用 QClaw 跑一个江南第一深情——童锦程.skill 体验实录

童锦程（又名"江南第一深情"），抖音、虎牙双平台网红，全网粉丝超过千万，早期靠户外搭讪类短视频起家，后来转型做情感内容，以特有的腔调、金句频出、极具辨识度的说话方式在网络上形成了独特的人设。 只要加载进支持 OpenClaw Skill 协议的平台，它就能用童锦程的腔调跟你聊天——情感问题、人际困惑、日常吐槽，全程"深情款款"。这代表了一种新趋势：开源的不再只是代码，还有"灵魂"。 安装完成后启动，AI 会主动引导你完成初始化配置，包括：设置你的名字（方便 AI 称呼你）设置 AI 的名字（你希望叫它什么）选择对话风格（简洁 详细 幽默等）绑定微信（扫码授权）这些设定会保存在本地配置文件中 AI 在本地接收指令、运行 Skill、处理完毕，结果直接推送回微信——整个流程不超过 10 秒。人在外面，不开电脑，照样能用。

打造本地私有索引库

我们在使用组件化的时候一般可选的方案有两种：一种是远程私有库方案，一种是本地私有库的方案，今天我们来打造本地私有库，远程私有库我们会在之后给大家讲到。 再创建一个Classes文件夹 将宿主工程里的Category整个分离出来，并且将其丢到Classes文件夹中去 接着我们进入道localLib中的TZSoundBase的机组组件库中，并且初始化一个本地代码仓库 将代码提交到本地代码仓库的master分支上，并且创建一个.spec文件 我们需要对描述文件进行编写 这里和我们之前上传框架的描述信息到CocoaPods官方索引库里地描述文件写法上大致差不多 ，所以需要指定本地的代码地址 podfile文件编写好之后，我们现在使用pod install的命令 安装我们的Category 好，这样的话我们看到了，我们的宿主工程中已经将我们的Category 集成进来了，这样我们的本地私有库打造就完毕了。

半小时打造前端本地开发环境

然后我朋友说因为后端是java，所以本地要搭建java环境那些，很麻烦，也不会。 其实前端搭建本地开发环境非常简单，而且半小时就搞掂，下面来给大家分享一下一套半小时就能搭建的本地环境的方式，以及思路。 首先我们需要和后端做一些约定，来实现我在本地能使用测试环境的服务器来实现模板引擎的渲染。 从而实现跨域的请求方式，来解决我本地开发中的ajax跨域问题。 ---- 到这里其实基本的本地服务环境就已经搭建起来了，当然其实还可以扩展出欺骗浏览器登录的方式，既然我们都可以实现了反向代理了，那么我们就可以这么做来完成登录模式下的本地开发了。

KuPay：打造第一安全数字钱包

KuPay：把安全放在第一位的数字资产管理服务 纵观整个数字资产交易市场鱼龙混杂，数字货币安全漏洞的普遍存在，黑客攻击风靡，各种钓鱼事件频发，整个全球数字资产行业以安全性不足为主要的核心痛点。 并且开放第三方API接口，打造应用生态，将打造一个社区化自治数字资产管理平台作为项目的愿景目标。 交易前后加密货币均存放在只有用户掌握密钥的本地地址中，资产始终处于用户掌控之下。提供最安全、最便捷的币币买卖服务。 开放接口打造应用生态：集成DApp应用开发框架，加入cryptokitties、faircity等热门第三方应用。支持第三方数字货币支付接口，提供应用内支持能力。 KuPay的目标是为用户实现真正的数字资产信任且互通，通过我们的平台，保障数字资产的安全的为第一前提，同时提供一站式的数字资产解决方案，用户不再为数字资产的繁琐操作和安全隐患担忧。”

如何使用 Ollama 打造你的本地 AI 助手

这一篇文章，我会从 零开始，带你完成一次完整的本地大模型实践： 如何安装并运行 Ollama 如何下载并管理本地模型 如何把模型接入你熟悉的 AI 助手 以及，本地 AI 真正适合哪些场景当 AI 真正跑在你自己电脑上的那一刻 查看帮助ollama help模型下载完成后，你已经可以在终端中直接与本地大模型进行交互了。 ，将 Ollama 的本地地址填入即可（默认是 http://localhost:11434）。 现在已经有越来越多的 AI 工具、编辑器、自动化系统，都支持通过 Ollama 的本地接口接入模型。 一旦你搭建好了这层“本地大模型能力”，后续几乎可以：把 AI 接入到编辑器接入到自动化脚本接入到个人知识库甚至接入到你自己的应用中模型在本地，能力可复用，数据不出门。

手写本地缓存实战2—— 打造正规军，构建通用本地缓存框架

，为什么这里还要去自己手写本地缓存呢？ 作为应对之法，我们的本地缓存必须往一个更高层级进行演进，使得项目中不同的缓存场景都可以通用 —— 也即将其抽象封装为一个通用的本地缓存框架。 因为本地缓存设计存在的初衷就是用来应对单进程内的缓存独立缓存使用，而这种涉及到多节点之间缓存数据一致保证的场景，本就不是本地缓存的擅长领域。所以在分布式场景下，往往都会直接选择使用集中式缓存。 当然啦，上面我们提到的两种本地缓存同步的机制，都是相对简单的一种实现。 小结回顾 好啦，关于手写本地通用缓存框架的内容，我们就聊这么多。

Dify+Notion本地化打造专属知识库

创建知识库并上传文档大致分为以下步骤： 通过上传本地文件、导入在线数据或创建一个空的知识库。 1 导入文本数据 轻点 Dify 平台顶部导航中 “知识库” → “创建知识库”： 可上传本地文件、导入在线数据两种方式上传文档至知识库内。 1.1 上传本地文件 拖拽或选中文件进行上传，支持批量上传，同时上传的文件数量限制取决于订阅计划： 本地上传文档文件的限制： 单文档上传大小限制≤ 15MB 不同 SaaS 版订阅计划限定批量上传个数、

玩转 AIGC：打造本地大模型地基，PVE 配置显卡直通

玩转 AIGC：打造本地大模型地基，PVE 配置显卡直通2024 年云原生运维实战文档 99 篇原创计划 第 012 篇 ｜玩转 AIGC「2024」系列 第 002 篇你好，欢迎来到运维有术。 今天分享的内容是 玩转 AIGC「2024」 系列文档中的 打造本地大模型地基，PVE 配置显卡直通。

GAIAWORLD打造区块链第一游戏公链（上篇）

一款合格的区块链游戏，首先它应该是游戏，它应该具备游戏的基本特性，即娱乐性和可玩性永远是第一。对于游戏而言，区块链只是技术。

GAIAWORLD打造区块链第一游戏公链（下篇）

然而区块链+游戏的落地应用市场反应短期却出现了颓势，第一批区块链游戏的“革新者”纷纷受挫。 那么区块链游戏到底为何步履蹒跚？ GAIAWORLD深耕区块链底层技术，在区块链游戏生态建设中不断探索，打造区块链第一游戏公链，未来将吸引更多的合作伙伴创作更具多样性的游戏体验。 我们想，这样的游戏世界真的值得期待。

【计算机网络】我与张三的 DNS 解析过程，浏览器中输入URL 回车后发生了什么

就相当于权限域名服务器 果然在⾥头找到张三的电话，也就是bilibili 的 ip 地址 我赶紧给他打了过去，结束这要命的⼀天 # 总结 这个在浏览器中输⼊地址的流程，其实也就是DNS的⼯作流程 简单的总结一下： 第一步 第二步：如果hosts文件中没有，则查询本地DNS解析器缓存，如果有，则完成地址解析。 第三步：如果本地DNS解析器缓存中没有，则去查找本地DNS服务器，如果查到，完成解析。 第五步：本地域名服务器向顶级域名服务器发起查询请求 顶级域名服务器会告诉本地域名服务器去查找哪个权限域名服务器。 ） 信息技术源于⽣活，却⼜在⽆时不刻的影响着我们的⽣活（深情） 这就是我们在浏览器输⼊URL后的全部内容了（深情） 如果你喜欢这期视频，想要听更多有关编程的故事（深情） 希望你能点赞、关注予以⽀持（深情 ） 下⼀期我会分享计算机⽹络的其他故事（深情） 谢谢⼤家观看，我是up主黎明⾲菜（深情） 参考文献：https://segmentfault.com/a/1190000038526729

打造前端MAC工作站（九）配置XAMMP,打造apache+php+mysql本地服务器

打造前端MAC工作站（九）配置XAMMP,打造apache+php+mysql本地服务器 前言 虽然我们是前端工程师，但是以php+mysql为开发语言和数据库的程序还是很多的。 下载地址请在我的打造前端MAC工作站（二）安装软件的两种方法这篇博文里面找。 配置 XAMPP 支持虚拟主机 命令行中的 vim 编辑器不熟悉的同学，可以看下我的博文　打造前端MAC工作站（五）让我们熟悉一下 MAC 命令行吧！，中间简单介绍了VIM的基础使用方法。 如果需要配置多个网站，则在 /Applications/XAMPP/etc/extra/httpd-vhosts.conf 中再增加一套上面的那样的配置参数，然后在增加一个本地域名解析，然后再重启就好了 mysql的管理软件除了下载我刚刚上面那个说的，你还可以在本地跑一个 phpmyadmin来管理，phpmyadmin其实就是一个网站的说，配置一个专用的管理数据库的本地网站即可。

基于Ollama+AnythingLLM轻松打造本地大模型知识库

为了解决这个问题，Ollama应运而生，成为了一个高效的本地大语言模型LLM运行专家。 Ollama Ollama简介 Ollama是一个开源的大型语言模型服务工具，它帮助用户快速在本地运行大模型。 通过简单的安装指令，用户可以执行一条命令就在本地运行开源大型语言模型，如Llama 2和最新开源的Llama 3。 Ollama极大地简化了在Docker容器内部署和管理LLM的过程，使得用户能够快速地在本地运行大型语言模型。 在不调用外部接口、不发送本地数据的情况下，确保用户数据的安全。 Ollama还提供丰富的模型库，如Llama 2和Llama 3，方便用户快速在本地运行大型语言模型。

打造本地ChatGPT，部署LlaMA3最简单的方法来了！

你好，我是郭震 现在还没有用上ChatGPT的朋友，现在平替方法来了，在本地部署大模型。实现与GPT几乎一样的问答效果！ 这是一篇关于大模型本地部署的教程，使用目前最强开源大模型LlaMA3，这篇先总结一种最简单、操作步骤最精简的本地部署方法。主要有2步。 等待安装完成： 以上就已经安装完毕，到现在大模型已经在本地部署完成。 使用Llama3 打开一个终端窗口，再次输入 ollama run llama3，自动就会启动，进入会话界面： 发第一条消息，你是谁，用中文回答，与Llama2相比，Llama3确实在回答速度上大幅提升 ，基本小于秒级： 发第二条消息，Python代码，冒泡排序，代码+解释，回答响应非常快，如下图所示： 再告诉它，用中文回答，返回中文回答结果： 总结 Llama3 本地部署大模型，这是最精简的一种方法，

从 Oracle 到 TiDB，国有大行打造本地生活 APP 新体验

导读本文介绍了某国有大行推出的本地生活服务类 APP 在数字时代的创新应用实践。该 APP 利用金融科技和互联网平台模式，打造“金融+非金融”的线上生态服务平台，满足了用户多样化的生活需求。 创新的本地生活服务平台数字时代，用户行为线上化、场景化趋势日益明显。为积极响应国家扩大内需、拉动消费的号召，某国有大行顺应时代潮流，于 2021 年推出了一款本地生活服务类 APP。 该 APP 依托金融科技手段与互联网平台模式，创新打造“金融 + 非金融”的线上生态服务平台，满足用户多样化的生活需求。 这款本地生活 APP 自上线以来， 注册用户数已达到千万级别 ，成为了各地政府拉动本地消费的密切合作伙伴，平台特色包括：丰富的生活场景服务 ：涵盖美食、外卖、充值、打车、电影演出、缴费、家装生活、车生活等多个方面 数据架构面临新的挑战这款本地生活 APP 的业务功能涵盖基础服务、门面服务、抢券服务、订单服务、商户管理服务等多个方面，具体职能如下：门面服务 ：提供商家信息展示、店铺导航、评价管理等功能；抢券 服务

打造7 * 24小时的AI员工-本地安装OpenClaw操作步骤

传统AI如ChatGPT只能提供建议，最终执行仍需人工操作；而OpenClaw通过本地部署，获得了直接操作电脑、管理文件、控制应用程序的权限，实现了从"参谋"到"执行者"的转变。 核心优势： 1）本地优先，隐私安全：所有数据存储在本地设备，不上传云端2）7 * 24小时持续运行：作为守护进程后台运行，随时待命3）多渠道统一入口：支持飞书、企业微信、Telegram、WhatsApp 三、详细安装步骤 方案A：Windows/macOS本地部署（推荐新手） Windows系统安装（3种方法） 方法1：官方一键脚本（最推荐）1）以管理员身份打开PowerShell2）执行命令：iwr 六、使用内网穿透工具实现外网访问 要让OpenClaw实现真正的7 * 24小时远程访问，需要将本地服务暴露到公网。 通过本地部署结合内网穿透工具的组合，我们能够打造一个真正7 * 24小时在线的AI员工，既保障了数据隐私，又实现了远程便捷访问。

打造漏洞攻防实验环境：CentOS 7上的VulFocus本地靶场构建

Webman AI携手DeepSeek本地训练，打造专属私有知识库！

概述 开源技术小栈Webman AI 发布5.4.0版本，支持选择任意embedding模型，这一突破性更新使得用户能够将Webman AI与本地DeepSeek等开源模型无缝结合，打造专属的私有知识库系统 通过本地化训练与部署，用户可以无需依赖网络连接即可实现内部专有AI知识库助理。 以下是完整的教程，如果你之前执行过相关训练操作，有些步骤可以直接跳过。

Storm(三)Java编写第一个本地模式demo

本地模式 在本地模式下，Storm拓扑结构运行在本地计算机的单一JVM进程上。这个模式用于开发、测试以及调试，因为这是观察所有组件如何协同工作的最简单方法。 要在本地模式下运行，我们要下载Storm开发依赖，以便用来开发并测试我们的拓扑结构。我们创建了第一个Storm工程以后，很快就会明白如何使用本地模式了。 NOTE: 在本地模式下，跟在集群环境运行很像。         //配置         Config cfg = new Config();         cfg.setNumWorkers(2);//指定工作进程数  （jvm数量，分布式环境下可用，本地模式设置无意义         builder.setBolt("out-bol2", new OutBolt2()).shuffleGrouping("out-bolt");         //1 本地模式

LibrePhotos本地部署打造个人云相册安全存储和分享家庭照片(1)

安全可靠： 实现了数据的本地化存储，防止敏感信息外泄。同时，平台配备了严格的安全措施，包括但不限于强大的用户认证机制，确保只有合法用户才能访问相应的资源库。 2.本地部署LibrePhotos 本例使用Docker进行部署，如果没有安装Docker，可以查看这篇教程进行安装：《Docker安装教程——Linux、Windows、MacOS》 首先下载部署文件 安装内网穿透 不过我们目前只能在本地局域网内使用手机电脑等设备访问刚刚使用docker部署的使用LibrePhotos。假设你是一名摄影师，经常需要在外拍摄。 如下图所示，成功实现使用公网地址异地远程访问本地部署的LibrePhotos。 现在你已经掌握了在本地Linux上用Docker和cpolar搭建LibrePhotos的大法。再也不怕隐私泄露的烦恼了，随时都能自信满满地展示自己的照片库。是不是觉得超有成就感？