最新文章

这篇记录我把合同审查从“单次模型输出”改造成“可复核流程”。先固定合同版本、法域边界和输入一致性，再用多角色链路做结构化抽取、风险识别和法务规则匹配，并按风险输出动作建议。重点在于在每一步保留证据和来源落点，让法务明确结论来源与边界。文章还给出前置硬校验（占位符、附件、签署状态、页码完整性）和人工签发机制，避免模型文本再完整也被误当作最终决策。

这篇记录我如何把一台真实 Windows 11 机器接入 Agent 验收链路，而不是临时远程桌面替代测试。内容聚焦 SSH 与 GUI 自动化通道的分工：PowerShell/命令用于状态查询和变更，CUA Driver MCP 负责窗口识别、点击与表单输入，任务执行结果由日志和回执双重收口。文中也记录了 OpenSSH 配置中的关键卡点、管理员连接细节和权限边界，目标是把“执行看似成功”与“操作真正生效、可复验”区分清楚，提升真实 Windows 场景交付稳定性。

这篇记录我们在工程图场景里的实践：与其把整张图交给单次识别，不如把流程改造成可追踪、可复核的多层链路。先做版本冻结、页码与基线校验，再做局部识别并带上下文恢复连接关系，最后对照设计资料做规则校核。文章强调工程图中单点误差会放大，必须保留来源页码、坐标和对象关系，才能避免“看起来完整却后续逻辑错位”。流程最终通过独立复核 Agent 与人工签发关口，确保可追责。

这篇记录了我最近在真实招投标项目里踩过的几个坑：不是写得多快，而是能不能把项目真正跑完。文章先聚焦于盯标阶段最容易错的判断边界：先用可核验规则区分值得不值得参投，再进入资格项和评分点的逐条响应。我们强调每个响应必须有原文件依据和责任人补齐计划，不能靠“看起来像对了”算完成。后续落地多 Agent 分工后，读标、写标、查标被拆开，输出从“单次结论”变成可复核的材料链，减少漏项和“提交后才发现错位”的风险。

在Windows上安装rsync通常需要使用诸如WSL2或Cygwin等解决方案。然而，这些方法可能会导致性能下降、系统资源占用高以及用户体验不佳等问题。因此，我们将通过一个简单的PowerShell脚本来安装cwRsync，避免上述问题。

请注意： 执行这个脚本意味着您同意cwRsync的相关协议。

现在新购买默认搭载Windows系统的电脑一般都会提供一个Windows Hello身份认证方案，例如指纹或者人脸识别。Howdy是一个在Linux上模仿Windows Hello的程序，可以实现在系统用户登录、锁屏登录、sudo、 su等身份认证时候使用人脸识别。

Howdy开源地址：https://github.com/boltgolt/howdy

Howdy程序本身的使用方法官方已经已经非常详细了，在此仅做补充。

除了说明提到的Ubuntu or Linux Mint、Debian、Arch Linux、Fedora、openSUSE这些Linux发行版之外，基于这些系统的一系列发行版系统都是可以用的。例如Raspberry Pi OS、Kali。

支持Windows Hello的笔记本电脑配有红外摄像头和红外光线发射器。红外网络摄像头通常可以在Linux上自动检测到，但默认情况下，红外光线发射器不起作用。为了使它们工作，请安装和配置linux-enable-ir-emitter。

RNDIS（Remote Network Driver Interface Specification）驱动在MacOS Sonoma中的安装，可以有效解决一些网络共享问题。这主要用于两个场景：

1. 安卓手机有线共享网络：允许用户通过USB连接，将安卓设备的网络共享给MacOS设备。
2. USB随身WiFi有线共享网络：实现通过USB连接的WiFi设备，为MacOS提供网络连接。常见的飞猫智联U8、高通410随身Wifi等几乎所有USB和TypeC接口的4G/5G随身WIFI都是RNDIS方式有线上网。

支持Intel、Apple Silicon（M1/M2/M3）芯片。

由于工作需要，长期以来我都是iPhone作为主力机，安卓作为备用机。经常出现iPhone在充电的时候需要接收验证码。为了实现备用机和主力机一致的功能体验，特地让AI帮我写了一个APP实现“iPhone短信自动转发到Android手机”。

众所周知，Android手机APP是可以可以申请读取短信内容权限的，实现Android短信自动转发或者自动识别验证码是比较容易的。但是目前为止，我并没有发现市面上存在IOS应用程序可以实现读取短信的。真的没有办法实现读取短信内容吗？带着疑问我让AI帮忙翻阅了Apple开发者文档，最后发现其实是可以实现这个功能的。

这篇文章《A stable and replicable neural signature of lifespan adversity in the adult brain》在《Nature Neuroscience》上发表，讲述了一项纵向研究，研究人员通过对约170人的一生数据及其大脑结构的检视，发现逆境（如母亲怀孕期吸烟，受虐待等负面事件）会导致大脑广泛的形态变化，这种影响与生逆境类型和患者大脑特定区域有关。 研究结果显示，这种逆境对大脑结构的影响是可持续且稳定的，逆境不仅改变了大脑结构，而且可能引起持续的焦虑症状，有助于预测谁更有可能患上精神障碍，这为精神健康的干预和治疗提供了新的理论依据。 逆境不仅是社会和心理问题，更是生物学问题。我们需要对逆境的影响进行更多重视，寻求有效策略减轻其对个人和家庭的长期影响。 同时，研究团队开源了用于预测临床神经科学的工具包，旨在推动此领域的进一步发展。

The article primarily discusses the types and quality of data required for Supervised Fine-Tuning (SFT). It covers the following aspects:

1. Objectives of Supervised Fine-Tuning : Enhancing performance in specific tasks, domain adaptability, and the interpretability and controllability of the model, with an overarching goal to boost system robustness.
2. Core Considerations : These include the diversity of data, avoiding treating SFT merely as data supplementation, appropriately incorporating few-shot learning and COT data, emphasizing data quality over quantity in SFT, and recognizing that increasing data volume without diversity brings diminished returns.
3. Data Quality Requirements : These considerations touch on the length restrictions for questions and answers, the accuracy of answers, the selection of data based on industry requirements, the diversity of necessary NLP abilities, and the caution against too much vertical domain data.
4. Specific Examples : The article provides both good and poor dataset examples to illustrate how to choose and evaluate data.
5. Q&A Section : This part explains why including the ability to write code in SFT is essential, emphasizing its importance in improving reasoning and structured output abilities.

In summary, the article offers comprehensive guidance on how to conduct supervised fine-tuning, underlining the importance of data diversity and quality, and presents implementation strategies and examples to support these points.