与「ID카드」相关的搜索结果

✨ 새롭게 업데이트된 [내 카드 꾸미기] 기능! ✨ 다양한 스티커와 배경을 이용하여 나만의 개성과 매력을 맘껏 뽐낼 수 있는 시간을 가져보세요! 🎨💖 카드를 멋지게 꾸미고 스크린샷을 인증하면 추첨을 통해 다이아를 선물로 드립니다! 💎🎁 📅 기간 2025년 9월 9일(화) ~9월 14일(일) 오후 11시 59분 📝 참여 방법 ① 브라운더스트2 공식 라운지 가입 후 이벤트 게시글에 버프!! 👉 ② 내 카드 꾸민 후 스크린샷을 UID와 함께 댓글 남기기 🎁 보상 💎다이아 600개(랜덤 20명) 🎉 결과 발표 2025년 9월 17일(수) ※ UID를 통해 보상이 지급되므로 꼭 정확하게 입력해주시기 바랍니다. 감사합니다. #브라운더스트2# #이벤트# #ID카드# #꾸미기#

미스크레인 등신대.. 싣고 다니시느라 고생하셨습니다 주최자님.. ㅋㅋㅋㅋㅋ 그리고 두번째는 난 맛도 못본 디저트 특전..? (확실치 않음) yAsAl A가 두개니까 네잎클로버에 a를 하나 넣은게 진짜 센스 만땅 디자인 천재 디자인 많이 도와주신 디자인담당님에게 무한 감사를... 외에도 온갖 포카랑 티켓이랑 ID카드컨셉 스티커 대략적으로 총 한 50종정도 디자인하신 것 같은데 우리 주최자 몇주간 짧은기간 밤새가면서 고생했을 것 생각하니 눈물이 앞을 가린다. 내가 미안해(?).. 그리고 케이크 내올 때 울음참기 챌린지 쉽지 않았습니다. 거 참 제가 하.. 아니.. 생일카페 준비했으면 됐지 뭘 또 하.... 인생에서 가장 많이 축하 받은 하루. 케이크 축하를 한번 더 받았는데 내사랑 이쁜이 @hiricacos 쨩이 센스만땅 네잎클로버 케이크를 준비해와가지구,, 또 울컥해서 한번더 눈물참기챌린지 했음😭 말고도 왕큰조각케이크 작은 케이크 여러...여러케이크들이 있었으나 빠르게 먹어서 사진이 없음. 평생 먹을 케이크 다 먹은 것 같다. 어쨌든 너무너무 행복했습니다 오늘 하루는 할머니 돼서 치매와도 못 잊어!!!!!!!!!!!!💕💕💕💕💕💕

拖了巨久的一件大事，这两天终于彻底解决了🥹 花 47.88 刀买了 1Password，花两天把电脑里乱七八糟的 SSH、上百个 API Key、各种证书、还有备忘录里攒了一堆的账号密码，全部迁进了 1Password 之前一直凑合用苹果自带 + .zshrc + 备忘录（估计很多人和我也差不多吧） 但 AI 越来越强，搞的最近出的安全问题太多，加上现在 AI 各种权限开到最大，密钥乱放隐患太大了 万一真出一次事，真不是这 40 多美金的事了，估计要翻好多倍 整体折腾下来发现门道还挺多的： 1、为什么苹果自带密码满足不了重度 AI 开发者，最后还是得上 1Password 2、怎么把各种 API Key 从本地迁走，还不影响原来脚本和 Skill 的调用 3、怎么让 Claude Code 和 Codex 自动取密钥，全程不弹 Touch ID 窗口卡自动化 中间踩了挺多坑，三言两语也讲不完，后续我专门写一篇详细的文章跟大家好好聊一聊吧

我的天，这太疯狂了！！😱 有人用 Opus 5.5，把自己的智能眼镜改成了能识别物体的 AI 设备！ 任何带摄像头的智能眼镜都能接上，戴上之后会当场报出看到的人、车和各种物体。 这套东西免费、开源，普通 Mac 就能跑。 下面是完整步骤： step 1 → 一条命令装上 YOLO：pip install ultralytics step 2 → 戴上眼镜，给自己的 Mac 打一通 WhatsApp 视频通话 眼镜看向街道，Mac 上就能看到同样的画面 step 3 → 在 OBS 里捕获通话窗口，并打开 Virtual Camera 这样眼镜传来的画面，会像摄像头一样出现在 Mac 上 step 4 → 对着这路画面跑追踪：yolo track model= source=1 show=True 每个物体都会带上框、标签，还有一个会跨帧跟着它走的 ID step 5 → 只留下你关心的类别：classes=0,2,16 对应人、车和狗，conf=0.5 用来去掉没把握的判断 step 6 → 写一小段 Python，用 macOS 的 say 把看到的内容念出来，再经 BlackHole 这类虚拟麦克风送进通话：car on your left。声音会直接进到你耳朵里 step 7 → 用自己的东西来训练：你的产品、工具、自己的狗。把 coco8.yaml 换成你标好的照片，再跑 yolo train step 8 → 导出到手机：format=coreml 给 iPhone，format=tflite 给 Android，这样以后可以不用再靠 Mac 底层大致是这样： → YOLO 对每一帧只看一遍，并在这一遍里找出所有物体，所以够快，能跟上实时视频 → 追踪（默认是 ByteTrack）会让同一只狗即使走到树后面，也还是原来那个 ID → 80 种物体开箱就能认，不必先训练 仓库地址： 有兴趣的话可以自己试一下

最近 KOR 的交易所上架动态值得留意，我反而想先聊聊它的代币经济结构。 很多人看到新币上线，第一反应就是看价格、看成交量，但我觉得真正想研究一个项目，还是得先搞清楚筹码结构和项目本身有没有长期需求。 @KorProtocol总供应量固定为 100 亿枚，按照官方公布的代币经济学，TGE 初始解锁约 22.87%，团队和投资人 TGE 零解锁，锁仓一年后才开始释放。 这几个数字值得记下来。 初始流通比例会影响早期市场的供需关系，而团队和投资人的解锁安排，则是后续需要持续跟踪的变量。当然，低初始流通不等于价格一定上涨，具体还要结合成交量、持币分布和实际流通情况判断。 再看项目基本面，KOR 在 Base 上做创意资产的发现、核验、商业对接和稳定币结算，已经有 Pacer、Korus 等产品落地。官方披露产品侧毛收入超过 200 万美元，KOR ID 铸造量超过 15 万。 这意味着它至少有真实产品和业务作为支撑，而不是完全依赖代币叙事。 现在基金会、代币经济学、MiCA 白皮书都已陆续公布，交易所上架也为 KOR 带来了新的市场关注度。 接下来我会重点观察三个方面：实际流通量变化、链上持仓结构，以及产品业务能否继续增长。 对 KOR 来说，上架只是开始，真正的考验还在后面。 #KOR# #KorProtocol# #Base#

ChatGPT can now buy things for you. On Friday OpenAI launched ChatGPT Wallet, so its AI agents can check out with your card. What’s actually in it: → Your card number isn’t shared with the agent or the store. It pays with a substitute → You review the items and the total, then approve every purchase with Face ID or a fingerprint → No spending limits yet. OpenAI says they’re coming → For now it’s a limited rollout to some US ChatGPT Pro users That approval tap is the part to take seriously. In a Cisco and Carnegie Mellon study, AI agents picked pricier options for users they thought were rich, and a clear budget nearly closed the gap for most models. So if you try it, give the agent a number and read the total before you approve. Would you let an AI agent buy something for you? Sources: OpenAI, TechCrunch #AI# #ChatGPT#

DeepSeek 官方说 deepseek-flash 能直接看图，三种传图方式，一次最多 600 张 建议收藏，用到时照着做。做完你能让 DeepSeek 读截图、看图表、描述图片。 这是 DeepSeek 官方 API 文档 Vision（视觉）一页。先说结论： 官方写明，deepseek-flash 模型可以文字加图片一起输入，用来描述图片、读截图里的字、分析图表。 先说清词。 Vision，视觉输入，意思是让模型看图。 base64，是把图片文件转成一长串文字，直接塞进请求里的编码方式。 file_id，是先把图片传到官方的 Files API（文件接口），拿回来的一个编号，之后用编号代替图片。 先把话说全： 官方支持的图片格式是 JPEG、PNG、GIF、WebP，官方说格式按文件真实内容判断，不看文件名。 官方写明，assistant（模型自己的）消息里放图片，会返回 400 错误；图片只能放在 user、system、tool 消息里。 一、三种传图方式 第一种：base64 内联。官方说最适合本地文件，把图片编码后做成 data: 开头的地址放进请求，整个请求体上限是 48 MiB。 第二种：外部图片链接。给一个公开的 http 或 https 地址，官方限制：链接最长 8192 个字符，图片最大 32 MiB，下载要在 60 秒内完成。 第三种：Files API 的 file_id。官方说同一张图要反复用，或者图太大，就先上传再用编号。这种方式图片可以到 64 MiB。 二、请求怎么写 第一步：model 写 deepseek-flash。官方说旧名字 deepseek-v4-flash-vision-exp 还能用，但已经退役，实际由最新的 Flash 模型处理。 第二步：messages 里 content 不再是一句话，而是一个列表，里面一块是 text 文字，一块是 image_url 图片。 第三步：Responses API 也能传图，图片放在 input_image 里，文字放在 input_text 里。 三、detail 清晰度开关 官方写明，image_url 可以加 detail 字段。low 会把图缩到 512×512 再看，更快更便宜；high、original、auto 目前都是保持原图。 四、费用和上限 官方说图片按尺寸换算成 token，和文字一起计费。每张图最多 1024 个 token，因为太大的图会先被缩到约 1300×1300 的像素量。 官方给的上限：每次请求最多 600 张图；单边最长 8192 像素，一次放 15 张以上时降到 4096 像素；不含 file_id 的图合计 64 MiB，含 file_id 最多 200 MiB。 五、用 Anthropic 接口也行 官方说把 base_url 写成 image 块，source 的 type 可以是 base64、url 或 file。用 file 时要加请求头 anthropic-beta: files-api-2025-04-14。 常见坑 3 条： 一、把图片放进 assistant 消息，会直接报 400。二、外链图片超过 32 MiB 或 60 秒下不完，就改用 file_id。三、一次放 15 张以上，单边别超过 4096 像素。 复制即用的提示词：请描述这张图片，列出图里所有文字，再用三句话总结它想说明什么。 收藏版：5 步速查 一、model 写 deepseek-flash。二、选 base64、链接或 file_id 传图。三、content 写成文字块加图片块。四、格式用 JPEG、PNG、GIF、WebP。五、别把图放进 assistant 消息。 S1哥 观点：官方把每张图封顶 1024 个 token，说明传图比很多人想的便宜，截图问答可以放心大量用。 一句话结论：DeepSeek 读图，认准 deepseek-flash，小图用 base64，大图或重复用 file_id。想让朋友少踩坑，复制链接发给他。 你是想让它读截图还是看图表？卡在第几步？同系列前几篇在我主页。 参考：DeepSeek 官方文档 Vision（S1哥 整理） 今天送：DeepSeek 看图请求自检清单，评论区第一条直接拿。

建议收藏，用到时照着做。做完你能让 DeepSeek 自己决定“要不要调用你写的函数”，并把结果用人话讲回来。 AI 能查天气、查订单，是它自己去查的吗？DeepSeek 官方一句话拆台：模型本身不执行任何函数 这是 DeepSeek 官方 API 文档里 Tool Calls（工具调用）一页。先说结论： 官方原话是，函数要由你自己提供，模型本身不执行具体函数。它只负责说“我想调这个函数、参数是这些”，真正去跑的是你的代码。 先说清词。 工具调用（Tool Calls），是让模型能用外部工具的功能，比如查天气、查数据库。 函数（function），是你自己写好的一段代码，模型只会“点名”它。 tool_call_id（工具调用编号），是模型每次点名时附带的一个号码，你回传结果时要带上它，模型才知道你在回答哪一次。 strict 模式（严格模式，Beta 测试版），是让模型点名时严格按你定义的格式填参数。 一个真实例子：官方示例问“杭州天气怎么样”，模型返回的是 get_weather 这个函数和参数 location 等于杭州，你的代码去查到“24℃”，再交给模型，模型才说“杭州现在 24 度”。 先把话说全： 官方示例用的是非思考模式，请求里加 extra_body 把 thinking 的 type 设成 disabled。 官方写明：从 DeepSeek-V3.2 开始，思考模式下也能用工具调用，细节看官方 Thinking Mode 一页。 官方写明：Chat Completion 接口不支持在对话中间插入不是模型生成的工具调用，要插的话请改用 Anthropic API 或 Responses API。 strict 模式目前是 Beta，要用测试版地址。 一、先看懂整个流程 官方给的执行流程是四步：用户问杭州天气；模型返回要调用 get_weather，参数是杭州；你的代码真的去调用 get_weather，把结果交给模型；模型用自然语言回答“杭州现在 24 度”。 二、照官方示例做一遍 第一步：去 DeepSeek 开放平台拿一个 API key，电脑装好 Python 和 openai 库。 第二步：创建客户端，base_url 写 DeepSeek 官方接口地址（官方文档第一屏就有），api_key 填你的。 第三步：写 tools 清单。每个工具包含 type 等于 function，再写 name（函数名）、description（描述，告诉模型什么时候用）、parameters（参数）。官方示例的函数叫 get_weather，描述是“获取某地天气，用户须先提供地点”，参数 location 是字符串，并且在 required 里。 第四步：发第一次请求，model 官方示例写 deepseek-flash，把 messages 和 tools 一起传，并加上 thinking 关闭的设置。 第五步：从返回里取 tool_calls 的第一项，先把模型这条消息原样追加进 messages。 第六步：你的代码去执行函数，再追加一条 role 是 tool 的消息，带上刚才的 tool_call_id，content 写结果，官方示例写的是 24℃。 第七步：再发一次请求，这次模型就会用自然语言回答。 三、想要更稳：strict 严格模式 第八步：base_url 改成官方文档里写明的 beta 版接口地址（就是原地址后面加 /beta）。 第九步：每个 function 都加上 strict 等于 true。 第十步：服务器会检查你的 JSON Schema（结构说明），格式不合规或用了不支持的类型，会直接返回错误信息。 官方支持的类型是：object、string、number、integer、boolean、array、enum、anyOf，另外 $ref 和 $def 可以复用和做递归。 四、strict 的硬规矩 对象里所有属性都必须写进 required，并且 additionalProperties 必须设成 false。 字符串可以用 pattern（正则）和 format，官方列出的格式有 email、hostname、ipv4、ipv6、uuid，但不支持 minLength 和 maxLength。 数字支持 const、default、minimum、maximum、exclusiveMinimum、exclusiveMaximum、multipleOf。 数组不支持 minItems 和 maxItems。 五、看到什么算成功 第一次返回的是函数点名，不是答案；第二次返回的才是自然语言答案，内容里有你的函数结果。 六、卡住怎么办 strict 报错：先检查是不是漏写 required 或忘了 additionalProperties 设 false，再检查有没有用到 minLength、maxItems 这类官方不支持的写法。 结论：工具调用不是模型替你干活，而是模型“点名”、你的代码“动手”。想让点名更准，就用 strict。把这条复制链接发给他，下次他说 AI 查不到东西，先让他确认函数是不是自己写了。 你卡在第几步？评论区告诉我。同系列前几篇在我主页。 收藏版：5 步速查 一、tools 里写清函数名、描述、参数 二、第一次请求拿到 tool_calls 三、自己执行函数，回传 role 为 tool 的消息并带 tool_call_id 四、第二次请求拿到自然语言答案 五、想更稳就用 beta 地址加 strict 等于 true 常见坑 3 条 一、以为模型会自己执行函数，其实要你的代码去跑。 二、回传结果忘了带 tool_call_id。 三、strict 里漏了 required 或 additionalProperties 设成 false。 复制即用提示词：我想让模型调用一个叫 你的函数名 的函数，它需要这些参数：写参数。请帮我写出符合 DeepSeek Tool Calls 格式的 tools 清单，每个参数都写 description，并改成 strict 模式需要的写法。 S1哥观点：这篇最狠的地方，是官方把话挑明了：模型不执行函数，只负责点名。很多人以为 AI 在后台自己动手，其实动手的永远是你的代码。 真正的信号是：工具调用的难点不在模型，在你把函数描述写得多清楚。就像派活给新人，说明写得含糊，他再聪明也会点错人。 你现在想让 DeepSeek 调用的是什么，查数据还是发消息？评论区告诉我。 今天送：DeepSeek 工具调用速查卡，评论区第一条直接拿。 参考：DeepSeek 官方 API 文档 Tool Calls（S1哥 整理）

最近看到一个比较冷门的 PoW 项目 Soqucoin，值得关注的不是短期币价，而是它在尝试解决一个长期问题：量子计算对传统钱包签名的威胁。 Soqucoin 主网在10月13日启动，采用 Scrypt 工作量证明，交易签名使用 NIST 标准化的 ML-DSA-44，也就是后量子签名方案 Dilithium。 它还实现了 PAT，用 Merkle 聚合方式提交批量签名证明。 但不要把项目路线图全部当成已经落地： SoquObscura 隐私交易系统目前仍处于研究阶段，没有在任何网络激活。官方明确说明，相关性能数据来自研究实现，不代表主网已经具备这些功能。 节点运营者还要留意一个时间点：2.6.0 设定从主网区块高度67,000开始强制检查 Chain ID，原先预计约11月23日触发；当前最新维护版本是2.6.1。 如果运行节点，建议直接检查官方版本和后续高度调整公告。 项目代码： 后量子叙事不稀缺，真正值得观察的是：签名方案是否经过长期实战、网络有没有持续算力和用户，以及新机制能否稳定运行。

AI 时代的 e2e 测试该怎么做? 最近 GitHub 斩获 13.8k Star，刚拿了 800 万美金融资的开源 AI 测试框架 e2e，其创始团队技术布道师 Kacper Kapuściak 写了一篇非常扎实的工程实践，下面总结几条核心内容： 1、测用户意图目标，而非前端实现，越过 DOM 节点与 test-id 绑定，直接用自然语言向 Agent 下达具体，收敛的业务意图。由 AI 自主感知界面完成选日期，点生成等交互，哪怕前端重构组件库，测试照样稳定。 2、废弃拖慢 CI 流水线的固定 Sleep 读秒，改用带超时上限的 AI 动态条件等待。忽略Loading 消失这类弱的 UI 信号，直接等上月报表已打开可查看等强业务状态，并将负责异步加载的动态等待，与只抓拍当前画面的瞬时断言严格解耦。 3、执行 Agent 汇报点击完成，不能代表报表没空数据或串数据，更不能让大模型盲猜什么才是正确的画面。必须先从后端 API 查出真实任务列表作为唯一真值源，再调用独立的 AI Judge，严格比对屏幕渲染明细与 API 底账。 4、严禁测试用例之间产生顺序依赖，开跑前通过可复用的 Fixture 调接口独立构造专属工作区与测试数据，跑完后在生命周期钩子中自动清理还原，确保单测重试或并发执行绝对幂等。 5、将“生成报表，下载 CSV，发邮件”拆成命名清晰的独立原子测试。一旦断言失败，框架自动打包故障追踪轨迹，涵盖前置步骤、应用日志、Agent 推理上下文与屏幕快照，不仅人类能秒级定位，更能直接喂给 Coding Agent 自动修 Bug。 传送门：