MW-MMT-001
动态
MEMOS LOG · 碎片化分享与生活记录
《出身审判》《谄媚与博弈》是偶然赠予的礼物，抵达当前信息密度的顶峰，已过载。此闭环封存，不再向上堆叠命题。静待下一入口，换密度，不换标尺。
AI 羞耻（AI shame）已经变成创作里一种荒诞的怪圈：一端是创作者主动交出思考与取舍的权力，只抛出一个粗浅的想法，让 AI 代做判断、完成推演，最后产出没有信息增量、千人一面的公共模板，也就是 AI slop；另一端是标签先行的审判——作品只要沾上 AI 协助的痕迹，就先带着挑剔与成见，跳过文本，直接否定。
对我来说，工具本身没有对错，该被审视的是两类人：一种是滥用 AI，用工具替代思考，磨掉只属于自己的表达；一种是无脑排斥，以工具标签替代文本细读，放弃对内容本身的判断。用不用 AI 是创作者的自由；作品里有没有独立的思考、切身的经验、新的信息增量，才值得认真讨论。
思辨的密度过高就无形挤压了文章的情绪留白和氛围感，但是《网》这个命题确实真的太大了，我们无法挣脱，写到最后我其实是无奈和绝望的。而唯一向内的标尺就剩下这句：我知道我自己不知道什么。
当我把一篇篇文章推向网，我自己也成了织网之人。
这是我选择舍弃的角度。我觉得我的表达已经足够了。
浓眉大眼的 openrouter 居然也开始支持了支付宝和微信支付。
我原本的目标只是记录《重建个人主页》的完整过程，归档、收尾、close file。
然而，在复盘重建的素材、取舍、表达边界的时候，问题会自动向外蔓延：素材该如何收集？什么才属于真正的个人表达？内容实体之间该如何建立链接。于是自然生长出「实体链」、「秩序与回响」这些主题。
最终，我在无意识的身份切换中，为「重建个人主页」这整个篇章画上句点。
我回顾这一切的发生，这些灵感一点一点的浮现到最终落笔成文，它们都是有机的。
看完电影《奥德赛》的我觉得自己就是一根被冰冻了三个小时的雪条。电影很精彩，但影厅冷气那么足是几个意思。
走完径山古道，寺前落雨。折返时，我不再赶路，只听：虫，鸟，雨敲树叶，风穿过耳廓。都是细微的动静，没有多余修辞。
我拿出手机录了一段，存成未命名的文件。之后它可能会出现在网站阅读增强的升级里，成为某个滚动时刻的隐形衬底。
好好吃饭，好好拉屎。
MoeWah 的个人主页更新，关于新版的个人主页我有很多新的思考以及新的侧重点。但仍然是个人主页，仍然以个人品牌展示窗口的定位。新版本沿用了老版本的一些结构，性能+SEO+AI可见+内容以及美观性，是这个项目的主要关注点。
目前已上线，将在生产环境中完成后续优化。
新项目设计、开发、优化的实际成本账单已超过 270 美金....
在我那台免费的服务器上跑主页是对性能优化的绝对考验。对于图片优化这块的三板斧（按实际渲染裁切+占位图+原生懒加载）已经用上了，但保留了一些需要原图尺寸的场景如背景图和详情页的原图，但这一部分交给了图片压缩层做兜底。剩下的完全看天意，电信、联通的访问可以偷笑，移动就...这是众所周知的事了吧。
老实说，已经很久没有使用 hermes-agent 了，现在都在用 Pi，而且越用越顺手。OpenCode 也没再碰了（仅仅只是订阅他们家的套餐）。工具的生命期真的好短暂啊...
关于大语言模型的文本水印
文本水印的原理
生成文本的时候，模型每要输出下一个 token，就拿前面已经生成的所有词加上一个密钥，算出一个哈希值。这个哈希值会把词表里的词随机分成两组，比方说绿组和红组。然后模型在选下一个词时，悄悄提高绿组词被选中的概率。最终输出的文本看起来完全正常，但统计上会偏向绿组词。
检测的时候反过来。拿着同一个密钥，对文本里的每个词重新算一遍哈希，还原出当时的绿组和红组。如果整篇文本中绿组词的占比显著超过 50%，就判定这段文本带有水印。
结论
水印会降低文本质量。 因为模型不再完全自由地选最优词，而是被约束在绿组里选。
大部分情况下通过文本改写可以破解水印。 因为你一改词，前面的 token 序列变了，哈希也跟着变，绿组红组就对不上了。但也有改进方案用统计模型而不是确定性函数来生成哈希，让水印对改写有一定的适应能力。密集改写（同义词替换加句法重组）可以有效消除水印，免费的改写工具就能绕过 Google 的 SynthID。
水印移除工具
目前开源社区已经有相关水印去除工具：guillaumemeyer/watermarks-remover
AI 驱动的 UI/UX 设计流程整合方案
当产品功能定义完成后，建议采用以下三种工作流模型，根据项目复杂度选择：
1. 高保真开发协同流 (Development-Centric)
- 核心理念： 消除“设计稿到代码”的断层。
- 工具链：
baoyu-design(Local Skill) →Claude Design→Codex/Claude Code. - 流程：
- 在本地环境部署
baoyu-design，实现设计与项目代码的直接互动。 - 基于现有代码库建立 Design System。
- 输入功能点，由 AI 直接生成原型并导出为 HTML 或直接交给 Codex 实现。
- 在本地环境部署
2. 标准化设计系统流 (Design System-Centric)
- 核心理念： 确保 UI 一致性，保留 Figma 作为最终交付标准。
- 工具链：
Perplexity→Claude Design→Figma. - 流程：
- Research阶段： 使用 Perplexity 进行竞品调研、概念构思（Hands Concept）及 Markup 准备。
- System阶段： 利用 Claude Design 根据代码逻辑建立设计规范。
- Design阶段： 生成原型后，导入 Figma 进行最终的视觉打磨（作为 Single Source of Truth）。
3. 快速原型迭代流 (Rapid Iteration)
- 核心理念： 用“广度”换“速度”，快速验证想法。
- 工具链：
Claude Code/Codex多模型并行。 - 流程： 针对单一功能点，同时调用多个 AI 模型生成不同版本的 UI 方案（抽卡），快速筛选最优版本并进行小幅迭代。
💡 一些建议：
- 追求审美统一： 优先考虑
Taste Skill。 - 习惯 Figma 工作流： 首选
Figma Make。 - 追求开发效率： 采用
baoyu-design本地化方案。
对于开发者：凡是一边在纯粹的、重复的造轮子，另一边却在抱怨付费环境太糟糕的都是活该。在 AI 把基础实现成本打到地板价的今天，价值不再来自于“你造了什么”，而来自于“你为什么造、为谁造、如何组合以及不可替代的品味“。
对于消费者/用户：AI 时代凡是要付费的软件，在购买前都得再三思量。因为，一直都有更新的、更好的产品形态陆续推出，时刻保持开源优先，永远只为价值买单。（注：开源≠免费）
macOS 27 beta1 手动启用 Apple Intelligence 的方法： https://github.com/WhiteSoulss/enableAppleIntelligence
使用一条命令模糊搜索并恢复任何 AI 代理会话，你发送给 Claude、Codex、pi & opencode 的每个提示，都在一个可搜索列表中，不再有“哪个代理被我问过那个问题？” 项目地址： https://github.com/al3rez/zehn 安装：
# macOS / Linux
bash <(curl -L https://al3rez.com/zehn)
真的想要脱离国内的AI订阅生态，没有一家靠谱的。我想要 ChatGPT Plus 唯一一个 US 的 Apple ID 也在 2023 年被莫名其妙的封了。找到一个临时的过渡方案——可以订阅「OpenCode Go」首月订阅 5 刀续费 10 刀， 使用这个链接订阅还能额外获得 5 刀用量，https://opencode.ai/go 比起国内动辄 200 块的方案好太多了。而且 OpenCode Go 支持 Kimi K2.6、GLM-5.1、Qwen3.6 Plus、MiMo-V2.5-Pro 等最新模型，还支持支付宝付款。
最近发现一个 macOS 虚拟机工具 GhostVM，slogan 很直白：
Your agents need more than a container. Give them a Mac.
基于 Apple Virtualization.framework，近原生性能，零仿真。和 UTM、VirtualBuddy 同源但定位不同：
- 每个 VM 是一个
.GhostVM文件夹，APFS 写时复制，秒级克隆 - CLI (
vmctl) 完整覆盖 GUI 功能，终端党友好 - 剪贴板/端口转发/文件拖拽都有隔离边界，文件默认隔离
跑 AI agent 或多项目隔离场景很合适。UI 朴素但不影响使用。
Qwen3-4B 在 MacBook 上跑到 186 tok/s。什么概念？你打一个字的时间，它已经吐了三四行。
有人把 DFlash 推测解码移植到 MLX 了，叫 dflash-mlx。比原生 MLX-LM 快 4.6 倍，输出跟贪婪解码完全一致。
项目🔗 https://github.com/Aryagm/dflash-mlx
原理挺巧：小模型先猜一串 token，大模型批量验证，猜对直接过。大部分时候猜得八九不离十，批量并行速度就上去了。
4B 模型本地跑，不联网，没延迟感，隐私也不用操心。手上有 Mac 又想本地跑模型的，值得留意。
Claude 自由版：删遥测、去限制、全功能！
这是一个真正“自由”的 Claude Code 客户端，源于官方源码泄露后的彻底重构。项目移除了所有遥测、去除了安全提示词的限制，并解锁了全部 45 个实验性功能，让你获得一个不回传任何数据、不受额外约束的完整 AI 编程助手。
核心改进包括：彻底删除 OpenTelemetry、Sentry 等上报通道；去除 Anthropic 注入的系统级安全指令；解锁 ULTRAPLAN、ULTRATHINK、VOICE_MODE 等官方默认关闭的隐藏功能。
安装与构建极其简单，只需一条命令即可自动完成依赖安装与编译：
curl -fsSL https://raw.githubusercontent.com/paoloanzn/free-code/main/install.sh | bash
完成后设置 ANTHROPIC_API_KEY 环境变量，运行 free-code 即可开始使用。
如果你希望手动构建，也可以先克隆仓库，执行 bun install 和 bun run build:dev:full 来生成包含全部实验特性的二进制文件。
如果想省去每次输入完整路径的麻烦，可以在 ~/.zshrc 中添加一行别名，之后只需 fc 就能快速启动：
echo 'alias fc="~/free-code/cli-dev --dangerously-skip-permissions"' >> ~/.zshrc && source ~/.zshrc
如果你下载过社区的 MLX 量化模型，发现工具调用磕磕绊绊、幻觉比 GGUF 版本更严重——这不是错觉。
问题根源：均匀量化。Qwen3.5 是混合架构（自注意力 + GatedDeltaNet），某些张量敏感度差异高达120 倍。把最关键的组件量化到 4-bit，就像把JPEG 的细节压到 1% 画质，背景却保留 95%高清——关键信息糊了，无关部分完好。
解决方案：混合位量化。根据每个张量的敏感度分配精度，关键组件保留 bf16 全精度，其他组件用 3-6bit。
目前 Broooooklyn 已发布修复后的模型合集：Qwen-3.5-unsloth-mlx
最近用某款 AI 检测工具测文章，每次都提示"有痕迹"。改了再测，还是有。
来回几轮，我突然想到：这会不会是个闭环？
检测标准不公开，用户只能盲调。每次调整都产生数据，这些数据可能被喂回去训练检测器。越调越准，用户反倒在帮它进化。
更极端的可能性：检测结果本身就是 AI 生成的"判断"，而非客观事实。用 AI 检测 AI，谁来判断谁？
我不打算再迷信检测结果了。写文章，自己读着顺就行。过不过检测，不重要。
跳出这个循环，按自己的标准写。
Kaku —— 一款基于 WezTerm 深度 fork 的终端，主打“开箱即用”与“AI 原生”。
核心特性：
- 零配置上手：默认集成 JetBrains Mono 字体、macOS 原生渲染、深浅主题自动切换，安装即用。
- 全快捷键操控：标签页、分屏、面板完全键盘化，操作行云流水。
- 性能优化：相比上游二进制体积减少 40%，启动更快，资源占用更低。
- 内置 AI 助手：命令执行出错时自动分析并推荐修复，一键应用；支持配置多种模型后端（含 DeepSeek-V3.2）。
- 实用集成：自带 Lazygit、Yazi 文件管理器，快捷键直调。
- 配置兼容：原有 WezTerm 的 Lua 配置可直接沿用，无迁移成本。
项目地址：github.com/tw93/Kaku
作者非常“听劝”，bug 与需求响应积极。目前仅支持 macOS。
发现一些模型的内置的伦理审查，在大量的长上下文过后会丢失一些敏感性。不至于出现吐出来的文字又被折起和收回的情况。长上下文 = 稀释系统提示 = 降低审查权重 = 模型更接近“裸模型”状态（这个发现没有足够多的样本证实，大家可以试试看）
别指望苹果的期货 AI 了，没啥用
试试 Open Minis，iOS 上真正能用的本地 AI Agent。
三个亮点
- 本地运行，不传数据到云端。健康数据分析这种隐私场景，终于能放心用了
- 完全免费。我问过作者，没有收费计划，完全免费放心使用
- 用你自己的 AI 账号（Claude/OpenAI），不用注册新服务
技术底座
iSH + 本地 Browser，能跑 shell、能联网。
不需要新设备，你手里的 iPhone 就能完成 Manus、OpenClaw 的大部分任务。
获取方式
关于 Claude Code 自动压缩，我选择手动控制
关闭 Claude Code 自动压缩后，体感多了约 10% 的上下文窗口（没有晚上说的多出 33% 那么夸张）。压缩 3-4 次后，早期设计决策、隐含约束的感知会明显下降。
我的策略：
需要二次理解/修改的项目，先做改动说明 → /init → 主动 /compact 一次，腾出空间后再开干。
关闭自动压缩的场景： • 一次性能搞定的项目：自动压缩纯属噪声，没收益 • 不需要频繁压缩时：手动控制 > 自动策略
Claude Code 这波更新，把“高效”和“安全”一起拉满了。
更智能的 /init
现在不只是生成 CLAUDE.md，还会扫描代码库、主动问你项目情况，自动配好 Skills、插件、Hook。
开启方式：settings.json 加一行 "CLAUDE_CODE_NEW_INIT": "1" 先理解项目再干活，这才是 Agent 该有的打开方式。
新的 auto 模式上线
不用每次手动确认，也不用完全跳过权限检查。 分类器实时判断操作风险：安全操作自动放行，高风险操作拦截后 Claude 换路重试。
目前仅作为研究预览版在 Team 计划中可用，Enterprise 和 API 访问将在未来几天陆续开放。
启用：claude --enable-auto-mode，用 Shift+Tab 切换模式。中间路线走得稳，体验顺滑很多。
Agent Skills 设计哲学和迭代方法论
四个核心观点：
从提示词到 Skills：起步没有门槛。把你已有的好用提示词、好的实践、甚至模糊的想法，直接用 /skill-creator 变成 Skill。关键是动手。
别做万能 Skill：Skill 要原子化，每个只做一件事。然后用 Skill 或者 AGENTS.md 编排成工作流，让 Agent 灵活执行。我的素材收集和写作流程就是这么串起来的。
Skills 像随身小刀，越用越顺手：自己常用、遇到问题当场改、给 Agent 高质量对比样例让它自己优化、用 git 做版本管理留后悔药。
站在 Agent 角度设计：多存中间文件、先分析再执行、写清验证标准、用子 Agent 并行、脚本优先于 MCP。这些小细节决定 Skill 能不能真正跑通。
为 Agent 立下的原则，在实践中不断迭代，形成了一套高效开发的心法。
三大基础原则
- 第一性原理：回归本质，在代码设计与实践中反复确认必要性，避免过度工程。
- 不向后兼容：敢于打破历史包袱，借助 Agent 强大的重构能力，快速清理“屎山”，保持代码库轻盈。
- 唯一事实源：确保每个数据或逻辑只有单一来源，杜绝迭代时因冗余而埋坑。
后续补充
- 原子化提交：以最小功能单元进行 Commit，便于精准回滚。即便多模块并行，也坚持单分支管理——worktree 已被我舍弃，简洁带来可控。
- 测试用例先行：让 AI 先“大声背诵三遍”测试用例，看似戏谑，实则强化边界澄清与预期对齐，往往有奇效。
这些原则本质上是在约束 AI 的“过度自由”，让自动化在清晰的轨道上释放创造力。
Ghostty 兼容性问题还挺多的，尤其是它设计了自己的 terminfo: xterm-ghostty。
会导致使用 Ghostty 远程 SSH 的时候很多常用按键失效，包括最必用的退格 backspace 键，解决方法如下：
在配置里面加上shell-integration-features = ssh-terminfo,ssh-env 一般能解决大部分问题。https://ghostty.org/docs/help/terminfo
或者直接砍掉 Ghostty 的所有特性：term=xterm-256color
