{"version":"https://jsonfeed.org/version/1.1","title":"沛星星的小宇宙","home_page_url":"https://passion.xin","feed_url":"https://passion.xin/feed.json","description":"超越光的代价就是身处黑暗之中","language":"zh-CN","items":[{"id":"https://passion.xin/article/12","url":"https://passion.xin/article/12","title":"开源大模型 2026：从追赶者到规则改写者","content_text":"三年前，开源大模型还是闭源巨头的「追赶者」；2026 年，格局彻底翻转——Hugging Face 的开源生态已经由**中国模型主导**。这不是情绪判断，是一组组公开数据叠加出的结论。本文汇总 2026 年的多份研究报告与榜单数据，复盘这场翻转是怎么发生的。 --- ## 一、下载量：中国模型登顶 2025 年 9 月是个标志性节点：据斯坦福 HAI 报告，阿里 **Qwen 系列超越 Meta Llama**，成为 Hugging Face 下载量最高的 LLM 家族——Llama 保持多年的王座第一次易主。 到 2026 年，这个差距进一步拉大： - Qwen 累计下载**突破 30 亿次**，超越 Meta 与 Google 两大家族之和； - 中国大模型的下载量**年增 421%**（新浪财经援引行业报告）； - 2026 年 6 月，Hugging Face 热门趋势榜 **Top 10 中有 5 个来自中国**。 衍生生态的数据更能说明问题。Hugging Face《State of Open Source — Spring 2026》显示：**新创建的 LLM 衍生模型中","summary":"Qwen 下载量 30 亿登顶、新衍生模型 40% 基于 Qwen、开源闭源差距缩至 3-6 个月——用 2026 年的多份报告数据复盘中国开源大模型如何改写全球格局。","image":"//cdn.passion.xin/uploads/file-1793840706701-108.jpg","date_published":"2026-11-05T13:00:00.000Z","date_modified":"2026-11-10T05:07:21.000Z"},{"id":"https://passion.xin/article/11","url":"https://passion.xin/article/11","title":"2026 免费大模型 API 全景盘点：白嫖渠道哪家强","content_text":"之前写过一篇[手把手免费获取 NVIDIA NIM API](/article/6)的教程，不少朋友反馈很实用。这次把 2026 年市面上**所有值得知道的免费大模型 API 渠道**做了一次系统盘点——数据来自社区维护的 awesome-free-llm-api 仓库（2026-10 月实测记录），覆盖官方免费层、国内平台、聚合网关三类，最后附避坑清单。 > 免费渠道变动极快（OpenRouter 的免费池一周能换 4 次模型），用之前务必去官方定价页二次确认。 --- ## 第一梯队：永久免费，可放心用 ### NVIDIA NIM 前作详细介绍过：[build.nvidia.com](https://build.nvidia.com) 每分钟 40 次请求、**无每日上限**、免绑卡（需手机短信验证，部分号段不支持）。最大优势是模型库——DeepSeek、GLM、Kimi、MiniMax、Gemma、Nemotron 等超过 85 款模型随便调，是目前免费的\"天花板\"。 ![NVIDIA 平台的 API Key 与手机验证](//cdn.passion.xin/uploads/f","summary":"系统盘点 2026 年所有值得知道的免费大模型 API 渠道：NIM/智谱/硅基流动等永久免费层、魔搭/百炼等大额体验额度、聚合网关，附数据训练避坑清单与选型建议。","image":"//cdn.passion.xin/uploads/file-1793840706701-106.png","date_published":"2026-11-03T12:00:00.000Z","date_modified":"2026-11-09T20:17:46.000Z"},{"id":"https://passion.xin/article/10","url":"https://passion.xin/article/10","title":"2026 AI 编程工具横评：Cursor、Claude Code、Codex、Antigravity 到底怎么选？","content_text":"2026 年的 AI 编程工具市场，比任何时候都卷。去年还是「Cursor 一家独大」，今年已经是 IDE 与终端 Agent 两条战线全面开战：Cursor 迭代不停、Google 收编 Windsurf 推出 Antigravity、Anthropic 和 OpenAI 各自把 CLI 工具做成了第二增长曲线。 这段时间我把主流工具都实际用了一圈，结合社区里的横评结论，把「怎么选」这件事一次讲清。 --- ## 先分清两大阵营 2026 年的 AI 编程工具分两类，很多人选型时没分清这个前提： - **AI 代码编辑器（IDE 型）**：Cursor、Antigravity（Windsurf）、Zed——在编辑器里内嵌 AI 能力； - **AI 编程 Agent / CLI 型**：Claude Code、OpenAI Codex——独立终端程序，理解整个代码库，自主规划多步任务。 社区里目前的主流玩法是**叠加使用**：编辑器负责浏览与局部修改，CLI Agent 负责跨文件的工程级任务。 ## IDE 三强 ### Cursor：事实上的标准答案 ![Cursor 编辑器界面","summary":"IDE 型与 CLI Agent 型两条战线全面开战的 2026 年，把主流 AI 编程工具的实际定位、优缺点与国产模型接入方式一次讲清，附场景选型速查表。","image":"//cdn.passion.xin/uploads/file-1793840706701-101.jpg","date_published":"2026-11-01T12:00:00.000Z","date_modified":"2026-11-08T20:00:31.000Z"},{"id":"https://passion.xin/article/8","url":"https://passion.xin/article/8","title":"NSIS 覆盖升级会先跑卸载器：用户数据放安装目录等于裸奔","content_text":"上周给叽咕教育做 1.3.30 → 1.3.33 的静默覆盖升级实测。升级完成，应用启动正常、功能一切正常——直到发现测试机里的「作业批改系统数据」没了：学号库、成绩记录、批改报告、批改配置，全部清空。 排查半天不是 bug，是 NSIS 的「正常行为」：**覆盖安装 = 先执行旧版卸载器，而卸载器会删掉整个安装目录**——包括我们放在里面的用户数据。 --- ## 为什么数据会在安装目录里 项目的几个子应用早期把「作业批改系统数据」直接放在了安装目录下，图的是省事：数据跟着程序走，找到程序就找到数据，看起来还很\"便携\"。 这套安排在全新安装、手动覆盖文件时都没出过事，于是就一直躺在那里，直到 NSIS 覆盖升级把它炸出来。 ## NSIS 覆盖安装的真实流程 这次实测（1.3.30 → 1.3.33 静默覆盖）确认的时序： 1. 运行新版安装包； 2. NSIS **先执行已安装旧版的卸载器**； 3. 卸载器按文件清单清理，把安装目录整个删掉； 4. 新版文件解压落盘。 也就是说，用户理解的「覆盖升级」，在 NSIS 里其实是「卸载 + 重装」，中间没有任何机制保留非程序文件。只要","summary":"实测发现 NSIS 覆盖升级会先执行旧版卸载器、把安装目录整个删掉，放在安装目录里的用户数据每次升级全丢。本文讲清真实流程、数据目录迁移 userData 与首启搬迁的完整方案。","date_published":"2026-10-29T13:00:00.000Z","date_modified":"2026-11-05T11:18:31.000Z"},{"id":"https://passion.xin/article/9","url":"https://passion.xin/article/9","title":"开源数字人本地部署：meta-device 流式加载把内存峰值从 76G 压到 14.7G","content_text":"最近给叽咕口播选型开源数字人方案，把 MuseTalk、LatentSync、JoyVASA、LongCat-Video-Avatar 等 8 个开源方案在本地 GPU 上全部跑通做横评，最终 LongCat-Video-Avatar 胜出——生成的口型自然度高，1.5 版本连动物形象都能驱动。 但这家伙本地部署有两道大坑：模型下载慢到怀疑人生，加载权重直接把内存打爆。记录如下，都是通用经验，任何大模型本地部署都用得上。 --- ## 坑一：模型下载，hf-mirror 只有 71 KB/s 国内访问 Hugging Face 的现实方案是 hf-mirror 镜像，但高峰期限流严重，实测只有 **71 KB/s**——几十 GB 的权重，这个速度要下一周，项目直接原地去世。 换 **ModelScope（魔搭社区）**：实测 **24 MB/s**，快了 300 多倍，二十几分钟拉完。阿里的 ModelScope 现在同步了绝大多数主流开源模型，LongCat 这类较新的模型也有官方权重。 ```bash # 优先走 ModelScope modelscope download --","summary":"本地部署 LongCat-Video-Avatar 数字人模型，默认加载方式内存峰值 76G 直接 OOM。用 meta-device 流式加载压到 14.7G；顺带把 71KB/s 的模型下载提速到 24MB/s。8 个开源方案横评后的部署通用经验。","date_published":"2026-10-25T12:00:00.000Z","date_modified":"2026-11-07T11:29:32.000Z"},{"id":"https://passion.xin/article/7","url":"https://passion.xin/article/7","title":"Electron 自更新被 Defender 当病毒删了：一次 spawn EPERM 的排障复盘","content_text":"最近给叽咕教育做自更新，在部分用户机器上翻车了：点「立即更新」，下载正常、应用退出，然后……就没有然后了，新版本永远没起来。日志里只有一句 `spawn EPERM`。管理员权限运行、重装、换目录，统统没用。 最后在 Windows 事件查看器里找到了真凶——不是我们代码的锅，是 Windows Defender 把我们的更新组件当病毒删了。 > 事件里的判定名：`Trojan:Win32/Commando.A!ml`。注意 `!ml` 后缀，意思是机器学习模型自动判定，不是病毒特征库命中——也就是说，没有一个具体的\"病毒特征\"能让我们去对线，是模型觉得我们像坏人。 --- ## 现象 - 点更新 → 下载完成 → 应用退出 → 卡死在\"更新中\" - 主进程日志只有一行：`spawn EPERM`（启动更新编排进程被拒绝） - 复现极其稳定：只要 Defender 开着（绝大多数用户不会关），必现 ## 排查 按常规思路先走了一遍：EPERM 一般是权限问题，但管理员身份运行无效；用 Process Monitor 盯了一会儿，发现更有趣的事——**更新编排脚本文件在 spawn 之前","summary":"桌面应用自更新在用户机器上必现 spawn EPERM，排查发现是 Windows Defender 机器学习模型把 mshta+HTA 更新链判为木马并静默删除。本文复盘完整定位过程、RUN_AS_NODE 自拉起重写方案与最终放弃静默更新的策略收口。","date_published":"2026-10-15T12:00:00.000Z","date_modified":"2026-11-05T10:32:04.000Z"},{"id":"https://passion.xin/article/6","url":"https://passion.xin/article/6","title":"手把手免费获取 NVIDIA NIM API：调用 GLM-4.7 与 MiniMax M2.1","content_text":"本文将指导您如何注册 NVIDIA 账户、完成手机验证，并获取用于调用 [NVIDIA NIM](https://build.nvidia.com) 免费模型的 API Key。 > **注意**：所有操作均基于 [https://build.nvidia.com](https://build.nvidia.com) 平台进行。 --- ## 步骤 1：访问网站并登录 1. 打开 [NVIDIA Build 平台](https://build.nvidia.com)（点击跳转）。 2. 点击页面右上角的 **Login** 按钮。 3. 在弹出的登录框中输入您的邮箱地址，点击 **Next**。 ![步骤1：输入邮箱](//cdn.passion.xin/uploads/file-1767756332755-308622677.png) --- ## 步骤 2：创建 NVIDIA 账户 系统会自动跳转至账户创建页面。 在此页面填写必要信息以创建新账户。 ![步骤2：创建账户](//cdn.passion.xin/uploads/file-1767756484997-65198477.p","summary":"英伟达NVIDIA NIM开发者平台开放免费API接入权限，支持调用国产大模型。本文手把手教学如何在3分钟内免费注册账号，获取永久有效的API Key，并开始调用。","image":"//cdn.passion.xin/uploads/file-1767756745286-900033219.png","date_published":"2026-01-07T03:06:01.000Z","date_modified":"2026-11-08T22:29:44.000Z"},{"id":"https://passion.xin/article/5","url":"https://passion.xin/article/5","title":"Antigravity技巧：实时监控配额，强制中文输出！","content_text":"## 引言 在当前 AI 辅助开发日益普及的背景下，越来越多开发者开始使用如 **Antigravity** 这类基于 Google AI 的智能 IDE 插件，以提升编码效率与项目管理能力。然而，实际使用过程中常会遇到两个痛点： 1. **无法直观查看当前 Google AI Token 配额使用情况**； 2. **AI 输出语言混杂英文，影响本地化开发体验**。 本文将结合近期社区热门实践，为你带来 Antigravity 的两大实用技巧：**配额实时监控** 与 **强制中文输出配置**，助你更高效、更舒适地使用这一强大工具。 --- ## 一、Antigravity 配额监控：告别“断崖式下跌”焦虑 ### 为什么需要监控配额？ Antigravity 依赖 Google 提供的 AI 接口（如 Gemini 系列模型），其调用受每日 Token 配额限制。一旦超额，AI 功能将暂时不可用，严重影响开发节奏。过去有用户反馈“切换账号后配额骤降”，实则是插件未及时刷新数据所致。 ### 解决方案：使用 AntigravityQuotaWatcher GitHub 开源项目 [*","summary":"Antigravity 的两大实用技巧：通过 AntigravityQuotaWatcher 插件实时监控 Google AI Token 配额，避免超额中断；配置全局规则强制 AI 输出简体中文，提升本地化开发体验，助力开发者更高效、流畅地使用这一智能编程工具。","image":"//cdn.passion.xin/uploads/file-1767333466279-462265557.jpg","date_published":"2025-12-31T02:50:07.000Z","date_modified":"2026-11-08T02:48:19.000Z"},{"id":"https://passion.xin/article/4","url":"https://passion.xin/article/4","title":"数字化领导力：全球与中国百强企业技术型首席执行官的编程背景与战略转型研究报告","content_text":"在二十一世纪的商业进程中，技术不仅是企业的驱动力，更成为了企业的核心架构。随着人工智能、云计算及半导体技术的爆发式增长，全球顶级企业的领导层结构正经历一场深刻的范式转移。传统的财务型或通用管理型首席执行官（CEO）正逐渐让位于那些具备深厚技术背景、甚至能够亲自编写代码的“技术专家型领导者”。这种转变在《财富》世界100强与中国100强企业中尤为显著。本报告旨在系统性地梳理全球知名企业中具备编程能力的CEO，探讨他们的技术成长路径、早期代码项目，以及这种技术基因如何深刻影响企业的长期战略决策与技术护城河。 ## 第一章 全球技术领袖：从代码逻辑到商业帝国 ![image](//cdn.passion.xin/uploads/file-1766973722210-843412894.png) 在全球商业舞台上，硅谷的崛起奠定了“创始人即工程师”的文化传统。在世界100强企业中，顶级科技公司的掌舵人几乎清一色具备深厚的计算机科学或工程学背景。 ### 1.1 黄仁勋与英伟达：加速计算的底层逻辑 英伟达（NVIDIA，财富500强排名第31位）联合创始人兼首席执行官黄仁勋（Jensen Hua","summary":"全球与中国百强企业中具备编程背景的技术型CEO，深入剖析其早期代码经历、技术思维如何塑造企业战略，并通过黄仁勋、纳德拉、马化腾、张一鸣等典型案例，揭示“程序员CEO”在AI与数字化时代引领商业变革的核心优势。","image":"//cdn.passion.xin/uploads/file-1766973653600-658269950.png","date_published":"2025-12-29T01:56:21.000Z","date_modified":"2026-11-09T04:38:13.000Z"},{"id":"https://passion.xin/article/3","url":"https://passion.xin/article/3","title":"宝塔面板Docker清理指南，告别空间浪费！","content_text":"在宝塔面板中使用 Docker 删除镜像后，**磁盘空间没有释放**，这是一个非常常见的问题。原因通常是： > **虽然你删除了镜像（image），但还有容器（container）、卷（volume）或未被清理的“悬空”资源仍在占用空间。** --- ## ✅ 解决方案：彻底清理 Docker 无用资源 请按顺序执行以下操作（建议通过 **SSH 终端** 操作，而不是仅依赖宝塔面板）： --- ### 🔹 1. **确认当前 Docker 磁盘使用情况** ```bash docker system df ``` 输出示例： ``` TYPE TOTAL ACTIVE SIZE RECLAIMABLE Images 10 2 5.2GB 4.8GB (92%) Containers 3 1 120MB 120MB (100%) Local Volumes 5 1 2.1GB 2.0GB (95%) Build Cache 0 0 0B 0B ``` 👉 如果 `RECLAIMABLE` 很大，说明有大量可回收空间。 --- ### 🔹 2. **删除所有已停止的容器** ```","summary":"在使用宝塔面板管理 Docker 时，即使删除了镜像，磁盘空间仍可能未释放。这是因为 Docker 的存储体系包含多个组件：镜像（Images）、容器（Containers）、数据卷（Volumes）和构建缓存（Build Cache）。仅删除镜像并不会自动清理其他关联资源。","image":"//api.passion.xin/uploads/file-1765260261025-871957145.jpg","date_published":"2025-12-09T06:04:22.000Z","date_modified":"2026-11-06T08:00:28.000Z"},{"id":"https://passion.xin/article/1","url":"https://passion.xin/article/1","title":"突破版本限制：Docker容器化部署Node.js项目","content_text":"> **适用场景**：当你受限于老旧操作系统（如 CentOS 7）无法直接安装新版 Node.js，但仍需运行基于现代 Node.js 构建的前端项目时。 --- ## 背景 在一次项目部署过程中，我遇到了一个典型的问题：服务器的操作系统是 **CentOS 7**，其默认仓库中的 Node.js 版本非常老旧（通常为 v6 或 v8），而我们的前端项目依赖 **Node.js 18+**（甚至使用了 pnpm、Vite 等现代工具链）。尝试通过源码编译或第三方仓库升级 Node.js 不仅耗时，还可能破坏系统稳定性。 于是，我决定采用 **Docker 容器化方案**，将构建和运行环境完全隔离，从而绕过宿主机环境的限制。 --- ## 解决方案：使用 Docker 构建并运行应用 以下是我最终采用的 `Dockerfile` 和部署命令。为了便于复用，已对敏感信息进行泛化处理，并添加详细注释。 ```dockerfile # 使用官方 Node.js 22 的轻量级 Alpine 镜像作为基础镜像 # Alpine 镜像体积小，安全性高，适合生产部署 FROM node:22-al","summary":"本文介绍在老旧操作系统上运行现代Node.js前端项目的方法。通过使用Docker容器化技术，实现环境隔离、可重复部署，并在CentOS 7上成功运行基于Node.js 22的现代前端应用。","image":"//api.passion.xin/uploads/file-1764564866157-283977307.png","date_published":"2025-12-01T02:00:05.000Z","date_modified":"2026-10-27T19:48:44.000Z"}]}