1. 配置相关

1.1 插件

1
2

# 自定义插件 visx 下载格式
https://marketplace.visualstudio.com/_apis/public/gallery/publishers/{publisher}/vsextensions/{extension-name}/latest/vspackage

• Chinese (Simplified) (简体中文) Language Pack
• Go
• Gitlens
• TODO Highlight
• IntelliJ IDEA Keybindings
• JetBrains lcon Theme (icon)
• IntelliJ IDEA New UI (主题)
• Cursor Align
  • https://marketplace.visualstudio.com/_apis/public/gallery/publishers/yo1dog/vsextensions/cursor-align/latest/vspackage

1. 教程

1.1 你的第一次抓包

1. 打开 Wireshark：启动后，你会看到一个网络接口列表。
2. 选择接口：找到你正在使用的网络接口。通常是：
   • Wi-Fi: en0 或 en1 (无线网络)
   • Ethernet: enX (有线网络)
   • Thunderbolt Bridge (雷电网桥)
   • 一个好的判断方法是看接口名字旁边有**实时流量图（像心电图一样跳动）**的那个，说明它正在收发数据。
3. 开始捕获：双击你想监听的接口，或者选中后点击左上角的绿色鲨鱼鳍图标 (Start capturing packets)。
4. 观察数据：你会看到屏幕上开始疯狂滚动数据包。这是你电脑上所有正在发生的网络通信。
5. 停止捕获：点击红色的方块图标 (Stop capturing packets)。

1. 基础

1.1 网关 (Gateway)

• 一句话解释： 你的家庭网络（局域网）与外面互联网（广域网）之间的 “ 大门 “ 或 “ 门卫 “ 。
• 在你的家里，这个 “ 大门 “ 通常就是你的 无线路由器 。

目前最主流的 AI 图像模型（如 Midjourney, Stable Diffusion）都基于一种叫做“扩散模型 (Diffusion Model)”的技术。我们可以把它的工作流程想象成两个阶段：学习和创作。

阶段一：潜心学习（训练阶段）

这就像马良在真正获得神笔之前的苦练。

1. 加噪： AI 会先拿一张清晰的图片（比如，一张猫的照片）。
2. 逐步破坏： 它会像给电视加雪花点一样，一点一点地往图片上添加“噪声”，直到这张图片完全变成一片随机的、毫无意义的雪花（噪声图）。
3. 学习修复： 最关键的一步来了！AI 会记录下整个“从清晰到模糊”的过程，然后反过来学习——如何一步步地把这张“雪花图”恢复成最初那张清晰的猫的照片。

通过对亿万张图片重复这个“先破坏、再修复”的过程，AI 就学会了任何一张正常图片应该有的“样子”和“结构”。

阶段二：挥洒创意（创作阶段）

这就是神笔马良开始画画的时候了。

1. 听懂你的话 (Text Encoder): 当你输入“一只戴着宇航员头盔的猫”，一个专门负责理解语言的模块（通常是强大的 Transformer 模型）会把你的文字转换成一种 AI 能理解的“数学指令”。
2. 准备画布 (Initial Noise): AI 不会从白纸开始，而是先生成一张和你想创造的图片尺寸相同的、纯粹的“雪花图”（随机噪声）。这就像是创意的混沌起点。
3. “照着指令”去修复 (Guided Denoising): AI 开始对这张“雪花图”执行它最擅长的“修复”工作。但这一次，它不是要恢复成某张特定的旧图，而是在每一步“去除噪声”时，都会参照第一步生成的“数学指令”。它会不断地问自己：“我怎样才能把这些噪声变得更像‘一只戴着宇航员头盔的猫’呢？”
4. 作品诞生 (Final Image): 经过几十个步骤的反复“雕琢”，噪声被完全去除，一张符合你描述的、全新的图像就诞生了！

1. 安装

1.1 下载

1
2
3

curl -L -o trojan-go-linux-amd64.zip https://github.com/p4gefau1t/trojan-go/releases/download/v0.10.6/trojan-go-linux-amd64.zip

unzip trojan-go-linux-amd64.zip -d trojan-go

1. linux 终端

1.1 移动相关

行首行尾

• Ctrl+a：移动到行首
• Ctrl+e：移动到行尾

1. 全文搜索选型

1.1 全文搜索

• Elasticsearch https://github.com/elastic/elasticsearch 72.1K

• Meilisearch https://github.com/meilisearch/meilisearch 49.9K (选用)

• typesense https://github.com/typesense/typesense 22.5K

• sonice https://github.com/valeriansaliou/sonic 20.6K

• zincsearch https://github.com/zincsearch/zincsearch 17.3K (备选)

• Bleve https://github.com/blevesearch/bleve 10.3K

1.2 向量搜索（语义搜索）

• Qdrant https://github.com/qdrant/qdrant 22.7k

• Weaviate https://github.com/weaviate/weaviate?tab=readme-ov-file 12.9K

1.3 结论 （meilisearch）

• 如果需要全面的搜索功能且有运维能力：Elasticsearch
• 如果需要简单部署的全文搜索：Meilisearch
• 如果需要最高性能和专注的向量搜索：Qdrant 或 Weaviate
• 如果已有 PostgreSQL：考虑 pgvector 扩展
• 如果希望纯 Go 实现且内嵌：Bleve

1. 软路由

我用的是 网件的 R6220路由器，可以刷老毛子和openwrt 固件。

1.1 刷机步骤

• 准备工作：1个 U 盘，1根网线，1个路由器。
• 先刷 breed
• 再刷固件

1. 下载安装

1.1 安装 ollama

• mac 直接下载 dmg

• 打开浏览器 http://127.0.0.1:11434

MCP 的作用：提供标准化接口，让 Cascade 等代理安全访问外部数据源，将数据转化为可操作的上下文。