sphinx30 (大强同学)

Google 搜索 CLI：给 AI Agent 装上谷歌搜索能力

sphinx30 — Thu, 14 May 2026 23:00:50 +0800

AI Agent 不能联网真的太蛋疼了。试了五六种搜索工具，没有一个让人省心——要么要配 API Key，要么要跑后台服务，要么结果一塌糊涂。

直到发现 gsearch-cli。Rust 写的，单二进制，小得离谱，跑起来快得惊人。最妙的是它能直接复用 Gemini CLI 的 OAuth 认证，零配置，装完就能用。

现在 Claude Code 终于有真正的谷歌搜索能力了。

安装

方式一：有 Rust 环境

cargo install gsearch-cli

方式二：macOS

brew install aeroxy/tap/gsearch

装完先登录一次：

gsearch --login

浏览器打开授权页面，点一下确认就完事了。

怎么用

1. 命令行直接用

gsearch 新加坡天气

不用加引号，空格直接搜。

2. Claude Code 自然语言调用

这才是终极形态——让 Agent 获得真正的联网能力。

直接用项目自带的 Skill：

# 从源码里复制，或者手动创建
cp gsearch-cli/skill/gsearch/SKILL.md ~/.claude/skills/gsearch/

作者已经写好了完整的 Skill，包含：

自动触发条件（搜索谷歌、查找资料、需要实时信息）
完整的使用流程说明
输出格式和引用说明

配置完就能用！ 下次直接说：

帮我搜一下 2026年5月有什么新的AI模型发布

Claude Code 会自动识别并调用这个 Skill，不需要写复杂的 System Prompt。

设计亮点

1. 终端 Markdown 自动检测

这个细节特别用心：

if stdout().is_terminal() {
    termimad::print_text(&formatted);  // 终端输出 → 彩色渲染
} else {
    println!("{}", formatted);          // 文件/管道 → 纯净 Markdown
}

效果：

直接运行 gsearch xxx → 看到彩色、粗体、高亮的排版（给人看）
gsearch xxx > out.md → 文件里是纯净 Markdown，没有乱码字符（给程序用）

2. 引用来源机制

搜索结果带 Gemini 的 grounding 数据，正文插入 [1] [2] 标记，末尾自动列出 Sources 链接。

注意：不是每次都有 Sources：

✅ 时效性新闻、技术文档、冷门事件 → 有完整引用
⚠️ 最新财报、热点新闻 → 可能有注
❌ 常识历史内容（如马斯克早年经历）→ Gemini 认为训练数据已有，不联网

核心原理

这个工具最巧妙的地方在于——它伪装成了官方的 Gemini CLI。

1. 认证复用

直接读 ~/.gemini/oauth_creds.json，用的是和 Google 官方 Gemini CLI 完全相同的 Client ID/Secret。如果你已经登录过 Gemini CLI，装完直接能用。

2. 调用内部 API

不走公开的 Gemini API，用的是 Gemini CLI / Cloud Code 插件的内部端点：

cloudcode-pa.googleapis.com/v1internal:generateContent

User-Agent 也伪装成 GeminiCLI/...，Google 根本分不清是 gsearch 还是官方客户端。

3. 原生联网搜索

调用 Gemini 时开启 googleSearch 内置工具，用的是 Gemini 的 Grounded Search 原生能力，不是爬虫，比所有第三方搜索工具都稳。

4. 自动维护

Token 过期前 5 分钟自动刷新
自动检测 HTTPS_PROXY，忽略证书验证，公司内网也能跑
不需要 API Key，不需要 Google Cloud 项目

源码结构

总共就 4 个文件：

main.rs - 主入口和命令行解析
auth.rs - OAuth 认证和 token 管理
api.rs - Gemini 内部 API 调用
grounding.rs - 搜索结果格式化

MIT 协议开源，随便改。

最后说两句

不是什么惊天动地的大项目，但它把一个很小的问题解决得特别干净。没有花里胡哨的功能，没有复杂的配置，装完就能用。

对于折腾 AI Agent 的人来说，这玩意儿就是刚需——你的 Agent 终于能真正"上网"了。

对不起 OpenAI，你的 GPT 太贵了，我找了个 “平替”。

sphinx30 — Wed, 13 May 2026 20:06:39 +0800

Codex App 最近在推特上很火，但没 GPT Pro 会员就用不了，每月 20 刀也不便宜。能不能接国产模型？逛 GitHub 发现了 codex-cn-bridge。

它是个本地代理，专门解决 Codex 只能用官方 GPT 的问题——把 OpenAI 的 Responses API 翻译成标准 Chat Completions API，让 Codex 桌面端、CLI、VS Code 插件都能直接用国产大模型。

项目地址： https://github.com/git-liu835/codex-cn-bridge

闲话

今天打开 Codex App 突然弹了个电话号码验证，给我整懵了。搜了一圈发现不少人中招，现在确实开始要手机号了。

好多人推荐新的 hero-sms 网站。我试了几个，要么收不到 Codex 验证码，要么填了某些国家的号码 OpenAI 直接发 WhatsApp 上，体验很差。

不想折腾的同学可以去公号：大强同学，后台回「Codex」，有最新接码渠道。按那个方法一下就过了。

另外，如果你 A 电脑无需验证，B 电脑需验证，只需将 A 电脑的 auth.json 复制一份粘贴 B 电脑，那 Codex APP 和 CLI 它们共享同一个 .codex 配置目录，认证和配置都是互通的。

实现原理

Codex 用的是 OpenAI 的 Responses API（新格式），其他大模型只支持标准 Chat Completions API（旧格式）。

代理做的事：接收 Codex 的 Responses 请求 → 翻译成 Chat Completions → 转发给国产模型 API → 把响应翻回来 → 流式推给 Codex。都在本地跑，数据不经过第三方。

安装与配置

Windows 桌面版安装

1. 下载安装

去 Releases 下 Windows 安装包：

code-CN-Bridge-Setup-0.1.0.exe

双击装就行，不用装 Python。

2. 图形界面配置

打开 Code CN Bridge → 模型配置 → 添加卡片：

点保存，然后去仪表板点启动。

3. 确认代理在跑

仪表盘看到运行中说明在跑

Codex 客户端配置

改 config.toml

文件位置：

C:\Users\你的用户名\.codex\config.toml

内容：

model_provider = "custom"
model = "gpt-5.4"  # 代理会自动映射成你选的国产模型

[model_providers.custom]
name = "custom"
base_url = "http://127.0.0.1:8765/v1"
wire_api = "responses"

改 auth.json

文件位置：

C:\Users\你的用户名\.codex\auth.json

随便填，Bridge 会用图形界面里配的真实 Key：

{
  "OPENAI_API_KEY": "sk-anything-works"
}

启动顺序

先打开 Code CN Bridge，看到 "代理运行中"
重启 Codex，完事。

顺序反了的话把 Codex 彻底关掉（托盘右键 → Exit）再重来。

最后

这个工具解决的就一件事：不想给 OpenAI 交钱，又想用 Codex。国产模型的 coding 能力其实不差，DeepSeek V3、Kimi K2 写代码都是有口碑的，配上 Codex 的交互体验，日常开发够用了。

有个小提示：代理跑在本地 127.0.0.1:8765，只监听本机，不用担心安全问题。但记得 API Key 别在别处泄露。

项目还在快速迭代，遇到 bug 去 GitHub Issues 反馈，作者响应挺快的。

这才是真正的 “贾维斯”：Minis 如何让你的 iPhone 变成钢铁侠的战衣？

sphinx30 — Tue, 12 May 2026 16:42:49 +0800

在电脑上用 Agents 很爽，但 Agent 能随身带在手机里，直接调用你手机的所有能力呢？

这就是 Open Minis —— 一个真正把「端侧 AI Agent」做明白的产品。

这不是又一个聊天 App。它是一个完整的 AI Agent 运行时，跑在你的手机上。一句话：你的 AI 助手，真的能「用」你的手机了。

开箱即用三步

App Store 搜索 Minis 下载：

配置 AI 提供商（Claude、GPT、Gemini、OpenRouter 或任意 OpenAI 兼容接口）
选择模型
开始对话

核心能力

1. 完整 Linux 环境，Agent 自己写代码

内置 Alpine Linux，Agent 能自己安装包、写脚本、执行命令，一切本地运行。

我测试让它安装「数字生命卡兹克 AIHOT」skill，它自己克隆仓库、发现缺 Git 就自己装上，全程丝滑。

2. 原生 iOS 深度集成

这才是最狠的 —— 直接调用几乎所有 iOS 系统能力，用自然语言就行：

能力	你只要说
健康数据	"我这周走了多少步？"
日历	"明天我有什么安排？"
提醒事项	"下午 3 点提醒我给牙医打电话"
智能家居	"把客厅灯关了"
联系人	"找一下张三的手机号"
蓝牙、剪贴板、照片、闹钟、电池...	自然语言描述即可

3. 内置浏览器 + SKILL 兼容

Agent 自己会浏览网页、填表、截图
完全兼容 Claude Code 的 SKILL.md 格式，电脑上的技能直接拿来用

为什么重要？

隐私第一

API 密钥存在 Keychain，无数据收集，所有内容本地处理。

多模型自由

可同时配置多个提供商，支持 Fallback（故障自动切换）、负载均衡模式。

Agent 自循环

可配置专门的「Agent Loop 模型池」，分解子任务或深度推理时自动调用。

支持平台

iOS 16+ / iPadOS 16+
macOS 13+ (Apple Silicon)
visionOS 1.0+
Android（预览版）

总结

这不是「手机上的又一个 AI App」，这是 AI 终于能真正用你的手机了。

之前的手机 AI 都停留在「聊天」层面，而 Open Minis 直接把 Agent 的触手伸进了系统层。日历、健康数据、智能家居、文件系统 —— AI 终于能以自然的方式访问和操作它们了。

如果你在电脑上已经体会过 Agents 带来的效率革命，把这种能力装进口袋的感觉，值得立刻去试一下。

我怀疑那些抱怨 AI 难用的人，根本没遇见过 WorkBuddy。

sphinx30 — Mon, 11 May 2026 22:11:07 +0800

使用 AI Agent 时，两大痛点让人抓狂：

命令交互反直觉：斜杠命令一输就触发，需求还没写完，思路已被打断，反复修正苦不堪言。
跨工具协作割裂：想处理微信消息、整理聊天记录？必须配置插件、折腾接口，门槛高到让人放弃。

WorkBuddy 一击致命：先写需求、再挂技能，彻底杜绝误触；原生打通微信，零配置自动处理消息——让 AI Agent 不再是玩具，而是你办公和社交中无法离开的本能。

下载&安装

https://www.codebuddy.cn/home/

首次打开需要微信登录，手机验证后即可使用

新用户赠送 2500 个积分：

基础体验包
活动赠送包，有效期 30 天

全局记忆文件位置

C:\Users\Administrator\.workbuddy\BOOTSTRAP.md

API 定价&设置

他们家的 API 购买地址 https://www.codebuddy.cn/profile/plan

个人专业版一个月 58 元，一年 696 元。

也可以接入其他厂商模型

微信集成方法

官网文档 https://www.codebuddy.cn/docs/workbuddy/WeixinBot-Guide

设置---Claw 设置 --- 微信助手集成 - 配置

扫码后即可在微信上发消息，电脑端会同步接收，稍后消息也会传到手机上，非常丝滑 ⚠️但是你电脑上发消息不会同步到微信

导入 skills 技能

我自己有个中央仓库 C:\Users\Administrator\AISkills，里面有几百个技能

通过创建目录软链接就可以把 AISkills 给 WorkBuddy 使用。

执行前需要先处理一个问题： .workbuddy\skills 这个空文件夹必须先删除，因为 mklink 要求链接路径不能已存在。

:: 1. 先删除空的 skills 文件夹
rmdir "C:\Users\Administrator\.workbuddy\skills"

:: 2. 创建符号链接（让 .workbuddy\skills 指向 AISkills）
mklink /D "C:\Users\Administrator\.workbuddy\skills" "C:\Users\Administrator\AISkills"

在这个步骤中：

.workbuddy\skills  →→→  AISkills
   (符号链接)            (真实目录)

路径	角色
`C:\Users\Administrator\AISkills`	原始真实目录（已有你的技能文件）
`C:\Users\Administrator\.workbuddy\skills`	符号链接目录（指向 AISkills）

像 WorkBuddy 这类图形化 Agent，在技能调用的交互设计上非常人性化：你可以先完整写完需求（比如 “推特上查询最新 Agent 进展”），再从技能列表中点选 web-access 这类工具触发调用。

而不是像 Claude Code 那样先输入斜杠触发指令，再回头补充需求。这种「先写需求，后挂技能」的模式，从根本上避免了指令发送不完整、误操作触发无效调用的问题。

以上就是我个人对这款软件的使用感受。

从「命令误触」到「先写需求再挂技能」，从「跨工具割裂」到「微信零配置打通」——WorkBuddy 把 AI Agent 从折腾的玩具变成了顺手的生产力工具。

如果你也有什么私藏神器，欢迎在评论区留言推荐，互相种草！觉得有帮助的话，点个赞再走呗～

我用 Obsidian 复现了 Karpathy 的 LLM Wiki 方法，效果超出预期!

sphinx30 — Thu, 07 May 2026 23:41:43 +0800

AI 时代最大的讽刺：我们拥有了最强大的知识处理工具，却仍在用最原始的方式管理知识。

前 Tesla AI 总监 Karpathy 给出了他的答案——LLM Wiki。

这套框架近期在 GitHub 上引发广泛关注。仔细研读后，我发现它的核心价值不在于技术实现，而在于一套关于知识组织的理念与行为准则——门槛极低，却能带来质的飞跃。

核心框架

三种文件：知识库的基石

文件类型	作用	示例
Raw Resource	存放原始资料	PDF、视频、网页剪藏
Wiki	AI 主导生成的知识节点	实体页、概念页、对比页
TheSchema	人与 AI 约定的加工规范	目录结构、Front Matter、工作流

核心洞察：原始资料是唯一事实来源，AI 的任务是把资料编译成可复用的知识网络。

三种日常操作

1. Ingest（摄取）

把新资料喂给 AI → AI 提取实体/概念 → 新增或修改 Wiki → 更新 Index 和 Log

2. Query（问答）

基于 Wiki 而非原始资料提问 → 效率更高 → 回答有价值可生成新 Wiki

3. Lint（审查）

让 AI 定期做体检：是否有矛盾？是否有被推翻的旧表述？是否有孤立页面？

三种查询提效工具

工具	作用
Index	所有 Wiki 的一句话摘要，方便 AI 快速定位
Log	记录 AI 每次操作，让它知道你研究了什么
RAG	Wiki >1000 页时，用 Qmd 等工具进行混合检索

附：QMD 原理详细解读 https://zhuanlan.zhihu.com/p/2016471943256254194

我的 Obsidian 实践

模板示范

obsidian-vault/
├── 01-INPUT/                  ← 原材料入口，低摩擦记录
│   ├── articles/                文章
│   ├── transcripts/             转录稿
│   ├── ideas（选题）/            选题灵感
│   ├── sources（素材）/          素材收集
│   ├── 剪藏/                    网页剪藏
│   ├── 周报和复盘/              复盘记录
│   ├── 文章草稿/                写作草稿
│   ├── 模板/                    笔记模板
│   ├── 研究报告/                研究资料
│   └── 项目资料/                项目相关
├── 02-PROCESSING/             ← AI 处理区，研究摘要、选题分析、中间稿
│   ├── research/
│   ├── outlines/
│   ├── drafts（AI初稿）/
│   └── reviews/
├── 03-OUTPUT/                 ← 正式作品区，可发布内容
│   ├── newsletters/
│   ├── scripts/
│   └── wiki/                    知识 Wiki
├── 04-FEEDBACK/               ← 反馈层，追踪内容效果，驱动系统进化
│   ├── metrics/
│   ├── comments/
│   ├── retrospectives/
│   └── ARCHIVE归档/
├── 05-REFERENCE/              ← 长期参考资料
│   └── 提示词/                  AI 提示词库
├── AGENTS                     ← Newtype-os记忆文件（硬链接）
├── CLAUDE                     ← Claude code记忆文件（硬链接）
├── QWEN                       ← qwen code记忆文件（硬链接）
├── TheSchema                  ← 核心规范文档
└── commands/                  ← 自定义命令

💡 说明：CLAUDE、QWEN、AGENTS 实际上是同一个文件的硬链接（TheSchema），让不同的 AI Agent 都能读取到同一份规范文档。

yaml 属性示例

---
type: "entity|concept|comparison|source"
tags: []
summary: "一句话说明"
sources: ["raw/xxx.pdf"]
updated: "2026-05-07"
---

实践建议

建议建 3 个 skill：

1. ingest — 将 Raw/ 目录下的原始资料编译到 Wiki/ 中

也可以直接在 Claudian 插件中对话：

请根据 @wiki/TheSchema 的规范，针对我 01_Raw/ 文件夹下的所有文件夹下全部文档进行分析拆解并创建出相应的wiki页面以及建立他们之间的链接关系

或：

请基于提供的资料，生成 02_Wiki/ 下的结构化知识条目，并根据主题归入对应的分类目录；若知识库中没有匹配的分类，请自动创建新分类。条目需保持独立、标题清晰，格式符合 Wiki 规范

2. lint — 知识库全局健康度检查

3. query — 基于本地 Wiki 知识库回答用户提问

三个容易被忽视的盲点

1. 原始资料可能更适合入门

Wiki 是原子化、结构化的，适合回顾和总结。但初学者应该先完整学习原始资料（PDF 的章节结构、视频的循序渐进），再来看 Wiki 串联知识点。

2. AI 生成的 Wiki 需要验收

不要无脑囤积。检查链接是否有上下文（"详见 XXX"却没说为什么相关）、内容是否准确。持续迭代 Schema 才能产生真正价值。

3. 现在创建的内容是给 AI 看的

Index 和 Log 的设计初衷就是给 AI 用
用 type 属性区分"人写的内容"和"AI 生成的内容"
Summary 字段方便 AI 检索

资源汇总

Obsidian 实例

模板	作者	链接
obsidian-vault-template	我自己创建	https://github.com/dqtx760/obsidian-vault-template
karpathy-llm-wiki-vault	内含 3 个 skill	https://github.com/jason-effi-lab/karpathy-llm-wiki-vault
llm-wiki-obsidian-blink	Blink 老师	https://github.com/iBlinkQ/llm-wiki-obsidian-blink
obsidian-ai-vault-template	志辉	https://github.com/iamzhihuix/obsidian-ai-vault-template

一键 Wiki

💡 这里与 Karpathy 原方法略有不同：原方法是"摄入新资料后编译"，这里是"对已发布的博客内容进行编译"。

前提需安装 Newtype-os。比如我对我博客编译是这样的，终端 nt 启动 Newtype-os：

/wiki 根据 post 文件夹内容进行编译

本地体验：安装 Newtype-os 后，在终端执行上述命令
在线预览：访问 dqtx.cc/wiki 免安装查看我的博客编译

Karpathy 的 LLM Wiki 框架，本质是把知识管理从"每次查询时重新派生"变成"编译一次，保持最新"。

这才是真正的可复利知识层。

工具会变，但这套方法论值得长期践行!

魔搭社区免费 token 活动

sphinx30 — Wed, 06 May 2026 17:37:18 +0800

近日,国内领先的 AI 模型开源社区——魔搭社区（ModelScope） 传来重磅消息：其免费 API 接口已正式支持 Anthropic API 协议！免费享用每天 2000 次调用额度（单模型 500 次），基本够日常使用了。

操作步骤

下面说下详细操作步骤：

1. 注册魔搭社区并获取 Key

注册地址：点此直达

可以使用 GitHub 注册登录，需绑定阿里云账号、实名认证。

2. 创建 API Key

创建地址： https://www.modelscope.cn/my/access/token

3. Claude Code 配置

打开 cc switch 配置 Claude Code：

预设供应商：ModelScope
请求地址：https://api-inference.modelscope.cn
模型建议：

角色定位	比喻	调整后模型
主模型	全技员	Qwen/Qwen3.5-397B-A17B
Haiku 默认模型	打杂实习生	ZhipuAI/GLM-4.7-Flash
Sonnet 默认模型	资深骨干员工	MiniMax/MiniMax-M2.7
Opus 默认模型	技术专家 / 总监	ZhipuAI/GLM-5.0

日常随便聊 / 写东西，找主模型
简单重复的活，丢给Haiku
有点难度的复杂工作，交给Sonnet
搞不定的大难题，才请Opus出手

参考资料

EdgeOne 部署静态站，Cloudflare 全网优选配置实操

sphinx30 — Tue, 05 May 2026 21:41:21 +0800

本文为通过 EdgeOne 部署的静态网站，提供一套完整、可直接落地的 Cloudflare（CF）优选配置方案，兼顾全球 CDN 加速、国内三网访问稳定性与安全防护，高效解决海外托管常见的延迟高、丢包问题。

一、基础 DNS 解析配置

Cloudflare 后台添加域名后，按如下方式配置 DNS 记录，开启 CF 代理模式：

关键：务必开启「橙色云」代理状态，使流量经过 CF CDN 节点。

类型	名称	目标	代理状态
CNAME	`www`	`www.dqtx.cc.pages.dnsoe9.com`	已代理（橙色云）
CNAME	`@`（或`dqtx.cc`）	`dqtx.cc.pages.dnsoe9.com`	已代理（橙色云）

二、核心优化配置

性能加速：进入「速度 - 设置 - 站点建议」，一键开启自动压缩、Brotli、HTTP/3 等优化项。
安全与 HTTPS：在「SSL/TLS」中设置加密模式为「完整」，并开启「始终使用 HTTPS」。
缓存规则：创建页面规则，匹配*.dqtx.cc/*，设置缓存级别为「标准」，静态资源缓存 30 天，平衡更新与加载速度。
优化 Astro 构建：针对 Astro 静态站的性能损耗模式，做了以下优化：

优化项	改动	预期效果
图片服务	`passthroughImageService()` → sharp（默认）	新图片自动 AVIF/WebP，体积减 50-80%
Swup 移除	删掉 swup + 4 个插件，清理所有相关代码	JS 减少 ~48K，消除页面切换开销
字体本地化	CDN link → npm 本地 import	消除外部 DNS + 跨域请求
KaTeX 移除	全局 CSS import 删除	每页减少一个 CSS 请求
Icon 按需	6 个集合全量 → 40 个具体 icon	减少无用 icon 数据
代码清理	移除注释代码、dead code	HTML 体积微减

注意事项：CSS 600K 偏大（Tailwind 输出未充分 purge），swup 移除后页面导航为全量刷新但无交互异常，sharp 图片优化仅对新构建图片生效。

三、验证生效

配置完成后，在本地终端执行

nslookup www.dqtx.cc

解析结果若返回 Cloudflare 节点 IP，即代表 CDN 已成功启用。此时用户访问流程为「用户→CF 节点→源站」，网站访问速度、稳定性与安全性均得到全面提升。

小米 MiMo V2.5 邀请码 V4B9NJ

sphinx30 — Fri, 01 May 2026 17:17:09 +0800

近日，小米 MiMo V2.5 开放平台正式公测，平台特别推出新用户福利：填写邀请码 V4B9NJ 即可领取 ¥10 API 体验金

叠加 100 万亿 Token 免费申领计划，这场兼顾技术深度与普惠性的 AI 盛宴，正在重新定义专业场景的 AI 应用边界。

🎁 新用户专享福利

填写邀请码，免费领 ¥10 API 体验金 邀请新用户注册，双方各得 ¥10 API 体验金（40 天有效）

🔗快速入口

👉 注册地址： https://platform.xiaomimimo.com?ref=V4B9NJ

🔗 MiMo 邀请码：V4B9NJ

注册后进入控制台，左下方填入邀请码体验金即时到账。

✅ 解锁 MiMo-V2.5 等全系小米 AI 大模型 ✅ 免费 API 体验金 40 天有效 ✅ 邀请名额仅 20 位，先到先得

填码即到账 · 尽情释放你的卓越创造力

Claude code 接入 OpenRouter 免费模型教程！

sphinx30 — Tue, 28 Apr 2026 23:26:59 +0800

介绍一种零成本使用 Claude Code 的方案：通过 OpenRouter 上的免费模型 Ling-2.6-1T，配合 CC Switch 这款可视化管理工具，一键切换 API 提供商，实现完全免费的 AI 编程体验。

核心思路：

OpenRouter 提供了免费模型，CC Switch 让你一键把这些模型接入 Claude Code，不用手动改配置文件，全程可视化操作。

```*
OpenRouter（免费模型 Ling-2.6-1T）
        ↓
  CC Switch（可视化管理 + 一键切换）
        ↓
  Claude Code

整个流程分三步：

在 OpenRouter 注册并获取 API Key 免费模型每日额度说明

日限额：50 次 / 天，20 次 / 分钟充值 ≥$10（约 70-75 元），永久保持 1000 次/天

安装 CC Switch
在 CC Switch 中添加 OpenRouter 提供商，一键切换给 Claude Code

CC Switch 中配置 OpenRouter

最近有个 ling-2.6-1t:free 速度能力不错，推荐下

Base URL

https://openrouter.ai/api/v1

模型推荐

inclusionai/ling-2.6-1t:free

最近很火的模型，出自蚂蚁百灵大模型，知识储备充足，思考维度更深，输出的回答质量更高、精准度更强，但响应速度相对缓慢，更适配复杂且重要的工作任务。

ling-2.6-flash

类似快枪手，核心优势是反应速度快，作答内容满足基础使用需求即可，不会过度追求完美，整体工作效率出色，能够快速批量处理事务，适合应用于简单、需要即时响应的各类任务。

Nemotron 3 Super (free)

超长上下文、多智能体推理、高吞吐量，长文档分析、跨文档推理、科学计算

建议多配置几个，如下图方便快速切换小技巧：配置好一个直接复制，然后编辑，粘贴模型 Id，点击模型映射 “一键设置”

PS.OpenRouter 充值如果想要支付宝或微信，勾选 “Use checkout page”。然后页面出现。详细教程：参阅

PS.蚂蚁百灵大模型每人每日免费额度 50 万 token，当日未使用完不转结平台将在每日 02:00 前完成当日免额包的发送。

我接入了 Qqwen Code

C:\Users\Administrator.qwen\settings.json

{
  "env": {
    "LING_API_KEY": "你的百灵API令牌",
    "QWEN_CUSTOM_API_KEY_OPENAI_HTTPS_API_OPENAI_COM_V1": "你的百灵API令牌"
  },
  "modelProviders": {
    "openai": [
      {
        "id": "Ling-2.6-1T",
        "name": "Ling-2.6-1T",
        "baseUrl": "https://api.openai.com/v1",
        "envKey": "QWEN_CUSTOM_API_KEY_OPENAI_HTTPS_API_OPENAI_COM_V1"
      },
      {
        "id": "ling-2.6-1t",
        "name": "Ling-2.6-1T",
        "model": "Ling-2.6-1T",
        "baseUrl": "https://api.tbox.cn/api/llm/v1",
        "envKey": "LING_API_KEY",
        "generationConfig": {
          "temperature": 0.7,
          "topP": 0.9,
          "maxTokens": 4096
        }
      }
    ]
  },
  "defaultModel": "ling-2.6-1t",
  "$version": 3,
  "security": {
    "auth": {
      "selectedType": "openai"
    }
  },
  "model": {
    "name": "ling-2.6-1t"
  }
}

Bash 终端上传代码到 GitHub

sphinx30 — Sun, 26 Apr 2026 23:15:54 +0800

本教程详细介绍如何将本地项目通过 Bash 终端上传代码到 GitHub

准备工作

1. 安装 Git

一款免费、开源的「本地版本管理工具」，只负责一件事：追踪你文件夹里所有文件的修改、保存版本、记录改动。

winget install Git.Git

集成右键上下文菜单参照→bash 右键.reg

外观设置：打开终端后，在标题栏右键选择 “选项”→窗口，窗口建议调整至合适的大小，界面语言也可以在这里更改。。此外，默认字体可能较小，请选择合适的字体及大小。若觉得背景不舒适，可从内置主题中选择喜欢的背景。

推荐的主题

dracula---推荐
tender---棕色背景
monokai-dimmed--灰色
xterm、mintty---蓝色
rosipov---黑色背景
kohlrausch--米色

2. 配置 Git 用户信息

git config --global user.name "你的GitHub用户名"
git config --global user.email "你的GitHub邮箱"

3. 生成 SSH 密钥（可选，推荐）

ssh-keygen -t ed25519 -C "你的邮箱"

然后将 ~/.ssh/id_ed25519.pub 的内容添加到 GitHub → Settings → SSH Keys

4.Git 全局配置改成默认 main

git config --global init.defaultBranch main

5.检查是否配置成功

git config --list

上传步骤

方法一：命令行上传（推荐）

1. 初始化 Git 仓库

进入项目目录，初始化仓库：

cd /path/to/your/project
git init
git init -b main  #初始化 main 分支

2. 添加文件到暂存区

git add .

或者添加指定文件：

git add README.md

3. 提交改动

git commit -m "first commit"

4. 创建远程仓库并上传

一条命令 = 网页建仓 + 手动关联远程 + 首次推送。

也就是说，会全自动在 GitHub 网页端创建一个空私有仓库，名字默认和当前文件夹同名，自动帮你把本地关联到远程 origin

gh repo create --source=. --private --push

自定义仓库名

gh repo create 你想要的仓库名 --source=. --private --push

5. 查看你的仓库地址

git remote -v

方法二：命令行上传

1. 初始化 Git 仓库

进入项目目录，初始化仓库：

cd /path/to/your/project
git init

2. 添加文件到暂存区

git add .

或者添加指定文件：

git add README.md

3. 提交改动

git commit -m "first commit"

4. 在 GitHub 建空仓库

访问 https://github.com/new 创建空仓库，不要勾选 README Initialize this repository with:

获取仓库地址，格式如：

HTTPS: https://github.com/用户名/仓库名.git
SSH: git@github.com:用户名/仓库名.git

5. 关联仓库

git remote add origin https://github.com/用户名/仓库名.git

6. 推送到 GitHub

git push -u origin master

如果是 main 分支：

git push -u origin main

方法三：使用 gh CLI

1. 安装 gh

winget install GitHub.cli

2. 登录 GitHub

gh auth login

按提示选择：

GitHub.com → Yes
HTTPS → Yes
登录方式 → GitHub CLI

3. 创建仓库并推送

cd /path/to/project
gh repo create my-repo --public --source=. --push

或者分步操作：

gh repo create username/my-repo --public
git remote add origin https://github.com/username/my-repo.git
git push -u origin master

方法四：使用 GitHub Desktop

下载 GitHub Desktop: https://desktop.github.com/
登录 GitHub 账号
File → Add Local Repository
选择项目文件夹，点击 "Publish repository"

常用命令速查

在你原有表格基础上无缝扩充、格式统一、极简好记，直接复制即用：

命令	说明
`git status`	查看仓库修改、暂存、文件状态
`git add .`	添加全部改动文件到暂存区
`git add 文件名`	添加指定单个文件到暂存区
`git commit -m "信息"`	本地提交改动，填写备注说明
`git remote -v`	查看已关联的远程仓库地址
`git push`	推送本地代码到远程默认分支
`git push origin main`	强制指定推送到远程 main 分支
`git pull`	拉取远程仓库最新代码并合并
`git pull origin main`	拉取远程 main 分支最新代码
`git log`	查看完整本地提交历史记录
`git log --oneline`	精简一行式查看提交历史
`git branch`	查看本地所有分支
`git branch -m master main`	将本地 master 分支重命名为 main
`git remote add origin 仓库地址`	手动关联远程 GitHub 仓库
`git fetch`	仅拉取远程更新、不自动合并
`git reset`	撤销暂存区，保留本地文件修改
`git init`	初始化全新本地 Git 仓库

常见问题

Q:一键推送的 BAT 脚本编写

拿 Snaply 项目示例：新建文本文档，粘贴下面代码，后缀改成 .bat 放到 Snaply 文件夹里即可。

@echo off
chcp 65001
:: 进入项目根目录
cd /d "D:\project2026\github\Snaply"

:: 拉取远程最新（避免冲突）
git pull

:: 添加所有变更
git add .

:: 自动获取时间作为提交备注
set "commit_msg=auto update: %date% %time%"
git commit -m "%commit_msg%"

:: 推送到远程 main 分支
git push origin main

echo.
echo ======================
echo 推送完成！
echo ======================
pause

远程分支还是 master，只需要把最后一行改成：

git push origin master

不需要 pull，纯快速推送

@echo off
chcp 65001
cd /d "D:\project2026\github\Snaply"
git add .
git commit -m "auto commit"
git push
echo 推送完毕
pause

Q:本地远程仓库变成普通文件夹

.git 也被标记为隐藏文件，可以执行ls -a查看删删掉根目录下的隐藏 .git 文件夹

rd /s /q .git

Q:本地 `IPS` 文件夹 → 初始化 → 建主分支 → 新建多个分支 → 全部推送到 GitHub，全程复制即用。

日常开发中，不要直接在主分支 main 上修改代码：开发新功能、修复漏洞、测试新方案、迭代版本时，都要新建独立分支隔离操作，避免改动影响稳定主线；仅轻微修改文档、注释或确定无误的简单配置时，可直接在主分支编辑，无需新建分支。

示例：本地 IPS 项目文件夹

# 1. 进入你的 IPS 项目根目录
cd /c/你的路径/IPS

# 2. 初始化git仓库
git init

# 3. 绑定全局用户信息(仅首次配置)
git config --global user.name "GitHub用户名"
git config --global user.email "GitHub绑定邮箱"

# 4. 暂存所有文件 + 首次提交
git add .
git commit -m "初始化：IPS项目基础文件"

# 5. 设置主分支为 main
git branch -M main

# 6. 关联远程GitHub仓库（替换成你自己的仓库地址）
git remote add origin https://github.com/xxx/xxx.git

# 7. 推送主分支 main
git push -u origin main

# ---------- 新建多个分支 开始 ----------
# 新建并切换到 dev 开发分支
git checkout -b dev
# 提交一次空记录（保证分支完整可推送）
git commit --allow-empty -m "初始化dev分支"
# 推送dev到远程
git push -u origin dev

# 新建并切换到 test 测试分支
git checkout -b test
git commit --allow-empty -m "初始化test分支"
git push -u origin test

# 新建并切换到 fix 修复分支
git checkout -b fix
git commit --allow-empty -m "初始化fix分支"
git push -u origin fix

# 切回主分支
git checkout main

Q:当前的 master 分支改成 main

# 1. 把本地 master 重命名为 main
git branch -m master main

# 2. 让本地 main 分支关联远程 main（自动创建远程 main）
git push -u origin main

# 3. 删除远程的旧 master 分支（可选，干净一点）
git push origin --delete master

Q: 提交后想撤销？

git reset --soft HEAD~1

Q: 修改了远程仓库地址？

git remote set-url origin 新地址

Q: 推送到另一个分支？

git push origin master:develop

Q: 每次推送都要输入账号密码？

推荐使用 SSH 方式，或配置 Credential Helper：

git config --global credential.helper store

作者： dqtx.cc

短短 30 天， AI 圈炸了！

sphinx30 — Sat, 25 Apr 2026 22:20:39 +0800

最近一个月，AI 圈直接 “炸” 了。

先是 GPT-Image-2 横空出世，生出的图片质量高到刷屏朋友圈，真假难辨；紧接着短短几天内，OpenAI 与国产开源势力前后脚连放大招——闭源旗舰和开源顶流正面硬刚，把整个 4 月推向高潮。

从编程智能体到桌面原生应用，从超长上下文到图像生成，AI 产品迭代速度快得让人喘不过气。下面用最直白的方式，带你快速梳理 4 月核心亮点：

4.2→Qwen3.6-Plus 正式版上线。

重点强化智能体编程（Agentic Coding）、前端开发、复杂任务拆解等能力，在 SWE-bench 等编程评测中表现突出，接近或部分超越 Claude 系列

4.15→Google Gemini 桌面版

https://gemini.google/mac/
https://dl.google.com/release2/j33ro/release/Gemini.dmg https://search.google/google-app/desktop/

4.16→Claude Opus 4.7 上线

价格价维持 Opus 4.6 不变（每百万 token 输入 5 美元、输出 25 美元），API 模型名为 claude-opus-4-7，同步上线 Claude 全系产品以及 Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry。合复杂且长时间运行的任务，能精确地遵循指令，并在报告前验证自己的输出。

4.20→Kimi K2.6 正式发布并同步开源

Kimi 系列当前最强版本，重点提升了长程编码、Agent 集群能力（最高支持 300 个子 Agent、4000 步协调）和多模态/长上下文处理（约 256K-262K 上下文）。

开源地址 https://huggingface.co/moonshotai/Kimi-K2.6 官方博客 https://www.kimi.com/blog/kimi-k2-6 Moonshot AI 官方 github https://github.com/moonshotai

4.21→GPT-Image-2

OpenAI 于 4 月 21 日左右正式推出 gpt-image-2 模型，支持原生推理、更高分辨率（2K）、多图一致性、文本渲染更好等。提示词资源链接有用，社区已快速整合到 Figma、Canva 等工具。刷屏主要因图像生成质量大幅跃升

每人免费 100 张使用额度 https://labnana.com/zh/home

4.23→GPT-5.5

目前向 ChatGPT 的 Plus、Pro、Business 和 Enterprise 用户开放，同步上线 Codex。 API 将"很快"跟进。

文末赞赏找我获得领取 1 个月 Plus 资格

4.24→DeepSeek V4 开源

1️⃣核心亮点：百万 token 超长上下文 2️⃣两版本 V4-Pro：性能最强，专家模式。 V4-Flash：极致速度，快速模式技术报告: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf 开源地址： https://huggingface.co/collections/deepseek-ai/deepseek-v4 https://modelscope.cn/collections/deepseek-ai/DeepSeek-V4 DeepSeekAPl 价格&接口 https://api-docs.deepseek.com/zh-cn/quick_start/pricing 思考模式切换指南： https://github.com/victorchen96/deepseek_v4_rolepaly_instruct

整体来看，这个月确实非常疯狂。Claude 4.7 与 Kimi K2.6 / DeepSeek V4 的直接对刚，Qwen3.6 系列跟进！

4 月下旬中美开源与闭源模型密集对刚，编程与 Agent 能力成为新焦点，AI 工具链迭代速度远超预期。

文章来源：dqtx.cc 远程技术支持：742112.xyz

我用 free-claude-code 开源项目，把 NVIDIA 免费 API 接入 Claude code

sphinx30 — Fri, 24 Apr 2026 16:20:02 +0800

如果你正在寻找免费使用 Claude Code 的方法，那么 free-claude-code 这个开源项目绝对值得关注。它能让 Claude Code 完美对接 NVIDIA NIM、OpenRouter、DeepSeek 等多种免费或低成本的大模型服务，同时保留 Claude Code 原生的工程能力。

为什么选择 free-claude-code？

作为 Claude Code 用户，我们都知道它强大的工程能力：上下文管理、记忆系统、Skill 封装、工具调用、Subagent 控制等。但官方 API 价格不菲，国内使用还有各种限制。

free-claude-code 完美解决了这个问题：

项目地址：https://github.com/Alishahryar1/free-claude-code

核心优势

零成本使用：直接调用 NVIDIA NIM 免费接口，每分钟 40 次请求，完全够用
完美伪装：Claude Code 完全无感，以为还在和 Anthropic 官方通信
思考链保留：GLM、DeepSeek R1 等模型的思考过程完美显示
工具调用救活：开源模型不规范的 Tool Call 输出，代理自动解析成 Claude 能识别的格式
智能限流：内置并发控制和 429 退避，避免免费 API 被限流
多 Provider 混搭：一个配置同时使用不同提供商的模型

支持的模型提供商

提供商	特点	推荐模型
NVIDIA NIM	免费 40 次/分钟，注册即用	GLM-5.1、MiniMax M2.7、Kimi K2
OpenRouter	几百个模型，含免费款	deepseek-r1、gpt-oss-120b
DeepSeek	价格低，稳定	deepseek-reasoner、deepseek-chat
LM Studio	纯本地，数据不出网	本地 GGUF 模型
llama.cpp	完全本地运行	本地模型

接入英伟达 API 流程

第一步：准备 NVIDIA API Key

如果没有，先去 build.nvidia.com 申请一个 nvapi- 开头的 Key。

参考：NVIDIA 免费 API 的申请流程

第二步：克隆项目

git clone https://github.com/Alishahryar1/free-claude-code.git
cd free-claude-code

第三步：安装依赖

这个项目使用 Python，需要先安装 uv：

pip install uv
uv sync

第四步：配置 .env 文件

NVIDIA_NIM_API_KEY="nvapi-你的Key"

# 模型映射：所有 Claude 模型都映射到这里
MODEL_OPUS="nvidia_nim/z-ai/glm-5.1"
MODEL_SONNET="nvidia_nim/z-ai/glm-5.1"
MODEL_HAIKU="nvidia_nim/z-ai/glm-5.1"
MODEL="nvidia_nim/z-ai/glm-5.1"

ENABLE_THINKING=true
PROVIDER_RATE_LIMIT=40

第五步：启动代理

uv run uvicorn server:app --host 0.0.0.0 --port 8082

第六步：配置 Claude Code

编辑 C:\Users\Administrator\.claude\settings.json：

{
  "env": {
    "ANTHROPIC_BASE_URL": "http://localhost:8082",
    "ANTHROPIC_AUTH_TOKEN": "ccnim"
  }
}

第七步：运行测试

直接启动 Claude Code：

claude

然后说 "你好" 测试。

⚠️ 重要：不要在 Claude Code 中使用 /model minimaxai/minimax-m2.7！正确方式是直接说话，代理会自动映射到你在 .env 中配置的模型。

可用模型推荐

根据 nvidia_nim_models.json，以下模型都可以免费使用：

模型	特点
`z-ai/glm-5.1`	中文理解强，长上下文
`z-ai/glm4.7`	稳定可靠
`minimaxai/minimax-m2.7`	Coding 速度快
`minimaxai/minimax-m2.5`	更轻量
`moonshotai/kimi-k2-thinking`	思考能力强
`stepfun-ai/step-3.5-flash`	免费额度多

常见问题

Q: free-claude-code 和 CC Switch 有什么区别？

对比项	CC Switch	free-claude-code
实现方式	工具辅助配置	本地代理服务
模型映射	手动填模型名	`.env` 统一配置
请求转换	简单替换	完整 Anthropic→OpenAI 转换
工具调用	不够稳定	启发式解析，更稳定
调试难度	较难排查	终端日志清晰
配置方式	GUI 界面	配置文件

为什么 free-claude-code 成功率更高？

模型名称格式统一：CC Switch 需要手动填写模型名，容易填错（如大小写、命名空间），free-claude-code 用 .env 统一配置，格式固定
完整的请求转换：CC Switch 可能只做了简单的模型名替换，而 free-claude-code 做了完整的 API 格式转换（包括 thinking、tool call 等）
无残留配置干扰：直接修改 settings.json 比工具更干净，CC Switch 可能有残留配置影响
社区验证：free-claude-code 是 GitHub 上最受欢迎的 Claude Code 代理方案，文档详细，问题容易排查

Q: 一定要用批处理脚本吗？

不需要！ 配置好 settings.json 后，在任意终端运行 claude 都会自动走代理。

如果你不想每次手动启动代理，可以创建一个 启动代理.bat 双击运行：

@echo off
cd /d D:\project2026\free-claude-code
start "NVIDIA NIM Proxy" cmd /k ".venv\Scripts\uvicorn.exe server:app --host 0.0.0.0 --port 8082"

Q: 为什么还是报错 "model may not exist"？

检查三点：

Claude Code 的 settings.json 是否正确设置了 ANTHROPIC_BASE_URL 为 http://localhost:8082
代理是否正在运行（端口 8082 是否监听）
.env 中的模型名称是否正确（带命名空间，如 z-ai/glm-5.1）

Q: 免费额度够用吗？

NVIDIA NIM 免费层 40 次/分钟，对于日常开发完全够用。复杂任务建议适当放慢速度。

Q: 可以同时用多个模型吗？

可以！在 .env 中为 MODEL_OPUS、MODEL_SONNET、MODEL_HAIKU 分别设置不同的模型，实现混合使用。

Q: 切换模型怎么操作？

编辑 D:\project2026\free-claude-code\.env
修改 MODEL 的值： env MODEL="nvidia_nim/z-ai/glm-5.1" # GLM-5.1 MODEL="nvidia_nim/minimaxai/minimax-m2.7" # MiniMax M2.7 MODEL="nvidia_nim/moonshotai/kimi-k2-thinking" # Kimi K2
重启代理（双击 启动代理.bat）

总结

free-claude-code 可能是目前国内用户免费使用 Claude Code 最丝滑的方案。它完美保留了 Claude Code 强大的工程能力，同时让我们能白嫖 GLM-5.1、MiniMax M2.7 等优质模型。

对于中低复杂度的项目来说，这套方案已经完全够用。省下的订阅费买点啥不香呢？

NVIDIA 免费 API 的申请流程

sphinx30 — Thu, 23 Apr 2026 23:43:41 +0800

英伟达免费 API 一年（12 个月）使用权，可以直接调用 GLM 5.1、Gemma 4、MiniMax 等 193 款主流大模型，这羊毛必须薅！

01.访问官方网站

打开浏览器，访问 https://build.nvidia.com/，点击注册账号。

02.账号登录与验证

按照页面提示完成注册。验证环节支持 +86 手机号 接收验证码，非常方便。

03.创建 API Key

访问 API Keys 管理页面，创建新的密钥。

⚠️ 注意：Expiration（有效期）请选择 Never Expire（永不过期），避免后续麻烦。

第四步：接入 AI 工具

创建好 API Key 后，就可以接入各种 AI 客户端或 Agent 软件了。

客户端推荐

Agent 软件

Qwen Code
Claude Code

接口配置

API Base URL: https://integrate.api.nvidia.com/v1/chat/completions

# 可用模型示例
- z-ai/glm-4.7
- z-ai/glm-5.1
- minimaxai/minimax-m2.7
- google/gemma-4-27b-it

⚠️ 热门模型高峰时期使用可能会有卡顿

实用建议

当成备用/开发测试用：写代码、生成长文本、Agent 实验很香。
错峰使用：国内凌晨或上午通常会快很多。

文章来源：dqtx.cc 远程技术支持：742112.xyz

我 push 博客时泄露了 API

sphinx30 — Wed, 22 Apr 2026 22:36:49 +0800

今天在推送 fuwari 博客仓库到 GitHub 时，遭遇了一个意料之外但又在情理之中的拦截。GitHub 直接拒绝了我的推送，提示发现了「Secret（密钥）」泄露。经过排查和修复，两个仓库的 API Token 泄露风险已解除。写下这篇文章，既是复盘，也是给有类似经历的朋友一个参考。

事件回顾

像往常一样，我在 Obsidian 中写完一篇博客后，执行 git push 准备推送到 GitHub。然而这次推送失败了，错误信息如下：

remote: error: GH013: Repository rule violations found for refs/heads/main.
remote:
remote: - Push cannot contain secrets
remote:
remote:  — Notion API Token ——————————————————————————————————
remote:    locations:
remote:      - commit: 25f1c5df1c410ba48f6890a8961371de5cf6cef8
remote:        path: src/content/.obsidian/plugins/share-to-notionnext/data.json:29

GitHub 的 Push Protection（推送保护） 功能检测到了我的 Notion API Token 泄露。问题出在 Obsidian 插件 Share to NotionNext 的配置文件 data.json 中，我配置了 Notion 的 API 密钥，而这个文件被 Git 跟踪并推送到了远程仓库。

有趣的是，同步排查另一个仓库 zhishiku 时，我发现它虽然也安装了同样的插件、同样包含 API Token，却没有被拦截。这可能是因为 Token 格式（ntn_ 开头）的识别率不同，或者该仓库的 Push Protection 设置没有 fuwari 那么严格。但不管怎样，这确实是一个安全隐患。

问题根因

为什么 API Token 会泄露到 GitHub？

核心原因是：Obsidian 的 .obsidian 目录被 Git 跟踪了。

.obsidian 是 Obsidian 的配置目录，里面包含了插件配置、主题设置、工作区状态等信息。当我们安装像 Share to NotionNext 这类需要 API 密钥的插件时，插件会把配置（包括 Token）保存在 data.json 文件中。如果这个目录被 Git 跟踪，每次推送都会把这些敏感信息一起送到远程仓库。

GitHub 提供了 Secret Scanning（密钥扫描）功能，会自动扫描推送的内容，识别常见的密钥格式（如 AWS Key、Notion Token、OpenAI API Key 等），发现后会拦截推送并通知开发者。这就是为什么 fuwari 仓库被拦截的原因。

解决方案

方案一：修改 .gitignore（推荐）

最简单有效的方案是把 .obsidian/ 目录加入 .gitignore，让 Git 忽略这个目录。具体步骤如下：

在项目根目录的 .gitignore 文件中添加：
```
.obsidian/
```
从 Git 跟踪中移除已存在的 .obsidian 目录：
```
git rm --cached -r .obsidian/
```

提交并推送：

git add .gitignore
git commit -m "chore: ignore .obsidian directory"
git push

这样操作后，.obsidian 目录会保留在本地，但不会被 Git 跟踪，API Token 也就不会再泄露了。

方案二：清理 Git 历史

如果已经推送了包含 Token 的提交，需要从 Git 历史中彻底删除它。可以使用 git filter-repo 工具：

# 安装工具
pip install git-filter-repo

# 从历史中移除指定文件
git filter-repo --path .obsidian/plugins/share-to-notionnext/data.json --invert-paths --force

# 重新添加 remote 并推送
git remote add origin your-repo-url
git push --force

注意：这种方法会重写 Git 历史，如果与其他开发者共享仓库，需要协调好。

方案三：轮换 API Token

无论采用哪种方案，都建议重新生成 API Token。即使已经修复了泄露问题，旧的 Token 可能已经在某个时刻被恶意获取。前往相关服务的设置页面（如 Notion 集成设置）生成新的密钥，并更新本地配置。

经验总结

这次事件虽然是个「事故」，但也带来了几点有价值的思考：

第一，敏感配置一定要排除在 Git 跟踪之外。 不只是 .obsidian，任何包含 API Key、Token、密码的文件都应该加入 .gitignore。常见的包括 .env、.env.local、config/secrets.json 等。

第二，GitHub 的 Push Protection 是最后一道防线，而非第一道。 这次能被拦截是幸运的，说明 GitHub 的密钥扫描确实在起作用。但并非所有格式的密钥都能被识别，这次 zhishiku 仓库的 Token 就漏过了扫描。所以不能依赖 GitHub 的保护，自己做好防范才是根本。

第三，本地配置不影响使用。 很多人担心忽略 .obsidian 后会影响 Obsidian 的功能。实际上 .gitignore 只是阻止 Git 跟踪，不影响文件的本地存在和使用。插件配置会正常读取本地文件，只是不会同步到远程仓库。

第四，定期排查仓库安全。 建议定期检查自己的仓库是否有敏感信息泄露，可以用 GitHub 的「Secret scanning alerts」功能查看已泄露的密钥（如果有的话）。

附：两个仓库的修复记录

修复完成后，两个仓库都安全了，以后再也不用担心 API Token 泄露的问题。

文章来源：dqtx.cc 远程技术支持：742112.xyz

90% 人不知道！Obsidian 同步 Notion 神插件

sphinx30 — Tue, 21 Apr 2026 20:14:12 +0800

我最近发现了一个超好用的 Obsidian 神器，叫 Share to NotionNext！

可以直接把 Obsidian 里的 Markdown 同步到 Notion 数据库，还能自动生成 NotionNext 博客，告别复制粘贴、排版错乱，一篇文章秒发博客。

01.前置准备

设置 Notion API

点此创建 API 集成
复制 API Token

创建 Notion 数据库

创建数据库，参考👇

数据库页面右上角点击 ...-集成，选择你设置的集成名称
从浏览器链接中复制 32 位数据库 ID（?v= 前部分）

02.安装&配置

安装插件

打开 Obsidian
进入 设置 → 社区插件 → 浏览
搜索 "Share to NotionNext"
点击安装，然后启用

配置插件

Obsidian 设置，第三方插件中找到 Obsidian to NotionNext，填入以下信息：

自动同步 Frontmatter 键名：category

说明：用于指定一个 Obsidian 笔记属性名，作为插件维护「同步记录」的专用字段。插件会在笔记首次同步到指定 Notion 数据库时，将目标数据库的标识自动追加到该字段中，并同步生成对应数据库的页面 ID 与访问链接属性；

添加新激据库-"+"
填写参数：

数据库全名：

数据库简称：

Lotion API 令牌：

数据库 ID：

自定义属性→Add New Property（本人配置参考）

标题属性→title→Title 自定义属性 1→tags→Multi-Select 自定义属性 2→category→Multi-Select 自定义属性 3→date→Date 自定义属性 4→Source→URL 自定义属性 5→status→Multi-Select

03.使用方式

创建模版

建议在 Obsidian 的模板文件夹创建模板，示例：

---
title: 文章标题
category:
  - Software
  - Technical
  - AIHacks
tags:
status:
  - draft
  - published
date:
Source:
---

笔记插入元数据

创建笔记→Alt+E 调出模板，或用Template自动化
写完笔记→点击功能区Notion 图标「同步到 NotionNext」
实现一键同步 Notion

注意事项

确保 Notion 数据库字段名称与插件要求一致
API Token 不要泄露给他人
首次使用建议先测试单篇笔记同步
更新插件时注意检查是否有 Breaking Changes

04.参考资料

→github 仓库： https://github.com/jxpeng98/obsidian-to-NotionNext

→抖音视频教程 https://v.douyin.com/4K4Njgxq0Oc/

→模板自动化插件指南： https://mp.weixin.qq.com/s/kPjIpHmzciWY8_3ettEVsg

→NotionNext 帮助手册： https://docs.tangly1024.com/about

Dos 命令 mklink 详解

sphinx30 — Mon, 20 Apr 2026 17:56:31 +0800

你是否遇到过这些问题：想让软件从 A 目录读取文件，但文件实际存放在 B 目录？

想在多个位置同步同一个文件，又不想每次手动复制？或是想给文件夹创建"替身"，让不同程序都能访问？

Windows 自带的 mklink 命令，就是解决这些问题的神器。

01 先搞懂四种链接的区别

Windows 提供了四种创建链接的方式，各有各的脾气：

文件软链接（符号链接） 是默认模式，用 mklink 链接名目标文件 即可创建。它像一个"快捷方式升级版"，让程序能读取别处的文件。支持跨盘，比如在 D 盘创建一个链接指向 C 盘的文件。但如果你删掉原文件，这个链接就失效了。

目录软链接（/D 参数）

专门用于文件夹，和文件软链接一样支持跨盘，原文件夹删除后链接同样失效。很多工具用它来重定向配置目录，比如让 Claude 从默认路径读取，实际文件存放在别处。

硬链接（/H 参数）

它不是指向路径，而是给同一份数据多起几个"名字"。即使删掉原始文件，链接依然能打开内容，因为它指向的是硬盘上的实际数据。但它只能在同一个盘符内使用，且只能用于文件，不能用于文件夹。

目录联接（/J 参数）

和目录软链接类似，也是针对文件夹的链接方式。区别在于它属于 NTFS 的旧功能，不支持跨盘，但兼容性更好，一些老旧程序也能正常识别。

02 实际使用场景

场景一：让 AI 工具读取备份目录

想把 Claude 的全局 skills 目录指向 GitHub 备份仓库？可以这样操作：

cmd /c mklink /D "C:\Users\你的用户名\.claude\skills" "C:\Users\你的用户名\claude-skills"

这两个路径指向同一个文件夹，往任意一个里放文件，另一个立刻同步。

场景二：Obsidian 与 AI 工具共享配置

在 Obsidian 仓库里创建软链接，指向 AI 工具读取的配置目录：

mklink /D "%userprofile%\.claude\skills" "%userprofile%\Documents\Obsidian\.claude\skills"

这样在 Obsidian 里编辑的内容，AI 工具立刻就能看到。

场景三：知识库多位置同步

用硬链接让同一份文档在不同位置都能访问，同时保持内容完全一致：

mklink /h "D:\project2026\zhishiku\AGENTS\知识库规范.md" "D:\project2026\zhishiku\知识库规范.md"
mklink /h "D:\project2026\zhishiku\CLAUDE\知识库规范.md" "D:\project2026\zhishiku\知识库规范.md"

修改任意一个文件，其他位置同步更新，而且不怕误删原文件。

03 重要注意事项

创建符号链接需要管理员权限，记得以管理员模式运行 CMD 或 PowerShell
软链接删除原文件后链接失效，因为链接指向的是路径
硬链接删除原文件后依然有效，因为它指向的是数据本身
如果你需要跨盘操作，选择软链接；如果只在同盘内使用，硬链接更稳定

掌握这四个命令，你就是 Windows 文件管理的高手了。

以上就是本期全部内容。如果本教程对你有所帮助，欢迎点赞、收藏、转发三连，你的支持是我的核心动力。

Ps. 实操遇卡点、不想耗费时间反复试错？我可提供 1 对 1 专属远程技术支持，直达通道：742112.xyz

Ps. 想要学习 AI、提升数字化效率、打造全自动工作流，也欢迎加入我的专属社群：https://t.zsxq.com/d4zSX

Cc-sync：在多台电脑之间无缝同步 Claude Code 配置和会话。

sphinx30 — Sun, 19 Apr 2026 17:53:01 +0800

换电脑后，你最怕什么？不是装机，而是你和 Claude 聊了半天的代码、需求、方案——全没了。

直到我发现 cc-sync，这个问题终于解决了。

GitHub 地址：https://github.com/ikook-wang/cc-sync

01 一键安装

前置条件

已安装 Claude code 并使用≥1 次
已安装-Git
一个 GitHub 仓库（建议 private）用于存放配置

运行代码安装：

curl -fsSL https://raw.githubusercontent.com/ikook-wang/cc-sync/main/install.sh | bash

安装脚本会交互式引导你完成配置：

输入 GitHub 仓库地址
设置保留会话数（默认 3）
自动配置 .gitignore、hooks、shell 包装函数
完成首次同步需同步电脑都运行一次即可装一次，用同一个仓库，就能随时继续。

02 无缝衔接

跨机器同步 Claude Code 的配置和会话。在公司聊了一半，回家笔记本输入恢复会话命令在家里聊了一半，出差在酒店的笔记本输入恢复会话命令

claude --resume

执行这个命令，就是恢复之前会话的意思,直接继续。像没换过电脑。

同步内容：设置、命令、技能、最近 N 个会话。凭据和缓存不同步，安全起见。

03 自动同步

另外,cc-sync 通过三个机制实现自动同步：

打开 Claude Code，自动拉取最新
退出 Claude Code，，自动提交推送
手动触发命令 bash ~/.claude/sync.sh

04 常用命令

# 手动同步
bash ~/.claude/sync.sh

# 详细模式（查看同步过程）
bash ~/.claude/sync.sh --verbose

# 卸载
bash ~/.claude/uninstall.sh

PS.卸载操作会移除 sync.sh、sync.conf、uninstall.sh 文件，同时会删除 settings.json 中的 SessionStart hook 以及 Shell rc 文件里的 claude 包装函数，但不会移除 Git 仓库和已同步的数据。

05 注意事项

建议两台电脑保持相同的用户名和目录结构。
编辑 ~/.claude/sync.conf ,配置项 KEEP_SESSIONS=3每个项目所保留的会话数量。

换电脑最烦的不是重装软件，而是丢失上下文。

你和 Claude 聊了半小时的需求、写的代码片段——换台电脑全没了。

cc-sync 让你永远从上次停下的地方继续。

工具不帮你做事，但帮你少重复做事。

博客 https://www.dqtx.cc/

我用 AI 管知识库后，再也回不去了

sphinx30 — Sat, 18 Apr 2026 23:48:50 +0800

告别一盘散沙的笔记，AI 让知识真正"活"起来。

你有没有这种感觉？

读了一堆文章、看了很多视频，收藏夹里堆满了"以后再看"——然后就没有然后了。

知识像沙子一样，抓得越紧，漏得越快。

我以前就是这样。直到我发现了 Karpathy 大神提出的 LLM Wiki 概念，我的知识管理系统才算真正"活"了。

01 先说结论

不是 RAG 不好，而是它不够"累加"。

大多数人对 AI + 知识库的认知是 RAG：

上传一堆文件
问问题，AI 检索相关内容
生成答案

听起来很美好，但每次都是从零开始。

问一个需要综合 5 份文档的问题，AI 每次都得重新找、重新拼凑。没有任何积累，没有任何沉淀。

02 LLM Wiki 的核心思路

与其只在查询时检索，不如让 AI 增量构建和维护一个持久的 Wiki。

简单说就是：

你把文章丢给 AI
AI 阅读后，提取要点
自动整合到现有的知识网络里
更新索引、标注矛盾、加强关联

知识是"编译"一次，然后一直保持最新。

RAG 模式和 LLM Wiki 模式的区别在于：

RAG 模式每次都是从零检索，问完就没了，没有任何积累
LLM Wiki 模式知识已经沉淀好，越积累越丰富，形成互相链接的网络

03 三层架构，其实很简单

1. Raw（原始资料） 只读不改的来源库，包括文章、网页、读书笔记。AI 只读取，不修改。

2. Wiki（知识网络） AI 维护的知识库，包括摘要、概念页面、关联链接。AI 编写，你阅读。

3. Output（输出） 整理好的成品，比如公众号文章、分享稿、项目文档。

04 实际操作中，AI 帮我做三件事

Ingest（摄入） 我丢给 AI 一篇文章，AI 提取核心要点，自动分类、创建页面、更新索引。

Query（查询） 直接问 AI 问题，AI 从 Wiki 里综合答案。有价值的答案，还会存回 Wiki 成为新页面。

Lint（检查） 定期让 AI 做"健康检查"，找矛盾、过时内容、孤立页面，保持知识库干净。

05 为什么 AI 不会放弃

维护知识库最累的，不是阅读和思考，而是记账。 —— 更新交叉引用、保持摘要最新、标记矛盾点...

人之所以放弃 Wiki，是因为维护负担增长比价值快。

但 AI 不会：

不会无聊
不会忘记更新链接
可以一次修改 15 个文件

Wiki 保持更新，因为维护成本接近零。

06 怎么开始？

如果你感兴趣，可以试试这个最小闭环：

建一个 01_Raw 文件夹，放原始资料
建一个 02_Wiki 文件夹，让 AI 维护
每次读到好文章，丢给 AI 让它帮你沉淀

不需要完美的方法论，先跑起来最重要。

如果你想了解更多，可以看看这个 👇

ps.这是 Karpathy 大神提出的原版概念（文末点击阅读原文） https://gist.github.com/rohitg00/2067ab416f7bbe447c1977edaaa681e2

人类的工作是筛选来源、提出好问题、思考意义。其他一切，交给 AI。

你有自己的知识管理方法吗？评论区聊聊

UniGetUI：开源 GUI 包管理工具

sphinx30 — Fri, 17 Apr 2026 22:52:21 +0800

重装系统最烦的就是一个个装软件？UniGetUI 直接帮你一键搞定。

UniGetUI 是一款开源 GUI 包管理工具，专为 Windows 10/11 设计，统一整合 WinGet、Scoop、Chocolatey、pip、npm、.NET Tool、PowerShell Gallery 等常用命令行包管理器，可视化操作更简单。

开源地址：https://github.com/Devolutions/UniGetUI

软件界面

打开 UniGetUI 主界面，布局简洁清晰，核心功能一目了然：发现软件包、软件更新、已安装软件包、软件捆绑包，新手也能快速上手。

备份与导入

1️⃣ 本地方式

进入已安装的软件标签页
勾选需要备份的软件（可全选）
点击添加所选项进捆绑包，自动跳转至软件捆绑包页面
点击另存为，生成软件捆绑包.ubundle 文件

新电脑或重装系统后，只需在软件捆绑包页面打开备份文件，即可一键批量安装所有软件，自动下载、自动配置，无需逐个去官网下载安装。

2️⃣ 云端方式

打开 UniGetUI 设置界面
进入 "设置 > 软件包备份"
使用 GitHub 帐户登录
点击立即执行云备份-备份

换新设备后，同样在备份设置中，直接从云端还原即可。

以上就是本期全部内容。如果本教程对你有帮助，欢迎点赞、收藏、转发三连，你的支持是我持续更新的动力。

Ps. 实操遇卡点、不想耗费时间反复试错？我可提供 1 对 1 专属远程技术支持，直达通道：742112.xyz

Ps. 想要学习 AI、提升数字化效率、打造全自动工作流，也欢迎加入我的专属社群：https://t.zsxq.com/d4zSX

免费云主机建站指南

sphinx30 — Thu, 16 Apr 2026 22:47:17 +0800

最近上网冲浪的时候，偶然发现了红都主机 —— 一个提供永久免费 PHP 虚拟主机的国内服务商!

不用花一分钱就能开通稳定的云虚拟主机，对学生党、个人开发者和想做轻量小站的朋友来说太友好了。

今天这篇文章，我就从注册激活到网站上线，手把手教大家用红都主机从零搭建一个属于自己的网站，全程零成本，新手也能轻松上手。

01.注册账号

网址：http://hongdus.com/signup.php

邮箱建议使用自己的，因为它需要激活才能使用

02.激活帐户

会给你发送两封邮件：

第一封用于账号激活，你点击激活后

会给你展示面板相关信息，然后跳转到二级域名（xxx.hongdus.com/）

注意看说明

第 2 份邮件，你可能会忽略

系统会将面板相关信息发送至你的邮箱。

03.网站文件上传

控制面板地址：http://cpanel.hongdus.com

去邮箱复制一下面板用户名与密码，登录的时候可以选择语言

⚠️不是你注册时的用户名&密码

进入后台

如果你想把给你的一个二级域名变成一个自己的单页网站

首先，你需要准备index.html文件
点击文件 - 文件管理器，进入 htdocs 目录把里面的所有文件删除
然后上传

04.注意事项

Web 服务器（Nginx/Apache）默认会自动加载目录下的指定首页文件，常见优先级为： index.html → index.php → index.htm 等

如果新上传的文件不是 index.html（比如你图里的 elon-musk-resume.html），服务器就找不到默认首页，直接返回 403。

以上就是本期全部内容。如果本教程对你有所帮助，欢迎点赞、收藏、转发三连，你的支持是我的核心动力。

Ps. 实操遇卡点、不想耗费时间反复试错？我可提供 1 对 1 专属远程技术支持，直达通道：742112.xyz

Ps. 想要学习 AI、提升数字化效率、打造全自动工作流，也欢迎加入我的专属社群：https://t.zsxq.com/d4zSX

sphinx30 (大强同学)

Google 搜索 CLI：给 AI Agent 装上谷歌搜索能力

安装

怎么用

1. 命令行直接用

2. Claude Code 自然语言调用

设计亮点

1. 终端 Markdown 自动检测

2. 引用来源机制

核心原理

1. 认证复用

2. 调用内部 API

3. 原生联网搜索

4. 自动维护

源码结构

最后说两句

对不起 OpenAI，你的 GPT 太贵了，我找了个 “平替”。

闲话

实现原理

安装与配置

Windows 桌面版安装

1. 下载安装

2. 图形界面配置

3. 确认代理在跑

Codex 客户端配置

改 config.toml

改 auth.json

启动顺序

最后

这才是真正的 “贾维斯”：Minis 如何让你的 iPhone 变成钢铁侠的战衣？

开箱即用三步

核心能力

1. 完整 Linux 环境，Agent 自己写代码

2. 原生 iOS 深度集成

3. 内置浏览器 + SKILL 兼容

为什么重要？

隐私第一

多模型自由

Agent 自循环

支持平台

总结

我怀疑那些抱怨 AI 难用的人，根本没遇见过 WorkBuddy。

下载&安装

API 定价&设置

微信集成方法

导入 skills 技能

我用 Obsidian 复现了 Karpathy 的 LLM Wiki 方法，效果超出预期!

核心框架

三种文件：知识库的基石

三种日常操作

三种查询提效工具

我的 Obsidian 实践

模板示范

yaml 属性示例

实践建议

三个容易被忽视的盲点

1. 原始资料可能更适合入门

2. AI 生成的 Wiki 需要验收

3. 现在创建的内容是给 AI 看的

资源汇总

Obsidian 实例

一键 Wiki

魔搭社区免费 token 活动

操作步骤

1. 注册魔搭社区并获取 Key

2. 创建 API Key

3. Claude Code 配置

参考资料

EdgeOne 部署静态站，Cloudflare 全网优选配置实操

一、基础 DNS 解析配置

二、核心优化配置

三、验证生效

小米 MiMo V2.5 邀请码 V4B9NJ

🎁 新用户专享福利

🔗快速入口

Claude code 接入 OpenRouter 免费模型教程！

核心思路：

CC Switch 中配置 OpenRouter

相关资料

Bash 终端上传代码到 GitHub

Q:本地 `IPS` 文件夹 → 初始化 → 建主分支 → 新建多个分支 → 全部推送到 GitHub，全程复制即用。