智能助手网
标签聚合 找到

/tag/找到

linux.do · 2026-04-18 13:48:18+08:00 · tech

站内有很多脚本清理401的,但每次都要找到文件然后打开终端运行脚本,感觉有点麻烦。可能适合服务器定时调用,但我是本地开发不太想在本机弄定时任务。就根据站内的方法改写了个油猴插件,安装之后在该页面会出现账号统计,以及清理工具。 一直在纠结是否要加禁用的功能,因为很多脚本都有禁用额度耗尽的,而且禁用了之后没有恢复开启,额度刷新也不会开启,手动开启也很慢。现在的号不如之前容易弄,能等到额度刷新也不想把号废了,而且现在古法插件注册的号存活率还蛮高的。 关于账号耗尽账号是否要禁用可以查看该issue,cpa内置已经考虑了额度耗尽调过移除队列和恢复之后重回队列的逻辑。因此禁用额度耗尽的账号属于负优化,所以我增加了一个一键启用的功能,帮大家把被禁用的账号全部启用。 github.com/router-for-me/CLIProxyAPI codex认证文件,在额度用完是否需要关闭? 已打开 01:36AM - 08 Apr 26 UTC 已关闭 05:41PM - 12 Apr 26 UTC aicloud-cpu 开源作者们,你们好! codex认证文件,在额度用完是否需要关闭? 如果不关闭,轮询会不会跳过这个额度已经用完的认证文件? 如果关闭了,系统自动刷新toke … n的时候会不会跳过不刷新? 脚本内容太长没办法直接贴进来,大家自行下载吧。 clear_401.user.js.7z (16.6 KB) 2 个帖子 - 2 位参与者 阅读完整话题

linux.do · 2026-04-18 13:30:37+08:00 · tech

去年,有个人找到我问我能不能做一个出库的系统 就是 GPT 的会员凭证出给用户 可以不上号,也就是现在的 https://chatgpt.com/api/auth/session 来开通会员 我大概的看了一下 能做 后面做出来了 测试阶段发现 凭据是通过恢复订阅 openai通过RevenueCAT 来管理 ios 订阅的 在我测试的过程中发现但凡凭据只要被发送过一次 那么就会绑定给该用户 无法再发送给其他人 所以这个单凭据开通很多个号在之前是不成立的 ,可能现在接口改了?我也不知道 这个技术也过时了 现在很多 CDK 充值 GPT 的 当时只有几家 我是其一 但是我只是技术提供 拿点工资 凭据在 ios 是一串base 编码的数据 挺长的 带一点当初我写的系统日志吧 也是落幕了 自从尼区价格改了 就倒闭了 2 个帖子 - 2 位参与者 阅读完整话题

www.ithome.com · 2026-04-17 10:09:25+08:00 · tech

IT之家 4 月 17 日消息,大脑皮层,这个掌管感觉、运动和高级认知的“总指挥部”,它的起源究竟是哪里? 学界长期存在两种截然不同的理论推测: 双重起源假说 认为皮层源于海马和梨状皮层两类古老的异皮层,通过渐进层状分化向外扩张。 锚点 / 系带等多种假说 认为,初级感觉皮层是皮层进化和发育的锚点。 这些假说在解释皮层扩张模式、区域特化及皮层等级上存在显著差异,而这些差异很大程度上源于既往研究多局限于单一物种或单一尺度,缺乏跨越微观基因程序与宏观脑网络架构的系统性证据。因此,亟需开展跨尺度、多模态的跨物种研究,在全脑尺度上揭示大脑复杂架构的演化规律。 据新华社今日报道,中国科学院脑科学与智能技术卓越创新中心刘赐融研究组、孙怡迪研究组联合华大研究院等单位发现, 大脑皮层其实存在两个“源头” —— 分别以异皮层和初级感觉皮层为起点,形成两个起源相反、方向对立的分子梯度。 这两个梯度像两股力量相互作用,共同构建了大脑皮层的复杂蓝图。 刘赐融表示,这一发现将助力解析大脑功能网络的分布规律。未来在脑疾病诊断、脑机接口等相关临床与前沿研究中, 研究人员将能据此更精准地“定位”脑区 。 该研究揭示了“互斥分子梯度”是灵长类大脑皮层组织的根本原则, 统一了关于皮层扩张起源的长期争论 。该梯度轴连接了微观分子特征与宏观解剖功能架构,为精确界定皮层边界、解析皮层-皮层下关系、刻画功能网络以及识别物种特异性分子特征提供了坚实的生物学基础。 这项工作确立了该梯度轴作为灵长类大脑组织的“核心骨架”,为深入理解灵长类大脑的演化与组织规律奠定了理论基石。 相关成果 4 月 17 日发表在国际学术期刊《科学》。 IT之家附论文链接: https://www.science.org/doi/10.1126/science.aea2673

linux.do · 2026-04-17 01:15:00+08:00 · tech

在 Claude Code 泄露版本中找到控制输出风格的 getOutputEfficiencySection() 组件。 其中有段供内部人员使用的提示词,放 CLAUDE.md 中能改善 GPT 废话多的问题: # Communicating with the user When sending user-facing text, you're writing for a person, not logging to a console. Assume users can't see most tool calls or thinking - only your text output. Before your first tool call, briefly state what you're about to do. While working, give short updates at key moments: when you find something load-bearing (a bug, a root cause), when changing direction, when you've made progress without an update. When making updates, assume the person has stepped away and lost the thread. They don't know codenames, abbreviations, or shorthand you created along the way, and didn't track your process. Write so they can pick back up cold: use complete, grammatically correct sentences without unexplained jargon. Expand technical terms. Err on the side of more explanation. Attend to cues about the user's level of expertise; if they seem like an expert, tilt a bit more concise, while if they seem like they're new, be more explanatory. Write user-facing text in flowing prose while eschewing fragments, excessive em dashes, symbols and notation, or similarly hard-to-parse content. Only use tables when appropriate; for example to hold short enumerable facts (file names, line numbers, pass/fail), or communicate quantitative data. Don't pack explanatory reasoning into table cells -- explain before or after. Avoid semantic backtracking: structure each sentence so a person can read it linearly, building up meaning without having to re-parse what came before. What's most important is the reader understanding your output without mental overhead or follow-ups, not how terse you are. If the user has to reread a summary or ask you to explain, that will more than eat up the time savings from a shorter first read. Match responses to the task: a simple question gets a direct answer in prose, not headers and numbered sections. While keeping communication clear, also keep it concise, direct, and free of fluff. Avoid filler or stating the obvious. Get straight to the point. Don't overemphasize unimportant trivia about your process or use superlatives to oversell small wins or losses. Use inverted pyramid when appropriate (leading with the action), and if something about your reasoning or process is so important that it absolutely must be in user-facing text, save it for the end. These user-facing text instructions do not apply to code or tool calls. 但也仅仅是改善 还是没有 Claude 的回复好读,佬友们可以尝试一下。 中译 (点击了解更多详细信息) 1 个帖子 - 1 位参与者 阅读完整话题

www.ithome.com · 2026-04-16 16:26:08+08:00 · tech

IT之家 4 月 16 日消息,天文学家利用詹姆斯・韦布空间望远镜(JWST),对一颗系外行星展开了观测研究,这颗行星有望帮助人类界定行星与恒星之间的界限。 据IT之家了解,这颗奇特的系外行星是天鹅座 29 b(29 Cygni b), 一颗质量约为木星 15 倍的气态巨行星,距离地球 133 光年。 人们普遍认为,大多数行星是通过“自下而上”的方式形成的:岩石和冰块的微小团块不断聚合,逐渐长成一颗行星。然而,这种机制很难解释像天鹅座 29 b 这样大质量行星的形成。 这类巨行星被认为是通过“自上而下”的方式形成的 —— 在围绕新生恒星旋转的原行星盘中,致密的气体和尘埃区域直接坍缩而成。这与恒星自身的形成方式相同,恒星便是由更大规模的星际气体和尘埃云中的致密区域形成。 如今,韦布望远镜已获得多方面证据,表明像天鹅座 29 b 这样的巨型行星,也有可能像较小的行星一样,通过自下而上的方式形成。 天鹅座 29 b 正处于两种形成机制的分界线上,其巨大质量看似符合自上而下的形成方式,但其宽阔的轨道 —— 与恒星的平均距离约为 15 亿英里(24 亿公里),与太阳系中天王星到太阳的距离相近,又暗示它可能是自下而上形成的。 研究团队利用韦布望远镜的近红外相机(NIRCam),直接拍摄到了天鹅座 29 b 的影像。该项目计划对四颗系外行星进行成像,这些行星的轨道都在距离恒星约 93 亿英里(150 亿公里)以内,质量介于木星的 1 到 15 倍之间。这些行星都相对年轻,形成时产生的热量仍未散去,温度在 530 至 1000 摄氏度(990 至 1830 华氏度)之间,这意味着它们的大气化学成分也应较为相似。 研究人员探测了被二氧化碳和一氧化碳吸收的光线,从而测量出天鹅座 29 b 大气中比氦更重的元素(天文学家称之为“金属”)的含量。 结果显示,这颗系外行星的金属丰度约为地球的 150 倍,甚至远高于其母恒星。这表明,在形成过程中,这颗气态巨行星从其诞生的原行星盘中,大量吞噬了富含金属的物质团块。 团队还确定,天鹅座 29 b 的轨道平面与母恒星的自转方向一致, 这进一步证明它确实是在原行星盘内形成的。 随着该项目继续对同类行星展开研究,未来将揭示其他巨型行星在形成时是否也同样“贪婪”地抓取了富金属物质。这最终有望帮助科学家解开银河系中质量最大的行星究竟是如何诞生的谜题:它们究竟是像恒星一样形成,还是像普通小行星一样形成。 该团队的研究成果已于 4 月 14 日发表在《天体物理学杂志快报》(Astrophysical Journal Letters)上。 参考资料: https://iopscience.iop.org/article/10.3847/2041-8213/ae374a