Hi there 👋

最近豆包输入法的语音输入很火。 我是在开放后下载下来用了一下，确实很好用，对比之前用的 type less 对我而言有点修饰过头，微信输入法整体效果还行但是略逊于豆包。我设置的快捷键是 Command + Option ，按住说话，松开就上屏，体验很顺。 但是我现在主力打字输入法还是微信输入法。 原因也很简单，它有多端剪切板同步。 虽然这个同步率我感觉也就 90% 左右吧，不是每次都稳，但是有总比没有强。用久了之后就有点回不去了。手机上复制点什么，电脑这边能接着用，虽然偶尔抽风，但是整体还是方便的。 所以问题就来了。 我不想把主力输入法换成豆包输入法，但是我又想用豆包的语音输入。我想偷个懒。 我想到我的流程是，平时打字继续用微信输入法，需要语音的时候，按住 Command + Option 临时切到豆包语音，松开之后再回微信输入法。 那么理论可以全自动做这件事情。我把这个需求丢给了 macbook 上跑着的 Hermes，我坚信它以及它背后的 GPT-5.5 能做到。 最终思路 最后 Hermes 先搓了一个后台 agent，后来又把它收成了一个顶栏 mini app： 1 doubao-voice-wetype-agent 它干的事情不是破解豆包，也不是改输入法，而是在中间当一个代理。 更准确地说，它现在像一个很小的插件，常驻在 macOS 顶栏，没有 Dock 图标。平时显示 豆 OK，权限或者监听有问题的时候显示 豆 !，按住语音的时候会变成 豆 REC。 这个小状态栏后来证明很重要。 因为这种系统级快捷键代理如果没有可视状态，真的太黑盒了。你不知道是权限没拿到，还是 event tap 被系统关了，还是输入法切过去了但豆包没接住。现在点开顶栏菜单，至少能看到权限、当前输入法、最近一次事件和监听状态。 大概流程是这样： [text] 显示已折叠代码（33 行） 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 当前输入法是微信输入法 | | 按下 Command + Option v agent 捕获到这个组合键 | v 检查当前输入法不是豆包 | v 切换到豆包输入法 | v 重新发送一组干净的 Command + Option keyDown | v 豆包开始语音输入 | | 我继续按住，说话 v 松开 Command + Option | v agent 捕获释放事件 | v 重新发送 Command + Option keyUp | v 豆包结束语音输入 | v 切回微信输入法 一句话就是： ...

计算机操作系统 常见指令集有 CISC 和 RISC。 CISC 指令复杂、数量多，比如 x86 架构； RISC 指令简单、执行快，像 ARM、MIPS、RISC-V。 CPU 类型按指令集分， 有 x86 系列，常用于 PC 和服务器； ARM 系列，多用在手机、嵌入式设备；还有 RISC-V 这种开源指令集的 CPU 除了 CPU，常见的处理器还有 GPU，擅长并行计算，主要用于图形渲染和 AI 训练；DSP，专为数字信号处理设计，像音频、图像处理设备常用；FPGA，可编程逻辑器件，可根据需求定制硬件逻辑，适合实时性高的场景；还有 TPU，是谷歌专为深度学习优化的处理器 嵌入式操作系统 嵌入式操作系统特点是微型化、可定制、可靠性和一植移植性，常采用硬件抽象层Hardware Abstraction Layer，HAL和板级支撑包BSP 嵌入式操作系统应具备实时性、可裁剪性和安全性等特征。 基本开发工具是交叉编译器、交叉链接器和源代码调试器 计算机网络 局域网有总线型、星型、树型、环型、网状五种拓扑结构 WLAN拓扑结构有点对点型、Hub型和完全分布型。 完全分布型则处于理论探讨阶段无具体应用 广域网由通信子网与资源子网组成。广域网可以分为公共传输网络、专用传输网、络和无线传输网络3类。 主要有同步光纤网络（SONET）、同步数字体系（SDH）、数字数据网（DDN）、帧中继（FR）和异步传输技术（ATM） 。 以太网规定最小帧长为64字节，最大帧长为1518字节。设置最小帧长是为了避免冲突，最小帧长是根据网络中检测冲突的最长时间来定的。 信息系统基础 信息系统的功能有：输入、存储、处理、输出和控制 信息系统的生命周期分为产生、开发、运行和消亡4个阶段。 企业的所有资源包括三大流：物流、资金流和信息流。 信息安全技术基础 信息安全的基本要素有机密性、完整性、可用性、可控性与可审查性。 范围包括设备安全、数据安全、内容安全和行为安全。 DES 56位密钥长度，三重DES 112位是因为他用了两个密钥 K1加密 K2解密 K1加密 系统工程基础知识 MIPS=指令条数/(执行时间×10^-6) 软件工程基础知识 碎碎念 看到这里已经困的不行了，明天早上七点起来路上复习后去考试 案例分析第一题连考四次质量属性，所以押他还考，这里需要特别准备，然后准备一个主流技术，如果是微服务 / 云原生、缓存 / 数据库、新兴技术，新兴技术大概率是AI，其实都在我的打击范围，只是深度都不够，明天早上起来接着看案例 历年论文四题范围 我直接押题今年会有大模型应用，直接撞在我这两年最熟悉的领域，所以我将把复习重点放在案例分析可能会出现的概念上，好好准备一下 ...

我的主域名空着很久了，很久以前有一个非常简易的 home page，但是有了 AI 之后看来看去，太繁杂的又不喜欢，让我自己写又嫌烦，昨天终于狠下心让 codex 开始干活，然后部署流程记录一下。 这是个 Vite + React 的静态主页，本地跑没问题，想丢到线上去。之前一直用 Cloudflare Pages 直接连 GitHub 仓库自动部署，但这次想换个方式——用 GitHub Actions 编译，然后通过 Wrangler 做 Direct Upload 部署到 Cloudflare Pages。 思路比较简单，但是觉得可以记录一下。 整体链路 先说清楚整个链路长什么样： 1 2 3 4 5 6 7 8 本地代码 -> git push 到 GitHub main 分支 -> GitHub Actions 触发 CI + Deploy workflow -> npm ci -> npm run build -> 生成 dist -> wrangler pages deploy dist -> 发布到 Cloudflare Pages 跟 Cloudflare 自动连接 GitHub 仓库那种方式不一样，这里是 GitHub Actions 主动用 Wrangler 把构建产物推上去，算是个 Direct Upload 的方案。 ...

前趋图（Precedence Graph） 前趋图（Precedence Graph）是一种用于描述任务、事件或进程之间先后依赖关系的有向无环图（Directed Acyclic Graph，DAG）。 通常记作： G = (P, E) 其中： P：顶点集合（Vertex Set），表示进程、任务或事件 E：边集合（Edge Set），表示前驱约束关系 边一般表示为： E = {(p_i, p_j)} 表示进程 p_i 必须先执行完成，进程 p_j 才能开始执行，即： p_i ➡️ p_j 由于前趋图只描述“先后依赖关系”，因此图中不能出现环路，所以它属于有向无环图（DAG）。 在实际分析中，本质上就是按照“节点大小关系 + 箭头方向”记录每一条边的依赖关系。 PV 操作（Semaphore Operations） PV 操作是操作系统中用于实现进程同步与互斥的一种经典机制，其核心是信号量（Semaphore）。 信号量通常记作： S_i 其中： S：Semaphore（信号量） 下标 i：表示第 i 个信号量 PV 操作包括两种基本原语： P 操作（Proberen） P 操作来源于荷兰语 “Proberen”，含义为“测试”或“申请资源”。 执行逻辑： 对信号量 S 减 1 若结果小于 0，则当前进程阻塞等待 若结果大于等于 0，则继续执行 因此： 执行前需要进行 P 操作 表示“申请资源”或“进入临界区” 常写作： P(S_i) V 操作（Verhogen） V 操作来源于荷兰语 “Verhogen”，含义为“增加”或“释放资源”。 ...

开发目标检测、姿态识别这类视觉程序的时候，有个很烦的问题：你需要一个可控的、可重复的视频输入源。 对着真实的摄像头调试？光线一会变一个样，人走来走去的，画面完全不可控。用视频文件做输入吧，有些程序又只认摄像头设备或者RTSP地址，不认本地文件路径。 所以我需要一个东西，既能把视频文件"伪装"成一个实时的视频流，让下游程序当摄像头一样去读。又能快速接入各种我想要做出的画面或者 usb 摄像头来测试视频效果。 当然如果有更好的方案欢迎大家留言（鬼知道有没有人看得到我的文章） 其实 OBS 自带的 Virtual Camera 也能解决一部分问题，但我没怎么用过。 这次搭的链路长这样： 1 视频文件 → OBS 推流 → MediaMTX → RTSP → ffplay / OpenCV / 目标检测程序 MediaMTX 是什么 之前没见过 MediaMTX，一开始还以为是某种虚拟摄像头设备。不是。 MediaMTX 是一个本地流媒体中转服务器，用 Go 写的，一个二进制文件就能跑。它能把推过来的流转成 RTSP、RTMP、HLS、WebRTC、SRT 等各种协议的输出。也就是说你往里面塞一路流，下游不管你用什么协议来读，它都能接。 GitHub 地址：bluenviron/mediamtx，macOS arm64 直接下载解压就能用。 启动 MediaMTX 1 2 cd /Volumes/extStorage/rayEx/Downloads/mediamtx_v1.18.2_darwin_arm64 ./mediamtx gemini 最早叫我下载完之后直接刷机打开，启动的时候会报一条 warning：是因为双击启动的目录对不上，他找不到 yml，进入路径执行就没问题了 1 WAR configuration file not found (looked in .../rtsp-simple-server.yml, .../mediamtx.yml), using an empty configuration 默认配置已经把常用端口都打开了： 1 2 3 4 5 RTSP :8554 RTMP :1935 HLS :8888 WebRTC :8889 SRT :8890 本地调试足够用了，不用改 yml。后面需要鉴权、固定路径、改端口的时候再配。 ...