息持久化 数据库 新增 ai_chat_session / ai_chat_message / ai_user_memory 三张表 前端 console/src/views/ai-chat/ 完整聊天页：会话列表、消息气泡、工具卡片、记忆面板 安全加固 Cookie 安全属性、开放重定向防护、应用级访问控制、Captcha 一次性销毁等 测试 新增 ~5000 行 AI 相关单测 / 集成测（工具、中间件、控制器、SSE 等） 文档 README-AI-AGENT-CN.md 、 docs/ ai-agent-cn.md 、截图 12 张 开发过程 & 花了多少钱 这次是 AI 辅助开发（ vibe coding ） 全程： 主力： Cursor （ Claude 模型）， 2 次订阅，20 刀 + 20 刀 = 40 刀 验证阶段： Claude + MiMo v2.5-pro （小米赠送额度）跑测试用例和回归，用了约 25M Tokens 40 刀换来的是：117 个文件、+24063 行代码、完整的前后端 + 测试 + 文档。说实话，用 AI 写 AI 功能这件事本身挺魔幻的——某种程度上是 AI 在帮自己造运行环境。 为什么不写 Skill ，而是直接集成 Agent ？ 也有人问过：为啥不写一个 Skill / MCP ，让 Cursor 、Claude Code 、Hermes 、OpenClaw 这类外部 Agent 去调 Wolf API ？ Skill 当然也能把接口定义清楚，但它是 开发者工具 ——Wolf 的用户是运维和管理员，不是人人桌上都有这些 Agent 客户端。内嵌 Agent 是 产品能力 ：浏览器登录就能用，AI Key 管理员统一配。 另外，内嵌方案工具进程内直调 Controller ，和点表单走同一条链路；鉴权、审计（ appID = 'ai-agent' ）、按角色动态裁剪工具列表，都天然对齐。成功率、流式输出、工具卡片、Mermaid 图、会话记忆这些，也更适合做成 Console 里的一体化体验。 一句话： Skill 适合个人提效，内嵌 Agent 适合把 AI 做成产品功能。 如果你也想给存量系统接 Agent ，我的体会是： 先钉死边界 ：AI 只能走现有 API/Controller ，别让它直连 DB 工具粒度对齐业务接口 ：一个 Controller 方法 ≈ 一个 Tool ，权限自然继承 测试要舍得写 ：Agent 行为不确定，单测 + 集成测是兜底 选个成熟的 Agent 运行时 ：pi-mono 的 streaming / tool loop 省了不少轮子 链接 项目： https://github.com/iGeeky/wolf AI 助手文档： https://github.com/iGeeky/wolf/blob/master/docs/ai-agent-cn.md 功能速览： https://github.com/iGeeky/wolf/blob/master/README-AI-AGENT-CN.md Docker 快速体验： quick-start-with-docker/docker-compose.yaml 里 server 服务已预留 AI 环境变量，至少配这几项： AI_API_KEY=sk-... # 必填 AI_PROVIDER=openai # 或 deepseek / anthropic 等 AI_MODEL=deepseek-v4-flash # 具体模型 ID AI_BASE_URL=https://api.deepseek.com/v1 # OpenAI 兼容网关地址 docker compose up 后登录 Console ，左侧点「 AI 助手」即可。 欢迎 Star / Issue / PR 。 做完这个功能，我意识到：权限管理这件事之所以烦，不是因为逻辑复杂，而是因为要点的表单太多。现在 AI 能替你点了，感觉权限系统该有的样子本来就应该是这样的。 如果你也在做「给老系统接 Agent 」或者对 Wolf 感兴趣，评论区聊聊。
我是 Wolf 的作者。Wolf 是一个开源 RBAC 权限系统，维护了五年多，一直在做「稳」的事——加字段、修 Bug 、补文档。 0.7.1 之后终于做了一件真正大的： 在 Console 里内嵌了一个 AI Agent ，可以用自然语言直接管理 RBAC 。这是 Wolf 五年来最重要的功能更新，没有之一。 整个 Agent 框架基于 pi-mono （ @mariozechner/pi-agent-core + @mariozechner/pi-ai ），不是另起炉灶写一套管理后台，而是让 AI 通过 Tool Calling 去调 Wolf 现有的 Controller ——鉴权、参数校验、缓存刷新、审计日志，全部走原链路。 能干什么 说人话就是：你在 Console 左侧点「 AI 助手」，然后直接聊： 「 oa-app 下有哪些角色？每个角色绑了哪些权限？」 「在 pi-mono 下新建一个 viewer 角色，把所有 read_ 开头的权限给它。」 「最近 7 天有没有 403 的访问记录？」 「重置用户 lily 的密码。」 AI 能做什么 = 当前登录用户在 Console 上能做什么，不会越权。所有写操作进 access_log ， appID = 'ai-agent' ，和人工操作区分开，事后能查。 覆盖了 8 个领域、31 个工具：Application / User / Role / Permission / Resource / Category / UserRole / AccessLog 。 几个设计上我比较在意的点 1. 不是 SQL 直连，是复用 Controller 后端用 InternalCaller 构造 mock Koa ctx ，进程内调现有 Controller 。AI 不是数据库后门，工具权限还会按 super / admin 自动裁剪。 2. 完整的聊天体验 多会话：新建 / 切换 / 重命名 / 删除，AI 自动总结标题 SSE 流式输出，工具调用有独立卡片（ running / done / error ） Markdown + Mermaid 渲染，查权限关系可以直接出图 3. 用户记忆 新建会话时，AI 会异步从上一段对话提取「记忆」（偏好 / 已知信息 / 历史决策 / 操作模式），下次自动注入 System Prompt 。也可以手动增删改。 4. 多 Provider OpenAI 兼容网关、Anthropic 、Gemini 、Mistral 、Groq 、OpenRouter 等都支持，环境变量或 config.js 配置。没配 Key 也不影响 Wolf 其它功能，只是 AI 页会友好提示。 这次改了什么（相对 0.7.1 ） 0.7.1 → 当前 master ，5 个 commit ， 117 个文件，+24063 行 ： 模块 内容 后端 server/src/ai/ Agent 工厂、系统提示词、记忆提取、会话标题生成、8 组 Tool 控制器 ai-chat.js SSE 流式对话、会话 CRUD 、消息持久化 数据库 新增 ai_chat_session / ai_chat_message / ai_user_memory 三张表 前端 console/src/views/ai-chat/ 完整聊天页：会话列表、消息气泡、工具卡片、记忆面板 安全加固 Cookie 安全属性、开放重定向防护、应用级访问控制、Captcha 一次性销毁等 测试 新增 ~5000 行 AI 相关单测 / 集成测（工具、中间件、控制器、SSE 等） 文档 README-AI-AGENT-CN.md 、 docs/ ai-agent-cn.md 、截图 12 张 开发过程 & 花了多少钱 这次是 AI 辅助开发（ vibe coding ） 全程： 主力： Cursor （ Claude 模型）， 2 次订阅，20 刀 + 20 刀 = 40 刀 验证阶段： Claude + MiMo v2.5-pro （小米赠送额度）跑测试用例和回归，用了约 25M Tokens 40 刀换来的是：117 个文件、+24063 行代码、完整的前后端 + 测试 + 文档。说实话，用 AI 写 AI 功能这件事本身挺魔幻的——某种程度上是 AI 在帮自己造运行环境。 为什么不写 Skill ，而是直接集成 Agent ？ 也有人问过：为啥不写一个 Skill / MCP ，让 Cursor 、Claude Code 、Hermes 、OpenClaw 这类外部 Agent 去调 Wolf API ？ Skill 当然也能把接口定义清楚，但它是 开发者工具 ——Wolf 的用户是运维和管理员，不是人人桌上都有这些 Agent 客户端。内嵌 Agent 是 产品能力 ：浏览器登录就能用，AI Key 管理员统一配。 另外，内嵌方案工具进程内直调 Controller ，和点表单走同一条链路；鉴权、审计（ appID = 'ai-agent' ）、按角色动态裁剪工具列表，都天然对齐。成功率、流式输出、工具卡片、Mermaid 图、会话记忆这些，也更适合做成 Console 里的一体化体验。 一句话： Skill 适合个人提效，内嵌 Agent 适合把 AI 做成产品功能。 如果你也想给存量系统接 Agent ，我的体会是： 先钉死边界 ：AI 只能走现有 API/Controller ，别让它直连 DB 工具粒度对齐业务接口 ：一个 Controller 方法 ≈ 一个 Tool ，权限自然继承 测试要舍得写 ：Agent 行为不确定，单测 + 集成测是兜底 选个成熟的 Agent 运行时 ：pi-mono 的 streaming / tool loop 省了不少轮子 链接 项目： https://github.com/iGeeky/wolf AI 助手文档： https://github.com/iGeeky/wolf/blob/master/docs/ai-agent-cn.md 功能速览： https://github.com/iGeeky/wolf/blob/master/README-AI-AGENT-CN.md Docker 快速体验： quick-start-with-docker/docker-compose.yaml 里 server 服务已预留 AI 环境变量，至少配这几项： AI_API_KEY=sk-... # 必填 AI_PROVIDER=openai # 或 deepseek / anthropic 等 AI_MODEL=deepseek-v4-flash # 具体模型 ID AI_BASE_URL=https://api.deepseek.com/v1 # OpenAI 兼容网关地址 docker compose up 后登录 Console ，左侧点「 AI 助手」即可。 欢迎 Star / Issue / PR 。 做完这个功能，我意识到：权限管理这件事之所以烦，不是因为逻辑复杂，而是因为要点的表单太多。现在 AI 能替你点了，感觉权限系统该有的样子本来就应该是这样的。 如果你也在做「给老系统接 Agent 」或者对 Wolf 感兴趣，评论区聊聊。