杂技浅尝

前言 说是 被 WSL 给吃干抹净是不严谨的，但是这次出现的问题是公司一台开发机器。512 拆分两个盘，而我在运行 WSL Ubuntu 的过程中突然断联，说 1 2 3 4 5 6 (base) PS C:\Users\mck-dev> wsl <3>WSL (40532 - Relay) ERROR: CreateProcessParseCommon:1003: getpwuid(1000) failed 5 <3>WSL (40532 - Relay) ERROR: ConfigUpdateLanguage:2519: fopen(/etc/default/locale) failed 5 <3>WSL (40532 - Relay) ERROR: operator():577: getpwuid(0) failed 5 <3>WSL (40532) ERROR: I/O error @util.cpp:1356 (UtilInitGroups) <3>WSL (40532 - Relay) ERROR: CreateProcessCommon:805: Create process failed 一看C盘已经不是爆红，而是彻底满了。 这让我想起来 WSL 默认的文件系统应该也是在 C 盘（上次操作docker 给客户操作了一次），那我应该迁移一次，但是这次不是docker，怎么迁移这个文件系统 在WSL setting中找到文件系统的菜单中只有大小的设置，那么看来没有什么GUI的工具能帮我啦。 遇到这种问题其实很生气，因为我当时强行合盘，在我获得一个 2T的 C盘时，给我电脑造成超多碎片垃圾到现在没有清理干净。真是丧尽天良的落后设计。 导出内容 WSL 的“默认盘符”本质上是 发行版的 ext4.vhdx 所在位置。 只要 ext4.vhdx 在 D 盘，本质就已经迁移完成。 他已经来到了8G，对于这台118GB的 C盘，之前又装了 Epic 开发UE5，爆满在意料之中 执行以下命令把他导出 1 2 3 4 5 (base) PS C:\Users\mck-dev> wsl --export Ubuntu-22.04 D:\wsl\ubuntu.tar 正在导出，这可能需要几分钟时间。 (0 MB) 无法启动分发。错误代码： 6，失败步骤： 2 错误代码: Wsl/Service/E_FAIL 结果失败了，我猜爆满的C盘已经没有能力启动 WSL 。那么通过 WSL 去导出文件已经不可能。那就只能先清理一部分了。 清理了常见的 temp 和download，没有任何改善，此时我可以抛弃wsl的数据， ...

手动处理图片链接太痛苦了，每次都要下载、上传、替换链接，步骤多还容易出错。写个脚本让它全自动，一劳永逸。 问题 博客图片管理一直是个麻烦事： 从微信公众号转载文章，图片都是外链 外链不稳定，说不定哪天就挂了 想迁移图床，手动改链接太繁琐 一不小心就忘了某个步骤，图片上传了链接没更新 原理 其实就三步： 下载：扫描 Markdown 文件，找到所有外部图片，下载到本地 上传：把本地图片通过 PicGo 上传到图床 替换：更新 Markdown 中的图片链接 核心是用正则提取图片引用 ，然后做 URL 映射替换。 加上缓存机制（基于文件 hash），避免重复上传。再加个备份功能，出问题能回滚。 实现 写了三个脚本： 1. auto_migrate.py - 一键式 最常用，自动完成所有步骤： 1 2 python3 scripts/auto_migrate.py --dry-run # 预览 python3 scripts/auto_migrate.py # 正式执行 运行前会提醒检查 PicGo 配置，避免上传到错误图床。 2. fix_current_links.py - 修复 如果图片已上传但链接没更新，用这个： 1 python3 scripts/fix_current_links.py --yes 从缓存文件 .image_cache.json 读取映射关系，批量更新链接。 3. blog_image_manager.py - 手动模式 需要精细控制时用，可以单独执行下载或上传。 使用 最简单就两步： 1 2 3 4 5 # 1. 预览（首次推荐） python3 scripts/auto_migrate.py --dry-run # 2. 正式执行 python3 scripts/auto_migrate.py 出问题可以回滚： ...

截止到写这篇文章，ClawdBot 已经火出圈了，被 Anthropic 告了一手后现在已经改名 Moltbot，🦞龙虾 bot。 之前在我自己的服务器上安装过，但是看到很多 skills 的配置比较繁琐（我连敲代码都很少配置外部能力。）实在是没有精力搞，所以也没觉得很牛。但是最近翻出公司的老树莓派就不一样了。废物必须利用，折腾永垂不朽。 安装 🦞bot 的作者是推崇 一键安装的，所以他们为这个努力了不少，那么理论上我应该也可以诶 curl -fsSL https://clawd.bot/install.sh | bash，果然一路畅通无阻 这其中唯一的坑就是 minimax 的官方配置是 海外的站、而我使用的账号是国内版、所以需要修改一下 baseurl、这里当时忘记截图了，总之根据官方文档改一下 json 就行 使用 写文时想到使用飞书、此时尚未有人做适配，我也为了浅尝就不折腾太多了，配置 tg bot 试试， 效果图： 叫上同事进来试了一下，没想到还真的能用。功能一切正常，简单试了一下，模型能力挺重要的，如果没有定时提醒之类的能力，agent 还是比较鸡肋，但是如果未来接入飞书、配合适当的 skills、做好持久 memory，那么个人秘书就在眼前了。 唯一的缺点是每次运行都在持续消耗 money。

PostGIS 教程 1. 什么是 PostGIS PostGIS 是 PostgreSQL 数据库的一个扩展，它允许在数据库中存储和操作 GIS（地理信息系统）空间数据。它为 PostgreSQL 添加了空间数据类型、索引和大量空间函数，可以进行地理分析、距离计算、空间查询等操作。 PostGIS 2. 准备工作：安装与启用扩展 在 PostgreSQL 数据库中启用 PostGIS，需要使用 SQL 命令创建扩展。示例： 1 CREATE EXTENSION postgis; 启用后，数据库将支持空间数据类型如 geometry 和 geography。 3. 空间数据类型 坐标系统说明 SRID 4326：WGS84 坐标系，通常用于 GPS 经纬度数据。 GEOGRAPHY 类型：采用球面/椭球面计算真实地球表面距离（单位是米）. GEOMETRY 类型：采用平面坐标计算，通常用于投影坐标系，不适合直接计算地球表面距离。 3.1 geometry 类型 geometry 是用于表示平面（笛卡尔）空间几何对象的数据类型，支持点、线、多边形等多种几何类型。空间行为依赖于坐标参考系统（SRID）。 常见的几何类型包括： POINT：单个点 LINESTRING：线段序列 POLYGON：多边形 MULTIPOINT、MULTILINESTRING、MULTIPOLYGON：复合几何类型 3.2 geography 类型 geography 是用于地理空间数据的类型，面向真实球面或椭球体，适合经纬度数据和真实地球距离的计算。使用此类型的距离和面积计算会基于地球模型返回现实世界的单位（如米）。 4. 空间参考系统（SRID） 空间数据的坐标依赖空间参考系统（SRID）。常见的 SRID 包括： 4326（WGS84）：基于全球 GPS 坐标，经度/纬度，常用于地理坐标。 使用 SRID 能确保空间对象在正确的参考系统下解释和计算。 5. 基本操作：创建空间数据 5.1 创建几何点 1 SELECT ST_MakePoint(-121.97, 37.38); 这个函数会返回一个 geometry 类型的点对象。 ...

之前看到多次那种AI虚拟盘炒股大战了，今天又刷到个股市分析的项目，忍不住了，搞一个下来玩玩 以下记录折腾过程而已 GitHub - ZhuLinsen/daily_stock_analysis: LLM驱动的 A/H股智能分析器，多数据源行情 + 实时新闻 + Gemini 决策仪表盘 + 多渠道推送，零成本，纯白嫖，定时运行 我就不搞actions了，反正有服务器 第一步先拉仓库下来 配环境 随后我最近在学uv，让uv接管依赖管理。直接 uv add -r requirements.txt 然按照作者的环境配置指南，配上gemini的连接方式，由于没看到在哪里自定义gemini的调用方式，进代码一看，发现作者使用的是google.generativeai包，该包已被弃用，虽然还能用，但是我改成了使用 google.genai analyzer.py 中 _init_model 方法更新成如下 [python] 显示已折叠代码（58 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 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 def _init_model(self) -> None: """ 初始化 Gemini 模型 配置： - 使用 gemini-3-flash-preview 或 gemini-2.5-flash 模型 - 不启用 Google Search（使用外部 Tavily/SerpAPI 搜索） - 支持自定义 endpoint（通过 GEMINI_API_ENDPOINT 环境变量） Note: 使用新的 google.genai 包（旧的 google.generativeai 已弃用） """ try: from google import genai from google.genai import types # 从配置获取参数 config = get_config() model_name = config.gemini_model fallback_model = config.gemini_model_fallback # 构建客户端配置 client_kwargs = { 'api_key': self._api_key, } # 配置自定义 endpoint（如果设置） if config.gemini_api_endpoint: logger.info(f"使用自定义 Gemini Endpoint: {config.gemini_api_endpoint}") client_kwargs['http_options'] = { 'baseUrl': config.gemini_api_endpoint, # 注意：参数名是 baseUrl，不是 api_endpoint } # 如果配置了 API 版本，也添加进去 if config.gemini_api_version: client_kwargs['http_options']['apiVersion'] = config.gemini_api_version # 注意：参数名是 apiVersion # 创建 Gemini 客户端 self._genai_client = genai.Client(**client_kwargs) # 尝试初始化主模型 try: # 新版 API 不再使用 GenerativeModel，而是直接通过 client.models.generate_content # 这里我们只需要记录模型名称 self._current_model_name = model_name self._using_fallback = False self._model = self._genai_client # 保存客户端引用 logger.info(f"Gemini 模型初始化成功 (模型: {model_name})") except Exception as model_error: # 尝试备选模型 logger.warning(f"主模型 {model_name} 初始化失败: {model_error}，将尝试备选模型 {fallback_model}") self._current_model_name = fallback_model self._using_fallback = True self._model = self._genai_client logger.info(f"Gemini 备选模型配置完成 (模型: {fallback_model})") except Exception as e: logger.error(f"Gemini 模型初始化失败: {e}") self._model = None self._genai_client = None config加上 ...