与「本地猴」相关的搜索结果

35U的快乐 #WorldCup2026# 🔥 世界杯绝配: 啤酒+拉面+烧烤+江湖菜 🍻 为了安排世界杯期间和朋友看球聚会 我提前踩点了这家本地开了40年的拉面烧烤店: 这家店的代表作就是传统拉面 算福山拉面的一种 (福山拉面被认为是拉面的起源 包括日式拉面在内) 🍜 今天点了两碗牛肉拉面和一碗拆骨肉拉面 汤是高汤 味道鲜美 拉面纯手工 有劲道但不生硬 口感非常嫩滑 我特别推荐吃完烧烤喝完啤酒之后再点拉面 一碗下肚 能平复酒精的刺激和烧烤的油腻 实在太养胃了 烧烤是老味道的北方烧烤 最推荐的是烤白条 纯瘦肉 肉质超嫩 不会塞牙 五花肉 油边 牛羊肉等也很推荐 都是当天的鲜肉 不会踩坑 🥩 当然我最喜欢的还是烤知了猴/金蝉 每次去我都必点 只是现在不应季罢了 朋友们你们吃过吗 😂 江湖菜也特别下酒 今天点了爆炒腰花和张飞牛肉 厨师是从四川学成过来的 四川的朋友吃完后都说很正宗 🌶 总结 三人一共消费35美元 尊重美食的传统 味道令人惊艳 店内还有大屏幕看球 美加墨世界杯有重要的比赛我都会过去 👏🏻 - 你们世界杯期间打算怎么度过 喜欢边看球边吃什么下酒 欢迎评论区说说 🙏🏻

互联网黑话之西游记版 制作工具： - Gemini 3 Pro 生成剧本 - Nano banana Pro 生成首帧图 - Sora 2 Pro 生成分镜头视频 原始剧本（有大量删减）： 唐僧 (CEO): 悟空，咱们现在的 OKR（目标与关键结果） 进度如何？离西天那个 最终交付物（取经） 还有多长的时间窗口？ 悟空 (CTO): 师父，我看了一下后台日志，咱们现在的 路径规划 有点绕，前面路段 风险系数（Risk） 很高，建议先做一下 灰度测试。 白骨精 (外部竞品/黑客): [化身送饭村姑上线] 各位老师好，我是本地生活赛道的，来给各位做一下 用户关怀，痛点是大家饿了，解决方案是这篮子馒头，完全免费，旨在 沉淀用户心智。 八戒 (摸鱼总监): 师父！你看！这是 高潜用户 啊！而且自带 资源包 进场，咱们赶紧 转化 了吧，这馒头看着就符合 人体工学。 悟空 (火眼金睛开启): 慢着！ [扫描中...] 警报！前端页面伪装度 99%，后端接口全是 恶意代码！ 这不是 增量用户，这是 杀猪盘！ [举起金箍棒] 看我一键 回滚！物理 格杀！ [一棒打死] 唐僧: 悟空！！你疯了吗？ 你这是 P0 级生产事故！ 虽然我们追求 狼性文化，但你也不能对 C 端用户 暴力执法啊！你的 颗粒度 怎么这么粗？ 悟空: 师父，你那是 信息茧房。透过 底层逻辑 看本质，她就是一堆白骨（Bug），如果不及时 熔断，咱们团队的 生命周期 就到头了！ 八戒: 师父，别听猴哥的。 我看他就是 嫉妒 我跟用户 建立了深度链接。 他这是 技术霸凌，为了刷自己的 存在感，把咱们的 潜在流量 既然全给 屏蔽 了。这让我们以后怎么做 私域运营？ 白骨精 (化身老妇人再次上线): 哎呀，我女儿呢？ 刚才是不是你们 触达 了我的女儿？ 悟空: 还敢 迭代？ 换了个 UI 皮肤 我就不认识你了？ 刚才是一期工程，现在二期工程我也给你 拆迁 了！ [再次一棒打死] 唐僧: [念紧箍咒 - 启动合规审查程序] 悟空: 啊！师父！别念了！别搞 职场 PUA！ 唐僧: 我也不想这样。 但你连续两次 击穿底线，严重影响了团队的 NPS（净推荐值）。 出家人慈悲为怀，这是我们的 品牌调性，你完全不 对齐 咱们的 价值观。 白骨精 (化身老公公上线): 救命啊... 这一家子都被你们 优化 了... 悟空: 好家伙，还搞 矩阵号 运营？ 我就不信你的 服务器 还是 多活 的！ 看我 全栈打击！彻底 格式化！ [打死老公公，白骨精现出原形，留下一堆白骨] 悟空: 师父你看！这就是 交付结果！ 我就说她是 虚假繁荣 吧，全是 泡沫。 八戒: 哎呀师父！ 这猴子那是怕您责怪，使了个 障眼法（技术手段） 篡改了 数据库！ 他把好好的一个老头，渲染 成了白骨！ 他这是为了逃避 KPI 考核，伪造 数据看板 啊！ 唐僧: 够了。 孙悟空，你 技术栈 虽然强，但是 软技能 太差。 你已经不适合我们这个 生态位 了。 我们现在的 战略转型 需要更 柔性 的人才。 你被 毕业 了，去财务那结算一下 N+1 吧。 悟空: 师父？你真的要跟我 解耦？ 没有我做 底层架构，这一路上的 Bug 谁来修？ 唐僧: 不用说了。 沙僧，把他的 权限回收。 八戒，以后你来 承接 悟空的 Headcount（编制）。 悟空: 行。 此处不留爷，自有留爷处。 我去花果山 孵化 新的 独角兽 去了！

可以把所有油猴上的插件扔了！ 做了一个安全，开源，本地运行的全功能插件。 插件功能： 1. 自动实时翻译（谷歌翻译）。 2. 支持推特标签备注(点击✏备注)。 3. 支持推特重点高亮关注（点击⭐）。 类似小何 @heyibinance 推文显示效果。 4. 支持设置字体颜色大小，怎么喜欢怎么来。 5. 支持本地备份导入，其他家的备份也支持导入使用。 6. 支持CA检测，点击一键跳转到行情界面。 油猴： 插件链接： 源代码GitHub: 如果好用，随手一键三连就行，有问题随时联系。

生姜是食疗中的最佳之一。 姜粉比姜茶更好，但是不能直接服用，太刺激，配粥或其他餐品。 姜茶在上午喝，可以搭配发酵茶，忌绿茶生茶类。 吃姜，吃面时加姜丝，白斩鸡蘸蒜蓉。 吃熟的姜片。 中国出口欧洲的生姜品质非常好，农残极少。 本地消费和出口泰国的就令人悲伤。

有人把咖啡师 AI 塞进了 8 美元的 ESP32。 USB 输入意式咖啡问题，OLED 直接回答。 完全本地，没云，没 GPU。 小而专的 AI 开始有意思了。

🚀发现一个很适合搭配 Pi、Claude Code、Cursor 使用的开源知识库项目：pi-llm-wiki。 它采用 Karpathy 提出的 LLM Wiki 思路，把 URL、PDF、Markdown、JSON、XML 等原始资料，转化为可持续维护、相互链接的本地 Wiki，而不是每次提问都重新进行一次性 RAG。 核心亮点： ▪️ 自动采集、整理和关联不同来源 ▪️ 区分原始资料、来源摘要、概念页和综合分析 ▪️ 兼容 Obsidian，可直接查看和编辑 ▪️ 原生支持 OKF v0.2，知识库不被特定应用锁定 ▪️ 同时搜索个人知识库与项目知识库 ▪️ 自动检查断链、孤立页面、内容冲突和知识缺口 ▪️ 通过 MCP 接入 Claude Code、Cursor、Windsurf ▪️ 可选记录 Agent 的任务轨迹，并沉淀为可复用 Skills 这不是简单的“让 AI 搜索笔记”，而是让 AI 帮你长期维护一套会不断积累、更新和复利的知识系统。

MiniMax H3 开源了，普通人能不能用？ 能，但要分两种情况。 想直接生成视频： 不用安装模型，也不用买显卡，直接用 MiniMax 官方网页或 API，按使用量付费。最省事，但具体价格要看官方平台当前显示。 想免费本地运行： 先从 GitHub 下载 H3，再安装运行工具，比如 ComfyUI 或 SGLang。 需要你的电脑有高性能显卡。官方示例是 4 张 GPU，普通电脑和游戏本基本跑不动。模型文件免费，不代表使用免费，显卡、电费、云服务器都要自己承担 H3 有两个版本： FL2VA：输入文字、首尾画面来生成视频 Ref2VA：输入图片、视频、音频作为参考来生成视频 它能生成 4～15 秒视频，并同步生成声音。 注意： 现在开源的主要是基础模型，本地通常生成 768p 视频。复杂提示词处理和 2K 高清输出，还要调用官方 API。 一句话： 没显卡，直接用网页或 API 有高端显卡，才适合本地部署 想研究模型，下载开源权重 想马上出片，别折腾安装。 下面是MiniMax H3 跟Seedonce 2.0 同样的提示词生成 GitHub：

刷到个一小孩，坐车后座，手里扇着一沓钱，腕上一块表大得跟他不太搭。 他说不要工作，不要去打工，这样做就能赚很多美金！！ 方法是：Google 地图搜本地商家,挑一家没官网的,复制店名,丢进个 AI 建站工具,输入"给这家公司做个高级网站",等三分钟,打电话卖几百刀，一天打几百个电话总能碰上要的。 这几步没毛病，AI 现在几十分钟确实能出一个像模像样的站。 信息差销路都有了，各位还知不知道其他类似的方法？

Codex、WorkBuddy 等 Agent 已经能读取 PDF。面对扫描件、多栏排版、跨页表格和公式时，解析质量仍会直接影响后续的检索、问答和数据提取。 Mac 上可以本地运行的 PDF parser 很多，PaddleOCR、GLM-OCR、MinerU 等工具的安装方式和运行环境各不相同。文档类型变化后，想换一个 parser 重新处理，通常还要重新配置。 DocDot @docdotai 把多个本地 parser 集中到了同一个 CLI 中管理。 官方安装命令： curl -fsSL | bash 安装 DocDot 后，可以在 NanoDoc、PaddleOCR、GLM-OCR、MinerU、LiteParse 之间安装和切换，并将 PDF 解析为 Markdown 或 JSON。后续还会继续增加新的 parser。 DocDot 也提供了 Web Mode。运行 `docdot web` 后，可以在浏览器中并排比较 3 个 parser 的结果。遇到复杂表格、公式或特殊排版时，可以根据实际输出选择更合适的解析器。 根据官方说明，安装程序还能扫描本机的 Codex、Claude Code、OpenClaw、Hermes 等 Agent，并配置相应的 Skill；需要接入其他应用时，也可以通过 MCP 调用。解析在本机运行，PDF 无需上传，目前主要面向 Apple Silicon Mac。 我在 Mac 上安装了 DocDot 和 NanoDoc，并准备了一页包含中英文、表格和公式的 PDF。 首次启动完成模型编译后，再次解析同一份 PDF 用时约 2.3 秒。正文和公式基本准确，表格结构得到保留，小字号表头仍有少量误识别。 这只是一份单页样本，不能替代完整的性能测试。官方技术报告使用了 4,231 页、64 类文档进行比较，NanoDoc 的综合质量和 Table TEDS 在参测解析器中均排名第一。 DocDot 今天在 Product Hunt 上线：