Posts on OneCai's Blog

Agent和聊天机器人的本质区别是什么？

Sat, 08 Aug 2026 07:30:00 +0800

用点菜vs自己下厨的类比讲清楚Agent和聊天机器人的本质区别：不是会不会调用工具，而是谁掌握了执行路径的决定权。结合τ-bench、OSWorld 2.0等基准数据和WorkBuddy真实使用片段，拆解Agent到底难在哪、又该怎么判断一个产品是不是真Agent。

上下文窗口实战：不同任务、不同部署方式，到底该设多长

Fri, 07 Aug 2026 07:30:00 +0800

不重复讲'为什么变笨'，直接给答案：云端API按任务场景该设多大、本地部署显存怎么反推上限、新一代模型该怎么参考。附一套'标称/有效/最佳'三层框架和一张决策树。

算力会越来越贵吗？三条价格线在打架

Thu, 06 Aug 2026 07:30:00 +0800

芯片在涨价，GPU租金也在涨，但Token调用价格却在暴跌。算力到底会不会越来越贵？拆开硬件采购、算力租赁、Token调用三个不同的市场，你会发现它们分别在讲三个不同的故事，而这三个故事叠加起来，才是企业AI账单越来越大的真实原因。

长上下文是不是越贵越好？

Wed, 05 Aug 2026 07:30:00 +0800

1M上下文听起来很爽，但塞进去的每一个token都在计费，中间那段也不一定被认真读过。这一篇不重复大海捞针的论证，只回答一个问题：长上下文到底该在什么场景下买单，什么时候只是在为偷懒付费。

推理模型的“思考税”：为什么有的问题AI会偷偷多算你的钱？

Tue, 04 Aug 2026 07:30:00 +0800

推理模型在给出可见答案之前，会先生成一段用户看不见、却按输出价全额计费的内部推理。本文用一个真实的开发者踩坑案例开场，拆解思考token的计费机制、四种常见翻车方式，并给出OpenAI、Claude、Gemini、Qwen、GLM、DeepSeek六家的思考上限设置方法。

模型降价潮：这一年AI到底便宜了多少？

Mon, 03 Aug 2026 07:30:00 +0800

季度更新：对比过去一年主力档和性价比档的模型价格变化，拆解降价背后的推理成本曲线，并给出未来半年的价格预判。核心结论：不是所有档位都在降价，旗舰档已经停止下探，真正持续变便宜的是能干活的中间档位。

同一个模型，为什么API和AI应用价格能差10倍？

Sun, 02 Aug 2026 07:30:00 +0800

拆解同一个模型在API和AI应用之间出现10倍价差的原因：产品服务费、渠道成本、词膨胀、缓存命中率，以及真正需要警惕的模型偷换。

提示词越写越长，是在帮AI还是在烧钱？

Sat, 01 Aug 2026 07:30:00 +0800

系统提示词为什么会不知不觉膨胀到几千甚至上万token？用Claude Code和Codex的真实案例，拆解膨胀如何打穿缓存、打穿之后钱花在哪、以及怎么写出真正“缓存友好”的提示词结构。

Agent一次任务要调用几十次模型，账单是怎么滚起来的？

Fri, 31 Jul 2026 07:30:00 +0800

拆解Agent工作流的token消耗结构：规划、工具调用、反思循环各自怎么花钱，再用一条真实的Agent任务轨迹，把账单拆到每一轮。

模型的“免费额度”是怎么算出来的？

Thu, 30 Jul 2026 07:30:00 +0800

拆解各家大模型免费层背后的成本逻辑：免费额度是怎么被算出来的，又是怎么被技术化设计成限次、限时、降级模型的，并复盘豆包从纯免费到三档付费的真实触发因素。

模型标着671B参数，消费级显卡真的扛不住吗？

Wed, 29 Jul 2026 07:30:00 +0800

从消费级显卡能不能跑本地大模型这个问题切入，拆解MoE混合专家模型的总参数、激活参数和路由机制。对比DeepSeekV3、Qwen3-235B-A22B、Qwen3-Coder-480B-A35B等模型，说明为什么参数量巨大不等于每次推理都很贵，也不等于本地显卡随便能跑。

有效算力产出只有三成时，GPU报价要重新算一遍

Tue, 28 Jul 2026 07:30:00 +0800

从国内智算中心低利用率的公开说法出发，拆解GPU报价、满载系数、效能系数和有效算力成本之间的关系，并给出客户如何用错峰、批处理、混部和竞价实例改善成本结构。

为什么大模型训练最怕“掉卡”

Mon, 27 Jul 2026 07:30:00 +0800

大模型训练最怕的不是硬件损坏本身，而是同步训练把几千张GPU绑成了一个统一节拍——一张卡故障或变慢，All-Reduce就会让全员等待。本文结合Llama3、NCCL、PyTorch DDP和AWS的真实数据，拆解掉卡、慢卡和恢复成本背后的系统工程逻辑。

智算中心动辄千P，真正该看的不是P数

Mon, 27 Jul 2026 07:30:00 +0800

千P是智算中心的入口数字，但真正决定训练能力的是精度口径、互联带宽和有效训练算力。

华为昇腾910C到底能打H100的几成？答案不在参数表里

Sun, 26 Jul 2026 09:30:00 +0800

拆解华为昇腾910C和NVIDIA H100的参数对比，从FP8、互联、生态三个真实差距点，说明为什么纸面接近但实战有差距，以及910C到底能打H100的几成。

从153个视频到一套方法论：我用本地AI复盘论文打假

Sat, 25 Jul 2026 19:30:00 +0800

用本地AI流水线处理153个B站视频文字稿，从耿同学讲故事的论文打假案例中提炼出图片、数据、常识、原始材料、复现、临床证据等10层检查框架。

一张显卡的寿命：为什么三年后它就不值钱了？

Sat, 25 Jul 2026 07:30:00 +0800

从消费级显卡到数据中心GPU，拆解三年后显卡为什么快速贬值：物理寿命、性能寿命、软件寿命、资产寿命并不是同一件事。

显卡的“稀疏算力”是怎么把数字吹一倍的？

Fri, 24 Jul 2026 07:30:00 +0800

从 NVIDIA 官方数据表的一个小小星号说起，讲清楚发布会上的算力数字为什么经常是稠密算力的两倍，以及普通读者怎么在参数表里一眼识别稀疏口径。

MFU：为什么标称1P的卡，实际只有0.3P在干活？

Thu, 23 Jul 2026 07:30:00 +0800

从 MFU（模型算力利用率）入手，讲清楚为什么标称1P的AI卡，实际训练时可能只有0.3P到0.5P在真正干活，以及PaLM、Llama 3、DeepSeek-V3、Megatron-Core 等真实训练案例里的数字。

机器人从“演示”到“量产”：2744家公司里，吃到红利的为什么只有个位数

Wed, 22 Jul 2026 07:30:00 +0800

WAIC 2026上具身智能参展企业一年翻倍、真机超300台，但全行业2744家公司里真正吃到红利的只有个位数。从数据飞轮的启动成本、整机良率的连乘账，拆解机器人赛道为什么是'系统工程'竞争最极端的样本。

从芯片到大模型——生态协同能力才是护城河

Tue, 21 Jul 2026 07:30:00 +0800

DeepSeek V4实现昇腾Day0适配、CSA/HCA注意力机制芯模协同设计，但推理适配不等于生态成熟。本文用六条批判性检验清单拆解国产AI算力生态的真实成熟度，并从WAIC 2026的Agent产品群像与Token经济视角，回答生态护城河到底由什么构成。

理解Atlas 950的“6.7倍算力”：它说明了什么，又没有说明什么

Mon, 20 Jul 2026 07:30:00 +0800

华为Atlas 950 SuperPoD的参数、路线图和生态适配，看'系统工程'这个说法具体落在哪几个环节，以及'6.7倍算力'这类说法本身的边界在哪。

WAIC 2026最大的信号：AI竞争不再只看芯片，而是看系统

Sun, 19 Jul 2026 07:30:00 +0800

从Atlas 950真机首秀说起，拆解WAIC 2026里芯片、生态、机器人、治理、资本五条线为什么同时指向一个关键词：系统。

xAI开源Grok Build,代码里的codex/opencode血统藏不住

Sat, 18 Jul 2026 07:30:00 +0800

xAI 开源 Grok Build 后，代码里的 codex/opencode 溯源、Rust 架构分层、只读式开源模式和隐私风波后的时间线，都比通稿更值得看。

KV Cache：每读1个token，就要交一笔“显存税”

Thu, 16 Jul 2026 07:30:00 +0800

KV Cache 是什么、怎么按 token 计算显存占用、为什么它才是长上下文真正的硬件瓶颈。用 Qwen3 公开架构参数算明细账，拆解 GQA、MLA、KV 量化、PagedAttention 四条驯服路线，并给出本地部署的具体设置建议。

AI干完了853个人的活，为什么签字的还得是人？

Wed, 15 Jul 2026 07:30:00 +0800

Klarna用AI客服省下6000万美元，一年后重新招人；监管严禁AI开处方、AI审方。三个判例、两条红线、一条光谱，讲清AI商用的真正门槛：不是能力，是责任。

大模型只是在预测下一个token吗？两个实验给出了一幅更复杂的图景

Tue, 14 Jul 2026 07:30:00 +0800

预测下一个 token 是大模型的训练目标，却不是对它能力的全部解释。Othello-GPT 发现模型会形成参与计算的内部棋盘表征，逆转诅咒则暴露这些表征的单向与不完整——问题不是它懂不懂，而是它以什么方式懂、在哪里失灵。

同一份材料，为什么第二次交给AI只收1/10？缓存计费拆解

Mon, 13 Jul 2026 07:30:00 +0800

拆解大模型API的前缀缓存计费机制：为什么DeepSeek缓存命中价能低到未命中的 1/50，Anthropic和OpenAI的1/10折扣怎么触发。附30天真实账单实测：3367万tokens只花 5.73 元，单日命中率97.4%。

同一个问题，上午9点问比凌晨贵一倍：DeepSeek峰谷定价的算力账

Sun, 12 Jul 2026 07:30:00 +0800

DeepSeek V4引入峰谷定价，高峰时段API价格翻倍。本文用具体价格表算清峰谷差价对开发者的真实影响，解释AI推理为什么会像电力一样分峰谷，并给出错峰调用、提高缓存命中率和模型分级三条省钱建议。

AI蒸馏是什么？不是复制大模型，而是让小模型学会做题方式

Sat, 11 Jul 2026 07:30:00 +0800

什么是模型蒸馏？为什么 DeepSeek-R1-Distill-Qwen-14B 只有 14B 参数，却能学到 671B 大模型的推理能力？本文解释知识蒸馏、暗知识、软标签、量化、剪枝、白盒蒸馏和黑盒蒸馏的区别。

手机也能操控电脑：WorkBuddy微信小程序+Claw远程办公实战

Fri, 10 Jul 2026 07:30:00 +0800

WorkBuddy 实战手册第8篇：用手机操控电脑，结合 WorkBuddy 微信小程序和 ClawBot，实现远程取文件、发邮件、处理表格和移动办公。适合经常出差、通勤、临时找文件和需要远程处理办公任务的人。

用WorkBuddy批量处理100份文档：整理、合并、格式转换的自动化方案

Thu, 09 Jul 2026 07:30:00 +0800

WorkBuddy 实战手册第6篇：从137个混乱文件夹出发，讲清楚如何用 WorkBuddy 批量完成文件整理、PDF合并、格式转换和本地文件搜索。适合项目归档、发票整理、会议纪要合并、下载文件夹清理等高频办公场景。

上下文窗口：标称1M的token，为什么32K就开始变笨

Wed, 08 Jul 2026 07:30:00 +0800

窗口只用了3%，模型就开始变笨。用四组公开测试数据讲清楚：1M的token到底有多大、大海捞针怎么测、为什么越长越笨、以及长上下文的正确用法。

腾讯WorkBuddy深度调研实测：10小时的行业报告1.5小时交付，每个数据带来源

Tue, 07 Jul 2026 07:30:00 +0800

实测用腾讯WorkBuddy做一份带引用的行业调研报告：Plan模式定框架、Craft模式逐维度多轮搜索、自动标注矛盾数据、输出正文编号+末尾来源列表的Word报告。手动10-15小时的活压缩到1.5小时，附全流程可复制提示词和六个避坑细节。

腾讯WorkBuddy数据分析实测：500行脏数据到成品报告，零公式零透视表

Mon, 06 Jul 2026 07:30:00 +0800

这是一篇WorkBuddy数据分析实测文章，完整拆解如何用腾讯WorkBuddy处理Excel表格：数据体检、数据清洗、分类统计、图表生成、Word报告输出，并提醒空值处理、指标编造和数据脱敏等关键风险。

Prompt实战手册：20个可以直接复制的WorkBuddy指令模板

Sun, 05 Jul 2026 07:30:00 +0800

本文是 WorkBuddy 实战手册第二篇，重点讲解 Prompt 提示词在真实办公场景中的应用方法，并提供20个可直接复制的指令模板，帮助普通用户把目标、输入、输出格式和约束写清楚，让 AI 更稳定地完成周报、会议纪要、数据分析、PPT、文件整理、行业调研和公众号写作等任务。

腾讯WorkBuddy上手实测：从下载到交出第一份周报，10分钟

Sat, 04 Jul 2026 07:30:00 +0800

这是一篇面向初次使用腾讯WorkBuddy的上手实测指南，从下载安装到登录授权，再到用一句话生成第一份 Word 周报，帮助读者在 10 分钟内跑通完整 AI 办公工作流。

我试了下WorkBuddy：替我写文章不行，替我干杂活是真行

Fri, 03 Jul 2026 07:30:00 +0800

实测 WorkBuddy 写公众号文章：它替你写正文不行，但查资料、搭大纲、生成配图提示词、排版存草稿这些杂活是真行。本文讲清楚它能干到哪一步、初稿太'正确'的硬伤在哪，以及个人创作者如何把任务拆成五步来用它。

为什么CPU能一卖四,GPU却只能整卡出租?

Thu, 02 Jul 2026 07:30:00 +0800

同样标着2核2G的云主机为什么价格差几倍？H100为什么从来只按整卡出租？术语解构系列拆解「超分比」：从vCPU超卖的经济账，到账面算力与有效算力的兑现率，再到GPU训练时代超分为何失灵、推理时代又如何借尸还魂。

用AI工具，为什么有人花2块，有人花1300块？

Wed, 01 Jul 2026 07:30:00 +0800

本文系统拆解大模型 API 的 Token 定价差异，比较旗舰模型、主力模型、性价比模型和底价模型的使用场景，说明贵模型贵在哪里、便宜模型适合做什么，并给出普通创作者和个人开发者的模型分工方案。

7月AI新工具速递：本月值得关注的5款新品

Tue, 30 Jun 2026 07:30:00 +0800

梳理2026年7月值得关注的5款AI新品，包括Claude Sonnet 5、Cursor iOS App、Gemini Spark、Nano Banana 2 Lite、Gemini Omni Flash和Claude Apps Gateway，重点分析价格、功能变化和使用价值。

训练和推理，到底差在哪？为什么你能跑大模型，却训练不了小模型

Mon, 29 Jun 2026 07:30:00 +0800

训练和推理是理解大模型必须先分清楚的一组概念。训练会修改模型参数，推理只是调用已有参数。本文从概念、计算过程、资源消耗、本地大模型运行、微调和RAG等角度，系统解释训练和推理的核心区别。

显存、内存、算力，到底谁决定你的 AI 跑得快？

Sun, 28 Jun 2026 07:30:00 +0800

用一个后厨的比喻讲清显存、内存、算力、带宽和本地大模型运行速度之间的关系，并解释普通人购买 AI 设备时应该优先看什么。

token是什么？为什么AI不是按字数算账

Sat, 27 Jun 2026 07:30:00 +0800

这篇文章解释 token 是什么，为什么 AI 不是按字数处理内容，而是按 token 工作。文章同时说明 token 和字数、上下文长度、AI 计费、本地模型内存占用之间的关系。

存储通胀:苹果涨21%、美光毛利80%、华为另起炉灶

Fri, 26 Jun 2026 07:30:00 +0800

从苹果硬件涨价、AI数据中心扩张、存储通胀，到华为韬定律，理解AI时代算力、内存、存储和后摩尔时代硬件演进的产业逻辑。

DeepSeek新出的DSpark，不是让模型更聪明，而是让它说话更快

Thu, 25 Jun 2026 07:30:00 +0800

这两天看到 DeepSeek 又冒出来一个新词：DSpark。

第一眼看上去，很容易以为它又发布了一个新模型。毕竟现在大模型圈子里，只要名字后面多几个字母，大家就会本能地想：是不是能力又上去了？是不是推理更强了？是不是又要重新排榜了？

但 DSpark 这事，最好不要这么理解，它不是一个新大脑，它更像是 DeepSeek 给模型换了一种更快的说话方式。

简单说，DSpark 解决的不是“DeepSeek 会不会回答”，而是“DeepSeek 能不能更快把答案吐出来”。

这两个问题不一样：一个是能力问题，一个是效率问题。

大模型为什么总是一点点往外蹦字？

我们平时用大模型，最直观的感觉就是：它不是一下子把整篇回答发给你，而是一行一行慢慢出来。

有时候看着还挺像一个人在打字。

但这不是界面故意做出来的打字机效果，而是大模型本来就这么工作。

大模型生成内容，不是先在脑子里写好一整篇文章，然后复制粘贴出来。它更像是在不断猜下一个字、下一个词、下一个 token。

前面说了什么，决定后面最可能说什么。

大模型如何一个 token 一个 token 生成文本⁠

所以它的工作方式大概是：先预测下一个 token，再根据这个 token，预测再下一个 token，再继续往后预测。

一路这么走下去，最后才变成我们看到的一段回答。

这里的 token 不需要理解得太复杂。可以粗略当成 AI 处理文字的基本颗粒。中文里可能接近一个字，也可能是一个词的一部分；英文里可能是一个单词，也可能是单词的一部分。

关键不在 token 的精确定义，而在它的生成方式：

大模型原来基本是一个颗粒一个颗粒往外吐。

这就像一个人说话，每说一个字都要停下来想一下。能说，但慢。

DSpark 在中间加了一个“小助手”

DSpark 的思路，可以用一个很土但很容易懂的比喻来讲。

原来的大模型，像一个很谨慎的老师。

每写一个字，都要自己想、自己判断、自己落笔。

DSpark 相当于给这个老师配了一个学生。

学生写草稿，老师快速批改⁠

学生先写一小段草稿，老师再快速批改：

这几个字对，保留。
这个词不对，改掉。
后面这一小段可以直接用。
这里猜错了，退回来重新写。

如果学生猜得准，老师就省事了。

老师不用从空白纸开始一个字一个字写，而是可以在草稿上快速确认。

这就是所谓的“推测解码”。

听起来挺技术，其实就是四个字：

先猜，再验。

小模型或者草稿模块先把后面可能出现的 token 猜出来，主模型再来验证。猜对了，就一口气通过；猜错了，再回头修正。

所以 DSpark 不是让小模型代替大模型，也不是降低标准凑速度。

12个本地模型，同一份提示词，谁能扛住24GB的内存墙？

Wed, 24 Jun 2026 07:30:00 +0800

在 24GB 统一内存的 Mac 上用一份七板块硬 prompt 横评 12 个本地大模型（Qwen3.6 / Qwen3 / Gemma-4 / DeepSeek-R1 系列，MLX 与 LM Studio 双线）：6 个因 OOM 或上下文超限失败，5 个合格交付。拆解内存墙、MoE 显存真相、Prompt 遵从性与原文忠实度，并给出按硬件分档的选型建议。

本地模型别只看总参数：稠密和稀疏差别很大

Mon, 22 Jun 2026 07:30:00 +0800

用全公司上班 vs 只叫醒几个专家的比喻，讲清楚稠密模型和 MoE 稀疏模型的根本区别，以及在本地部署时如何通过名字里的 A 识别 MoE 模型。

别再被的模型名劝退了（下）：你的电脑能跑多大，又该怎么选

Sun, 21 Jun 2026 07:30:00 +0800

以 MacBook Pro M4 Pro 24GB 为例，给出各规模和量化档位的内存占用速查表，分析 24GB 的真实可用量，并给出以输出质量优先的模型选型建议。

别再被模型名劝退了（上）:从一堆字母看懂本地大模型

Sat, 20 Jun 2026 07:30:00 +0800

拆解本地大模型命名规则，讲清楚参数量（B）、模型类型（Instruct/Base/Thinking）、量化格式（Q4/Q8/IQ4/MLX）各是什么意思，帮你看懂 LM Studio 里那一堆文件名。

DANKOE最新文章《如何在AI大替代中生存（并逃离薪资奴役）》

Fri, 19 Jun 2026 07:30:00 +0800

整理和翻译了 DAN KOE 关于 AI 时代生存策略的文章：真正的风险不是 AI，而是对雇主、工资和旧技能的过度依附，以及如何重新掌握安排挑战的能力。

不同算力卡一小时能干多少活？

Thu, 18 Jun 2026 07:30:00 +0800

以跑 70B 大模型为统一场景，对比 H100、B200 等不同算力卡一小时的 token 生成量，把抽象的 TFLOPS 换算成可感知的 AI 产能。

拥有1P算力，能干点什么？

Wed, 17 Jun 2026 07:30:00 +0800

从实际应用角度分析 1P 算力的能力边界：可以跑大模型推理、支撑企业 AI 应用，但从零训练超大规模基础模型基本不够。

我用WorkBuddy做了几件小事，才明白Agent是什么

Tue, 16 Jun 2026 07:30:00 +0800

通过使用腾讯 WorkBuddy 处理日常杂事，对比了几款 AI Agent 工具，理解了智能体帮你拆解任务、规划执行和真实动手的区别。

了解一下图片暗水印

Mon, 15 Jun 2026 07:30:00 +0800

介绍图片暗水印（隐形水印）的原理、典型用途，并用 Python 实现了 AES-GCM 加密 + LSB 隐写的小工具，把文字嵌入 PNG 图片而肉眼不可见。

快捷指令终于有“全局变量”了！

Sun, 14 Jun 2026 07:30:00 +0800

记录了 iOS 27 beta 1 的三个变化：Liquid Glass 视觉效果、景深效果、以及快捷指令新增的储存空间功能，让跨指令共享数据成为可能。

换种问法，AI给的答案能差多少？

Sat, 13 Jun 2026 07:30:00 +0800

用五种 prompt（普通总结、字数限制、结构化、防幻觉约束、证据对应）向同一模型提问，对比结果差异，总结了实用的提问自检方法和几个需要避免的危险词。

了解Ai大模型的幻觉

Fri, 12 Jun 2026 07:30:00 +0800

通过论文 FaithBench 和博客文章了解 AI 大模型幻觉问题，整理了 12 个主流模型的幻觉率排名，并用一则财经新闻自己做了一次对比实验。

DAN KOE的书《Purpose & Profit》

Thu, 11 Jun 2026 07:30:00 +0800

整理了 DAN KOE 免费发布的《Purpose & Profit》中英文对照版，上传至 GitHub 供下载，书中探讨人生使命与金钱的关系。

理解什么是“1P”算力

Wed, 10 Jun 2026 07:30:00 +0800

从 1P 算力入手，整理了 FLOPS、PFLOPS、精度（FP64/FP32/FP16/BF16/INT8）等 AI 算力基础概念，解释为什么算力数字离开精度就没有意义。

修复 yuque-exporter 的三个 bug

Thu, 28 May 2026 10:00:00 +0800

语雀文档批量导出工具 yuque-exporter 在首次运行、本地文件缺失、redirect 处理等场景下存在崩溃问题，记录定位和修复过程。

讯飞录音笔云端数据本地备份

Fri, 15 May 2026 12:41:38 +0800

讯飞录音笔云端数据本地备份

讯飞录音笔录音本身在云端，转写、AI 总结、思维导图也都在网页端能看到，但真到需要长期整理时，只靠网页端不太方便：文件分散，账号切换容易混，后续要搜索、归档、再加工也不顺手。

iflytekRecordDownload 就是为这个场景写的一个小工具。它从讯飞录音笔网页端读取云端录音列表，把录音音频、转写文本、AI 总结和思维导图同步到本地。同步后的文件按账号、日期和录音时间组织，适合长期备份。

它解决什么问题

这个工具主要做几件事：

下载每条录音对应的 WAV 音频。
导出转写文本为 Markdown。
同步云端生成的 AI 总结和思维导图。
按不同讯飞账号分目录保存。
按录音当天日期建文件夹，同一天多条录音再按时分秒区分。
自动生成当天的转写合并文档，方便快速回看。

最后得到的目录大概是这样：

~/录音笔同步/工作账号/
  2026年05月14日/
    17时26分49秒.wav
    17时26分49秒.md
    17时26分49秒_AI总结.md
    17时26分49秒_思维导图.md
    17时26分49秒_raw.json
    2026年05月14日_转写合并.md

这个结构的好处是后续处理很简单。音频、转写、总结和思维导图都在同一个时间点下面，不需要再从一堆文件里猜谁和谁对应。

实现思路

讯飞录音笔网页端本身会调用接口读取录音列表和详情。工具没有绕过登录流程，而是让用户先在浏览器里正常登录，然后从开发者工具里复制一次 Copy as cURL。脚本会从这段 cURL 里解析出 X-Session 和 X-User-Id，再用同样的登录态去访问云端接口。

钉钉DingTalk音频导出到本地

Fri, 08 May 2026 22:53:56 +0800

基于开源项目扩写了两个脚本，实现将钉钉 DingTalk AI 听记的音频、转写、AI纪要、关键词、待办等内容完整导出到本地目录，方便备份和二次处理。

解决快捷指令找不到备忘录的问题

Sat, 25 Apr 2026 15:34:29 +0800

用 iOS 快捷指令 + 备忘录实现的零成本闪念记录系统，升级 iOS 26 后偶发找不到备忘录，通过新增文件夹筛选和创建日期条件两个限制稳定解决。

读了《追风筝的人》

Sun, 04 Jan 2026 20:21:49 +0800

读卡勒德·胡赛尼《追风筝的人》的记录，包含手绘人物关系图、从 1933 年到 2001 年的完整故事时间线，以及摘录的触动句子。

读了刘震云的《咸的玩笑》

Tue, 30 Dec 2025 07:30:32 +0800

读刘震云《咸的玩笑》的记录，关注了正文一、题外话、正文二的结构安排，摘录了书中有意思的句子，以及读完后的几点困惑。

telegram ceo访谈视频中英文字幕

Sun, 12 Oct 2025 09:11:52 +0800

英文水平太差，把YouTube视频博主的访谈英文字幕通过AI工具翻译成中文，方便查看。

看了电影《捕风捉影》

Sat, 23 Aug 2025 10:50:14 +0800

成龙梁家辉主演的警察追逃片，聊了片中传统手段与技术依赖的矛盾，以及对现实中 AI 替代问题的一点联想。

图片处理工具 - 重命名、调整尺寸并清除EXIF

Tue, 12 Aug 2025 17:41:27 +0800

用Python开发的图片批量处理工具，支持智能调整尺寸、清除EXIF信息和批量重命名功能。

2025年暑假外出记录

Fri, 18 Jul 2025 18:04:08 +0800

趁假期外出转一圈，没有去人多的景点，选了一个地方，待了一个星期。

这个博客是怎么搭建起来的

Tue, 01 Jul 2025 18:03:13 +0800

这篇文章将详细介绍我是如何搭建这个Hugo博客的。