<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
  <id>https://khbit.cn/</id>
  <title type="text">KuoHuBlog</title>
  <subtitle type="text">请输入文本</subtitle>
  <updated>2026-11-07T00:00:00.000Z</updated>
  <author><name>KuoHu</name></author>
  <link rel="alternate" href="https://khbit.cn/"/>
  <link rel="self" href="https://khbit.cn/atom.xml"/>
  <generator uri="https://github.com/CuteLeaf/Firefly">Firefly v6.16.9</generator>
    <entry>
      <id>https://khbit.cn/posts/611study-aigc/</id>
      <title type="text">中学生超长待机？并非新闻-AIGC</title>
      <published>2026-11-07T00:00:00.000Z</published>
      <updated>2026-11-07T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/611study-aigc/"/>
      <summary type="text">[AIGC] 中学生超长待机并非是什么新闻，早就是一个公开的秘密，只是一直没什么人正面出来讲。本质上其实很类似一个逻辑谜题：“红蓝眼谜题”</summary>
      <content type="html"><![CDATA[<div><div><div></div><div>AIGC 警告</div></div><div><p>这几天审核 <a href="https://www.travellings.cn" target="_blank">开往</a> 加入申请的时候吃了太多 AIGC 的内容农场了，索性我自己也拿 AI 糊弄一篇。 后续有空我自己也会再写一篇，你可以比比质量什么的。本文使用模型是 Claude Opus 5.5，<strong>本文完全使用 AI 生成</strong>，一字未改，<strong>可能有事实性错误，不代表个人观点</strong>。</p></div></div>
<p>2026 年 10 月 27 日，江苏省教育厅厅长江涌走进《政风热线》直播间。节目一开场放的是记者暗访：早上六点半左右学生到校，晚上十点晚自习才结束。厅长说了四个字，“深感内疚”，然后这四个字就上了热搜。</p>
<div><div><div></div><div><a href="https://k.sina.cn/article_3881380517_e7592aa501901xcvi.html" target="_blank">《政风热线直播间，江苏省教育厅回应学生“在校时间超长”等问题……》新华日报</a></div></div><div><p>从记者走访和平时明察暗访情况看，学生超长在校时间问题不容乐观，作为教育主管部门，我们深感内疚，这说明健康第一的教育理念在学校、老师和家长层面尚未真正落实。</p></div></div>
<p>接下来就是大家都看到的：11 月 1 日起，南京、苏州、常州、淮安、连云港等地不少高中把到校时间推迟到七点二十，晚自习提前到九点到九点半之间结束，有的班级宣布的时候 “全班沸腾”。评论区一半在说终于，一半在说 “别是一阵风”。</p>
<p>可这件事真的是新闻吗？</p>
<p>我觉得不是。一个高中生一天在学校待十五个小时，学生知道，家长知道，老师知道，校长知道，教育局知道，厅长自己也说了，“平时明察暗访” 就知道。整条链上没有一个人是 10 月 27 日那天才知道的。那天发生的事，不是有人 <em>知道了</em> ，而是有人 <em>说出来了</em> 。</p>
<p>这两者的差别，正好是一道逻辑题。</p>
<section><h2>红蓝眼谜题<a href="#红蓝眼谜题"><span>#</span></a></h2><p>题目大概是这样的（略有简化）：</p><p>一座岛上住着一群人，有的人眼睛是蓝色的，有的不是。岛上没有镜子，大家也从不讨论眼睛的颜色，所以每个人都看得见别人的眼睛，唯独看不见自己的。岛上有一条规矩：谁一旦确定自己是蓝眼睛，当天夜里就必须离开。</p><p>假设岛上恰好有 100 个蓝眼睛。某天来了一个外人，当着所有人的面说了一句：“我看到你们当中至少有一个人是蓝眼睛。”</p><p>结果是，第 100 天夜里，这 100 个人一起离开了。</p><p>奇怪的地方在于，这句话没有告诉任何人任何新东西。每个蓝眼睛都看得见另外 99 个蓝眼睛，“至少有一个” 谁不知道？可没有这句话，他们永远不会走；有了这句话，他们一定会走。</p><p>推理过程我就不全写了，有兴趣可以从只有 1 个蓝眼睛的情况往上推：只有 1 个的时候，他看不见任何蓝眼睛，听完那句话当晚就知道是自己；有 2 个的时候，各自等一晚，发现对方没走，第二晚一起走……关键在于外人那句话改变的不是 “每个人知道什么”，而是 “每个人知道别人知道什么，以及别人知道别人知道什么……” 一直套下去。逻辑学里前者叫 “共有知识”，大家各自都知道；后者叫 “公共知识”，大家都知道大家都知道。从前者跳到后者，只需要一次所有人同时在场、同时听见的宣布。</p><p>所以 “公开的秘密” 这个词其实很精确： <strong>每个人都知道，只是还没有被当众说过。</strong></p></section>
<section><h2>外人是谁<a href="#外人是谁"><span>#</span></a></h2><p>那么在学生 “超长待机” 这件事里，谁一直想当那个外人？</p><p>最早的大概是 611study。“611” 指的是 <em>早 6 点上学，晚 11 点放学，生病进 ICU</em> ， <a href="https://github.com/IQAQI233/611Study.ICU/blob/master/README_CN.md" target="_blank">项目的 README</a> 是这么解释这个名字的。2025 年 6 月末，一份叫这个名字的学生作息问卷在微博和公众号上刷屏，据 <a href="https://baijiahao.baidu.com/s?id=1836437118466517676" target="_blank">当时的转述</a> ，48 小时内收到了几十万份填写，其中高中生占了八成。后来它变成了 <a href="https://www.611study.icu/" target="_blank">611study.icu</a> 这样一个站点，有匿名投稿，有学校名单，也有红黑榜。</p><p>它做的事情说穿了就是：把每个人眼里看到的别人的眼睛颜色，汇总成一张表，贴到岛中央。</p><p>但它当不成那个外人。原因不在它说得对不对，而在谁在说。匿名投稿天然可以被一句 “网传” 打发掉，学校可以说这是个别学生的情绪，教育局可以说没有收到正式反映。谜题里外人那句话之所以有用，是因为没有一个人能假装没听见。而一个匿名网站，所有人都可以假装没听见， <strong>并且所有人都知道别人也会假装没听见</strong> 。</p><p>真正当成外人的是厅长。直播、实名、主管部门，全省 13 个设区市教育局同步在线，这是最标准的 “所有人同时在场”。从这一刻起，谁也没法再说不知道。</p><p>按谜题的剧本，接下来应该是数日子，然后大家一起离岛。</p></section>
<section><h2>第二天<a href="#第二天"><span>#</span></a></h2><p>现实里大家确实动了，而且动得很快，几天之内多地的作息表就改了。可也是从第一天起，另一些东西跟着出来了。</p><p><a href="https://m.sohu.com/a/1097493221_121347613/" target="_blank">央广网的报道</a> 里，南京一所高中的高三家长说，学校没有发正式通知，但老师说可以晚点到校。网上还有说法，南京、淮安有个别学校先通知推迟到校，过后又改回了原来的时间。这条至今只是网传，我没有查到能确认的来源，但它会被这么多人相信，本身就说明了一些问题。还有家长说，校门七点二十才开，可孩子被要求在家早起读书打卡；晚自习九点二十结束，回家还要做一张四十分钟的练习卷，家长看着做，第二天交。</p><p>“没有正式通知，但老师说可以”，这句话很有意思。它的意思是：改，但是不留下改过的证据，也就不会留下改回去的证据。</p><p>再看双休。南通通州有学校的安排是 “周六下午放半天，周日上午放半天”，凑起来也是一天，家长的原话是 “这就叫双休？服了！” 往前翻，2025 年 <a href="https://www.infzm.com/contents/293059?source=133&amp;source_1=1" target="_blank">南方周末的报道</a> 里还有一份东西叫《周末自愿留校自习申请书》，以学生的口吻向学校领导表达对周末到校学习的渴望，落款是学生和家长的手写签名。储朝晖管这叫 “在校双休”。</p><p>这些办法有一个共同点：它们都不是在否认事实，而是在给事实换个名字。早读改名打卡，补课改名自愿，单休改名半天加半天。只要名字没变成 “违规”，就不算被 “确定” 。</p></section>
<section><h2>“应该都是双休的”<a href="#应该都是双休的"><span>#</span></a></h2><p>这时候再看宿迁那句话。</p><p>《政风热线》的记者就双休问题去问宿迁市教育局，工作人员的回复原话是：</p><blockquote><p>不是高三年级应该都是双休的 要求是双休</p></blockquote><p>我反复读了这句话好几遍，越读越觉得它是整件事里最诚实的一句话，诚实到几乎是在替我们解题。</p><p>先看 “应该”。他没说 “都是双休”，说的是 “应该都是”。再看 “要求是双休”，说的是要求，不是现状。这两个词把一句事实陈述退回成了规范陈述：我知道规定是什么，至于实际怎么样，我回答的是规定。</p><p>对一个基层教育部门来说，这是最安全的知识状态。谜题里的规矩是 “确定了就必须离开”，那么只要永远不 “确定”，就永远不用走。厅长在直播间把 “不知道” 这个选项拿走了，到了市一级， “应该” 又把它悄悄放了回来。公共知识在上面刚刚建立起来，到了下面又被拆回成每个人各自心里有数。</p><p>然后是前半句，“不是高三年级”。</p><p>这几个字工作人员没有解释，记者也没有追问。为什么不用解释？因为高三不放双休这件事，早就是大家都知道大家都知道的事了，是现成的公共知识。江苏不少学校对外的说法本来就是高一高二双休、高三单休，周六可以安排有限的自习。别的年级的秘密需要藏，高三的不需要，它已经被写进了规则里。</p><p>所以这句话其实有两层：高三的超长待机是被公开承认过的，所以安全；非高三的超长待机 “应该” 不存在，所以也安全。哪一种都不会被 “确定”。</p></section>
<section><h2>谜题少了两条<a href="#谜题少了两条"><span>#</span></a></h2><p>现在可以说清楚，为什么这次很可能又会走一遍 “媒体关注—短期调整—随后反弹”（这是熊丙奇的说法）。</p><p>红蓝眼谜题能走到第 100 天，靠的不只是那句宣布，还有两个很容易被忽略的前提。</p><p>第一，每个人都看得见所有人的眼睛。岛民是靠每天晚上观察 “别人有没有走” 来推理的。</p><p>第二，规矩是真的。确定了就必须走，没有例外，也没有 “应该”。</p><p>学校这座岛上，这两条都缺。教育局看得见的是文件和通知，看不见的是早上六点四十的校门口；今年 12 批次的检查看得见检查那天的校门口，看不见第二天的。至于规矩，从 2006 年的《江苏省中小学管理规范》到 2024 年的 “五项规范”，一条比一条写得具体，可违反了到底会怎样，大家心里也都有数。</p><p>缺了这两条，那句宣布能换来的就只有第一天。第一天大家都动，因为大家都知道大家都听见了；第二天每所学校都在看别的学校，看见的是 “老师说可以晚点到”、半天加半天、在家打卡，于是推理出了跟岛民完全相反的结论： <strong>没有人真的走。</strong></p><p>顺带一提，连 “全国高中要双休” 这件事本身，都带着点公开秘密的味道。很多报道，包括一些正规媒体，都引用过一份 “教育部等九部门 2024 年 10 月联合印发” 的《关于全面推进普通高中双休日制度的实施意见》，可已经有人专门写文章说，去教育部官网查不到这份文件的原文。规定到底长什么样，好像也成了一件大家 “应该” 都知道的事。</p></section>
<section><h2>那怎么办<a href="#那怎么办"><span>#</span></a></h2><p>药方我就不开了，新闻里已经开得够多：评价改革、家校协同、督导问责，每一条都对。我只想顺着谜题的逻辑说一点。</p><p>如果问题卡在 “知道” 和 “被确定” 之间，那要改的就不是喊得更大声，而是让 “确定” 变得便宜。南京师范大学的姚继军在接受采访时提过一个建议：把学生实际的睡眠达标率、实际到校情况纳入对地方教育部门和学校的考核。我觉得这是所有建议里最接近解题的一条。它不要求任何人更有良心，只要求在岛上装几面镜子。</p><p>镜子装上以后，“应该都是双休的” 就不好用了，因为是不是，一看便知。</p><p>在那之前，学生的 “超长待机” 大概还会是一条每隔一两年就被重新发现一次的新闻。每次发现，都有人深感内疚；每次到了第二天，都有人说可以晚点到。</p><p>而 611 那张表上的学校名字，其实大家都看过。</p></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/pcb-so-easy/</id>
      <title type="text">PCB，简直易如反掌！</title>
      <published>2026-10-06T00:00:00.000Z</published>
      <updated>2026-10-06T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/pcb-so-easy/"/>
      <summary type="text">终末地 诀 NFC 发光卡片设计：PCB，简直易如反掌！我已经完全学会了 PCB！</summary>
      <content type="html"><![CDATA[<div><div><div></div><div>碎碎念</div></div><div><p>我曾经在我的旧博客中写过一篇至今仍未完成的文章《Fusion 初尝试》，但实际上由于我平时实在太忙了而且实在是没啥技术力，所以就没再往下做了。</p></div></div>
<p>非常感谢我的高中，给高一放了一个完整的国庆七天小长假。</p>
<p>虽然我业余学的是计算机软件方向，但假期还是手痒，而且也不是这一时了，想设计一点硬件。电脑屏幕就那么大点，不往现实里搬点东西可惜了是吧。</p>
<p>我朋友 <a href="https://www.xiaohongshu.com/user/profile/6a4fb46b000000000f038400" target="_blank">@坛络Tanlok</a> 也正好给我转发了一个 <a href="https://www.bilibili.com/video/BV1EYbG6gEs5" target="_blank">视频</a>，让我学一学。我觉得诶，这个好欸，但是 NFC 卡我见得太多了，本来我就一堆卡了，而且我自己还有一堆的 IC 和 ID 白卡，导致其实我一开始不是很想做 NFC 卡。</p>
<p>当然感谢我朋友坛络又给我转发了一大堆视频，激发了我的一些灵感。但我比对思考一番之后，由于我对硬件开发完全是负基础的，就是负基础到连下单界面里有的词我都看不懂的，所以我觉得步子不能一下迈太大，所以还是选择做了 NFC 的进阶版 LED + NFC 的设计。</p>
<p>当然由于我自己做，那肯定就是随心配，下面这是 EDA 里成品的预览图。写这篇文章的时候其实我也刚刚下单，虽然耗时整整四天半，但做完还是有种莫名的空虚。故趁着这股后劲来写这篇文章吧（？）</p>
<p></p><figure><img src="https://static.khbit.cn/2026/10/d2d610bc6c4b96ef7bdbd0e8d3454953.avif" alt="设计简直易如反掌" /><figcaption>设计简直易如反掌</figcaption></figure><p></p>
<p></p><figure><img src="https://static.khbit.cn/2026/10/ab700aa273fca7d3b83a742106ad4a8b.png" alt="成品正面预览图" /><figcaption>成品正面预览图</figcaption></figure><p></p>
<p></p><figure><img src="https://static.khbit.cn/2026/10/8ddc1b468f0263c172f988ec0729a96b.png" alt="成品背面预览图" /><figcaption>成品背面预览图</figcaption></figure><p></p>
<p></p><figure><img src="https://static.khbit.cn/2026/10/b5d804677f81b1ac72007e91435711f1.jpeg" alt="我已经完全学会了设计" /><figcaption>我已经完全学会了设计</figcaption></figure><p></p>
<p>其实不论是设计还是真的上手到 EDA 里制作，都遇到了不少坑，这些坑对于很多专业做硬件设计的人来说，可能会觉得特别弱智，许多的问题也是由于我无知者无畏导致的。换你来做软件架构设计你也未必能做好</p>
<section><h2>一开始设计<a href="#一开始设计"><span>#</span></a></h2><p>朋友给我推荐的教程视频里提到了一个开源项目叫 <a href="https://github.com/tomatorigid/PCB_lightgraph" target="_blank">PCB_lightgraph</a>，“将 2D 插画<br />
一键转换为可制造 PCB 分层图纸的高性能桌面工具”。当然我也用这个简单试了一下。但其实遇到的第一个抽象的问题就是我不知道找啥图。</p><p>先是问我朋友他有没有啥想做的，他说没有。我寻思了一下，我好像也没啥特别想做的。我在书房里环视一周，明日方舟的博士、阿米娅、铃兰，终末地的佩丽卡…… 诶好像还真没买过诀的周边。</p><div><div><div></div><div>碎碎念</div></div><div><p>其实我这段特别想写成一个贯口一样的，但是事实上我并不怎么买周边（谷子），所以就实际情况来说确实就是上面这段所叙述的那样（</p></div></div><p><strong>那就做诀的 NFC 吧。</strong> 也许是最错误的一个决定了（</p><p>因为一上来就遇到了问题：我找点什么图呢？我一想，找图那不简单吗，Pixiv 一开搜个关键词不全都是图。</p><p>打开 Pixiv 发现打不开，但我手机能打开。 不不不，再写要偏题了，那是又一篇技术博客的故事了（</p><p>经过一番网络调试后，打开 Pixiv，搜索关键词，简单翻了两下我就后悔了。终末地毕竟还是明日方舟 IP 下的，在 Pixiv 上的风格也继承了明日方舟的风格，哪怕我早早勾选上了全年龄的选项，但我还是在十余页的结果里找不到几张真的全年龄的。</p><p><a href="https://www.pixiv.net/artworks/147987474" target="_blank"></a></p><figure><a href="https://www.pixiv.net/artworks/147987474" target="_blank"><img src="https://static.khbit.cn/2026/10/91c26db024b81afe04a09b946acb6b2a.png" alt="正面原设计图" /><figcaption>正面原设计图</figcaption></a></figure>
当然你要说真的一张能用的都没有也不至于，还是找到了一张的。<a href="https://www.pixiv.net/users/4978772" target="_blank">Pixiv@白桃菌菌子</a> 老师的作品。但为啥最后没有使用呢，原因很多，还是听我慢慢道来：<p></p><p>首先我觉得要考虑 PCB 这个东西他的丝印精度不太高，得给这个图风格化一下，我就让千问生个图。</p><div><div><div></div><div>避免误导你</div></div><div><p>PCB 丝印的精度并不低，甚至可以说很高，精度低这个事完全是因为我当时不了解臆想出来的。</p></div></div><p><img src="https://static.khbit.cn/2026/10/b82a45da906993f929c8df61dd5743b5.png" alt="" /></p><p>其实看着还挺好的。那就直接放到软件里：</p><p><img src="https://static.khbit.cn/2026/10/6a289db68ee5fb89609c7e5c9455afea.png" alt="" /></p><p>看起来还不错。其实不是（</p><p>实际上由于千问生成的图片颜色不均匀，上面那个图不是直出的，我自己用最原始的力量修了很久才出上面的效果：</p><p></p><figure><img src="https://static.khbit.cn/2026/10/496136796342356b1700b877d241a1ba.png" alt="最原始的力量：Windows 画图" /><figcaption>最原始的力量：Windows 画图</figcaption></figure><p></p></section>
<section><h2>EasyEDA，启动！<a href="#easyeda启动"><span>#</span></a></h2><p>然后我就顺着教程把每一层导入进去了。本来全文应该到此为止，我只要领个沉金卷就去下单就好了。但我发现了三个问题：他现在没有任何功能，直接打太没意思了；人物太大了，想布线也不好布了；诀的颜色和沉金实在搭不上什么关系。</p><p>但是我瞎翻文档的时候注意到过彩色丝工艺，然后我从这时开始，踏上了我自找苦吃的第一步。</p><p>把图导入后，我想画一个 NFC 的线圈，但说实话我不会画，我画得太丑了。然后我就顺着我软件开发的思路，啊把这个活交给了 AI（</p><p></p><figure><img src="https://static.khbit.cn/2026/10/781b83356114627238f2da4d0ea082be.png" alt="DSH 画的什么东西" /><figcaption>DSH 画的什么东西</figcaption></figure><p></p><p>找了个办法把嘉立创 EDA 接入了 DSH（DeepSeek Harness），然后就让 AI 帮我画一些东西了。</p><p>实话讲 EDA 里面想要处理图像也挺折磨人的，或者说 EDA 处理图像的能力挺弱的。我当然明白 EDA 不是图像处理软件，但说实话这种彩色丝的设计好像也免不了一些图像处理。所以其实从这里开始绝大部分的图像处理工作我都直接外包给 AI 做了。</p><p>虽然 AI 画出来的质量仍然很差，最后还是我跟着网上教程画的。</p><p></p><figure><img src="https://static.khbit.cn/2026/10/7f9aa0e331cbe8a1df5e5d657b72b1d5.png" alt="后来画的" /><figcaption>后来画的</figcaption></figure><p></p><p>然后本来我很高兴地给朋友看，他看完就发现三个问题：</p><ol>
<li>这个拐角空隙大得都能开一家蜜雪冰城了</li>
<li>这芯片只能放左上角了</li>
<li>没有第三个问题</li>
</ol><p>第三个问题其实是我提的问题，也是我问的第一个若智问题：<strong>芯片能不能放背面？</strong></p><p>我很少见我朋友着急骂人，估计是真急了：问我 <strong>布线怎么走可以做到不短路？</strong></p><p>那我也是真的不懂，我紧接着问了个更若智的问题：<strong>那你摆正面怎么就不短路了呢？</strong></p><p>因为我以为 PCB 就是一块电路板被夹在中间而已，物理结构上来说正反面的内容是一样的，那么只要芯片能和导线接触就可以了，正反根本无所谓啊🤔</p><p>他说确实，但那是<strong>单层板</strong>，我们设计的是<strong>双层板</strong>。</p><p>我问为啥不设计单层板呢🤔？</p><p>他回了我一张图：</p><p></p><figure><img src="https://static.khbit.cn/2026/10/134891155f3213d25eeb600b005eb77e.png" alt="PCB 卷名称：2-4层沉金EDA专用卷" /><figcaption>PCB 卷名称：2-4层沉金EDA专用卷</figcaption></figure><p></p><p>然后他告诉我一般通过打 <strong>“过孔”</strong> 来解决这个问题。</p><p>这半天到此结束~</p></section>
<section><h2>你这芯片到底叫啥啊<a href="#你这芯片到底叫啥啊"><span>#</span></a></h2><p>那半天其实我也在穿插抽空忙我自己的东西，然后这新的一天我显示花了十多个小时写了一篇 <a href="/posts/astra-edge/">8.5k 字雷霆大文章</a> 记录我在另一个自己的开源项目上取得的成果和一些回忆、思路、创新。</p><p>写的过程中我让 AI 代劳了一部分电路设计，然后 AI 问了我一个好问题：<strong>这 NFC 芯片的参数是啥？</strong></p><p>因为芯片是我朋友准备的，所以我就问他，他说 <em>IC复旦</em>，我说 <em>IC复旦</em> 是什么东西🤔到底是具体的什么型号？他说就叫 <em>IC复旦</em>，我觉得奇怪，就问他要了一下商品链接，确实他商品名就叫 <em>COB-IC复旦</em>。好吧这我真不知道是啥。</p><p>然后我共享屏幕一起检查了一下 AI 代劳的部分，由于没有截图，就不放图片了。目光所及之处都是短路</p><p>背面也是交给 AI 胡乱设计，因为其实我也一直没想好背面怎么设计。总不能拉个表格吧</p><div><div><div></div><div>猜你想搜</div></div><div><p>DPS 怎么样？DPH 怎么样？HPS 怎么样？总伤怎么样？回转怎么样？生存怎么样？什么模板？什么定位？什么杯？泛用性高不高？对策性强不强？技能专哪个？打物伤还是法伤？破甲线多少？法穿多少？攻击范围多大？单走能力如何？团队能力如何？有没有新机制？</p></div></div><p>不过还是有少数几张截图，AI 的设计是真的看不懂：</p><p></p><figure><img src="https://static.khbit.cn/2026/10/a6e93d1db0ec9ef5dc2e4aa03f075552.png" alt="AI 自己画的何意味线路" /><figcaption>AI 自己画的何意味线路</figcaption></figure><p></p><p>然后这第二天也就结束了，确实主要把实际画在写我的另一篇技术博客上了，加上我还没想好背面到底怎么设计。</p></section>
<section><h2>要不抄袭一下官方周边吧<a href="#要不抄袭一下官方周边吧"><span>#</span></a></h2><p>但也不能老这么搁置着是吧，还是以学习为主要目的，去看看官方周边怎么设计的也无妨。</p><p>经过一番寻找我准备抄袭这个（？）</p><p></p><figure><img src="https://static.khbit.cn/2026/10/5f42a79ce26880490a86a5e500809acc.png" alt="终末地 仿MP3双闪徽章 诀" /><figcaption>终末地 仿MP3双闪徽章 诀</figcaption></figure><p></p><p>其实回头看我感觉官方设计的也没多好看</p><p>期间，也继续收拾了 AI 留的烂摊子，顺带研讨了一下怎么做 LED。网上有说如果 LED 正负极不对的话会一闪一闪的，此时反过来接就好了。我们寻思 NFC 卡又没有固定的电流方向，又不是直流电，LED 怎么分正负极？我提出<strong>可能是单独需要设计一个整流电路</strong>，不过尚且作为一个猜想搁置了。</p><p>然后又研究了一下怎么焊接，说在焊盘上打个过孔，这样从背后送锡方便，但是不太好看。最后还是决定好看一点。</p><p>后来就是我自己研究背面设计了。我本来想找找诀有没有别的 Q 版形象，发现好像没啥，AI 生图效果也不好，所以干脆就抄了一下官方周边的了。不过我朋友提示我可以去看看官方的漫画，虽然没有在漫画里面找到什么可用的形象，但是找到一个有意思的：</p><p></p><figure><img src="https://static.khbit.cn/2026/10/5b09d268fe17200d3e197dd24528d1ba.png" alt="终末地官方漫画《溯始先声：孤芳》节选的一页" /><figcaption>终末地官方漫画《溯始先声：孤芳》节选的一页</figcaption></figure><p></p><p>这也是背面中这个花环的来源，并不是我不知道放啥了硬放的装饰：</p><p></p><figure><img src="https://static.khbit.cn/2026/10/b5dee710360d31e996d5456d52bc677a.png" alt="花环和终末地" /><figcaption>花环和终末地</figcaption></figure><p></p><p>至此，第一版设计就诞生了！</p><p></p><figure><img src="https://static.khbit.cn/2026/10/720b13e169f7272210cf92b0ea018bcb.png" alt="正面" /><figcaption>正面</figcaption></figure><p></p><p></p><figure><img src="https://static.khbit.cn/2026/10/5bc746e744227f854fe3886a4ad151ac.png" alt="背面" /><figcaption>背面</figcaption></figure><p></p></section>
<section><h2>导线其实有凸起<a href="#导线其实有凸起"><span>#</span></a></h2><p>我朋友看完第一版之后也是给了我几个建议：</p><ol>
<li>把边框换一下颜色，不然两面风格差太多</li>
<li>边框看起来太宽了，改窄一点</li>
<li>导线其实有突起，需要考虑这个</li>
</ol><p>然后我朋友寻思了一下，让我试试改四层 PCB，这样可以把线藏起来，让我去下单页看看能不能选。</p><p>其实直到这里我才意识到，彩色丝工艺和其他工艺不一样，限制很多，没有办法像别的工艺那样被优惠券降价到 FREE。然后我研究了一下，彩色丝的前提下，双层 PCB 可以优惠到 30，但四层只能到 60，所以最后还是选择继续设计双层 PCB。</p><div><div><div></div><div>碎碎念</div></div><div><p>30 块钱打样 5 张真的夯爆了，上海交通联合一张联名公交卡卖 40 块钱</p></div></div><p>然后由于彩色丝要求必须选沉金，所以我朋友提议多设计一些沉金装饰，不要浪费优惠券。</p><p>既然如此，我就决定：<strong>换边框颜色，但边框不改窄，就做粗一点放突起的线圈</strong></p><p>大晚上的，突然开智了，我用 Pixiv 上的图还要找原作者授权干嘛的好麻烦，而且说实话那张图也确实不太适合 NFC 卡这种日常场景。所以种种原因下，我放弃了正面用那张图。我突然想起来，<strong>我可以用游戏内角色的潜能图啊</strong>。</p><p>我就找了个诀的满潜的图放上去。</p><p><img src="https://static.khbit.cn/2026/10/ebf5757053251e4945d6d26be82d507f.jpg" alt="" /></p></section>
<section><h2>依旧间歇性开智<a href="#依旧间歇性开智"><span>#</span></a></h2><p>在争论一番贴片 LED 到底属不属于发光二极管，能不能当二极管用之后，我继续研究这个 LED 到底怎么装。</p><p>我想了想还是去网上抄一个<a href="https://oshwhub.com/starlight05/conan-nfc-luminous-card" target="_blank">现成的电路图</a>吧：</p><p><img src="https://static.khbit.cn/2026/10/898641c2bdf64be2a9a21400a13deda1.png" alt="" /></p><p>诶，怎么还真是直接并联在芯片两端？加个电阻就敢并了啊。</p><p>所以为了布线方便，我花了一个晚上，把布线全部移动到背面，然后重新排布一些电路，这样可以考虑到正面的美观性，背面也可以集中设置一些沉金的工业风元素。</p><p>一开始看着那个潜能图，我想了半天没想出来这个光源是从哪发出来的。想了很久才比划出一个看着好像是光源的地方。我就想要不就放一个 LED 得了，但是我物理直觉还是告诉我，LED 承担负向电压，哪怕有电阻，也有安全隐患吧。</p><p>我仔细观察了一下我参考的那个电路图，他是两个 LED 反并的，这样恰好一个承担正周期的电压，一个承担负周期的电压，每半个周期都有且仅有一个 LED 在工作，另一个只相当于断路，此时就是安全的。</p><p>至于为啥他看着可以一直亮呢，因为 NFC 频率很高，人眼又存在视觉暂留，看起来就是一直亮着的，实际上其实是在高频闪烁的。</p><p>那电阻要多大的呢？总不能接个滑动变阻器吧，我就照着参考设计抄了一下，220Ω，但原先是 0603 的电阻，因为焊接这部分还是得麻烦我朋友代劳，我觉得还是不要难为他了，我改成了 1206 的大小。</p><p>到这板子就已经成型了：</p><p></p><figure><img src="https://static.khbit.cn/2026/10/2270bd90d7623811a816bf38681cdbca.png" alt="正面" /><figcaption>正面</figcaption></figure><p></p><p></p><figure><img src="https://static.khbit.cn/2026/10/3affc4fa5f7c5cfc3cfb2d0fbb5d62d2.png" alt="背面" /><figcaption>背面</figcaption></figure><p></p><p>但在我马上就要睡着的时候，我又开智了：虽然我上文没说，但你应该也看出来我加了一些沉金装饰了，我突然想到，与其藏导线，<strong>为什么不故意展示导线呢？用沉金，做视觉引导</strong>，顺便 让你欣赏一下我美丽的布线。</p><p>我睡了三个小时就起来继续干活了，最终经过一系列微调、优化，终于做出了最终板，也就是你在开头看到的预览图。</p></section>
<section><h2>一些小巧思<a href="#一些小巧思"><span>#</span></a></h2><p>除了提到的花环和故意裸露的导线，还是有一些小巧思在里面的：</p><section><h3>NO. 0001<a href="#no-0001"><span>#</span></a></h3><p></p><figure><img src="https://static.khbit.cn/2026/10/1d3a426656468d0617e724601df23a2e.png" alt="花环区域" /><figcaption>花环区域</figcaption></figure><p></p><p>你可以和上文的花环图片对比一下，你会发现我多加了一个 <code>NO. 0001</code>，同样也不是我随意加的。你仔细看上文的花环图片，你会发现，诶，终末地的logo似乎是歪的。其实不是，那个 logo 是用最小二乘法算的位置，一定是恰好居中于花环的。</p><p>虽然我学的纯理，也没啥艺术细胞，但我还是依稀记得一些初中美术知识。终末地的logo是一个倒着的三角，整体视觉重心偏上，所以我就加了一个 <code>NO. 0001</code> 来 “配平”，把重心往下拉一点。</p><p>而且，我还可以看心情改这个数字（？）比如这次我是第一次打样，数字就是 0001，后续比如我又无聊想打样了，或者单纯想多做一些当无料送（？），可能这个数字就是 0002 了。</p></section><section><h3>ENDFIELD NFC<a href="#endfield-nfc"><span>#</span></a></h3><p></p><figure><img src="https://static.khbit.cn/2026/10/60a6eb60964f5753af974a33944fb72f.png" alt="背面右上角" /><figcaption>背面右上角</figcaption></figure><p></p><p>初看你肯定会比较奇怪为什么终末地的字母后面会跟一个 NFC 的标志。</p><p>他原本确实跟着的是终末地的标志，但是终末地的 Logo 不太适合做这么小，笔画宽度会小于工艺精度极限的。所以我就把那个方块 Logo 删了，但是得放点什么东西不然视觉上看着总感觉少点啥，所以我就放了一个 NFC 的沉金 Logo 上去。</p></section><section><h3>强迫症过孔<a href="#强迫症过孔"><span>#</span></a></h3><p></p><figure><img src="https://static.khbit.cn/2026/10/3cf722591f1fef640ba373b70d678eb0.png" alt="过孔" /><figcaption>过孔</figcaption></figure><p></p><p>为了连接线圈正负极，这个在正面的过孔是必不可少的，但是同样为了保证正面美观，我给他开在了正面图中的网格内，这样看着舒服一点。</p></section><section><h3>挖孔<a href="#挖孔"><span>#</span></a></h3><p></p><figure><img src="https://static.khbit.cn/2026/10/9ef96762a37673e656cbe6e3a0d9d22f.png" alt="挖孔" /><figcaption>挖孔</figcaption></figure><p></p><p>考虑到你可能希望把他做成一个装饰品挂件，因为可能你像我一样已经有很多 NFC 卡了，再多也不知道用来干啥，所以就开了个 4mm 的孔让你穿个绳子，挂个钩子啥的。这个设计是我朋友建议的。</p></section><section><h3>下面好东西跳<a href="#下面好东西跳"><span>#</span></a></h3><p></p><figure><img src="https://static.khbit.cn/2026/10/be3dcdaf527db2fa5ccc4ccd54c48393.png" alt="正面左下角" /><figcaption>正面左下角</figcaption></figure><p></p><p>如果你玩过这个游戏的话应该知道啥意思，就是游戏内的一个梗，游戏允许通过在地图上放置留言信标给其他玩家提示，有一些玩家喜欢恶搞新手，在悬崖处提示新手跳下去。</p></section><section><h3>巧合的导线<a href="#巧合的导线"><span>#</span></a></h3><p></p><figure><img src="https://static.khbit.cn/2026/10/41df126fa3f040b72a551cea167fe935.png" alt="LED 部分导线" /><figcaption>LED 部分导线</figcaption></figure><p></p><p>如上文所说，我把一部分导线设计为露出来的，但是以免你不知道，LED 部分的导线是一个<strong>非常巧的巧合</strong>：人物的食指，背后我也不知道什么玩意儿的褶皱，和电路的拐弯，都是恰好的 45°；电路向上的部分都与腕部手环平行；手下面的导线恰好压在图的紫色线条上；经过电阻后的那一段电路与经过两个 LED 后回到另一极的电路，这两个电路对应的过孔恰好在同一水平直线上；从 LED1 出来的导线是恰好一条直线到过孔，LED2 出来的导线是先一段直线再 45° 拐弯到过孔，而这个 45° 拐弯又恰好压在褶皱上。</p><p></p><figure><img src="https://static.khbit.cn/2026/10/8666ae1ef80eb626ee6e86d7bcd95014.png" alt="背面芯片与电阻" /><figcaption>背面芯片与电阻</figcaption></figure><p></p><p>背面的芯片与电阻就没有像正面那样暴露完整电路，线圈部分是没有开窗的，但除了线圈绕圈的部分其实也都开窗了。从边框里出来，到 NFC 芯片，再从芯片到电阻。虽然视觉引导是这样，但物理上他们还是并联，但这么设计你可以很直观知道这个芯片和电阻是连着的，而且你翻到正面去，同一个位置，你还是能看到电绕过来之后到底怎么走的。</p></section></section>
<section><h2>结尾<a href="#结尾"><span>#</span></a></h2><p>PCB，简直易如反掌！虽然反个掌反了五天，但最终也是反过来了。</p><p>我已经完全学会了 PCB！虽然也许下次我还是要边搜教程边做。</p><p>其实我觉得如果我没有 “无知者无畏” 的话，也许我做不出来这个东西。</p></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/astra-edge/</id>
      <title type="text">降本方法基础，组合方式就不基础</title>
      <published>2026-10-01T00:00:00.000Z</published>
      <updated>2026-10-01T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/astra-edge/"/>
      <summary type="text">AstraSchedule 架构优化手记。要根据实际情况设计架构，坚持实事求是，旗帜鲜明地反对 “最佳实践” 教条主义。</summary>
      <content type="html"><![CDATA[<div><div><div></div><div>Tldr</div></div><div><p>要根据实际情况设计架构，<strong>坚持实事求是，旗帜鲜明地反对 “最佳实践” 教条主义</strong>。</p></div></div>
<p>很多人都喜欢抄最佳实践，这很正常，我不知道怎么做的时候我也会去抄最佳实践。做大项目的时候，最佳实践通常也是最保险的方案。但如果你长期做一个项目，就会发现最佳实践未必最佳了。<strong>无脑照抄最佳实践，是应该被反对的</strong>。</p>
<p>AstraSchedule 我已经维护了有三年，架构也已经大改了三次，每一步几乎都不是最佳实践，但组合起来反而是降本的最优解。</p>
<p>这篇文章<strong>不会</strong>教你我的最佳实践，因为<strong>最佳实践本质上是通解</strong>，我这个几乎都是特殊解，所以其实大部分方案你也抄不过去，但我希望的是，通过这篇文章你能学到<strong>怎么亲自设计一个合适的架构</strong>。</p>
<p>很常见的一句话说 <em>“没有最好的 xx，只有适合自己的 xx”</em>，其实放到架构设计上也一样。</p>
<p>这篇文章里提到的方法其实都很基础，你大概也在许多 “最佳实践” 里看过类似的，但组合起来就不太基础了。技术本身没什么好讲的，背后的方法才是更根本的东西。</p>
<section><h2>前情提要：从本地到 C/S，一切的开端<a href="#前情提要从本地到-cs一切的开端"><span>#</span></a></h2><p>AstraSchedule 的上游项目是这个项目：</p><a href="https://github.com/EnderWolf006/ElectronClassSchedule" target="_blank"><div><div><div><div></div><div>EnderWolf006</div></div><div>/</div><div>ElectronClassSchedule</div></div><div></div></div><div>电子桌面课程表，可用于学校电子白板，交流QQ二群：914887202。交流TG群：https://t.me/ECSchedule</div><div><div>—</div><div>—</div><div>GPL-3.0</div><span>HTML</span></div></a><p>上游虽然早就停更了，但 AstraSchedule 的 Fork 也正是因为我觉得上游在架构这做得不太好。</p><div><div><div></div><div>关于上游停更</div></div><div><p>在我写这篇文章的时候突然发现上游复活了，又开始提交新的代码了，不过由于架构冲突过大，AstraSchedule <strong>不考虑</strong> 合并上游新代码。</p></div></div><p>不论是上游的 ElectronClassSchedule（下文简称 ECS）还是更加成熟的 ClassIsland 都选择了纯本地的架构。ClassIsland （下文简称 CIL）虽然也支持集控但实话讲做得太简陋了，到我写这篇文章的时候官方的集控服务器还是处于 WIP 状态。</p><p>自己动手，丰衣足食。我当时就在 ECS 这个项目下 fork 了。为什么不选择更成熟的 CIL 呢？因为我当时 fork 这个项目时，我还在初中，我初中用的电脑是 Windows 7，然而 CIL 2.x 版本已经不支持 Windows 7 了。所以退而求其次选择了 ECS。</p><p>我觉得本地架构最大的问题就是我大概没什么时间在学校去配置课表，下课的十分钟那么宝贵，我用来干啥不好，补觉、上个厕所、写两道题，一个课间就过去了，何况很多学校还有个两分钟预备铃，老师再拖个堂，一个课间实际连 8 分钟可能都不到。</p><p>所以我就把他改成了 C/S 架构，这样我可以在远端修改课表，比如在家，我配置好了之后往学校把软件一装，就能用了。</p><p>这个 C/S 架构的改动是整个项目最大的改动的部分，这个是出于实际需求出发的改动，过程也比较崎岖，所以这篇文章里只做简单叙述：</p><p>从纯本地到 C/S 架构的改动其实主要就是让客户端从 HTTP 获取配置文件，早期真的就只是个文件服务器，后来变为 Python FastAPI，然后配置文件拆分，由 Python 后端负责合并。客户端使用 WS 连接服务器，然后在配置有修改时人工手动触发配置下发的命令，服务端通过 WS 提醒客户端重新拉取配置文件。</p><div><div><div><div><span><p>需要远程控制</p></span></div><div><span><p>配置变复杂</p></span></div><div><span><p>需要主动通知</p></span></div><div><span><p>阶段四：WS 通知</p></span></div><div><span><p>WS 长连接</p></span></div><div><span><p>读取 + 合并</p></span></div><div><span><p>配置变更时</p></span></div><div><span><p>重新拉取配置</p></span></div><div><span><p>客户端</p></span></div><div><span><p>FastAPI 后端</p></span></div><div><span><p>配置存储</p></span></div><div><span><p>阶段三：Python FastAPI</p></span></div><div><span><p>HTTP 拉取</p></span></div><div><span><p>读取 + 合并</p></span></div><div><span><p>客户端</p></span></div><div><span><p>FastAPI 后端</p></span></div><div><span><p>拆分后的配置文件</p></span></div><div><span><p>阶段二：文件服务器</p></span></div><div><span><p>HTTP 拉取</p></span></div><div><span><p>客户端</p></span></div><div><span><p>HTTP 文件服务器</p></span></div><div><span><p>阶段一：纯本地（上游 ECS）</p></span></div><div><span><p>读写</p></span></div><div><span><p>客户端</p></span></div><div><span><p>本地配置文件</p></span></div>
</div><div><div><span><p>需要远程控制</p></span></div><div><span><p>配置变复杂</p></span></div><div><span><p>需要主动通知</p></span></div><div><span><p>阶段四：WS 通知</p></span></div><div><span><p>WS 长连接</p></span></div><div><span><p>读取 + 合并</p></span></div><div><span><p>配置变更时</p></span></div><div><span><p>重新拉取配置</p></span></div><div><span><p>客户端</p></span></div><div><span><p>FastAPI 后端</p></span></div><div><span><p>配置存储</p></span></div><div><span><p>阶段三：Python FastAPI</p></span></div><div><span><p>HTTP 拉取</p></span></div><div><span><p>读取 + 合并</p></span></div><div><span><p>客户端</p></span></div><div><span><p>FastAPI 后端</p></span></div><div><span><p>拆分后的配置文件</p></span></div><div><span><p>阶段二：文件服务器</p></span></div><div><span><p>HTTP 拉取</p></span></div><div><span><p>客户端</p></span></div><div><span><p>HTTP 文件服务器</p></span></div><div><span><p>阶段一：纯本地（上游 ECS）</p></span></div><div><span><p>读写</p></span></div><div><span><p>客户端</p></span></div><div><span><p>本地配置文件</p></span></div>
</div></div></div><p>但一个问题在于把这个服务放到公网上，就免不了要接受来自全网的自动化扫描器和攻击脚本的请求，而且由于 WS 有状态的特性导致如果不依赖外部的订阅-发布机制很难做分布式，而且必然面临单点故障的隐患。</p><p>早期这套架构其实是我自用的，所以我对这些问题的解法是：</p><p>服务器部署一个蜜罐和一个 WAF，由 OpenResty 反向代理到 WAF，WAF 再反向代理到服务端。蜜罐负责收集情报，通过 WebHook 和一个单独的服务端来收集和转换这些威胁情报，然后用 ufw 封堵有实际业务的端口，只保留蜜罐端口和80, 443/tcp，而 WAF 也会从这个独立的服务端获取威胁情报加进自己的 WAF 拦截名单。</p><p>至于单点故障，反正是我自用，就这样吧。</p><div><div><div><div><span><p>服务器（单机）</p></span></div><div><span><p>防火墙层</p></span></div><div><span><p>情报层</p></span></div><div><span><p>诱饵层</p></span></div><div><span><p>业务层</p></span></div><div><span><p>入口层</p></span></div><div><span><p>80 / 443</p></span></div><div><span><p>蜜罐端口</p></span></div><div><span><p>转发</p></span></div><div><span><p>放行</p></span></div><div><span><p>拦截</p></span></div><div><span><p>WebHook</p></span></div><div><span><p>下发拦截名单</p></span></div><div><span><p>下发封堵规则</p></span></div><div><span><p>放行 80 / 443 / 蜜罐端口</p></span></div><div><span><p>封堵其他业务端口</p></span></div><div><span><p>互联网<br />扫描器 / 攻击脚本 / 正常用户</p></span></div><div><span><p>OpenResty</p></span></div><div><span><p>WAF</p></span></div><div><span><p>业务服务端</p></span></div><div><span><p>蜜罐</p></span></div><div><span><p>威胁情报服务</p></span></div><div><span><p>ufw</p></span></div><div><span><p>拒绝</p></span></div><div><span><p>封堵</p></span></div>
</div><div><div><span><p>服务器（单机）</p></span></div><div><span><p>防火墙层</p></span></div><div><span><p>情报层</p></span></div><div><span><p>诱饵层</p></span></div><div><span><p>业务层</p></span></div><div><span><p>入口层</p></span></div><div><span><p>80 / 443</p></span></div><div><span><p>蜜罐端口</p></span></div><div><span><p>转发</p></span></div><div><span><p>放行</p></span></div><div><span><p>拦截</p></span></div><div><span><p>WebHook</p></span></div><div><span><p>下发拦截名单</p></span></div><div><span><p>下发封堵规则</p></span></div><div><span><p>放行 80 / 443 / 蜜罐端口</p></span></div><div><span><p>封堵其他业务端口</p></span></div><div><span><p>互联网<br />扫描器 / 攻击脚本 / 正常用户</p></span></div><div><span><p>OpenResty</p></span></div><div><span><p>WAF</p></span></div><div><span><p>业务服务端</p></span></div><div><span><p>蜜罐</p></span></div><div><span><p>威胁情报服务</p></span></div><div><span><p>ufw</p></span></div><div><span><p>拒绝</p></span></div><div><span><p>封堵</p></span></div>
</div></div></div><p>这个架构虽然有创新，但绝大部分还是 “最佳实践“，事实也证明绝大部分时候只是在拦空气。并没有什么实际作用。因为扫描器的请求就算发过来了打到 Python 后端上也就是 404，只是干扰日志美观性，没啥实际影响。这就是很典型的一种 <strong>“用复杂应对简单”</strong> 的例子，这种 ”最佳实践” 的执行其实应该是要反对的。</p><p>实际上，由于 WAF、蜜罐本身需要较多的资源，所以服务器还是 2c4g 的，一个月不算折扣是 64 元。几乎只是徒增成本。</p></section>
<section><h2>Serverless 计算解决波峰波谷<a href="#serverless-计算解决波峰波谷"><span>#</span></a></h2><p>后来我注意到了两个问题：我服务器也就只有这一个服务在部署了；课表数据变动并不频繁，WS 多是时候是空闲的，只有心跳包在发送。</p><p>坦率地说那个时候我还不知道函数计算是什么东西，但我又不得不面对波峰与波谷这个问题。我只是记得我在哪好像听说个这个词，好像可以按需调用，好像计费也不贵，我才去读的文档。其实我之前一直觉得这玩意儿没啥用，函数计算能做的服务器也能做，服务器能做的函数计算未必能做吧。很多时候干读文档读介绍你读不出个啥来，没有真实需求推着走，不自己动手去实践，你很难理解一项技术被发明出来到底是干嘛的。计算机科学的本质到底还是工科。</p><p>我当时其实也想学点新东西了，所以顺势去学了 Golang，整个后端也就用 Golang 重写了。Golang 作为一个编译型语言，其好处就是部署方便，因为只有一个二进制文件。而 Python 作为解释型语言，抛开解释器环境不说，启动还得装依赖吧，本来冷启动还得耗一阵子，那也太慢了。</p><p>迁移到 Serverless 后也不得不面对几个问题：</p><ol>
<li>Serverless 天然无状态，那么有状态的 WebSocket 何去何从？</li>
<li>Serverless 实例用完就销毁，数据存哪？数据一致性如何保证呢？</li>
<li>Serverless 后失去了 WAF 的保护，而这些大量的 404 请求真的会产生计费，怎么防？</li>
</ol><p>这个时候就是展现 <strong>特殊解</strong> 的优势的时候了，如果按照最佳实践来：</p><ol>
<li>使用一个外源的 Redis 来实现订阅-发布机制</li>
<li>使用 MySQL 等数据库来存储数据</li>
<li>单独部署 WAF 和 API Gateway</li>
</ol><p>说实话，我不相信这样成本能降下来。</p><p>不过当时我确实有一个地方没想到怎么优化，我最终是选择了：</p><ol>
<li>客户端改为轮询机制，以此替代 WebSocket</li>
<li><strong>参考最佳实践</strong>，使用外部的 MySQL Serverless 版本进行存储</li>
<li>使用 Cloudflare Shield 作为 API Gateway</li>
</ol><div><div><div><div><span><p>客户端</p></span></div><div><span><p>外部存储</p></span></div><div><span><p>函数计算</p></span></div><div><span><p>Cloudflare</p></span></div><div><span><p>HTTP 轮询</p></span></div><div><span><p>放行</p></span></div><div><span><p>拦截</p></span></div><div><span></span></div><div><span><p>Cloudflare Shield</p></span></div><div><span><p>Golang 后端</p></span></div><div><span><p>Serverless MySQL</p></span></div><div><span><p>轮询</p></span></div><div><span><p>拒绝 404 等</p></span></div>
</div><div><div><span><p>客户端</p></span></div><div><span><p>外部存储</p></span></div><div><span><p>函数计算</p></span></div><div><span><p>Cloudflare</p></span></div><div><span><p>HTTP 轮询</p></span></div><div><span><p>放行</p></span></div><div><span><p>拦截</p></span></div><div><span></span></div><div><span><p>Cloudflare Shield</p></span></div><div><span><p>Golang 后端</p></span></div><div><span><p>Serverless MySQL</p></span></div><div><span><p>轮询</p></span></div><div><span><p>拒绝 404 等</p></span></div>
</div></div></div><p>这套方案下来确实砍了将近一半的成本。但是还是有问题的，因为 MySQL 在外部，而且 MySQL 又是 Serverless 模式，俩冷启动加起来就十多秒了。虽然 AstraSchedule 是个非时延敏感的服务，但这样意味着客户端冷启动还要再叠一层延迟，看起来就像卡了一样，一直会停在加载页面。</p></section>
<section><h2>SQLite 替换 Serverless MySQL<a href="#sqlite-替换-serverless-mysql"><span>#</span></a></h2><p>这个吧我觉得大概是整个架构设计里最令人疑惑的一点。</p><p>因为经过分析，虽然成本砍了一半，但大头是 Serverless MySQL 的成本。可问题同样在于数据读多写少，大部分时候读了和没读没啥区别。</p><p>但其实问题不大：MySQL 机器贵，但是硬盘便宜啊，挂载个云存储就好了。由于读多写少的性质，使 SQLite 在 NFS 的并发问题能够减小。其实 SQLite 的 Journal 模式是兼容 NFS 的，因为本质上都是标准的文件系统操作，最坏只是锁冲突，但是如上文所说，多读少写的性质下想要触发死锁并不太容易，而且 SQLite 的性能并不差。<strong>实际上，触发死锁的根本原因是因为有的 NFS 还在使用有缺陷的 <code>fcntl()</code>，而在较新版本的 NFS 系统上，SQLite 的锁机制可以很可靠地工作。</strong></p><p><strong>很多文章教你开 WAL 模式其实有的时候是在误导人的</strong>，SQLite 的 WAL 模式主要是提高并发写入的性能，对于这种多读少写的场景反而更可能产生一定程度的负优化。WAL 模式如果更好，是无论什么情况下都成立的 “最佳实践”，其实不妨想想那为啥 SQLite 默认模式不是 WAL 模式。</p><p>在用 SQLite 替代 MySQL 之后，冷启动时间被压缩到 3s，已经到达了一个可用的级别。</p><p>最后成本被压到了 4 块钱一个月，净成本已经压到原先的 <strong>1/16</strong>，算上域名的固定成本平均一下也来到了原先的 1/10。</p><div><div><div><div><span><p>挂载盘</p></span></div><div><span><p>请求</p></span></div><div><span><p>打开 / 读取</p></span></div><div><span></span></div><div><span><p>锁机制</p></span></div><div><span><p>客户端</p></span></div><div><span><p>函数计算</p></span></div><div><span><p>挂载盘</p></span></div><div><span><p>SQLite 数据库文件</p></span></div><div><span><p>Journal 模式</p></span></div>
</div><div><div><span><p>挂载盘</p></span></div><div><span><p>请求</p></span></div><div><span><p>打开 / 读取</p></span></div><div><span></span></div><div><span><p>锁机制</p></span></div><div><span><p>客户端</p></span></div><div><span><p>函数计算</p></span></div><div><span><p>挂载盘</p></span></div><div><span><p>SQLite 数据库文件</p></span></div><div><span><p>Journal 模式</p></span></div>
</div></div></div></section>
<section><h2>边缘函数 + KV 缓存<a href="#边缘函数--kv-缓存"><span>#</span></a></h2><p>但说实话 3s 的冷启动时间还是有点难以接受的，那个时候我就有个想法，能不能存储一个数据版本号，然后客户端携带自己的数据版本号，服务端只要比对版本号是否最新就好了，最新就返回 304。我也确实去尝试做了一下，但没什么卵用。因为你还是绕不开要挂载硬盘打开数据库这个流程。</p><p>后来从 Cloudflare 转到 ESA 的时候，我看到了 “KV 存储” 这个功能，诶我灵机一动，我就想可以把缓存存到这啊，然后用边缘函数来应答缓存</p><div><div><div><div><span><p>源站</p></span></div><div><span><p>ESA 边缘节点</p></span></div><div><span><p>客户端</p></span></div><div><span><p>轮询请求</p></span></div><div><span><p>清洗后放行</p></span></div><div><span><p>读取版本号</p></span></div><div><span><p>版本一致 304</p></span></div><div><span><p>版本不一致回源</p></span></div><div><span><p>打开数据库</p></span></div><div><span></span></div><div><span><p>新数据 + 新版本号</p></span></div><div><span><p>更新版本号</p></span></div><div><span><p>响应体 + 新版本号</p></span></div><div><span><p>本地缓存</p></span></div><div><span><p>轮询携带版本号</p></span></div><div><span><p>边缘函数</p></span></div><div><span><p>KV 仅存版本号</p></span></div><div><span><p>WAF 安全防护</p></span></div><div><span><p>函数计算</p></span></div><div><span><p>挂载盘</p></span></div><div><span><p>SQLite</p></span></div>
</div><div><div><span><p>源站</p></span></div><div><span><p>ESA 边缘节点</p></span></div><div><span><p>客户端</p></span></div><div><span><p>轮询请求</p></span></div><div><span><p>清洗后放行</p></span></div><div><span><p>读取版本号</p></span></div><div><span><p>版本一致 304</p></span></div><div><span><p>版本不一致回源</p></span></div><div><span><p>打开数据库</p></span></div><div><span></span></div><div><span><p>新数据 + 新版本号</p></span></div><div><span><p>更新版本号</p></span></div><div><span><p>响应体 + 新版本号</p></span></div><div><span><p>本地缓存</p></span></div><div><span><p>轮询携带版本号</p></span></div><div><span><p>边缘函数</p></span></div><div><span><p>KV 仅存版本号</p></span></div><div><span><p>WAF 安全防护</p></span></div><div><span><p>函数计算</p></span></div><div><span><p>挂载盘</p></span></div><div><span><p>SQLite</p></span></div>
</div></div></div><p>虽然 Serverless 从理论上解决了波峰波谷的问题，但实际你会发现一个函数计算实例最短也要存活个 5 分钟，但实际上 AstraSchedule 的特性，绝大部分时候可能几秒波峰就过去了，剩下四分钟也是纯就浪费算力。诶但是注意到边缘函数是按次计费的，而且更加便宜，所以自然而然有了想要把缓存这种简单的操作搬到边缘 而且 CDN 不是本来就是用来缓存的嘛 ，解决 CDN 不能缓存多读少写动态资源的问题。</p><p>那么这一个大的架构更改同样牵扯到一些问题，最重要的就是：如何保证数据实时性？</p><p>解法分成两方面：一方面，KV 存储的同步本身具有一定延迟，所以提供了一个兜底方案：由用户手动在客户端点击的 “刷新” 操作，请求中携带的数据版本是 0，即必然回源取得最新数据。</p><p>另一方面，对于比如前一晚上配好第二天来加载客户端时，可能由于边缘 TTL 还没到期导致客户端没有及时更新。所以实际情况决定了 <strong>这个 TTL 必须是动态的</strong>，那怎么才能动态呢？这需要提到 AstraSchedule 的一个功能上的设计：自动任务。</p><div><div><div></div><div>题外话</div></div><div><p>其实我一直觉得自动任务这个名字不太好，但我想不到他还能叫啥</p></div></div><p>因为我觉得课表应该是稳定的，也没有人一学期没事就动一下课表没事就动一下课表。对于调课换课之类的属于偶发的事件，并不应该影响课表主体的数据。所以 AstraSchedule 允许数据 “侧载”，就是通过配置规则，条件达成就自动配置课表，反之自动恢复配置，相当于允许配置临时覆盖上去。</p><p>这样就很大程度上避免了一到调课你就随心配的现象，不用动主要数据，加一个规则就好了。而规则是确定的规则，服务端当然可以通过预计算算出接下来 7 天的课表长什么样子。那么 TTL 自然可以一下子延长到 7 天。对于没有自动任务的，或者下一次触发时间特别远的，那 TTL 还可以更长。</p><p>此外，边缘还会拦截写请求，写请求执行完成后服务端会告知这次请求影响了哪些作用域，边缘会一一失效他们的缓存，即删除对应的 Key。</p><div><div><div>SQLite函数计算KV 版本号边缘函数客户端SQLite函数计算KV 版本号边缘函数客户端alt[版本一致且不为 0][版本不一致或版本号为 0]轮询携带版本号读取边缘版本号304 Not Modified回源请求打开数据库查询返回数据响应体 + 新版本号更新版本号响应体 + 新版本号
</div><div>SQLite函数计算KV 版本号边缘函数客户端SQLite函数计算KV 版本号边缘函数客户端alt[版本一致且不为 0][版本不一致或版本号为 0]轮询携带版本号读取边缘版本号304 Not Modified回源请求打开数据库查询返回数据响应体 + 新版本号更新版本号响应体 + 新版本号
</div></div></div><p>其实你可能会想到为什么不在边缘 KV 里顺手存完整响应呢？因为边缘的 KV 只有 1GB 的存储空间。</p><p>当然，随之变化的是，网络连通检测（访问 <code>/</code>）和 代理天气 API 也被迁移到了边缘，也就是三个最简单但是最常用的操作都被迁移到边缘了。这极大地降低了响应时间和成本（因为绝大多数时候 FC 不会被调起）。</p><p>当客户端收到了 304 的响应，直接调用本地缓存就好了。</p></section>
<section><h2>踩坑合集<a href="#踩坑合集"><span>#</span></a></h2><p>边缘架构是最近刚刚上线的，遇到了很多坑，在此记录并描述我的修复方法。回归到文章的本意，我希望你能从我的思路中学到如何自己设计一个优秀的架构和如何<strong>用简单应对复杂</strong>。</p><section><h3>边缘太快了<a href="#边缘太快了"><span>#</span></a></h3><p>边缘的 KV 缓存太快了，客户端刚刚启动就拿到了 304 响应，可是天气服务是代理的上游的，所以问题在于天气服务一定会比客户端 304 响应慢。而客户端的逻辑是拿到核心数据就先显示，其他没拿到的数据先占位。所以架构正式上线的第一个版本中会显示当前气温 <code>000℃</code> ，这个本意是提示天气服务可能异常或者还没准备好，但看起来就像什么 Bug 一样，很奇怪。</p><div><div><div></div><div>解法</div></div><div><p>让占位符为空字符串就好了。</p></div></div><p>这就是 <strong>用简单应对复杂</strong>。可能从表面问题出发，你会想如何让天气响应也快一点，比如也缓存一下；或者要不要调整客户端的启动流程顺序一类。其实根本不要，工程里面有很多 “掩耳盗铃” 的操作，说实话很多问题不是问题，比如这个，本质上是用户体验的问题，那只要让用户没觉得有问题就好了。</p></section><section><h3>缓存震荡<a href="#缓存震荡"><span>#</span></a></h3><div><div><div></div><div>有关 “缓存震荡”</div></div><div><p>其实缓存震荡不是一个标准术语，是我胡诌出来的一个词。也许你听完觉得我接下来描述的这个问题更像 “缓存击穿“，但我觉得用 ”震荡” 这个比喻更好一些</p></div></div><p>这个问题是改代码实现时的一个疏忽。一个完整的数据版本号串由以下几个值组成：</p><div><figure><figcaption></figcaption><pre><code><div><div><div>1</div></div><div><span>&lt;数据最后一次变更时间戳&gt;:&lt;当前教学周数&gt;:&lt;预测下一次更新时间&gt;</span></div></div><div><div><div>2</div></div><div><span>简化表述为：&lt;t&gt;:&lt;w&gt;:&lt;e&gt;</span></div></div></code></pre><div><div></div><div></div></div></figure></div><p>由于 <code>t</code> 只要没有数据更新就一样，但是 <code>e</code> 却有一个固定的最短的 7 天滚动窗口。所以不同天生成出的版本号串，<code>t</code> 和 <code>w</code> 通常是一样的，但是 <code>e</code> 不一样。边缘对比的是完整的版本号串，导致如果有两个客户端挂了同一个班级，又在不同天点了刷新数据，两个客户端就会各存储一个版本号。</p><p>这两个版本号只有结尾不一样，打到边缘边缘判断发现其中一个看起来不是最新版本，就会把那一个打回源站，而源站的判定比边缘宽松，最终还是会返回 304。而源站返回 304，边缘会记录一个新的版本号，但是客户端收到 304 却是没有任何操作，下一次还是会带着这个版本号再问一遍。</p><p>这样边缘只会告诉其中一个客户端他的版本号是最新的，但两个客户端其实都是最新的，而且其中一个要打回源站浪费资源；边缘记录的缓存也在两个版本号中来回震荡。</p><div><div><div>源站KV 版本号边缘函数客户端 B客户端 A源站KV 版本号边缘函数客户端 B客户端 A客户端 A 版本号 t:w:e1客户端 B 版本号 t:w:e2客户端不更新版本号客户端不更新版本号边缘版本号在两个值之间震荡轮询携带 t:w:e1读取边缘版本号 t:w:e2e1 不等于 e2 回源304 数据未变记录新版本号304轮询携带 t:w:e2读取边缘版本号不一致回源304304
</div><div>源站KV 版本号边缘函数客户端 B客户端 A源站KV 版本号边缘函数客户端 B客户端 A客户端 A 版本号 t:w:e1客户端 B 版本号 t:w:e2客户端不更新版本号客户端不更新版本号边缘版本号在两个值之间震荡轮询携带 t:w:e1读取边缘版本号 t:w:e2e1 不等于 e2 回源304 数据未变记录新版本号304轮询携带 t:w:e2读取边缘版本号不一致回源304304
</div></div></div><div><div><div></div><div>解法</div></div><div><p>分成两个部分：</p><ul>
<li>过去：在边缘设置 “门禁”，通过 UA 判定客户端版本，如果低于指定版本就返回 426 拒绝</li>
<li>未来：把边缘的判定算法和源站改得一致，判定时忽略 <code>e</code> 这个字段</li>
</ul></div></div></section><section><h3>回源流量异常<a href="#回源流量异常"><span>#</span></a></h3><p>由于正常流量都在边缘被处理了，而异常的扫描器/攻击流量反而浮了出来。</p><p>其实是因为 ESA 没有 API Gateway 功能，所以很大一部分流量本来在 Cloudflare 那会被拦，到 ESA 这就漏过去了。</p><div><div><div></div><div>关于 ESA 的 API 防护</div></div><div><p>其实是有的，但是基础版套餐只让设置 10 个 API 接口，根本不够用。</p><p>Cloudflare 免费计划允许设置 100 个接口</p></div></div><p>这个部分讲起来就复杂了，接下来会单开一节讲在没有 API Gateway 的情况下曲线救国保证 API 安全。</p></section></section>
<section><h2>曲线救国的安全<a href="#曲线救国的安全"><span>#</span></a></h2><p>总体思路很简单啊，根据攻击请求的特征配规则就好了。</p><div><div><div></div><div>关于下文的叙述</div></div><div><p>其实叙述的顺序并不是我实际配规则的顺序，因为来回改了太多次，完整按时间顺序写那车轱辘话也太多了。为了方便理解，规则的部分细节被省略。</p></div></div><section><h3>1. 非中国地区必须经过 JS 挑战<a href="#1-非中国地区必须经过-js-挑战"><span>#</span></a></h3><p>这是一个大部分国内网站都会配的规则，因为通常你也没啥外国客户，自然你可以选择屏蔽掉他们。像我觉得保险一些，就弄个 JS 挑战吧，万一是真人呢？</p><div><div><div></div><div>异常；</div></div><div><p>一堆港澳台的恶意 IP 被暴露出来</p></div></div><p>选择物化政导致的，肌肉记忆坚持一个中国原则了。呃其实确实怪我规则没配好，在阿里云 ESA WAF 里中国大陆，和港澳台三个地区确实是分开的，我顺手把港澳台三个选项也勾上了而已。</p></section><section><h3>2. 非标准来源请求 JS 挑战<a href="#2-非标准来源请求-js-挑战"><span>#</span></a></h3><p>万一港澳台真有人用呢。我想到，其实可以通过请求头来识别是否来自合法的客户端嘛，因为扫描器通常不会伪造请求头，最多伪造个 UA。然后我发现浏览器基本都有限制，JS 层面修改 UA 是不被允许的，并不会生效。</p><p>好吧，那自定义头呢？很可惜也不行，阿里云 ESA WAF 只有高级版及以上套餐才提供这个判定条件。</p><p>然后我在他可选的判定条件里翻啊翻，诶，我可以用 Referer 头啊。</p><p>实际上这又有一个架构设计导致的巧合：由于前后端分离，前后端绑定在不同的域名上，所以前端发出请求的 Referer 必然来自前端所绑定的域名。由于全网的自动化扫描器通常不具有针对性，所以一般不会伪造 Referer，要伪造也只会伪造当前域名的 Referer，然而恰恰前后端域名不一样，所以一方面 Referer 不可能是后端自己，后端接收到的 Referer 也应该一定来自几个可以被枚举的合法前端域名。</p><p>好，理论成立，所以就配置了：<strong>如果 Referer 不来自预期的域名，且 UA 不是客户端的 UA</strong>，就 <em>发起 JS 挑战</em></p><div><div><div></div><div>异常；</div></div><div><p>阿里云 ESA WAF 显示 CSR 高达 <strong>98%</strong>，即所有拦截请求中有 98% 的请求通过了 JS 挑战。</p></div></div><p>阿里云你到底挑战谁了啊，这个数据意味着，其实已经有很多自动化的扫描器能自动绕过 WAF 的 JS 挑战了。</p></section><section><h3>3. 大陆外非标来源拦截，大陆内非标来源挑战<a href="#3-大陆外非标来源拦截大陆内非标来源挑战"><span>#</span></a></h3><p>那就再加一个地理条件吧。</p><p><strong>如果请求来自中国大陆（不含港澳台）外，且没有携带预期的 UA 或者 Referer</strong>，那么 <em>拦截</em></p><p><strong>如果请求来自中国大陆内，但没有携带预期的 UA 或者 Referer</strong>，那么 <em>发起 JS 挑战</em></p><div><div><div></div><div>为什么要给国内开个口子？</div></div><div><p>因为我要开发调试。</p></div></div><p>其实到这里你看，完全就是一个白名单的机制。<strong>当你能明确描述一个好人应该是什么样的时候，你就没必要枚举坏人长啥样</strong>。很多人配 WAF 的时候不敢按白名单的逻辑配，但是黑名单 <strong>必然存在滞后性</strong>，只有当攻击发生了你才能汲取教训，知道新型攻击长啥样。但是白名单不一样，新型攻击只要不是针对性攻击，他就不可能和正常请求特征一样，而且正常请求的特征是可以被描述的，那就可以被固定的规则辨别。</p><div><div><div></div><div>异常；</div></div><div><p>搜索引擎也被拦了</p></div></div></section><section><h3>4. 用一个很短的规则过滤出搜索引擎<a href="#4-用一个很短的规则过滤出搜索引擎"><span>#</span></a></h3><p>搜索引擎被拦截了其实不意外，因为搜索引擎确实符合那些特征：IP 境外，Referer 为空，UA 不符合预期。</p><p>所以需要一个单独的白名单规则来放开搜索引擎。可是枚举所有搜索引擎的 UA 也太困难了，阿里云 ESA WAF 的白名单规则还限制长度，判定合法爬虫需要专业版以上才支持。怎么办呢？<strong>这段开头就告诉你了</strong>：<em>根据攻击请求的特征配规则就好了</em>。</p><p>不难发现，扫描器为了伪装自己，一般热衷于把自己的 UA 伪装成浏览器，而搜索引擎不一样，他们是合法爬虫，他们不需要伪装，他们会光明正大告诉你他们是 Bot 或者 Spider，但扫描器不敢。所以你就可以反其道而行之：<strong>如果请求 UA 里包含 Bot、Spider 或者 Search 字样，则跳过部分防护</strong>。</p><p>值得注意的是，我这里的表述为跳过 <strong>部分</strong> 防护。会跳过什么呢？智能限频，BOT 管理，安全级别，挑战类规则。<strong>拦截类规则不会被跳过</strong>，因为你可能也已经想到，Censys 一类网络空间测绘服务本来也会光明正大告诉你他们是扫描器，所以你可以在拦截类规则中单独枚举他们来拦截，这样例外一下就缩小很多。对于 <a href="#3-%E5%A4%A7%E9%99%86%E5%A4%96%E9%9D%9E%E6%A0%87%E6%9D%A5%E6%BA%90%E6%8B%A6%E6%88%AA%E5%A4%A7%E9%99%86%E5%86%85%E9%9D%9E%E6%A0%87%E6%9D%A5%E6%BA%90%E6%8C%91%E6%88%98">上一段</a> 中的拦截规则，也是不跳过的。因为上一段保护的是后端服务，搜索引擎本来不可能也不应该爬取后端接口。</p></section></section>
<section><h2>什么是 “最佳实践”？<a href="#什么是-最佳实践"><span>#</span></a></h2><p>最佳实践，本质上来说就是一个通解，和你在学生时代抄的参考答案一样，本质上说只是具有参考意义，但你抄上去肯定不会错。比参考答案优秀的答案不在少数，比最佳实践优秀的架构设计更不在少数。</p><p>解数学题，老师一般都会教一个特殊解，然后再跟一个通解。通解可以适用于一类题，但是未必是本题的最优解法。你总不可能单靠一个求根公式混了初高中六年吧</p><ul>
<li>Serverless MySQL：托管数据库是“最佳实践”，但读多写少 + 冷启动敏感让它不成立</li>
<li>WebSocket：实时同步是“最佳实践”，但 Serverless 无状态，WS 失效，轮询反而更实际</li>
<li>响应体缓存：在缓存层是“最佳实践”，但 KV 只有 1GB，版本号协商才是解</li>
<li>SQLite：生产环境用托管数据库是“最佳实践”，但成本敏感 + 单实例够用，SQLite 才是最优解</li>
<li>各种安全设备：WAF + 蜜罐 + 分布式是 “最佳实践”，但个人项目没有敌人，设备在防空气</li>
</ul><p>其实整个文章到这，回去再想想，我说得噱头一点，我完全可以说我做了 <em>“全链路优化”</em> 了。</p><p>但如果一开始我就说 “我要做全链路优化”，我大概会做出完全不同的选择：</p><p>我还是会用函数计算，但理由从“省成本“变成”高并发”；</p><p>我会把函数拆成微服务，因为“最佳实践”说这样更解耦；</p><p>我会跳过 MySQL 直接用 PostgreSQL，因为“最佳实践”说它更强大；</p><p>我会加 Redis 缓存，因为“最佳实践”说缓存要用 Redis；</p><p>我会坚持 WebSocket，因为“最佳实践”说轮询是低级方案。</p><p><strong>架构更“高级”，成本更高，复杂度更大，用户体验未必更好。</strong></p></section>
<section><h2>这篇文章不是最佳实践<a href="#这篇文章不是最佳实践"><span>#</span></a></h2><p>这篇文章虽然反对 “最佳实践”，但我同样希望你真的从里面学出来了一些方法来。但有些局部方案确实可以抄</p><p>比如 <a href="#4-%E7%94%A8%E4%B8%80%E4%B8%AA%E5%BE%88%E7%9F%AD%E7%9A%84%E8%A7%84%E5%88%99%E8%BF%87%E6%BB%A4%E5%87%BA%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E">前文</a> 里提出的用一个简单规则判断合法 Bot 的方法，他的约束可复现（ESA 基础版和免费版不具备识别合法爬虫的能力，且扫描器热衷于伪装浏览器）。但是架构不能抄，因为约束太多、太具体了。</p><p>总而言之，文章里如果有些局部方案和你的情况一模一样，那也可以抄一抄，但大的架构是没法复制的，因为约束太多了。</p><p><strong>本文并不反对借鉴最佳实践，但反对不思考约束就照搬。</strong></p><p>工程领域里有个很简单的道理：用最简单的结构解决最复杂的问题，远比用复杂应对复杂更好。</p><p>这套架构最大的缺点是没法抄作业，最大的优点是没法抄作业。</p><p><strong>好的架构是“榨干“了简单组件的潜力，而不是”堆砌”了复杂组件的功能。</strong></p><p>所以这篇文章不是最佳实践，它只是一份思路的参考。它反对教条主义，所以它自己也不该成为新的教条。</p><p><strong>你该带走的不是这套架构，而是这套方法：回到你的实际约束，设计自己的局部最优。</strong></p><p>每一个决定，都不是因为某个技术 “更先进“。没有哪个选择是 “因为大家都说好“，每个选择都是 ”因为我的情况需要”。说白了就是四个字：<strong>实事求是</strong>。一切从实际出发，不唯上、不唯书、不唯新，只唯实。反过来说，就是要 <strong>反对教条主义</strong>。很多 ”最佳实践” 是有边界条件的，甚至很多实践都没说自己是最佳实践，就被拿过来生搬硬套。</p><p>每一步都是那时的局部最优解。局部最优不一定等于全局最优，但工程架构里，局部最优近似于、甚至优先于全局最优。因为全局最优不可计算，而局部最优是真实的、可执行的、可验证的。工程里的全局最优，本来就是局部最优串起来的那条路。</p></section>
<section><h2>杂感<a href="#杂感"><span>#</span></a></h2><p>相信读完上文你已经能够知道为什么开放公益性质的 SaaS 了。我在 <a href="#sqlite-%E6%9B%BF%E6%8D%A2-serverless-mysql">SQLite 替换 Serverless MySQL</a> 之后就着手做了他的 SaaS 版本，因为到这个时候，我清楚地知道，这个玩意儿从运行成本角度说已经不值钱了。</p><p>这么大一堆改动之后，用现在流行的话讲叫达到了新的 “帕累托前沿”，但用户其实无感，最多觉得启动快了一点，因为本来就是免费的，他没啥价格上的直接感受。<a href="#%E8%BE%B9%E7%BC%98%E5%87%BD%E6%95%B0--kv-%E7%BC%93%E5%AD%98">边缘函数 + KV 缓存</a> 则更多只是锦上添花了。</p><p>这么一大堆东西，最后连带 SaaS 端的代码也是完整以 AGPL 开源的，这篇文章也以 CC BY-NC-SA 4.0 发布。其实因为我也不想遮掩什么，技术这玩意儿最终是为了造福人类的，何必藏着掖着呢？</p><p>在我博客的 <a href="/posts/valance-cal/">另一篇文章</a> 中也完整介绍了 AstraSchedule 的一个特色功能中所使用的一个创新算法，同样是以 CC BY-NC-SA 4.0 公开的。</p><p>我忍不住想聊一聊我个人的愿景：构建一种基础设施型科技。我觉得现在很多科技的方向都偏了，噱头太多了，“科技向善“、”以人为本” 似乎也越来越少被提起了。我觉得应该没人累了一天回家想要看一个机器人扭秧歌。科技应该像一个基础设施一样，或者说形象点，像一个水龙头一样，他就在那，但他平时对你没有任何影响，你平时也记不得他，但你想用的时候他总是在那；或者像路由器一样，他一直开着，但你平时更不会想起他来，除非他坏了。<strong>科技应该是稳定的，可靠的，真正融入到人类生活中的。</strong></p><p><strong>制造一项令人惊叹的技术并不难，制造一项令人依赖的技术才最难。</strong></p></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/glm-53-flash-vs-deep-seek-v4-flash/</id>
      <title type="text">GLM-5.3-Flash 还斩杀不了 DeepSeek-V4-Flash</title>
      <published>2026-08-27T00:00:00.000Z</published>
      <updated>2026-08-27T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/glm-53-flash-vs-deep-seek-v4-flash/"/>
      <summary type="text">在编程任务中，不论何时谷时 DS 仍然更具性价比。GLM 半价期间适合做 DS 峰时的替代，原价之后则只适合作为 DSPro 在峰时的平替。</summary>
      <content type="html"><![CDATA[<div><div><div></div><div>Tldr</div></div><div><p><strong>太长不读版</strong>：在编程任务中，不论何时谷时 DS 仍然更具性价比。GLM 半价期间适合做 DS 峰时的替代，原价之后则只适合作为 DSPro 在峰时的平替。</p></div></div>
<p>凌晨我看到 GLM 5.3 Flash 发布，我瘫坐在核弹上，仿佛看到椅子爆炸。在 DeepSeek 涨价之后终于迎来一个新的模型把涨价后的 DeepSeek 推入斩杀线，国模迎来了新的性价比一哥，性能强还便宜，好像回到了 DeepSaeek 宣布永久降价时的黄金时代。</p>
<p>但是朋友们，不要被官网价格诈骗了：</p>
<table>
<thead>
<tr>
<th>元/M Token</th>
<th>DSV4Flash 谷时</th>
<th>GLM 5.3 Flash 半价</th>
<th>DSV4Flash 峰时</th>
<th>GLM 5.3 Flash 原价</th>
</tr>
</thead>
<tbody>
<tr>
<td>输入 I</td>
<td>1.50</td>
<td><strong>0.40</strong></td>
<td>3.00</td>
<td><strong>0.80</strong></td>
</tr>
<tr>
<td>缓存 C</td>
<td><strong>0.05</strong></td>
<td>0.115</td>
<td><strong>0.10</strong></td>
<td>0.23</td>
</tr>
<tr>
<td>输出 O</td>
<td>4.50</td>
<td><strong>1.40</strong></td>
<td>9.00</td>
<td><strong>2.80</strong></td>
</tr>
</tbody>
</table>
<p>非常显然，GLM 5.3 Flash 能否斩杀 DeepSeek V4 Flash 还得看缓存命中怎么样。</p>
<p>我们先来算笔账：</p>
<p>为了方便计算，我们需要定义两个变量：</p>
<span><span><span>r=输出Token数量输入Token数量r = \frac{输出 Token 数量}{输入 Token 数量}</span><span><span><span></span><span>r</span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>输入</span><span>T</span><span>o</span><span>k</span><span>e</span><span>n</span><span>数量</span></span></span><span><span></span><span></span></span><span><span></span><span><span>输出</span><span>T</span><span>o</span><span>k</span><span>e</span><span>n</span><span>数量</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span>
<span><span><span>h=缓存命中率h = 缓存命中率</span><span><span><span></span><span>h</span><span></span><span>=</span><span></span></span><span><span></span><span>缓存命中率</span></span></span></span></span>
<p>其中 <span><span>0%≤h≤100%0\% \leq h \leq 100\%</span><span><span><span></span><span>0%</span><span></span><span>≤</span><span></span></span><span><span></span><span>h</span><span></span><span>≤</span><span></span></span><span><span></span><span>100%</span></span></span></span></p>
<p>不难得出，总成本公式为：</p>
<span><span><span>Cost=(1−h)I+hC+rOCost=(1−h)I+hC+rO</span><span><span><span></span><span>C</span><span>os</span><span>t</span><span></span><span>=</span><span></span></span><span><span></span><span>(</span><span>1</span><span></span><span>−</span><span></span></span><span><span></span><span>h</span><span>)</span><span>I</span><span></span><span>+</span><span></span></span><span><span></span><span>h</span><span>C</span><span></span><span>+</span><span></span></span><span><span></span><span>r</span><span>O</span></span></span></span></span>
<p>代入上述数据：（下标中 <span><span>DD</span><span><span><span></span><span>D</span></span></span></span> 和 <span><span>GG</span><span><span><span></span><span>G</span></span></span></span> 表示 DeepSeek 与 GLM，<span><span>LL</span><span><span><span></span><span>L</span></span></span></span> 标识谷时/半价，<span><span>HH</span><span><span><span></span><span>H</span></span></span></span> 表示峰时原价）</p>
<span><span><span>CostDL=1.5(1−h)+0.05h+4.5rCost_{DL} = 1.5(1-h)+0.05h+4.5r</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>1.5</span><span>(</span><span>1</span><span></span><span>−</span><span></span></span><span><span></span><span>h</span><span>)</span><span></span><span>+</span><span></span></span><span><span></span><span>0.05</span><span>h</span><span></span><span>+</span><span></span></span><span><span></span><span>4.5</span><span>r</span></span></span></span></span>
<span><span><span>CostGL=0.4(1−h)+0.115h+1.4rCost_{GL} = 0.4(1-h)+0.115h+1.4r</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>G</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>0.4</span><span>(</span><span>1</span><span></span><span>−</span><span></span></span><span><span></span><span>h</span><span>)</span><span></span><span>+</span><span></span></span><span><span></span><span>0.115</span><span>h</span><span></span><span>+</span><span></span></span><span><span></span><span>1.4</span><span>r</span></span></span></span></span>
<p>化简后得</p>
<span><span><span>CostDL=90r−29h+3020Cost_{DL} = \frac{90r-29h+30}{20}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>20</span></span></span><span><span></span><span></span></span><span><span></span><span><span>90</span><span>r</span><span></span><span>−</span><span></span><span>29</span><span>h</span><span></span><span>+</span><span></span><span>30</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span>
<span><span><span>CostGL=280r−57h+80200Cost_{GL} = \frac{280r-57h+80}{200}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>G</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>200</span></span></span><span><span></span><span></span></span><span><span></span><span><span>280</span><span>r</span><span></span><span>−</span><span></span><span>57</span><span>h</span><span></span><span>+</span><span></span><span>80</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span>
<p>由于两个都恰好是半价，所以算峰价和原价只要乘以 2 就好：</p>
<span><span><span>CostDH=90r−29h+3010Cost_{DH} = \frac{90r-29h+30}{10}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>H</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>10</span></span></span><span><span></span><span></span></span><span><span></span><span><span>90</span><span>r</span><span></span><span>−</span><span></span><span>29</span><span>h</span><span></span><span>+</span><span></span><span>30</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span>
<span><span><span>CostGH=280r−57h+80100Cost_{GH} = \frac{280r-57h+80}{100}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>G</span><span>H</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>100</span></span></span><span><span></span><span></span></span><span><span></span><span><span>280</span><span>r</span><span></span><span>−</span><span></span><span>57</span><span>h</span><span></span><span>+</span><span></span><span>80</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span>
<section><h2>半价 GLM vs 谷时 DS<a href="#半价-glm-vs-谷时-ds"><span>#</span></a></h2><p>现在我们开始研究，对几种情况的临界点分别建立方程，先看第一种：<strong>半价 GLM vs 谷时 DS</strong></p><p>令</p><span><span><span>CostDL=CostGLCost_{DL} = Cost_{GL}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>G</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></span><p>即</p><span><span><span>90r−29h+3020=280r−57h+80200\frac{90r-29h+30}{20} = \frac{280r-57h+80}{200}</span><span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>20</span></span></span><span><span></span><span></span></span><span><span></span><span><span>90</span><span>r</span><span></span><span>−</span><span></span><span>29</span><span>h</span><span></span><span>+</span><span></span><span>30</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>200</span></span></span><span><span></span><span></span></span><span><span></span><span><span>280</span><span>r</span><span></span><span>−</span><span></span><span>57</span><span>h</span><span></span><span>+</span><span></span><span>80</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><p>解得</p><span><span><span>h=620r+220233h=\frac{620r+220}{233}</span><span><span><span></span><span>h</span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>233</span></span></span><span><span></span><span></span></span><span><span></span><span><span>620</span><span>r</span><span></span><span>+</span><span></span><span>220</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><p><img src="https://static.khbit.cn/2026/08/f27fc2d1d555d70268a0814e2d965f5d.png" alt="" /></p><p>放在平面直角坐标系里长这样，其中紫色的线代表缓存命中神奇地达到了 100% 的情况，本图包括下文图中的点的坐标均四舍五入后保留 4 位小数，以便读者自行换算为百分数。</p><p>这意味着，当 <span><span>r&gt;0.021r&gt;0.021</span><span><span><span></span><span>r</span><span></span><span>&gt;</span><span></span></span><span><span></span><span>0.021</span></span></span></span> 时，GLM 总是比 DS 便宜；然而当 <span><span>r→0r\to{0}</span><span><span><span></span><span>r</span><span></span><span>→</span><span></span></span><span><span></span><span><span>0</span></span></span></span></span> 时，若 <span><span>h&gt;94.42%h&gt;94.42\%</span><span><span><span></span><span>h</span><span></span><span>&gt;</span><span></span></span><span><span></span><span>94.42%</span></span></span></span> 则仍然是 DS 比 GLM 便宜。</p><p>取一个我真实开发场景的例子</p><p></p><figure><img src="https://static.khbit.cn/2026/08/75b9c59f09146e8753872b8fd6bc9d31.png" alt="DSH 一次任务的统计数据" /><figcaption>DSH 一次任务的统计数据</figcaption></figure><p></p><p>那么代入计算：</p><span><span><span>r=15300052700000≈0.003r = \frac{153000}{52700000} \approx 0.003</span><span><span><span></span><span>r</span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>52700000</span></span></span><span><span></span><span></span></span><span><span></span><span><span>153000</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span><span></span><span>≈</span><span></span></span><span><span></span><span>0.003</span></span></span></span></span><p>符合 <span><span>r→0r\to{0}</span><span><span><span></span><span>r</span><span></span><span>→</span><span></span></span><span><span></span><span><span>0</span></span></span></span></span> 的情况，且 <span><span>h=0.99h=0.99</span><span><span><span></span><span>h</span><span></span><span>=</span><span></span></span><span><span></span><span>0.99</span></span></span></span>，那么显然在我个人的应用场景下，选择<strong>梁文谷 DSFlash 性价比更高</strong>。</p></section>
<section><h2>半价 GLM vs 峰时 DS<a href="#半价-glm-vs-峰时-ds"><span>#</span></a></h2><p>可能也许你会想到他也许可以去作为一个 DS 在峰时的平替，那我们来算一算：</p><p>同理，令</p><span><span><span>CostDH=CostGLCost_{DH}=Cost_{GL}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>H</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>G</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></span><p>即</p><span><span><span>90r−29h+3010=280r−57h+80200\frac{90r-29h+30}{10} = \frac{280r-57h+80}{200}</span><span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>10</span></span></span><span><span></span><span></span></span><span><span></span><span><span>90</span><span>r</span><span></span><span>−</span><span></span><span>29</span><span>h</span><span></span><span>+</span><span></span><span>30</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>200</span></span></span><span><span></span><span></span></span><span><span></span><span><span>280</span><span>r</span><span></span><span>−</span><span></span><span>57</span><span>h</span><span></span><span>+</span><span></span><span>80</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><p>解得</p><span><span><span>h=1520r+520523h=\frac{1520r+520}{523}</span><span><span><span></span><span>h</span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>523</span></span></span><span><span></span><span></span></span><span><span></span><span><span>1520</span><span>r</span><span></span><span>+</span><span></span><span>520</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><p><img src="https://static.khbit.cn/2026/08/bfeecaf46226e569063490244b03a19c.png" alt="" /></p><p>不难发现的是，函数图像（黄线绿点）明显左移了，这意味着在这两周 GLM 半价活动时，还是能与 DS 打一打的。在梁文峰时，仅当 <span><span>r&lt;0.002r&lt;0.002</span><span><span><span></span><span>r</span><span></span><span>&lt;</span><span></span></span><span><span></span><span>0.002</span></span></span></span> 且 <span><span>h&gt;99.43%h&gt;99.43\%</span><span><span><span></span><span>h</span><span></span><span>&gt;</span><span></span></span><span><span></span><span>99.43%</span></span></span></span> 是 DS 才会是更好的选择。所以<strong>在峰时，GLM 比 DS 更便宜</strong>，性能也更强。</p></section>
<section><h2>原价 GLM vs 谷时 DS<a href="#原价-glm-vs-谷时-ds"><span>#</span></a></h2><p>可能你更加好奇，半价又会结束以后呢？</p><p>来吧，管他这那的，我们都有数据了，算就完了。过程同上，依然是令相等然后求解关于 <span><span>hh</span><span><span><span></span><span>h</span></span></span></span> 的方程。此处过程略过，解得：</p><span><span><span>h=85r+3544h=\frac{85r+35}{44}</span><span><span><span></span><span>h</span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>44</span></span></span><span><span></span><span></span></span><span><span></span><span><span>85</span><span>r</span><span></span><span>+</span><span></span><span>35</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><p><img src="https://static.khbit.cn/2026/08/846cf34807ff182b38712af11ccb4c75.png" alt="" /></p><p>那其实你到这个时候再看就很恐怖了，恰恰相反，恢复原价后 DS 把 GLM 拉爆了。可能你会说 Flash 性能没有 GLM 好啊什么的，<strong>你会让 Fable 5 帮你改变量名吗？</strong> 我的意思是，什么难度的活就应该让什么模型干，如果你想一个模型从头干到尾这本来就不合理。详见 <a href="/posts/dsh-my-go/">我的另一篇文章</a> 。</p><p>恢复原价后，<strong>仅在 <span><span>r&gt;0.1059r&gt;0.1059</span><span><span><span></span><span>r</span><span></span><span>&gt;</span><span></span></span><span><span></span><span>0.1059</span></span></span></span> 或者 <span><span>h&lt;79.55%h&lt;79.55\%</span><span><span><span></span><span>h</span><span></span><span>&lt;</span><span></span></span><span><span></span><span>79.55%</span></span></span></span> 时原价的 GLM 才能发挥出价格优势</strong>。如果你 Vibe Coding 时连 80% 的缓存命中率都不到，讲真的，你该换个 Harness 了。</p></section>
<section><h2>原价 GLM vs 峰时 DS<a href="#原价-glm-vs-峰时-ds"><span>#</span></a></h2><p>其实上面的结果也并不出乎意料，毕竟哪怕是半价时谷时的 DS 也更具性价比。所以我们来看看对比峰时呢？其实如果你数学好反应快的话，</p><span><span><span>CostDH=CostGHCost_{DH} = Cost_{GH}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>H</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>G</span><span>H</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></span><span><span><span>2×CostDL=2×CostGL2 \times Cost_{DL} = 2 \times Cost_{GL}</span><span><span><span></span><span>2</span><span></span><span>×</span><span></span></span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>2</span><span></span><span>×</span><span></span></span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>G</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></span><span><span><span>CostDL=CostGLCost_{DL}=Cost_{GL}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>G</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></span><p>你会发现和 <a href="#%E5%8D%8A%E4%BB%B7-glm-vs-%E8%B0%B7%E6%97%B6-ds">半价 GLM vs 谷时 DS</a> 的结果是完全一样的。这意味着，很可惜，还是比不过 DSFlash。</p></section>
<section><h2>原价 GLM vs DSPro<a href="#原价-glm-vs-dspro"><span>#</span></a></h2><p>但坦率地说，GLM 性能确实比 DSPro 好。都知道 DSPro 是过拟合，目前仍然存在神区二相性，所以 AA 评测仅作参考：</p><p><img src="https://static.khbit.cn/2026/08/0fc9c4cf60bb1eceaba5b63557a6a707.png" alt="" /></p><p>所以其实也许，GLMFlash 更好的去处是平替 DSPro。</p><p>代入计算看看：</p><span><span><span>CostDPL=4.5(1−h)+0.15h+13.5rCost_{DPL} = 4.5(1-h)+0.15h+13.5r</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>P</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>4.5</span><span>(</span><span>1</span><span></span><span>−</span><span></span></span><span><span></span><span>h</span><span>)</span><span></span><span>+</span><span></span></span><span><span></span><span>0.15</span><span>h</span><span></span><span>+</span><span></span></span><span><span></span><span>13.5</span><span>r</span></span></span></span></span><span><span><span>CostDPL=270r−87h+9020Cost_{DPL}=\frac{270r-87h+90}{20}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>P</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>20</span></span></span><span><span></span><span></span></span><span><span></span><span><span>270</span><span>r</span><span></span><span>−</span><span></span><span>87</span><span>h</span><span></span><span>+</span><span></span><span>90</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><span><span><span>CostDPH=270r−87h+9010Cost_{DPH}=\frac{270r-87h+90}{10}</span><span><span><span></span><span>C</span><span>os</span><span><span>t</span><span><span><span><span><span><span></span><span><span><span>D</span><span>P</span><span>H</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>10</span></span></span><span><span></span><span></span></span><span><span></span><span><span>270</span><span>r</span><span></span><span>−</span><span></span><span>87</span><span>h</span><span></span><span>+</span><span></span><span>90</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><span><span><span>hDPL=535r+185189h_{DPL}=\frac{535r+185}{189}</span><span><span><span></span><span><span>h</span><span><span><span><span><span><span></span><span><span><span>D</span><span>P</span><span>L</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>189</span></span></span><span><span></span><span></span></span><span><span></span><span><span>535</span><span>r</span><span></span><span>+</span><span></span><span>185</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><span><span><span>hDPH=2420r+820813h_{DPH}=\frac{2420r+820}{813}</span><span><span><span></span><span><span>h</span><span><span><span><span><span><span></span><span><span><span>D</span><span>P</span><span>H</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span>813</span></span></span><span><span></span><span></span></span><span><span></span><span><span>2420</span><span>r</span><span></span><span>+</span><span></span><span>820</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><p>线太多了我们去掉一些：</p><p><img src="https://static.khbit.cn/2026/08/c38eb90865670a087ca8a4bd901ea668.png" alt="" /></p><p>其中蓝线对应峰时 DSPro，黑线对应谷时。可以看到，在谷时的时候，如果 <span><span>r&lt;0.0075r&lt;0.0075</span><span><span><span></span><span>r</span><span></span><span>&lt;</span><span></span></span><span><span></span><span>0.0075</span></span></span></span> 或者 <span><span>h&gt;97.88%h&gt;97.88\%</span><span><span><span></span><span>h</span><span></span><span>&gt;</span><span></span></span><span><span></span><span>97.88%</span></span></span></span>，<strong>仍然是 DSPro 更具性价比</strong>。而在峰时，注意到 <span><span>h&gt;1h&gt;1</span><span><span><span></span><span>h</span><span></span><span>&gt;</span><span></span></span><span><span></span><span>1</span></span></span></span> 且 <span><span>r&lt;0r&lt;0</span><span><span><span></span><span>r</span><span></span><span>&lt;</span><span></span></span><span><span></span><span>0</span></span></span></span>，超出了定义域，所以<strong>总是 GLM 更有性价比</strong>。</p></section>
<section><h2>那 AA 为什么说每任务 GLM 的花费更低？<a href="#那-aa-为什么说每任务-glm-的花费更低"><span>#</span></a></h2><p>很简单，我们刚刚讨论是否有性价比时，讨论的是 <span><span>hh</span><span><span><span></span><span>h</span></span></span></span>，而默认了令 <span><span>r=0.003r=0.003</span><span><span><span></span><span>r</span><span></span><span>=</span><span></span></span><span><span></span><span>0.003</span></span></span></span> ，是在这一前提下来对比是否有性价比的。那我们来算一算 AA 榜单的 <span><span>rr</span><span><span><span></span><span>r</span></span></span></span> 是多少：</p><p>由于 AA 没有提供具体的输入 Token 数据，所以需要通过价格反推：</p><p></p><figure><img src="https://static.khbit.cn/2026/08/5294ed92823881b8b3ec64120811ea01.png" alt="模型每任务价格" /><figcaption>模型每任务价格</figcaption></figure><p></p><p></p><figure><img src="https://static.khbit.cn/2026/08/21a1b3b37fc03ea9fbbdfa74caa1338b.png" alt="模型成本" /><figcaption>模型成本</figcaption></figure><p></p><p>计算：</p><span><span><span>rD=0.010.440.00270.44+0.021.32×(1−0.97)≈0.045r_D = \frac{\frac{0.01}{0.44}}{\frac{0.0027}{0.44}+\frac{0.02}{1.32\times(1-0.97)}} \approx 0.045</span><span><span><span></span><span><span>r</span><span><span><span><span><span><span></span><span><span>D</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span><span></span><span><span><span><span><span><span></span><span><span><span>0.44</span></span></span></span><span><span></span><span></span></span><span><span></span><span><span><span>0.0027</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span><span></span><span>+</span><span></span><span><span></span><span><span><span><span><span><span></span><span><span><span>1.32</span><span>×</span><span>(</span><span>1</span><span>−</span><span>0.97</span><span>)</span></span></span></span><span><span></span><span></span></span><span><span></span><span><span><span>0.02</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span><span><span></span><span></span></span><span><span></span><span><span><span></span><span><span><span><span><span><span></span><span><span><span>0.44</span></span></span></span><span><span></span><span></span></span><span><span></span><span><span><span>0.01</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span><span></span><span>≈</span><span></span></span><span><span></span><span>0.045</span></span></span></span></span><p>从 AA 的价格上不难看出，大概是 <a href="#%E5%8E%9F%E4%BB%B7-glm-vs-%E5%B3%B0%E6%97%B6-ds">原价 GLM vs 峰时 DS</a>，再回头看坐标系：</p><p><img src="https://static.khbit.cn/2026/08/4ad2528a49d8a8b3ea1d749aa52c221e.png" alt="" /></p><p>在 AA 的测试环境下，DS 不足以完全发挥自己缓存命中的长处，所以无论 AA 怎么测，GLM 看起来就是更便宜，这是从数学的理论上就已经注定的。但实际写代码的时候 <span><span>rr</span><span><span><span></span><span>r</span></span></span></span> 值可能更低，<span><span>hh</span><span><span><span></span><span>h</span></span></span></span> 可能更高，所以并不能以 AA 的测评结果武断地说 GLM 比 DS 性价比高。</p></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/dsh-my-go/</id>
      <title type="text">MyGO 编排器开发手记：让每步都能路由到最合适的模型</title>
      <published>2026-08-22T00:00:00.000Z</published>
      <updated>2026-08-22T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/dsh-my-go/"/>
      <summary type="text">让轻模型干轻活，让重模型干重活，让智能体干他最该干的活，让每一步路由到最合适的模型。适用于 DeepSeek Harness（DSH）的智能体编排器。</summary>
      <content type="html"><![CDATA[
<p>DeepSeek 涨价太哈人了，现在一两天就能花以前半个月的钱。在涨价的前两天我买了 OpenCode Go，然后就被背刺了：</p>
<table>
<thead>
<tr>
<th>模型</th>
<th>输入</th>
<th>输出</th>
<th>缓存读取</th>
<th>缓存写入</th>
<th>使用额度</th>
</tr>
</thead>
<tbody>
<tr>
<td>DeepSeek V4 Pro (Off-Peak)</td>
<td>$0.66</td>
<td>$1.98</td>
<td>$0.022</td>
<td>-</td>
<td>$15</td>
</tr>
<tr>
<td>DeepSeek V4 Pro (Peak)</td>
<td>$1.32</td>
<td>$3.96</td>
<td>$0.044</td>
<td>-</td>
<td>$15</td>
</tr>
<tr>
<td>DeepSeek V4 Flash (Off-Peak)</td>
<td>$0.22</td>
<td>$0.66</td>
<td>$0.007</td>
<td>-</td>
<td>$30</td>
</tr>
<tr>
<td>DeepSeek V4 Flash (Peak)</td>
<td>$0.44</td>
<td>$1.32</td>
<td>$0.014</td>
<td>-</td>
<td>$30</td>
</tr>
<tr>
<td>DeepSeek V4 Flash Vision Exp (Off-Peak)</td>
<td>$0.22</td>
<td>$0.66</td>
<td>$0.007</td>
<td>-</td>
<td>$15</td>
</tr>
<tr>
<td>DeepSeek V4 Flash Vision Exp (Peak)</td>
<td>$0.44</td>
<td>$1.32</td>
<td>$0.014</td>
<td>-</td>
<td>$15</td>
</tr>
</tbody>
</table>
<p>使用额度从 60 USD 直降到 15 USD</p>
<p>虽然我买完就开始和朋友一起用 Pro 蹬回本了</p>
<p>四天时间，花了这么多：</p>
<p></p><figure><img src="https://static.khbit.cn/2026/09/396c383f7d7923d391fe14604a2639ba.png" alt="每月用量 83%，大约相当于 50$" /><figcaption>每月用量 83%，大约相当于 50$</figcaption></figure><p></p>
<p>实话讲，这额度消耗还是很吓人，这下去谁敢用。</p>
<p>所以我参考 oh-my-openagent 开发了 dsh-my-go，意思是：</p>
<blockquote><p><strong>My</strong> tasks, where to <strong>GO</strong> ?????</p></blockquote>
<p>把合适的任务，派给合适的模型，以最大限度节省花费和上下文，并提高质量。</p>
<a href="https://github.com/daizihan233/dsh-my-go" target="_blank"><div><div><div><div></div><div>daizihan233</div></div><div>/</div><div>dsh-my-go</div></div><div></div></div><div>My tasks, where to GO?????</div><div><div>—</div><div>—</div><div>MIT</div><span>JavaScript</span></div></a>
<p>一行命令就能安装：</p>
<div><figure><figcaption><span></span><span>Terminal window</span></figcaption><pre><code><div><div><div>1</div></div><div><span>dsh</span><span> </span><span>plugin</span><span> </span><span>--profile</span><span> </span><span>web</span><span> </span><span>add</span><span> </span><span>dsh-my-go@latest</span><span> </span><span>--config.minimumReleaseAge=0</span></div></div></code></pre><div><div></div><div></div></div></figure></div>
<p>安装后需要配置模型，模型配置建议移步 README</p>
<p></p><figure><img src="https://static.khbit.cn/2026/09/70b521d48d31c25300e3441934756fdd.png" alt="设置页截图" /><figcaption>设置页截图</figcaption></figure><p></p>
<p>保存设置后在新会话中选择 “MyGO!!!!! 模式” 即可使用：</p>
<p></p><figure><img src="https://static.khbit.cn/2026/09/81af6893ab3b0f0a3b66a4a4cfa1340a.png" alt="新会话截图" /><figcaption>新会话截图</figcaption></figure><p></p>
<section><h2>闲聊<a href="#闲聊"><span>#</span></a></h2><p>我很早之前就开始使用 opencode 了，后来知道了 oh-my-opencode，现在好像叫 oh-my-openagent，因为他们现在还支持了 Codex。</p><a href="https://github.com/code-yeongyu/oh-my-openagent" target="_blank"><div><div><div><div></div><div>code-yeongyu</div></div><div>/</div><div>oh-my-openagent</div></div><div></div></div><div>OmO: Just type "mass ulw" keyword with your prompt. Now you are the master of graph engineering.</div><div><div>—</div><div>—</div><div>NOASSERTION</div><span>TypeScript</span></div></a><p>我非常喜欢他们的愿景：</p><div><div><div></div><div>OMO 项目 README 中文版本节选</div></div><div><p>你不需要为 2 小时的工作付 200 美元。 未来不是选一个赢家，而是把所有赢家编排到一起。模型每个月都在变便宜、变聪明。没有任何一个供应商能够独占。我们是在为那个开放的市场而构建，不是为他们的围墙花园。</p></div></div><p>从 DeepSeek 打响模型价格战第一枪开始，Xiaomi MiMo，到 GPT 5.6 Luna，模型一直在发展，而且发展得很快。然而写代码是一个复杂任务，生成模板代码、写 README、读代码结构 这些杂活让现在的大模型来干，结果和以前的小模型是一样的，不会有什么实质性的区别，甚至一些有着明确步骤和指令的活，哪怕是已经退出当下第一梯队的模型也有不错的表现。至于 诡异 Bug 定位与调试、跨模块分析、理解与规划 这类需要复杂推理的任务，小模型的能力显然是不够的。</p><p><strong>所以让一个模型干完所有活注定是不现实的。</strong></p><p>DeepSeek Harness 有他自己特色的 <strong>“创造模式”</strong>，能在 DSH 里开发插件并且热重载给自己用。所以这个插件其实也正是我自己三天 Vibe 出来的。当然我并不是说 DSH 已经强到普通人一句话就能开发一个复杂插件了，我学过软件开发，很多 Bug 也是我自己定位完然后让 AI 修的，<strong>AI 自己还是修不明白 Bug。</strong></p><p>我是参考了 OMO 的设计，但 OMO 的设计确实复杂，感觉他想要一个插件顶一堆，但是我个人觉得步子一下迈太大不好，而且也不太符合 DSH 一切皆插件的设计哲学。一个插件理应就负责一件事，在程序设计里也是如此。</p><p><strong>所以在 MyGO 里我简化了设计，只保留了 Agent 编排这一核心功能。</strong></p><p>MyGO 的 Agent 编排设计是参考了 OMO 的 <strong>自律军团 (Discipline Agents)</strong></p><div><div><div></div><div>OMO 项目 README 中文版本节选</div></div><div><p>Sisyphus 负责调度 Hephaestus、Oracle、Librarian 和 Explore。一支完整的 AI 开发团队并行工作。</p></div></div><p>MyGO 同样由 Sisyphus 负责调度，由其他智能体去完成具体的任务，整体上是一个<strong>星形拓扑</strong>。</p><p>很多的 Agent 编排器会选择 Workflow 流或者网状拓扑，就是让智能体们能够互相交互会话，其实我觉得这样并不好，因为会造成上下文混乱。把任务拆分交给 SubAgent 的目的就是为了让一个 Agent 只专注于一个任务，网状结构的话似乎背离了这个目标。</p><p>坦率地说，不论是 Workflow 流还是 OMO 并行执行，都能极大提升智能体工作的效率。但是 MyGO 项目里，我在设计时还是选择了开倒车，选择了<strong>单线串行执行</strong>。一方面，这样不会污染 Sisyphus 的上下文，不会在工作的时候突然打断插进来一个 Agent 的工作报告。更重要的是，我在使用 OMO 的时候经常遇到一个问题，就是我不知道 SubAgent 在干啥。固然，我可以点开看 SubAgent 在思考什么，但是我不能干预，而且我也盯不过来那么多的智能体。</p><p>得益于 DSH 自身的特性，你可以在子智能体里<strong>插话发送</strong>，这样你就可以和主智能体一起盯着子智能体干活。星形拓扑让主智能体可以掌控全局，最终验收；单线串行让你有精力盯着一个智能体干活和思考，早期修正。</p><p>这固然会一定程度上降低效率，但一方面在你没装编排插件之前模型基本也是 “一刀流”，从不创建 SubAgent。如果你能忍受没装编排插件之前 DSH 的干活效率，那单线串行对你来说其实没啥区别。何况，你不想 Review AI 写的代码，连 AI 思考过程都不愿意看，你敢上线吗？</p><p>除此之外，MyGO 对智能体这块做了一点优化，加了一个 Hermes 智能体。顺带一提的是，这里 Hermes 其实无意碰瓷一个叫 Hermes 的 Harness，只是为了迎合其他智能体的命名。MyGO 编排器的智能体命名也参考了 OMO，使用希腊神话人物标明作用和人设。</p><table>
<thead>
<tr>
<th>Agent 命名</th>
<th>原型故事</th>
<th>在 MyGO 中</th>
</tr>
</thead>
<tbody>
<tr>
<td>Sisyphus（西西弗斯）</td>
<td>被诸神惩罚，永无止境地把巨石推上山顶，石头滚下来再推上去，循环往复。</td>
<td>分发任务、接收结果、驳回重做、再分发……直到任务最终通过。</td>
</tr>
<tr>
<td>Prometheus（普罗米修斯）</td>
<td>盗火者，把天火带给人类，赋予人类智慧和文明。</td>
<td>负责理解用户模糊的需求，把它 “点亮” 成清晰可执行的计划。是 “从无到有” 的创造者。</td>
</tr>
<tr>
<td>Oracle（奥拉克尔）</td>
<td>德尔斐神庙的女祭司，能预言未来，给出的神谕晦涩但准确。</td>
<td>跨模块的循环依赖，修不好的诡异 Bug，Oracle 负责深度思考，精准判断。</td>
</tr>
<tr>
<td>Hephaestus（赫菲斯托斯）</td>
<td>火神与工匠之神，奥林匹斯山上最擅长锻造武器和工具的工匠。</td>
<td>不负责想，不负责看，只负责 “造东西”，也就是写代码。</td>
</tr>
<tr>
<td>Hermes（赫尔墨斯）</td>
<td>众神的信使，跑得最快，负责传递消息和执行宙斯的命令，从不质疑命令本身。</td>
<td>负责 “批量替换、格式化、修改文档排版” 这类不怎么需要动脑子的体力活</td>
</tr>
</tbody>
</table><p>MyGO 的设计中把 “编写代码” 这个任务进一步细化，模板和简单代码由 Hermes 负责，稍难的用 Hephaestus，最难的用 Oracle，这样可以进一步节省成本。</p><p>就这样，你可以把不同难度的任务分配给不同的模型去完成。</p><p>值得一提的是，DeepSeek Harness 目前并不支持动态指定子代理模型。</p><div><div><div></div><div>《DeepSeek Harness 白皮书》9.2 子代理（subagent）：并行干活</div></div><div><p><strong>已知限制（社区反馈）</strong>：当前<strong>不能动态指定子代理模型</strong>——子代理模型跟随父 Agent 配置，社区已在讨论区反馈（<a href="https://github.com/deepseek-ai/deepseek-harness/discussions/118" target="_blank">#118</a> 评论区，对比 Claude Code”可指定子代理模型”的体验）。需要不同模型能力时，目前只能整体切换父 Agent 的模型配置，或拆成独立会话分别指定。</p></div></div><p>dsh-my-go 使用的变通方法是使用 <code>agent/request</code> waterfall 这一扩展点，在每次发送请求前拦截并修改配置，以达到动态指定子智能体模型的目的。</p><p>最后你可能好奇为啥要起 MyGO 这么个名字，但全文和 MyGO 动画没啥关系。因为我最开始本来想参考 oh-my-openagent 叫 oh-my-dsh，但发现已经有叫这个的仓库了，是一些收集实用插件的项目，而且 DSH 的插件大多以 “dsh-” 开头。然后我本来随意一点叫 dsh-my-oh 的，然后可能打到 my 的时候 触发关键词了 ，不小心打成了 dsh-my-go，索性就叫这个了。</p><p>总之，项目仍在积极开发与迭代，欢迎试用与 Issue，<strong>希望能帮你省一些花费。</strong></p></section>
<section><h2>致谢<a href="#致谢"><span>#</span></a></h2><p>Vibe 时使用的三位开发者：（排名不分先后）</p><ul>
<li>DeepSeek V4 Flash 0731</li>
<li>DeepSeek V4 Pro 0813</li>
<li>Xiaomi MiMo V2.5</li>
</ul><p>本项目开发时参考了由社区编写的《DeepSeek Harness 白皮书》</p><a href="https://github.com/Electricitysheep/dsh-handbook" target="_blank"><div><div><div><div></div><div>Electricitysheep</div></div><div>/</div><div>dsh-handbook</div></div><div></div></div><div>DeepSeek Harness (dsh) 从 0 到 1 深度手册：安装/插件开发/性能调优/实测案例/同模型多 Agent 实测对比（中文 + 英文 PDF）</div><div><div>—</div><div>—</div><div>no-license</div><span>HTML</span></div></a></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/ai-addiction/</id>
      <title type="text">跟人说还是跟AI说，事关青少年成长话语权</title>
      <published>2026-08-11T00:00:00.000Z</published>
      <updated>2026-08-11T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/ai-addiction/"/>
      <summary type="text">继电视电子海洛因、手机精神鸦片，我们终于还是迎来了 AI 成瘾。媒体的甩锅史从 90 年代的武侠小说毒草就已经开始，一代人有一代人的成瘾源，但喻体似乎一代不如一代了，本质上是媒体编造的一个又一个 “狼来了” 的故事。</summary>
      <content type="html"><![CDATA[
<div><div><div></div><div>《青少年与AI聊天成瘾》大象新闻</div></div><div><p>青少年 AI 聊天成瘾呈爆发式增长。据央视网报道，中国青少年研究中心去年对全国 7 个省市 8500 多名中小学生进行了调查。结果显示：有六成多的未成年人使用过 AI，多数未成年人对生成式 AI 有较高程度的认可。在北京安定医院，医生告诉记者：近一两年门诊中发现孩子沉迷 AI 聊天的案例呈爆发式增长。不同于游戏或短视频，AI 聊天的成瘾性更隐蔽，不易被家长直接发现，往往是在孩子因情绪、社交等问题就诊后才被挖掘出来。调查中发现 21.5% 的孩子他们说：“我只想和 AI 聊天，不想和真人聊天”；还有将近三成的孩子如果遇到学习上的一些疑问优先去问 AI，不会去问老师；还有近半数的孩子他们说：当他们心中有烦恼的时候，他们只愿意和 AI 说。</p></div></div>
<p>终于 20 后也要完蛋了。在这里其实我看到 <em>据央视网报道</em> ，我就寻思央视网应该写不出这种通稿吧？我就去查证了一下。<a href="https://news.cctv.cn/2026/03/26/ARTIYpba4Gz4MgZmrKhFv8rq260326.shtml" target="_blank">央视网原文</a> 其实是一篇 2026 年 3 月 26 日发的 “旧闻”。好吧，炒冷饭已经是新闻界很常见的一件事了。然而仔细看，这篇文章 <em>据央视网</em> 的部分只有 <em>调查发现超六成受访中小学生用过AI</em> ，剩下都是从别处拼来的。</p>
<p>那让我们看看到底从哪拼出来的吧，经查证，大概来自 <a href="https://www.thepaper.cn/newsDetail_forward_32814783" target="_blank">澎湃新闻于 2026 年 3 月 24 日发表的一篇文章</a> 。所谓的 <em>“多数未成年人对生成式 AI 有较高程度的认可”</em> ，你看这句话就很有意思，他没有指出一个明确的数字，然而澎湃新闻的原文是 <em>“两成多学生表示不想自己思考，一成多学生完全相信生成式AI提供的内容”</em> ，加起来最多三成吧？多数在哪？</p>
<p>以及，所谓 <em>“还有近半数的孩子他们说：当他们心中有烦恼的时候，他们只愿意和 AI 说。”</em> 实则原文是 <em>“超过半数（51.2%）师生关系差的学生称只想和AI聊天”</em> ，显而易见，大象新闻的 “近半数孩子” 出现了指代不明的错误，缺少了 “师生关系差” 这一定语。</p>
<p>好吧，那么既然如此，我们就来一起讨论讨论这个 “狼来了” 的故事。</p>
<section><h2>狼来了！大概吧。<a href="#狼来了大概吧"><span>#</span></a></h2><p>从电子海洛因，到精神鸦片，再如今的成瘾源。这喻体怎么危害程度还越来越低了呢？这几年的媒体怂了吗？</p><p>“狼来的” 故事已经喊了 30 年，也不止 30 年。然而每个 “被毁掉的孩子” 最后其实都活得还行。当媒体失去公信力后，自然需要换点词，以免大家审美疲劳。就像 “震惊” 一样，看多了，谁还真的震惊呢？把狼来了的故事再讲一遍，人们也只会忽略掉媒体，然后继续跟 AI 聊今天过得怎么样。</p><p>现在的问题在于，很多媒体（尤其是一些小媒体）确实需要靠流量维持生存。我当然知道一些小媒体他们确实需要靠流量来维持收入，但是如果为了流量能做出牺牲内容严谨的事情，说实话不如不报。</p><p>长辈们大多很相信新闻媒体，但说实话， <strong>不正是这些 “黄色新闻” 才搞得人心惶惶的吗？</strong> 小媒体开始用公信力换取群众情绪的时候，肯定是有一群年轻人愿意去查证事实的，新闻造假的影响并不亚于学术造假，只是大家习惯了。</p><p>此后会导致越来越多的媒体开始劣币驱逐良币，开始制作假新闻，进入一个恶性循环。加上 “据央视网” 这种官媒就能给自己增加公信力了，看似是引用论证标注来源，实则估计就是随便标的，可是这样的话，失去公信力的就不只有小媒体了。因为这种表述给人感觉就是他只是把官媒的话复述了一遍，失去公信力的就是官媒。但查证过就知道，哪是什么 “复述内容”， <strong>这叫 “读后续写”</strong> 。</p><p>以前那 30 年天天喊着狼来了，狼在哪也不知道。这次狼到底来没来呢？其实也不知道，现在互联网上基本上已经失去了可信信源。但也许 <strong>狼一直就在那，声东击西罢了</strong> 。</p></section>
<section><h2>狼在哪？<a href="#狼在哪"><span>#</span></a></h2><p>是啊，狼到底是什么呢？他又在哪？</p><p>先讲几个小故事。我以前在网上看到过一个观点，我也经常讲给别人听：中国用几十年走完了西方几百年的路，这导致中国的每代人所生长的环境不一样，所以才产生了代沟。意思就是，比如我很不理解为什么我长辈总是叫我早起吃饭，就像他们不理解我为啥有饭不吃一样——我在这个年代只见过猝死的，他们在那个年代只见过饿死的。这就导致了 “原生家庭”，就是长辈的学习速度跟不上社会发展的速度，感觉 <strong>讲不清道理</strong> 。</p><div><div><div></div><div><a href="https://www.bilibili.com/video/BV1eG4y1v7Ky/" target="_blank">《”凶 手 不 止 一 个“》红豆稀饭中</a></div></div><div><p>她向父母求助，他只说好好读书，他胡牌的背影此刻却像个屠夫</p></div></div><p>这种新闻已经不算少数了，每年我们都能刷到一些新闻讲什么学生因为各种原因跳楼的。</p><p>再讲讲我的初中老师给我们讲过他以前教过两个学生的经历。第一个学生：那个学生的家长都是知识分子，学历都很高，但孩子成绩相对而言就不是很好，最后中考没考好，孩子最后跳楼了。家长在群里写了很长一段悼词，文笔还真不错，又是文言又是古诗啥的，但字里行间却读不出一丝惋惜。</p><p>第二个学生：家长一样学位很高，孩子的英语严重偏科，最后孩子中考的时候分数只够上职高，眼看自己的好友都上了普高，便跳江了。跳江之前给他妈打了五个电话，给他爸打了五个电话，没有一个人接。</p><p>第一个学生，代际之间能有联系，听见了但听不懂情绪。第二个学生，代际间甚至没有联系。</p><p>说实话，也许第二位学生的经历更震撼一点，他给父母各打了 5 次电话，平等地给了两个人 5 次机会——“总有一个会接的吧”。</p><p>“家” 在此时已经沦落为了比 AI 更冷漠的存在。当孩子转身找 AI，那并不是堕落，而那是一种 <strong>求生本能</strong> 。</p><p>但文章如果讲到这的话，也太没意思了。毕竟以前 “手机精神鸦片” 的时候，也是这么讲的。</p></section>
<section><h2>是 “代偿”？是 “成瘾”？<a href="#是-代偿是-成瘾"><span>#</span></a></h2><p>新闻稿里面提到： <em>“还有将近三成的孩子如果遇到学习上的一些疑问优先去问 AI，不会去问老师。”</em> 说实话没有 AI 的时候我一般都是自己憋着。所以其实没有 AI 这个问题不会得到改善，像我这种内向的，怕麻烦别人，那就问问 AI。我没麻烦别人，老师减少了工作量，绕过了内向的性格特质，明明是双赢是事情。</p><p>一个有趣的问题是，什么是 “代偿”，什么是 “成瘾” 呢？抛开医学的标准定义，就用普通人的日常观念来说， <strong>代偿是为了 “维持系统” 而借用替代品，成瘾是为了 “接管系统” 而消灭原装品。</strong></p><p>其实按照这个定义来说，好像确实是 “AI 上瘾” 了对吧？再仔细想想，“代偿” 和 “成瘾” 真的是并列关系吗？未必吧？没人给你过题干。其实成瘾就是一种代偿的极端情况，他们是包含关系。所以哪怕是以前，讨论 “成瘾” 还是 “代偿” 本身也是个伪命题。</p><p>骨折了，用拐杖。但如果你觉得拄拐杖太舒服，再也不做复健，甚至把好腿也废了，彻底离不开拐杖。你是该骂拐杖太诱人、没收拐杖？还是该赶紧把骨折治好、让人扔掉拐杖？</p><p>所以说 “代偿” 和 “成瘾” 都没问题， <strong>错在归因方式</strong> 。</p><p>家是人存在的根基，因为有家，或者说有 “人际关系”，才会出现 “人” 的概念，因为 “人是一切社会关系的总和”。有了 “你，你们”，才会有 “我，我们”。AI 是在家之外的一个补充，但的确如媒体所说不能替代 “家” 本身。然而当人开始通过 “代偿” 来维持的时候，实际上应当思考的不是 “他在拿啥代偿”，而是 “他为啥要代偿”。他需要一个情感上的代偿，说明原本应该为他提供情感的那个东西不存在了，或者不够有效了。可是， <strong>治疗室可以暂时缓解情绪，但没法成为患者的另一个家。</strong></p><p>除此以外，还因为禁毒宣传对 “瘾” 这个词的 <strong>“污名化”</strong> 。</p><p>想一想，一般禁毒宣传是怎么讲的？毒品 = 第一口 = 深渊 = 家破人亡 = 一辈子毁了。这套叙事把所有复杂的社会学问题压缩成了一句 “你只要不碰就没事”，而大多忽略了那些人是怎么走上吸毒的道路的。我不是说禁毒宣传做得不好，恰恰是做得 <strong>太好了</strong> ，给了一些媒体煽风点火的机会。</p><p>当媒体把 “AI使用过多” 粗暴地命名为 “AI成瘾” 时，他们调用了一整套禁毒叙事。读者听到 “AI成瘾”，脑子里想到的自然就是 “深渊”、“戒断”、“一辈子毁了” 的那些宣传画面——哪怕这两件事除了 “依赖” 之外没有任何共同点。</p><p>一个需要被社会学诊断的问题，被强行套上了一件刑事判决的外衣。孩子需要的不是 “戒”，是 <strong>“补”</strong> —— <strong>但 “成瘾” 这个词把“补”的空间堵死了</strong> 。</p><p><strong>“成瘾” 通往监牢，“代偿” 通往诊疗室。用哪个词，决定了你想审批他还是想救他。</strong></p></section>
<section><h2>亡羊补牢<a href="#亡羊补牢"><span>#</span></a></h2><p>讲讲我自己怎么用 AI 的。我遇到一些烦人的事也会跟 AI 聊，但其实很多事说到底就是没想明白，所以借用 AI 一起辩论、讨论而已。 <strong>认知代沟比情感代沟更难跨越</strong> 。父母也许能学会说 “宝贝我爱你”，但他们很难陪你凌晨两点讨论 “意义是什么”、“这个社会规则合不合理”。AI 恰好填补了这个空缺。本质上和那些孩子找AI诉苦，逻辑是一模一样的： <strong>现实中没有同频的 “对话者” 了。</strong></p><p><strong>问题从来不在AI，在于当一个人想辩的时候找不到对手，想哭的时候找不到肩膀——这两样东西，本该由现实世界提供，但现在全缺席了。</strong></p><p>所以我觉得对家长的一个建议是，不用抢AI的活，说实话你大概确实没有凌晨两点一起苏格拉底的耐心，要抢AI做不到的，比如冲突后的拥抱、被冒犯后的反思之类的。</p><p>对于孩子来说，在 AI 对话中整理好思路，带着更结实的自己，继续去现实碰撞，这就是一个健康的依赖，我就这么用的，说白了就是把 AI 当成草稿纸。AI 用好了其实是促进独立思考的，同样是多问 “为什么”，多质疑，多批判。AI 并不是媒体口中的 “成瘾源” 或者带来恐慌的东西。</p><p>媒体喊了三十年 “狼来了”，却从来没说的是，羊圈早就破了。这一次，别骂狼了，修修羊圈吧——让孩子重新觉得，<strong>“家” 值得回去</strong> 。</p></section>
<section><h2>最后<a href="#最后"><span>#</span></a></h2><p>说了这么多，狼到底在哪？如果狼是 “现实亏欠” 的话，那这次声东击西的 “声” 的是媒体恐慌，“击” 的是 AI，而真正的狼躲在暗处一直都无人问津。</p><p>文章谈了很多有关媒体的内容，其实标题也是仿写的新华社《用 Token 还是词元，事关科技话语权》，讲真的现在关于 AI 的新闻稿太好写了。</p></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/why-girls-do-this-posture-easier-than-boy/</id>
      <title type="text">用初中物理来分析：为什么这个姿势女生比男生做着舒服</title>
      <published>2026-07-30T00:00:00.000Z</published>
      <updated>2026-07-30T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/why-girls-do-this-posture-easier-than-boy/"/>
      <summary type="text">我发现我博客猎奇文章的灵感一半来自知乎，一半来自 B 站。这个标题并不是标题党，主要我真不知道这个姿势叫什么。</summary>
      <content type="html"><![CDATA[<div><div><div></div><div>Tip</div></div><div><p>文章内图片可以点击放大</p></div></div>
<p>最开始是我刷知乎看见一个回答：</p>
<p><figure><img src="https://static.khbit.cn/2026/09/3cca14bc9a93d2d20a7eba3fae33d81b.jpg" alt="女生有什么男生没有的生理优势？" /><figcaption>女生有什么男生没有的生理优势？</figcaption></figure></p>
<p>诶对啊，为什么不适合呢🤔没人想过吗？</p>
<p>还有这个姿势到底叫啥啊，我起标题的时候愣了半天没想到叫什么</p>
<p>然后我就开始思考到底为什么，于是有了这篇文章。</p>
<section><h2>Part 0. 前言：生理结构<a href="#part-0-前言生理结构"><span>#</span></a></h2><p>其实我觉得这个问题正常人想到的第一个点就是生理结构，既然能出现在这个问题下，那大概是与生理结构有关的。你问 DeepSeek 也会得到这样的答案：</p><p><figure><img src="https://static.khbit.cn/2026/09/19a8a1c129b1555fe58baf4f3fc93e1b.png" alt="知乎评论截图" /><figcaption>知乎评论截图</figcaption></figure></p><p>但说实话我不是很满意这个答案。主问题问的是女生有没有啥 <strong>生理</strong> 优势，然后问这个优势怎么来的，回答是 <strong>生理差异</strong> ，这不废话吗。我们都知道结论是生理差异，但也许物理学能告诉我们 ”为什么“ 这个生理差异会导致结果截然不同。</p><p>我相信能思考到这一步的同志们肯定有一个马上就想要 <strong>猛猛做受力分析</strong> 的冲动（？）</p><p>对的，我也有，那就一起来做受力分析吧。</p></section>
<section><h2>Part 1. 杠杆原理，受力分析<a href="#part-1-杠杆原理受力分析"><span>#</span></a></h2><p>先来试着分析比较简单的这个部分：</p><div><figure><img src="https://static.khbit.cn/2026/09/6f7e435806358f091e38d8e8175ecb46.png" alt="受力分析图（不完整）" /><figcaption>受力分析图（不完整）</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/5a14d949fa82c9b956e9a1a5198b4c9e.png" alt="受力分析图（抽象）" /><figcaption>受力分析图（抽象）</figcaption></figure></div><p>首先整个人受到一个竖直向下的重力 <span><span>GG</span><span><span><span></span><span>G</span></span></span></span>，手肘部分受到来自床的支持力 <span><span>F1F_1</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>。那么如图所示，重力 <span><span>GG</span><span><span><span></span><span>G</span></span></span></span> 所对的力臂就是 <span><span>l2l_2</span><span><span><span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>，<span><span>F1F_1</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 所对力臂就是 <span><span>l1l_1</span><span><span><span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>。</p><div><div><div></div><div>忘了 “力臂” 是什么了？（百度百科）</div></div><div><p>从支点到力的作用线的距离叫 “力臂”。与动力对应的力臂叫<a href="https://baike.baidu.com/item/%E5%8A%A8%E5%8A%9B%E8%87%82/1536753?fromModule=lemma_inlink" target="_blank">动力臂</a>，与阻力对应的力臂叫<a href="https://baike.baidu.com/item/%E9%98%BB%E5%8A%9B%E8%87%82/5576227?fromModule=lemma_inlink" target="_blank">阻力臂</a>。</p></div></div><p>此时重力 <span><span>GG</span><span><span><span></span><span>G</span></span></span></span> 为 <strong>阻力</strong> ，<span><span>F1F_1</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 为 <strong>动力</strong>，显然：<span><span>l1&gt;l2l_1 &gt; l_2</span><span><span><span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>&gt;</span><span></span></span><span><span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> ，即动力臂大于阻力臂，是 <strong>省力杠杆</strong></p><p>根据杠杆的平衡条件：</p><span><span><span>F1l1=F2l2F_1 l_1 = F_2 l_2</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></span><div><div><div></div><div><span><span>F2F_2</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 哪来的？</div></div><div><p>好问题。初中物理书上标准的”杠杆平衡条件“公式就是上面这样的。四个量分别表示：</p><p><span><span>F1F_1</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>：动力</p><p><span><span>l1l_1</span><span><span><span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>：动力臂</p><p><span><span>F2F_2</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>：阻力</p><p><span><span>l2l_2</span><span><span><span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>：阻力臂</p><p><strong>放到我们这个图例里，公式里的 <span><span>F2F_2</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>​ 其实就是刚才定义的重力 <span><span>GG</span><span><span><span></span><span>G</span></span></span></span>。</strong></p></div></div><p>显然，当其他条件不变时，阻力臂 <span><span>l2l_2</span><span><span><span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 增大，动力 <span><span>F1F_1</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 与 <span><span>l1l_1</span><span><span><span></span><span><span>l</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 必须有至少一个增大才能保持杠杆平衡。</p><p>但是光到这你就会发现一个问题了：虽然在趴着时，男性的重心一般比女性的重心更靠前（头部方向），但这里再怎么样都是省力杠杆啊，再说了男性本来就比女性力气大，这有什么做不起来的呢？</p><p>再者小腿上总得有个力吧，悬在那不受力何意味？</p></section>
<section><h2>Part 2. 等长收缩<a href="#part-2-等长收缩"><span>#</span></a></h2><p>刚刚我们假设，人是一个 <strong>绝对刚体</strong> ，也就是说，我们刚刚建立的其实是一个 <strong>理想模型</strong> ，因为显然人不是绝对刚体。但是我们发现好像这样看也看不出什么，光琢磨好像也琢磨不出小腿上那个力到底在哪。原因其实也很简单：因为你在思考<strong>小腿</strong>的受力情况时，实际在思考怎么让<strong>整个人</strong>保持平衡状态。</p><p><figure><img src="https://static.khbit.cn/2026/09/b86aa89e514f6880af1655b738f15e33.png" alt="上下部分范围示意图" /><figcaption>上下部分范围示意图</figcaption></figure></p><p>显然，分成两个部分分别进行受力分析会更方便。上半部分我们已经做过了受力分析，那么我们关注下半部分，也就是膝盖以下。</p><p>如果你对你初中物理试卷还有印象的话，你可能做过一个非常经典的 “偏难怪题”：</p><div><div><div></div><div>Question</div></div><div><p>如图甲所示，用手握住哑铃锻炼时，前臂相当于一个杠杆，其简化作用原理如图乙所示，肱二头肌收缩对手臂产生一个拉力F，使手臂绕肘关节“O”点转动。在图乙中作出哑铃所受重力的示意图和拉力F的力臂L。</p><p><figure><img src="https://static.khbit.cn/2026/09/52f0a209f397cf26a342a443eef09a52.png" alt="图甲" /><figcaption>图甲</figcaption></figure></p></div></div><p>就不说别的，你举着哑铃，你就算不动，你不觉得累吗？可是不动的话，就处于平衡状态，平衡状态合外力为 0，合外力为 0 等效于不受力的作用。</p><p>还有一个很老但很经典的问题：既然力与运动方向垂直不做功，提着重物走平路，人没有做功，为什么会感觉累？</p><p>他们其实都能指向一个很有意思的问题：为什么我明明没动或者看起来没做功，但我会累呢？</p><p>他们也恰好都指向一个答案：<strong>等长收缩</strong></p><div><div><div></div><div>“等长收缩” 是什么？（百度百科）</div></div><div><p>等长收缩（isometric contraction）是指长度保持恒定而张力发生变化的<a href="https://baike.baidu.com/item/%E8%82%8C%E8%82%89%E6%94%B6%E7%BC%A9/3793229?fromModule=lemma_inlink" target="_blank">肌肉收缩</a>。在该收缩状态下，<a href="https://baike.baidu.com/item/%E8%82%8C%E8%82%89%E5%BC%A0%E5%8A%9B/9446808?fromModule=lemma_inlink" target="_blank">肌肉张力</a>可增至最大。但由于不存在位移，从物理上讲肌肉并没有对外做功，然而仍需要消耗大量的能量。因为肌肉的收缩成分积极收缩产生了很大的张力，该张力促使肌肉的弹性成分拉长以抗衡外加负荷。肌肉的这种收缩是支持、固定和保持特定人体姿势的基础。</p></div></div><p>简单来说，肌肉的等长收缩就是此时不做功，但为了不做功，就必须消耗很大的能量。这就是为什么明明宏观上没做功还觉得累。</p></section>
<section><h2>Part 3. 难怪有故人之姿，原来是故人之子<a href="#part-3-难怪有故人之姿原来是故人之子"><span>#</span></a></h2><p>不过已经到了第三段了，我们还是没能分析出小腿部分到底是怎么受力的。其实思考一下，有一种思维方法就是 <strong>类比法</strong> ，初中教材内也常用。那跟什么做类比呢，跟刚刚的 <strong>图甲</strong> 。</p><p><figure><img src="https://static.khbit.cn/2026/09/52f0a209f397cf26a342a443eef09a52.png" alt="图甲" /><figcaption>图甲</figcaption></figure></p><p>诶你看，我们最开始是怎么抽象的？是不是把人和小腿抽象成了一个锐角硬杆？那你看，屈肘运动抽象后像不像一个锐角硬杆呢？那就简单了！我们就照猫画虎，一下子就能得出小腿的受力分析图了：</p><p><figure><img src="https://static.khbit.cn/2026/09/3fcef4e39a90964a8527cd04248d0579.png" alt="下半部分受力分析图" /><figcaption>下半部分受力分析图</figcaption></figure></p><div><div><div></div><div>一点小瑕疵</div></div><div><p>我是单独对（人物）左边小腿做的受力分析，然后把力的作用点和力臂画得夸张了很多，比如重力作用点其实不应该在脚上。我主要意思是这是个费力杠杆。画在右腿上的话画不开，会挤在一起，意会即可。</p></div></div><p>然后台下观众欣喜若狂呐！也算是把受力分析画出来了。但其实还没完，不信自己做一下屈肘运动试试，应该是你的肱二头肌收缩感到酸痛。那这个显然也是大腿收缩，应该是大腿感到酸痛，怎么那么多人说小腿受不了呢？</p><p><figure><img src="https://static.khbit.cn/2026/09/5f6d8aa7341b55de0e65b90f0b4a93a5.png" alt="知乎评论截图" /><figcaption>知乎评论截图</figcaption></figure></p></section>
<section><h2>Part 4. 三回啊三回<a href="#part-4-三回啊三回"><span>#</span></a></h2><p>诶其实你想一想，在 Part 2 中，我给的示意图里，框的叫 “下半部分”，而不是 “小腿部分”。因为膝盖以下除了小腿还有别的嘛，也就是 <strong>脚</strong> 。上面的两个模型确实都忽略了脚的受力。也就是说，事实上，这个模型应当分成 <strong>三个</strong> 系统来讨论。</p><p><figure><img src="https://static.khbit.cn/2026/09/9e357713a8c32b75435e7c53ec54add0.png" alt="脚部受力分析图" /><figcaption>脚部受力分析图</figcaption></figure></p><div><div><div></div><div>一个小瑕疵</div></div><div><p>依然做了一点夸张，意会即可。此外，这张图里实在不好画力臂，故省略了。</p></div></div><p>你一看，哇！竟然又是 <strong>费力杠杆</strong> ， 人怎么这么费力啊，这么费力减肥还那么难</p><p>那此时就是你小腿前侧感到酸痛了。</p></section>
<section><h2>Part 5. 试一试！<a href="#part-5-试一试"><span>#</span></a></h2><p>诶其实没有结束，虽然 Part 4 我们解释了为什么小腿会酸痛，但我们没有解释为什么大腿不会酸痛。其实是一个更有意思的原因：因为 <strong>床</strong> 是软的。床的弹性形变给了大腿一个向上的支持力，把重力抵消掉了。</p><p>所以，总的来说，真正让你小腿前侧持续紧绷发力的，是 <strong>脚自身的重力</strong>，它通过脚踝这个费力杠杆，放大了对小腿肌肉的拉扯。</p><p>读到这，读者不妨来做个实验，就像这个姿势，自己趴软床上和硬地板上看看有什么区别。如果你不想趴着的话，就像我们用类比法来做受力分析一样，你也可以用屈肘运动来模拟这个实验：找一个软垫子，放在桌子上，把你的手掌朝上，整个胳臂放在垫子上。</p><ol>
<li>做屈肘运动（仍保持手掌朝上），此时你的手臂和手掌大概呈现一个 Z 字形，然后保持住一段时间。</li>
<li>然后试试把垫子拿掉试试。</li>
<li>再然后试试在硬桌子上，只屈肘，让手自然下垂。</li>
</ol><p>不出意外的话，你会发现：</p><ol>
<li>小臂酸痛</li>
<li>整个手臂都酸痛</li>
<li>大臂酸痛</li>
</ol><p>其中 1、2 分别是模拟如图所示情况和趴在硬地板上的情况。3 不太好用趴着模拟，主要是为了控制变量，证明确实是脚部带来的酸痛。</p></section>
<section><h2>Part 6. 定性完了，若是定量呢？<a href="#part-6-定性完了若是定量呢"><span>#</span></a></h2><div><div><div></div><div>AI 辅助</div></div><div><p>本段的数学推导由 AI 辅助完成</p></div></div><p>我们要算出的是 <strong>小腿前侧肌肉需要付出的拉力</strong>，设为 <strong><span><span>F拉F_{拉}</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>拉</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></strong>。</p><ul>
<li><strong><span><span>MM</span><span><span><span></span><span>M</span></span></span></span></strong> = 人的体重（单位：kg）</li>
<li><strong><span><span>LL</span><span><span><span></span><span>L</span></span></span></span></strong> = 脚的长度（单位：m）</li>
<li><strong><span><span>gg</span><span><span><span></span><span>g</span></span></span></span></strong> = 重力加速度（取 10 N/kg）</li>
<li><strong><span><span>L臂L_{臂}</span><span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>臂</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></strong> = 动力臂长度（肌肉附着力点到脚踝的垂直距离）</li>
<li><strong><span><span>m脚m_{脚}</span><span><span><span></span><span><span>m</span><span><span><span><span><span><span></span><span><span><span>脚</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></strong> = 一只脚的质量（约等于体重的 <span><span>1.5%1.5\%</span><span><span><span></span><span>1.5%</span></span></span></span>）</li>
<li><strong><span><span>L阻L_{阻}</span><span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>阻</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></strong> = 阻力臂长度（脚的重心到脚踝的水平距离）</li>
</ul><p>脚掌受到向下的重力：</p><span><span><span>F重=m脚×gF_{重} = m_{脚} \times g</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>重</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span>m</span><span><span><span><span><span><span></span><span><span><span>脚</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>×</span><span></span></span><span><span></span><span>g</span></span></span></span></span><p>因为 <span><span>m脚m_{脚}</span><span><span><span></span><span><span>m</span><span><span><span><span><span><span></span><span><span><span>脚</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 不是我们日常容易测量的数据，我们用体重来换算（比例系数设为 <span><span>k1k_1</span><span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>）：</p><span><span><span>m脚=M×k1m_{脚} = M \times k_1</span><span><span><span></span><span><span>m</span><span><span><span><span><span><span></span><span><span><span>脚</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>M</span><span></span><span>×</span><span></span></span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></span><p><strong>推导出阻力为：</strong></p><span><span><span>F重=M×k1×gF_{重} = M \times k_1 \times g</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>重</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>M</span><span></span><span>×</span><span></span></span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>×</span><span></span></span><span><span></span><span>g</span></span></span></span></span><p>脚踝是支点，但脚掌的重心不在脚后跟，而是靠前。设比例为 <span><span>k2k_2</span><span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>：</p><span><span><span>L阻=L×k2L_{阻} = L \times k_2</span><span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>阻</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>L</span><span></span><span>×</span><span></span></span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></span><p>根据初中物理的杠杆平衡公式 <strong>（动力 × 动力臂 = 阻力 × 阻力臂）</strong>：</p><span><span><span>F拉×L臂=F重×L阻F_{拉} \times L_{臂} = F_{重} \times L_{阻}</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>拉</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>×</span><span></span></span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>臂</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>重</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>×</span><span></span></span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>阻</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></span><p>把第二步和第三步算出来的 <span><span>F重F_{重}</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>重</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 和 <span><span>L阻L_{阻}</span><span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>阻</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 代入：</p><span><span><span>F拉×L臂=(M×k1×g)×(L×k2)F_{拉} \times L_{臂} = (M \times k_1 \times g) \times (L \times k_2)</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>拉</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>×</span><span></span></span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>臂</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>(</span><span>M</span><span></span><span>×</span><span></span></span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>×</span><span></span></span><span><span></span><span>g</span><span>)</span><span></span><span>×</span><span></span></span><span><span></span><span>(</span><span>L</span><span></span><span>×</span><span></span></span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span>)</span></span></span></span></span><p>把 <span><span>F拉F_{拉}</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>拉</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 移到等号左边：</p><span><span><span>F拉=M×k1×g×L×k2L臂F_{拉} = \frac{M \times k_1 \times g \times L \times k_2}{L_{臂}}</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>拉</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>臂</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span><span><span></span><span></span></span><span><span></span><span><span>M</span><span></span><span>×</span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>×</span><span></span><span>g</span><span></span><span>×</span><span></span><span>L</span><span></span><span>×</span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></span><p>因为 <span><span>k1k_1</span><span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>、<span><span>k2k_2</span><span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span>、<span><span>gg</span><span><span><span></span><span>g</span></span></span></span> 和 <span><span>L臂L_{臂}</span><span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>臂</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span> 在特定情况下都是<strong>固定常数</strong>（我们可以把它们合并成一个常数 <strong><span><span>KK</span><span><span><span></span><span>K</span></span></span></span></strong>）。</p><p>设 <span><span>K=k1×k2×gL臂K = \frac{k_1 \times k_2 \times g}{L_{臂}}</span><span><span><span></span><span>K</span><span></span><span>=</span><span></span></span><span><span></span><span><span></span><span><span><span><span><span><span></span><span><span><span><span>L</span><span><span><span><span><span><span></span><span><span><span>臂</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span><span><span></span><span></span></span><span><span></span><span><span><span><span>k</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span>×</span><span><span>k</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span>×</span><span>g</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span></span></p><span><span><span>F拉=K×M×LF_{拉} = K \times M \times L</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span><span>拉</span></span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>=</span><span></span></span><span><span></span><span>K</span><span></span><span>×</span><span></span></span><span><span></span><span>M</span><span></span><span>×</span><span></span></span><span><span></span><span>L</span></span></span></span></span><p><strong>（即：小腿肌肉所需拉力 = 常数 <span><span>KK</span><span><span><span></span><span>K</span></span></span></span> × 你的体重 × 你的脚长）</strong></p><p>此外，各个常数的数据如下：</p><table><thead><tr><th>常数</th><th>男性</th><th>女性</th></tr></thead><tbody><tr><td><span><span>k1k_1</span><span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></td><td>0.015</td><td>0.012</td></tr><tr><td><span><span>k2k_2</span><span><span><span></span><span><span>k</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></td><td>0.4415</td><td>0.4415</td></tr><tr><td><span><span>L臂L_臂</span><span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span>臂</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></td><td>0.03m</td><td>0.03m</td></tr><tr><td><span><span>KK</span><span><span><span></span><span>K</span></span></span></span></td><td>2.2075</td><td>1.766</td></tr></tbody></table><div><div><div></div><div>关于 <span><span>L臂L_臂</span><span><span><span></span><span><span>L</span><span><span><span><span><span><span></span><span><span>臂</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></div></div><div><p>公式里小腿肌肉发力点到脚踝的垂直距离（动力臂）固定是 3 厘米（0.03m）吗？</p><p>其实不是的，这个<strong>力矩臂是动态变化的</strong>：</p><ul>
<li>当你<strong>绷直脚尖</strong>（跖屈）时，力臂最短，只有 <strong>2.9cm</strong> 左右，此时肌肉最费力。</li>
<li>当你<strong>勾紧脚尖</strong>（背屈）时，力臂最长，可达 <strong>4.5cm</strong> 左右，此时肌肉最“省力”（但肌肉本身已经紧绷到了极限，一样容易酸）。</li>
</ul></div></div><p>现在，我们带入<a href="https://openstd.samr.gov.cn/bzgk/std/newGbInfo?hcno=B19DCCA575D9406856ABF87A511EE11F" target="_blank">《中国成年人人体尺寸》（GB/T 10000-2023）</a>中的数据：</p><table><thead><tr><th></th><th>男性取值来源</th><th>男性值</th><th>女性取值来源</th><th>女性值</th></tr></thead><tbody><tr><td>体重</td><td>18~70 岁 P50</td><td>68 kg</td><td>18~70 岁 P50</td><td>57 kg</td></tr><tr><td>足长</td><td>18~70 岁 P50</td><td>0.25 m</td><td>18~70 岁 P50</td><td>0.23 m</td></tr><tr><td><span><span>F拉F_拉</span><span><span><span></span><span><span>F</span><span><span><span><span><span><span></span><span><span>拉</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span></span></span></span></td><td>-</td><td>37.5275 N</td><td>-</td><td>23.15226 N</td></tr></tbody></table><p>也就是说，男性做这个姿势时，要比女性多承受大约 <span><span>14N14 N</span><span><span><span></span><span>14</span><span>N</span></span></span></span> 的重量，也就是大约 <span><span>62%62\%</span><span><span><span></span><span>62%</span></span></span></span> ，共计 <span><span>1.4kg1.4 kg</span><span><span><span></span><span>1.4</span><span>k</span><span>g</span></span></span></span>，差不多比一大瓶（<span><span>1.25L1.25L</span><span><span><span></span><span>1.25</span><span>L</span></span></span></span>）可乐还要重一些。</p><p>此外，通过上述的计算出的比例系数可知，尽管是同等体重、足长的男女两人，女性也比男性做起来轻松。</p><p>综上，这就是通过物理分别从定性、定量角度来解释这个生理差异到底差在了哪。</p><div><h3>🧮 你的小腿需要扛多少力？</h3><div>1. 你的性别<div> 男生 女生</div></div><div>2. 你的体重 (kg)</div><div>3. 你的脚长 (cm) <span>（量一下鞋码对应的脚长）</span></div><div><p>👉 你的小腿前侧需要持续付出：</p><p><span>37.5</span> <span>牛顿 (N)</span></p><p>💡 相当于：你的脚踝上一直悬吊着一瓶 <strong><span>3.75</span> 公斤</strong> 的矿泉水！</p></div><div><strong>👥 性别反差对比：</strong><span> 如果你是一位男性，在体重和脚长完全相同的情况下，你的小腿将会多承受 <strong>1.55 公斤</strong> 的等效负重。</span></div><p>* 计算基于本文推导公式：F = K × 体重 × 脚长 (K值男女有别)</p></div></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/how-to-give-an-example/</id>
      <title type="text">怎么举一个优秀的例子？</title>
      <published>2026-07-28T00:00:00.000Z</published>
      <updated>2026-07-28T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/how-to-give-an-example/"/>
      <summary type="text">很多网站的用户引导和表单提示其实做得很差劲，因为自然语言 “有害”。</summary>
      <content type="html"><![CDATA[<p>不少的网页都有表单，表单是要给用户填的，既然要给用户填，就绕不开一个经典的道理：<em>“用户永远会以你想象不到的方式使用你的产品。”</em>  意思也就是说 <strong>永远不要相信用户的输入</strong> 。</p>
<p>教用户怎么正确输入，也是一个技术。很多人包括很多开发者会觉得，我第一次做设计，我甚至都不是干设计的，我怎么知道我写的提示好不好？是的，我也没做过设计。但就像以前网络上很流行的一句 <em>“你是第一次当父母，但你不是第一次当孩子”</em> 一样；包括遇上难用的软件，用户也会反问开发者： <em>“你们自己用过自己的产品吗？”</em> <strong>也许你是第一次做设计，但肯定不是第一次做用户。</strong></p>
<p>本文在此提出以下判断例子好坏的 4 个标准，和优化设计的 2 个技巧：</p>
<table>
<thead>
<tr>
<th>类型</th>
<th>名称</th>
<th>大意</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>标准</strong></td>
<td>语法正确</td>
<td>最低要求，避免表意不明、不合逻辑等高中就教过的常见语法错误</td>
</tr>
<tr>
<td><strong>标准</strong></td>
<td>覆盖广泛</td>
<td>覆盖尽可能多的例子，至少举出最常见的例子而不是特例</td>
</tr>
<tr>
<td><strong>标准</strong></td>
<td>优先举例</td>
<td>优先给出示例而不是模板，模板容易带有一些不容易发现的歧义</td>
</tr>
<tr>
<td><strong>标准</strong></td>
<td>简短准确</td>
<td>不要照抄校验规则，也不要太长，适时使用表格等表达形式</td>
</tr>
<tr>
<td>技巧</td>
<td>描述后果</td>
<td>如果要让用户不要做什么，就应该告知做了后果是什么</td>
</tr>
<tr>
<td>技巧</td>
<td>优先选择</td>
<td>如果能让用户选择，尽量避免让用户填空</td>
</tr>
</tbody>
</table>
<p>接下来会详细描述这些标准、技巧及适用范围。</p>
<section><h2>标准 1：语法正确<a href="#标准-1语法正确"><span>#</span></a></h2><p>语法正确不论放在什么地方都是非常重要的，在谈论怎么判断语法正确之前，不妨先复习一下高中知识，有哪些常见的语法错误呢？</p><table>
<thead>
<tr>
<th>大类</th>
<th>大意</th>
<th>小类</th>
<th>要点</th>
</tr>
</thead>
<tbody>
<tr>
<td>语序不当</td>
<td>顺序反了</td>
<td>多重定语</td>
<td>领属的-指示代词-数量-动词-形容词-名词</td>
</tr>
<tr>
<td></td>
<td></td>
<td>多重状语</td>
<td>目的/原因/条件-时间地点-范围-情态/程度</td>
</tr>
<tr>
<td></td>
<td></td>
<td>定状错位</td>
<td>-</td>
</tr>
<tr>
<td></td>
<td></td>
<td>关联词位置</td>
<td>分句同主语，关联词靠后；<br />分句换主语，关联词靠前。</td>
</tr>
<tr>
<td></td>
<td></td>
<td>并列词位置</td>
<td>并列词语的轻重、先后、大小<br /></td>
</tr>
<tr>
<td></td>
<td></td>
<td>主客位置</td>
<td>主客颠倒，谁对谁怎样</td>
</tr>
<tr>
<td>搭配不当</td>
<td>搭配错了</td>
<td>主谓搭配不当</td>
<td>-</td>
</tr>
<tr>
<td></td>
<td></td>
<td>动宾搭配不当</td>
<td>-</td>
</tr>
<tr>
<td></td>
<td></td>
<td>主宾搭配不当</td>
<td>-</td>
</tr>
<tr>
<td></td>
<td></td>
<td>修饰中心不当</td>
<td>-</td>
</tr>
<tr>
<td>结构混乱</td>
<td>结构乱了</td>
<td>-</td>
<td>多种句式结构混乱</td>
</tr>
<tr>
<td><strong>表意不明</strong></td>
<td><strong>意思糊了</strong></td>
<td><strong>歧义</strong></td>
<td>-</td>
</tr>
<tr>
<td></td>
<td></td>
<td><strong>指代不明</strong></td>
<td>-</td>
</tr>
<tr>
<td><strong>不合逻辑</strong></td>
<td><strong>逻辑混了</strong></td>
<td>不符合事实</td>
<td>-</td>
</tr>
<tr>
<td></td>
<td></td>
<td><strong>自相矛盾</strong></td>
<td>-</td>
</tr>
<tr>
<td></td>
<td></td>
<td><strong>概念并列不当</strong></td>
<td><strong>概念交叉、概念种属、概念混搭</strong></td>
</tr>
<tr>
<td></td>
<td></td>
<td>一面对两面</td>
<td></td>
</tr>
<tr>
<td><strong>成分缺余</strong></td>
<td><strong>成分歪了</strong></td>
<td>缺主语</td>
<td>慎用介词：使、让、对……</td>
</tr>
<tr>
<td></td>
<td></td>
<td>缺谓语</td>
<td>-</td>
</tr>
<tr>
<td></td>
<td></td>
<td>缺宾语</td>
<td>-</td>
</tr>
<tr>
<td></td>
<td></td>
<td><strong>成分赘余</strong></td>
<td>主语赘余、谓语赘余、宾语赘余、<strong>表意赘余</strong></td>
</tr>
</tbody>
</table><p>其中我加粗的几个是在各种引导提示中最常见的语法错误，接下来会一一说明。剩下的可能更多在质量比较低的机翻文档中见到，不过那属于怎么把话说顺，不在这篇文章的讨论范围内，不过如果是中文母语者的话，我觉得应该也不会那么容易犯语序不当这种错误。</p><section><h3>1.1.1 歧义<a href="#111-歧义"><span>#</span></a></h3><p>歧义是一个非常常见的问题。举一个有歧义的例子：</p><div><div><div></div><div>错误</div></div><div><p>请上传你的简历和作品集或推荐信</p></div></div><div><div><div></div><div>正确</div></div><div><p>请上传你的简历，并上传作品集或者推荐信</p></div></div><p>在错误示例中，就会呈现两种理解：</p><ul>
<li>（简历）和（作品集或推荐信）——作品集和推荐信二选一</li>
<li>（简历和作品集）或（推荐信）——简历和作品集是捆绑的，或者单独给推荐信</li>
</ul><p>这种由滥用连词和缺少标点导致的断句歧义是最常见的。当然还有很多类型的歧义暂时没有提到，因为在写提示语时，多数歧义并不是单纯的歧义，而是往往伴随着指代不明、滥用特例等其他问题。</p><p>接下来会对这些尚未提到的情况做更详细的解释。</p></section><section><h3>1.1.2 指代不明<a href="#112-指代不明"><span>#</span></a></h3><div><div><div></div><div>错误</div></div><div><p>You are unlikely to be verified until you have completed your <a href="https://docs.github.com/en/account-and-profile/setting-up-and-managing-your-github-profile/customizing-your-profile/personalizing-your-profile" target="_blank">GitHub user profile</a> with your full name exactly as it appears in your academic affiliation document. Please do not use a variation of your name or a nickname. Once you have updated your profile information log out and log back into GitHub before re-applying.</p><p>除非您已在 GitHub 用户资料中填入与学术隶属文件完全一致的全名，否则您不太可能通过验证。请勿使用名字变体或昵称。更新个人资料信息后，请登出 GitHub 并重新登录，然后再次申请。</p></div></div><p>这是我在第一次申请 GitHub Student Developer Pack 的时候被打回的消息，里面提及的一个原因。这里的  <code>GitHub user profile</code> 和 <code>full name</code> 就是指代不明的典型，到底是我 <code>Public Profile</code> 里的 <code>Name</code> 还是 <code>Billing information</code> 里的 <code>First name</code> 和 <code>Last name</code> 呢？或者也许是我的 <code>username</code> ？</p><p>那肯定有人会说这不是给你标了个链接吗？这个问题问得很好，我会在 1.2.1 自相矛盾的部分说明为什么这仍然是一个坏提示。</p></section><section><h3>1.2.1 自相矛盾<a href="#121-自相矛盾"><span>#</span></a></h3><p>紧接着上一章节 1.1.2 指代不明的例子，为什么这个提示仍然是个坏提示呢？点开这个链接，翻到  <a href="https://docs.github.com/en/account-and-profile/tutorials/personalize-your-profile#changing-your-profile-name" target="_blank">Changing your profile name</a>，注意到这段赫然写着</p><div><div><div></div><div>Changing your profile name</div></div><div><p>Your GitHub profile name <strong>does not</strong> need to correlate with your real-world identity.</p><p>你的 GitHub 个人资料名称<strong>无需</strong>与现实身份对应。</p></div></div><p>所以这个提示就是既指代不明又自相矛盾的。</p><p>如果你仍然不甘心，去他们的常见问题里翻了翻，看见了这个：</p><div><div><div></div><div>I need to translate my evidence. What can I do?</div></div><div><p>Ensure your <em>billing information</em> and <em>identification on your academic evidence</em> are <strong>accurate</strong>. Do you use a variation of your name or a nickname? It’s these small but important points to consider when applying that can make a much smoother process.</p><p>确保您的 <em>账单信息</em> 及 <em>学术证明文件</em> 上的身份信息准确无误。您是否使用过姓名变体或昵称？申请时考虑这些细微但重要的细节，将使整个流程更为顺畅。</p></div></div><p>用户看到这个 FAQ 可能感觉稳了，就是去改 <code>billing information</code> 上的姓名。但真的是吗？因为后续多次我提交被拒，去发了工单，问了这个姓名的问题</p><div><div><div></div><div>GitHub Support</div></div><div><p>Q: <em>Regarding GitHub Education’s suggestion to update my “full name” to my real name:</em> <em>Which specific “full name” field does this refer to?</em></p><p>Q：<em>关于 GitHub Education 建议我将”全名”更新为真实姓名：具体指哪个姓名字段？</em></p><p>A: This is referring to the <strong>Name</strong> field in your GitHub public profile settings.</p><p>A：指的是您 GitHub Public Profile 设置中的 <strong>Name</strong> 字段。</p></div></div><p>你能在文档、社区、支持找到三种答案，这就是 <strong>自相矛盾</strong> 。</p></section><section><h3>1.2.2 概念并列不当<a href="#122-概念并列不当"><span>#</span></a></h3><p>概念并列不当分为 <strong>概念交叉</strong> 、 <strong>概念种属</strong> 和 <strong>概念混搭</strong> ，接下来会一一解释。</p><section><h4>1.2.2.1 概念交叉<a href="#1221-概念交叉"><span>#</span></a></h4><p>有趣的是，GitHub 这个例子不仅“自相矛盾”，还同时犯了 <strong>概念并列不当</strong> 的毛病——<code>Public Profile Name</code>、<code>Billing Name</code>、<code>Username</code> 被混为一谈，塞进了同一个 <code>full name</code> 里。用户在不同文档里看到同一个词，但被指去改不同的地方，这就是 <strong>概念交叉</strong> 。</p><p>如果难以理解，还有一个更加经典的 <strong>概念交叉</strong> 的例子：</p><div><div><div></div><div>错误</div></div><div><p>请选择你的学历：</p><ul>
<li>博士</li>
<li>硕士</li>
<li>本科</li>
<li>大专</li>
<li>学生</li>
</ul></div></div><div><div><div></div><div>正确</div></div><div><p>请选择你的最高学历：</p><ul>
<li>博士</li>
<li>硕士</li>
<li>本科</li>
<li>大专</li>
<li>高中及以下</li>
</ul></div></div><p>问题在于：“学生” 是身份，不是学历层级。“大专” 和 “本科” 是学历层级，“学生”和它们是 <strong>概念交叉</strong> ——学生可以是大专生、本科生、硕士生、博士生。把 “学生” 和 “大专/本科” 并列，相当于说 “请选择水果：苹果、香蕉、食物”。</p></section><section><h4>1.2.2.2 概念种属<a href="#1222-概念种属"><span>#</span></a></h4><div><div><div></div><div>错误</div></div><div><p>请选择你最常使用的社交媒体：</p><ul>
<li>微信</li>
<li>微博</li>
<li>抖音</li>
<li>即时通讯工具</li>
<li>短视频平台</li>
</ul></div></div><div><div><div></div><div>正确</div></div><div><p>全部用具体产品：</p><ul>
<li>微信</li>
<li>微博</li>
<li>抖音</li>
<li>快手</li>
<li>其他</li>
</ul></div></div><p>微信是具体App，即时通讯工具是品类；抖音是具体App，短视频平台是品类。把具体产品（种）和品类（属）并列，就是 <strong>概念种属</strong> 。</p><div><div><div></div><div>这样也不行！</div></div><div><ul>
<li>即时通讯工具（如微信、QQ）</li>
<li>社交媒体（如微博、小红书）</li>
<li>短视频平台（如抖音、快手）</li>
</ul></div></div><p><strong>品类之间不能有交叉</strong>（如“社交媒体”和“短视频平台”就有重叠，抖音既是短视频也是社交媒体），这样又属于上一节的 <strong>概念交叉</strong> 了</p></section><section><h4>1.2.2.3 概念混搭<a href="#1223-概念混搭"><span>#</span></a></h4><div><div><div></div><div>错误</div></div><div><p>你的工作状态是？</p><ul>
<li>全职</li>
<li>兼职</li>
<li>自由职业</li>
<li>学生</li>
<li>暂时不工作</li>
<li>寻找工作</li>
</ul></div></div><div><div><div></div><div>正确</div></div><div><p>拆成两个独立问题：</p><ol>
<li>你的主要身份是？→ 学生 / 在职 / 自由职业 / 其他</li>
<li>你的工作时长是？（如在职/自由职业选填）→ 全职 / 兼职</li>
</ol></div></div><p>全职/兼职是按 <strong>工作时长</strong> 分类，自由职业是按 <strong>雇佣关系</strong> 分类，学生是按 <strong>身份</strong> 分类，暂时不工作和寻找工作是按 <strong>就业意愿/状态</strong> 分类。这几个维度完全不是一个坐标系里的东西。</p><p>一个自由职业者可能做全职的自由职业（每天8小时），那他该选“全职”还是“自由职业”？一个学生如果也在兼职，该选“学生”还是“兼职”？</p><p>这就是 <strong>概念混搭</strong> 。</p><p>再举一个现实的例子：</p><div><div><div></div><div>错误（节选《 囤“词元”能暴富？国安部提醒》新华社）</div></div><div><p>简单来说， <strong>词元是AI大模型处理信息的最小单元</strong> ，兼具可计量、可定价、可交易三大特征。它不仅是智能时代的价值锚点，更是连接技术供给与商业需求的“结算单位”。词元应用场景远超AI领域，与日常生活紧密相关。</p><p><strong>——身份凭证类</strong>，相当于数字世界的“临时身份证”，用于便捷登录各类平台、完成转账授权等，如微信登录第三方小程序、手机银行动态口令等，有明确有效期，兼顾便捷性与安全性。</p></div></div><p>这也是概念混搭，词元和凭证在计算机领域都由 Token 一词翻译而来，但中文语境下这两个词并没什么关系。</p></section></section><section><h3>1.3.1.1 表意赘余<a href="#1311-表意赘余"><span>#</span></a></h3><p>表意赘余，就是说了等于没说，或者一句话里同一个意思翻来覆去地讲。一般会在一些质量较差的机翻里面看到。能举的例子有很多：</p><div><div><div></div><div>错误</div></div><div><p>请填写你的用户名，用户名是你在平台上的唯一标识，请确保你的用户名是唯一的。</p></div></div><div><div><div></div><div>正确</div></div><div><p>请填写你的用户名（唯一，不可重复）</p></div></div><p>“用户名是你在平台上的唯一标识” 和 “请确保你的用户名是唯一的” 本质上是同一句话翻来覆去说，第二句是多余的。</p><div><div><div></div><div>错误（机翻典型）</div></div><div><p>请<strong>进行点击</strong>“提交”按钮以<strong>完成执行</strong>此次操作。</p></div></div><div><div><div></div><div>正确</div></div><div><p>请点击“提交”按钮以执行此操作。</p></div></div><p>“进行点击” 就是 “点击”，“完成执行” 就是 “执行” 或 “完成”。</p><div><div><div></div><div>错误（机翻典型）</div></div><div><p><strong>为了能够</strong>成功上传文件，请<strong>确保</strong>你已经<strong>预先</strong>选择了正确的文件格式。</p></div></div><div><div><div></div><div>正确</div></div><div><p>请确保选择的文件格式正确，以便成功上传。</p></div></div><p>“为了能够”就是“为了”，“预先选择”就是“选择”（选择本身就在动作发生之前）。</p><p>总而言之，作为提示语，应当尽量精简，至于原因会在标准 4 的章节中讲到。</p></section></section>
<section><h2>标准 2：覆盖广泛<a href="#标准-2覆盖广泛"><span>#</span></a></h2><p>覆盖广泛要求你举的例子应当具有广泛性，而不是特例。比如有些机构可能在北京海淀，在他们官网上让你填地址的时候就会拿 <code>北京市海淀区</code> 作为例子，但这显然没有考虑到北京市作为直辖市的特殊性。比如现在有一个输入框，标签叫 <code>地址</code>，给的示例就是 <code>北京市海淀区</code>，你是一名江苏南京江宁人，那你觉得填以下哪个最有可能呢？</p><ol>
<li>南京市江宁区</li>
<li>江苏省南京市</li>
<li>江苏省南京市江宁区</li>
</ol><p>所以这个例子显然不好。应该选择一个广泛的例子作为示例。但有一个例外：身份证。对于身份证这种有刚性结构的字段，则不需要 “泛”，因为它本身就是铁板一块。</p><p>所谓覆盖广泛，其实重点不在泛，而是 <strong>广</strong> 。我的意思是，如果一个特例本身能包含更多的信息，那么不妨就用特例。比如某学校给学生注册了一个网课平台，告诉学生账号是类似这么个格式：<code>esqz6 + 身份证后 8 位</code>。举例：<code>esqz60617261X</code>，这个例子就比举 <code>esqz606201038</code> 要好。因为能够携带更多的信息：后者你不知道 X 是大写还是小写，前者能直接看出 X 要大写。而身份证不带 X 的学生本来也不用在意最后一位是什么，这个 X 对他们也没有干扰。</p></section>
<section><h2>标准 3：优先举例<a href="#标准-3优先举例"><span>#</span></a></h2><p>需要注意的是，这里强调 <strong>优先</strong> 而不是 <strong>举例</strong> 。</p><p>模板会在不经意间引入很多 <strong>歧义</strong> ，比如上一节提到的 <code>esqz6 + 身份证后 8 位</code>，这个后 8 位含不含 X 呢？如果给出的是 <code>esqz60617261X</code> 这种例子，我就知道，哦，是含 X 的，而且 X 要大写。</p><p>这是举例更优于模板的地方。</p><p>还有一个例子是，<code>请填写你的班级</code>。拿我的初中举例，你大概会看到以下这么几种写法：</p><div><figure><figcaption></figcaption><pre><code><div><div><div>1</div></div><div><span>九（1）班</span></div></div><div><div><div>2</div></div><div><span>初三（1）班</span></div></div><div><div><div>3</div></div><div><span>91班</span></div></div><div><div><div>4</div></div><div><span>91</span></div></div><div><div><div>5</div></div><div><span>初三一</span></div></div><div><div><div>6</div></div><div><span>初三（1）</span></div></div><div><div><div>7</div></div><div><span>九（1）</span></div></div></code></pre><div><div></div><div></div></div></figure></div><p>所以模板其实有很大的问题，也是自然语言最愚蠢的地方，很多时候你靠光一个抽象的词是说不明白的。这也是为什么需要举例。</p><p>当然，既然叫 <strong>优先</strong>，也就意味着存在例外。比如还是身份证，有个空，就是让你填身份证，没有别的要求，那么就无需再使用举例，只需要提供一个模板，更准确说，一句话，<code>身份证，X 大写</code>，就可以了。</p><p>换言之，如果一个数据本身就有刚性的结构，没什么歧义，也不需要有什么变化，那么此时更建议使用模板，因为更简单直接。</p></section>
<section><h2>标准 4：简短准确<a href="#标准-4简短准确"><span>#</span></a></h2><p>尽管上面要求你要覆盖广泛，但也要简短准确，因为最终是要给用户看的。</p><div><div><div></div><div>错误（准确但不简短）</div></div><div><p>密码长度不得少于8位，且必须包含至少一个大写字母、至少一个小写字母、至少一个数字、至少一个特殊字符（如 !@#$%^&amp;* 等），且不得包含连续重复的字符，不得与用户名相同，不得为常见的弱密码……</p></div></div><div><div><div></div><div>正确</div></div><div><p>密码需 8-20 位，含大小写字母、数字和特殊字符</p></div></div><p>这是把后端的正则校验规则<strong>直接复制粘贴</strong>给用户看。准确吗？非常准确，每个条件都列全了。简短吗？完全不。</p><div><div><div></div><div>错误（简短但不准确）</div></div><div><p>密码：123456</p></div></div><div><div><div></div><div>正确</div></div><div><p>密码：8-20 位，含字母和数字</p></div></div><p>简短吗？短得不得了。准确吗？如果你是想<strong>引导用户设置一个强密码</strong>，那这个例子完全是灾难。而且对于这种开放性填空，也更应该考虑模板而不是举例。</p><div><div><div></div><div>错误（规则抄漏一半）</div></div><div><p>密码 8-16 位，必须包含大小写字母、数字、特殊符号</p></div></div><div><div><div></div><div>正确</div></div><div><p>密码 8-16 位，含大小写字母、数字和符号（仅限 <code>! $</code> ）</p></div></div><p>看着好像挺全的，但 “特殊符号” 是哪些？用户输入 <code>#</code> 报错，输入 <code>@</code> 也报错，最后发现只允许 <code>!</code> 和 <code>$</code>。这是把校验规则<strong>抄了一半</strong>，还没抄全。</p></section>
<section><h2>技巧 5：描述后果<a href="#技巧-5描述后果"><span>#</span></a></h2><p>总而言之，如果想让用户不要做某件事，不要只说 “不要做”，而要告诉用户 “做了会导致什么后果”。</p><p>人类对 “禁令” 天然有逆反心理，但对 “损失” 会主动规避。以下给出三个例子，都比较好理解：</p><div><div><div></div><div>错误</div></div><div><p>请上传 JPG 或 PNG 格式的图片</p></div></div><div><div><div></div><div>正确</div></div><div><p>仅支持 JPG/PNG，其他格式将无法显示</p></div></div><div><div><div></div><div>错误</div></div><div><p>手机号为必填项</p></div></div><div><div><div></div><div>正确</div></div><div><p>手机号用于接收订单通知，不填将无法跟进订单状态</p></div></div><div><div><div></div><div>错误</div></div><div><p>密码不能过于简单</p></div></div><div><div><div></div><div>正确</div></div><div><p>密码过于简单容易被盗号，建议包含字母、数字和特殊符号</p></div></div></section>
<section><h2>技巧 6：优先选择<a href="#技巧-6优先选择"><span>#</span></a></h2><p>这个技巧几乎可以运用在上面所有的标准里，用选择代替填空总是更好的。就像一般会让你选择 <code>男/女/其他/不显示</code>，而不会让你填空 <code>性别</code>。在许多地方都能用来消歧义——比如 <code>北京市海淀区</code> 这个例子，只要加几个下拉单选框，就没有举例的问题了。<code>班级</code> 这个例子也同理。</p><p>如果实在不知道怎么简短准确，也可以试试用选择代替描述。也就是不描述规则本身，而是利用表格，对相应情况进行列举，读表格比读文字来的快，这样用户就可以更简单地锁定有用信息，降低认知负荷。比如注册后初始化，要你填一个 workspace name：</p><div><div><div></div><div>错误</div></div><div><p>请输入工作区名称</p></div></div><p>用户看到这个框会愣住——什么叫工作区名称？填我的名字？公司名？项目名？还是随便起个酷的名字？</p><p>即便你加一句提示：</p><div><div><div></div><div>更加错误（表意赘余）</div></div><div><p>请填写工作区名称，用于标识你的团队</p></div></div><p>用户还是很懵：标识团队？那我填“技术部”还是“xxx科技有限公司”还是“前端小分队”？</p><p>一个好得多的做法是 <strong>加一个辅助表格</strong>，让用户对号入座——虽然仍然是填空，但用户看到表格就知道 “我属于哪一类、该填什么方向” 了：</p><div><div><div></div><div>正确</div></div><div><table>
<thead>
<tr>
<th>你的场景</th>
<th>建议格式</th>
<th>示例</th>
</tr>
</thead>
<tbody>
<tr>
<td>个人使用</td>
<td>名字 + “的工作区”</td>
<td>张三的工作区</td>
</tr>
<tr>
<td>小团队（&lt;10人）</td>
<td>团队名或项目名</td>
<td>前端组 / 博客项目</td>
</tr>
<tr>
<td>企业/组织</td>
<td>公司全称或缩写</td>
<td>云创科技 / YC-Tech</td>
</tr>
<tr>
<td>临时/测试</td>
<td>随意</td>
<td>test-123456</td>
</tr>
</tbody>
</table></div></div><p>用户扫一眼表格，三秒钟就能锁定自己属于哪一行，然后照着示例填。这就把 “开放性问题” 变成了 “半开放选择题”——你不需要替用户决定填什么，但你帮他框定了 “可以填什么方向”，大幅降低认知负荷。</p><p>就像你写试卷时肯定感觉选择比填空好写，填空比简答好写，简答比作文好写。</p></section>
<section><h2>适用范围<a href="#适用范围"><span>#</span></a></h2><p>我自己编的这套框架适用于大多数 <strong>格式半开放、用户需要参考才能理解</strong> 的场景（如地址、密码、用户名、班级、工作区名称、报错等）。</p><p>但有两个场景<strong>不适用</strong>：</p><ol>
<li><strong>格式全国统一且人人熟知</strong>（如身份证号）——不需要示例，只需要字段名 + 特例说明（如 X 大写）。</li>
<li><strong>系统具备实时强校验能力</strong>（如校验位算法、实时查重）——用户不需要提前学，填错系统当场告诉他。</li>
</ol><p>在这两种场景下，“不写示例” 反而是最友好的设计。</p></section>
<section><h2>最后<a href="#最后"><span>#</span></a></h2><p>不论如何设计 UI 和提示，都请牢记底线：<em><strong>前后端都要做校验。用户总是会以你想象不到的方式输入数据，前端校验帮用户及时修正，后端校验才是最终防线。</strong></em></p></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/arknights-bag/</id>
      <title type="text">明日方舟和红山动物园联动的那个收纳袋到底怎么收啊？</title>
      <published>2026-07-26T00:00:00.000Z</published>
      <updated>2026-07-26T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/arknights-bag/"/>
      <summary type="text">如果你也不知道怎么收的话……</summary>
      <content type="html"><![CDATA[<p>其实我到现在也没找到一个很好的收纳方法，总是绕不开硬塞那一步……</p>
<p>总是本文分享的是一个比较凑合的方法，虽然也逃不开硬塞，但塞完能比单纯硬塞好看点。</p>
<div><div><div></div><div>Tip</div></div><div><p>文章内图片可以点击放大</p></div></div>
<div><div><div></div><div>Tldr</div></div><div><p>先翻过来，向左对折一次，把提手翻下来，整体向上对折两次，再向左对折，把双层的部分塞进左边，露出部分再向后对折，塞进右边。</p></div></div>
<section><h2>Step 0：展开时<a href="#step-0展开时"><span>#</span></a></h2><p>给没买的博士们做一个参考：</p><div><figure><img src="https://static.khbit.cn/2026/09/dc439299ed31defdb943ccbbd5dd8fb2.jpg" alt="明日方舟与红山动物园联动的环保收纳袋（铃兰款）" /><figcaption>明日方舟与红山动物园联动的环保收纳袋（铃兰款）</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/08ceb37bd7ae92916414e20dbb3bbc88.png" alt="长约37cm，宽约36cm" /><figcaption>长约37cm，宽约36cm</figcaption></figure></div><p>总的来讲是不小的。如果你对这个数没什么概念的话，一张标准 A3 纸的大小是</p><span><span><span>29.7cm×42cm=1247.4cm229.7cm\times42cm=1247.4cm^2</span><span><span><span></span><span>29.7</span><span>c</span><span>m</span><span></span><span>×</span><span></span></span><span><span></span><span>42</span><span>c</span><span>m</span><span></span><span>=</span><span></span></span><span><span></span><span>1247.4</span><span>c</span><span><span>m</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span></span></span></span></span></span></span></span></span><p>而这个袋子的大小是</p><span><span><span>36cm×37cm=1332cm236cm\times37cm=1332cm^2</span><span><span><span></span><span>36</span><span>c</span><span>m</span><span></span><span>×</span><span></span></span><span><span></span><span>37</span><span>c</span><span>m</span><span></span><span>=</span><span></span></span><span><span></span><span>1332</span><span>c</span><span><span>m</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span></span></span></span></span></span></span></span></span><p>也就是说比标准 A3 纸的面积还大一些。</p><p>尽管包一眼看上去感觉不大。</p><div></div><div>让 AI 告诉你为什么（？）</div><div></div><div><p>你说的这个现象非常有趣，它完美地揭示了人类大脑在判断物体大小时，常常依赖<strong>间接线索和过往经验</strong>，而不是纯粹的物理测量。让我们一起来拆解一下这个“认知错觉”是如何产生的：</p><p><strong>核心原因：你的大脑在没有“参照系”的情况下，自动使用了错误的“心理标尺”。</strong></p><p>具体来说，有以下几个关键因素在起作用：</p><ol>
<li><strong>体积错觉：折叠状态“欺骗”了你。</strong>
<ul>
<li>一个未展开的收纳袋，看起来就是个扁平、柔软的小方块或小布团。大脑看到这种形态，会立刻联想到“折叠后很小的东西”，从而<strong>自动调低了对它展开后体积的预期</strong>。这是一种非常典型的“部分代表整体”的认知捷径。</li>
</ul>
</li>
<li><strong>缺乏环境参照物。</strong>
<ul>
<li>在商店里，你看到它可能放在货架上，或者拿在手里。但周围没有明确的、你非常熟悉的大小参照物（比如一张A4纸、一个常见的手机）。你的大脑很难将一个柔软的、形状不固定的物体，与一个标准的几何尺寸（如36cm x 37cm）进行直接比对。</li>
<li><strong>想象一下：</strong> 如果直接给你一张36cm x 37cm的硬纸板，你立刻就能知道它有多大。但一个软塌塌的袋子，就失去了这个直观的比较基准。</li>
</ul>
</li>
<li><strong>功能预期影响了大小判断。</strong>
<ul>
<li>你提到“感觉这袋子应该装不了啥”。这说明你对这个袋子的<strong>功能预期</strong>是“装一些小物件”。这种预期会反过来影响你对它尺寸的判断——一个“装不了啥”的东西，怎么可能大呢？这是一种从目的反推属性的思维模式。</li>
</ul>
</li>
<li><strong>视觉线索的缺失。</strong>
<ul>
<li>一个立体的、有高度的物体（比如一个盒子）能提供更多的空间信息。而一个平铺的、二维感很强的袋子，缺乏能暗示其“容量”的视觉深度线索。你的大脑难以从它扁平的样子，“脑补”出它变成立体容器后的实际大小。</li>
</ul>
</li>
</ol><p><strong>一个更生动的比喻：</strong></p><p>这就像看到一张折叠起来的露营帐篷的照片。你知道它能装下好几个人，但在真正搭起来之前，那个紧实的包裹总让你觉得：“真能装下那么大一个空间吗？” <strong>大脑很难从“压缩态”准确映射到“展开态”的全貌。</strong></p><p><strong>如何避免这种错觉？</strong></p><p>下次购买这类物品时，你可以：</p><ul>
<li><strong>用手掌或随身物品（如手机、钥匙）做临时参照。</strong></li>
<li><strong>在心里模拟一下：</strong> 这个尺寸（36cm x 37cm）大概就是比一张A4纸（21cm x 29.7cm）大一圈，大概能平放两台并排的平板电脑。这样一想，它其实相当能装。</li>
<li><strong>关注标注的尺寸数字本身</strong>，而不是仅凭第一眼感觉。</li>
</ul><p>所以，你的感觉完全没错，这是大脑一种高效但有时会出错的“认知快捷方式”。这次用尺子量出的“真相”，正好帮我们的大脑数据库更新了一次——原来这种形态的收纳袋，展开后是这个级别！这是一种很棒的生活小发现。</p></div><p>然后其实这个东西叫 <em>环保</em> 收纳袋，但材质是 <strong>聚酯纤维</strong></p><div></div><div>聚酯纤维是塑料吗？</div><div></div><div><p>这是一个非常好的问题，因为它触及了科学定义和日常认知之间的有趣区别。</p><p>简单直接的答案是：<strong>从化学本质和工业定义上说，是的；但从日常形态和用途上说，它通常不被看作是“塑料”。</strong></p><p>让我们来详细分解一下：</p><section><h3>1. 科学/工业角度：<strong>是塑料的一种</strong><a href="#1-科学工业角度是塑料的一种"><span>#</span></a></h3><ul>
<li><strong>化学本质相同</strong>：聚酯纤维（Polyester）和常见的塑料（如矿泉水瓶）其基本化学成分都是<strong>聚对苯二甲酸乙二醇酯（PET或PETE）</strong>。它们都属于<strong>合成聚合物</strong>，具体来说是<strong>热塑性树脂</strong>。</li>
<li><strong>制造过程类似</strong>：都是通过石油化工产品经过聚合反应制成高分子聚合物。塑料通常是将这些聚合物制成颗粒，然后通过注塑、吹塑等工艺成型。聚酯纤维则是将聚合物熔融后通过喷丝板拉成细丝，再经过冷却、拉伸、卷绕等工序制成纤维。</li>
<li><strong>可以互相转化</strong>：很多聚酯纤维（如服装面料）的原料，就来自于回收的PET塑料瓶。这个过程叫做“物理回收”，本质上是同一材料在不同形态和用途间的转换。</li>
</ul></section><section><h3>2. 日常生活角度：<strong>通常不被看作塑料</strong><a href="#2-日常生活角度通常不被看作塑料"><span>#</span></a></h3><ul>
<li><strong>形态与手感不同</strong>：我们印象中的“塑料”通常是硬质或软质的、有特定形状的制品（如玩具、包装盒、瓶子）。而聚酯纤维是柔软、可纺织的<strong>纤维</strong>，是布料。</li>
<li><strong>用途分类不同</strong>：在商品标签上，它被明确归为“<strong>纺织纤维</strong>”，与棉、麻、羊毛等并列。而“塑料”则属于“<strong>塑料制品</strong>”类别。</li>
</ul></section><section><h3>一个简单的比喻：<a href="#一个简单的比喻"><span>#</span></a></h3><p>你可以把<strong>聚酯纤维</strong>和<strong>塑料</strong>想象成<strong>同一种面团</strong>做出的不同食物：</p><ul>
<li><strong>塑料</strong>像是用面团做成的<strong>饼干或模具</strong>（形状固定、坚硬）。</li>
<li><strong>聚酯纤维</strong>像是把同样的面团拉成极细的<strong>面条或粉丝</strong>（柔软、可编织）。</li>
</ul><p>它们的“原料”（面团/聚合物）是一样的，只是最终的“形态”和“用途”完全不同。</p></section><section><h3>总结表格<a href="#总结表格"><span>#</span></a></h3><table>
<thead>
<tr>
<th>特性</th>
<th>聚酯纤维 (Polyester)</th>
<th>常见塑料 (如PET瓶)</th>
</tr>
</thead>
<tbody>
<tr>
<td><strong>化学本质</strong></td>
<td>聚对苯二甲酸乙二醇酯 (PET)</td>
<td>聚对苯二甲酸乙二醇酯 (PET)</td>
</tr>
<tr>
<td><strong>物质类别</strong></td>
<td>合成纤维 / 热塑性树脂</td>
<td>热塑性树脂 / 塑料</td>
</tr>
<tr>
<td><strong>最终形态</strong></td>
<td>细丝、纱线、布料</td>
<td>块状、片状、薄膜、瓶子等</td>
</tr>
<tr>
<td><strong>主要用途</strong></td>
<td>服装、家纺、工业用布</td>
<td>包装容器、电子产品外壳等</td>
</tr>
<tr>
<td><strong>回收时</strong></td>
<td>可被看作“纺织废料”或“聚酯原料”</td>
<td>通常被直接称为“废塑料”</td>
</tr>
</tbody>
</table><p>所以，下次当你摸到涤纶（聚酯纤维的俗称）衣服时，可以理解：它本质上是一种被拉成丝的“塑料”，但已经通过纺织技术，转变成了一种完全不同的、服务于我们穿着需求的产品。</p></section></div><div></div><div>那为什么说聚酯纤维环保呢？</div><div></div><div><p>您问到了一个非常关键的矛盾点，这也是环保领域和纺织行业经常讨论的话题。聚酯纤维本身是一种石油基塑料，从这个角度看，它并不“天然环保”。但它的环保形象主要来自于以下几个方面，通常是<strong>有条件、相对而言</strong>的：</p><section><h3>核心原因：回收利用（尤其是rPET）<a href="#核心原因回收利用尤其是rpet"><span>#</span></a></h3><p>这是聚酯纤维被贴上“环保”标签最主要、最直接的原因。</p><ol>
<li><strong>变废为宝，减少石油消耗</strong>：
<ul>
<li>大量聚酯纤维是由<strong>回收的PET塑料瓶</strong>（即饮料瓶、水瓶）制成的，这被称为 <strong>“再生聚酯”</strong> 或 <strong>rPET</strong>。</li>
<li>这实现了资源的循环利用，避免了塑料瓶被填埋或焚烧，同时减少了为生产原生聚酯而开采石油的需求。</li>
<li>例如，一些户外品牌和快时尚品牌推出的“环保系列”衣物，其标签上常会注明“含有X个回收塑料瓶”，这就是典型的例子。</li>
</ul>
</li>
<li><strong>与原生材料的对比优势</strong>：
<ul>
<li><strong>对比原生聚酯纤维</strong>：使用回收材料的碳足迹、能源消耗和水耗通常比从石油中提取原料制造新纤维要<strong>低</strong>。这是“减量化”的体现。</li>
<li><strong>对比一些其他材料</strong>：与需要大量用水、农药和土地来种植的天然纤维（如棉花，尤其是传统棉花）相比，聚酯纤维（特别是再生聚酯）在某些环境指标上可能更优。</li>
</ul>
</li>
</ol></section><section><h3>其他“相对环保”的理由<a href="#其他相对环保的理由"><span>#</span></a></h3><ol>
<li><strong>卓越的耐久性和低维护成本</strong>：
<ul>
<li>聚酯纤维非常结实、抗皱、易干、不易缩水。这意味着制成的衣物<strong>更耐穿</strong>，使用寿命更长。</li>
<li>它易于护理，可以<strong>低温洗涤</strong>、快速干燥（减少烘干机使用），从而在整个产品生命周期中节省了能源和水。</li>
</ul>
</li>
<li><strong>轻量化与功能性</strong>：
<ul>
<li>它重量轻、强度高，用于制作户外服装、背包等，可以减轻负重，间接节省运输能耗。</li>
<li>其吸湿排汗等特性有助于提升性能，减少对其他可能更耗资源材料的需求。</li>
</ul>
</li>
<li><strong>新兴的生物基聚酯</strong>：
<ul>
<li>一些前沿技术正在开发从<strong>生物质</strong>（如玉米、甘蔗、甚至海藻）中提取原料来生产聚酯，这被称为<strong>生物基PET</strong>。这可以摆脱对化石燃料的依赖，是更革命性的“环保”方向，但目前成本较高，尚未大规模普及。</li>
</ul>
</li>
</ol></section><section><h3>必须指出的“不环保”另一面（硬币的另一面）<a href="#必须指出的不环保另一面硬币的另一面"><span>#</span></a></h3><p>然而，我们不能忽略其根本的塑料属性带来的问题，这也是环保争议的根源：</p><ol>
<li><strong>微塑料污染</strong>：聚酯纤维在洗涤和穿着过程中会脱落<strong>微塑料纤维</strong>，这些微粒会进入水体和土壤，难以降解，被生物摄入，最终可能通过食物链影响人类健康。这是目前最严峻的环保挑战之一。</li>
<li><strong>不可生物降解</strong>：无论是原生还是再生聚酯，本质上都是塑料，自然环境下难以降解，可能造成持久性污染。</li>
<li><strong>回收的闭环率问题</strong>：尽管有回收，但真正能被回收制成新纤维的衣物（“纤维到纤维”回收）比例仍然很低，很多回收的PET瓶只能降级使用或最终仍被填埋/焚烧。</li>
<li><strong>生产过程的环境影响</strong>：其化工生产过程本身也会产生排放和污染。</li>
</ol></section><section><h3>总结：如何理解“聚酯纤维环保”？<a href="#总结如何理解聚酯纤维环保"><span>#</span></a></h3><p>当您听到“聚酯纤维环保”的说法时，它通常指的是：</p><ul>
<li><strong>在特定条件下</strong>：它是<strong>再生聚酯</strong>，并且品牌强调了其<strong>替代原生塑料、减少废物</strong>的优点。</li>
<li><strong>在生命周期视角下</strong>：考虑到其<strong>耐用、易护理</strong>的特点，在整个使用阶段可能比一些娇贵的天然纤维更“省资源”。</li>
<li><strong>是一种营销话术</strong>：它相对于“传统原生聚酯”或某些高耗资源材料而言是“更环保的”，但这<strong>不等于它就是完美的、对环境无害的</strong>。</li>
</ul><p><strong>给您的建议</strong>：</p><ol>
<li><strong>看标签</strong>：寻找明确标注“<strong>由回收材料制成</strong>”或带有相关认证（如<strong>GRS全球回收标准</strong>）的产品。</li>
<li><strong>理性看待</strong>：将其理解为一种<strong>减少当前塑料废弃物压力的权宜之计</strong>，而不是终极解决方案。</li>
<li><strong>注重保养</strong>：正确洗涤（使用洗衣袋、低温、减少洗涤频率），可以显著减少微塑料的释放。</li>
</ol><p>所以，聚酯纤维的环保故事是一个关于 <strong>“权衡与进步”</strong> 的故事——它利用了回收技术解决了部分现有塑料垃圾问题，并在使用中具有优势，但其本身作为合成材料的属性也带来了新的、需要持续关注和解决的环境挑战。</p></section></div></section>
<section><h2>Step 1：翻过来<a href="#step-1翻过来"><span>#</span></a></h2><p>好的，现在正式来到第一步。首先就是你得把它像这样翻过来：</p><div><figure><img src="https://static.khbit.cn/2026/09/a3db9360548d44ca17980084a5119892.png" alt="怎么翻" /><figcaption>怎么翻</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/6ff57e96d1aae4dd8fdb2e470d0505ef.jpg" alt="翻过来的样子" /><figcaption>翻过来的样子</figcaption></figure></div><p>你在后面看不到这么简单的步骤了</p></section>
<section><h2>Step 2：对折，再对折……<a href="#step-2对折再对折"><span>#</span></a></h2><p>从左向右把袋子对折一下</p><div><figure><img src="https://static.khbit.cn/2026/09/4ed99d23ee6847d444bae3adcce8e6ae.png" alt="怎么折" /><figcaption>怎么折</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/de121aade84371031b68fa8c8a808e10.jpg" alt="对折之后的样子" /><figcaption>对折之后的样子</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/29a0b6f875a65a3310930ee4fd393a76.jpg" alt="提手部分的层次" /><figcaption>提手部分的层次</figcaption></figure></div><p>如果你追求完美但空间想象能力由不够的话可以看一下图三，提手部分整理好后，应该看到的是外-内-外-内的层次关系并重叠在一起。不过不整理提手也问题不大。</p><p>然后把提手翻下来，需要注意的是，应该沿拉链的垂线对折，可能会带一点点别的部分，不是恰好一个提手，这是正常的，多余部分也要折下来。</p><div><figure><img src="https://static.khbit.cn/2026/09/15e71336a59a229c30007bbaa643f1ad.png" alt="怎么折" /><figcaption>怎么折</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/2735049af2fa1271e7c7adcd676091bf.jpg" alt="折完之后的样子" /><figcaption>折完之后的样子</figcaption></figure></div><p>然后从下往上连续对折两次，像这样：</p><div><figure><img src="https://static.khbit.cn/2026/09/25542ec00eb5200b8445f55b5631a1e8.png" alt="第一次怎么折" /><figcaption>第一次怎么折</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/4c4668211c586c91e0c0395ef6b656bf.jpg" alt="折完第一次" /><figcaption>折完第一次</figcaption></figure></div><div><figure><img src="https://static.khbit.cn/2026/09/213bb063638ea9796994cab7f314930b.png" alt="第二次怎么折" /><figcaption>第二次怎么折</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/080ba527a0b2655f4bcbe038faabe21c.jpg" alt="折完第二次" /><figcaption>折完第二次</figcaption></figure></div></section>
<section><h2>Step 3：硬塞，最麻烦的部分<a href="#step-3硬塞最麻烦的部分"><span>#</span></a></h2><p>划重点了，注意听</p><p>上来依旧是对折：这步是沿着包的边缘（差不多对半）向左对折，折完后应该差不多正好能覆盖住包（不包括耳朵）。如果发现比包大了一点没事，正常。</p><div><figure><img src="https://static.khbit.cn/2026/09/13bf5b636247b1399801379f66a57b31.png" alt="对折前" /><figcaption>对折前</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/f3dea70cb6ae6e21d3412264f8675e3d.jpg" alt="对折后" /><figcaption>对折后</figcaption></figure></div><p>然后现在这个包从侧面看应该是这样的：一半是单层一半是双层</p><p></p><figure><img src="https://static.khbit.cn/2026/09/c9ac38a9f61816c1c845b9407ad11bef.jpg" alt="折完后从侧面看" /><figcaption>折完后从侧面看</figcaption></figure><p></p><p>然后把 <strong>双层</strong> 的一半塞到 <strong>左边</strong></p><p></p><figure><img src="https://static.khbit.cn/2026/09/0a5da095f64a17b83df281e52efdd69e.png" alt="怎么塞" /><figcaption>怎么塞</figcaption></figure><p></p><div><div><div></div><div>Warning</div></div><div><p>如果塞到右边就错了，你会发现剩余部分就塞不进去了。</p></div></div><p>塞完之后的剩余部分应该长成这个样子：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/dd5857fdf607fd9896522404052e1bf2.jpg" alt="塞完左边之后" /><figcaption>塞完左边之后</figcaption></figure><p></p><p>继续沿着包的边缘（基本就是对半） <strong>向内</strong> 折叠</p><p></p><figure><img src="https://static.khbit.cn/2026/09/23c15912a184443f8b02eb586e27b2c0.png" alt="怎么折" /><figcaption>怎么折</figcaption></figure><p></p><p>你要是问向外折行不行呢🤔其实也可以，但折完会很丑。</p><p>折完之后大概就是这样子：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/141ca072919a2653d67c7fd1b6140292.jpg" alt="剩余部分折完之后的样子" /><figcaption>剩余部分折完之后的样子</figcaption></figure><p></p><p>然后你猜也知道就是把这半部分塞右边去（</p></section>
<section><h2>Step 4：👍<a href="#step-4"><span>#</span></a></h2><p>然后你就收纳完啦</p><p></p><figure><img src="https://static.khbit.cn/2026/09/8454c4e23844b4433ff63db2e5a49343.jpg" alt="收纳完啦！" /><figcaption>收纳完啦！</figcaption></figure><p></p><p>最后，如果你有 Xiaomi Tag 之类的设备，也可以塞进去，防丢。</p><div><figure><img src="https://static.khbit.cn/2026/09/59b89c2704c2d11d9b9dd89de4652fc1.jpg" alt="塞完 Xiaomi Tag" /><figcaption>塞完 Xiaomi Tag</figcaption></figure><figure><img src="https://static.khbit.cn/2026/09/4c0a3cee675e3ffbef94fdbf757a674f.jpg" alt="小米查找" /><figcaption>小米查找</figcaption></figure></div><p><img src="https://static.khbit.cn/2026/09/6e98527152003351c30bed697e5de4cc.png" alt="" /></p><p><img src="https://static.khbit.cn/2026/09/9f93725b393872164a76546514b0acab.jpeg" alt="" /></p></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/valance-cal/</id>
      <title type="text">给定节假日安排，怎么自动算出调休规则？</title>
      <published>2026-07-26T00:00:00.000Z</published>
      <updated>2026-07-26T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/valance-cal/"/>
      <summary type="text">AstraSchedule 自动调休功能的技术详解</summary>
      <content type="html"><![CDATA[<p><a href="getastra.cn">AstraSchedule</a> 里我做了一个很有意思的功能，通过公开的节假日安排数据能够自动推算出当年或往年的调休关系，具体是哪一天工作日补的哪一天休息日，也能反查休息日是从哪个工作日调过来的。</p>
<section><h2>TLDR 算法流程<a href="#tldr-算法流程"><span>#</span></a></h2><p><strong>按时间顺序，一一配对。</strong></p><div><div><div><div><span></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span><p>为每个 detail 建立映射</p></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span><p>对组内调休日排序</p></span></div><div><span><p>按顺序配对</p></span></div><div><span><p>对组内补班日排序</p></span></div><div><span><p>添加到最终映射表</p></span></div><div><span><p>输入年份</p></span></div><div><span><p>从公开数据获取全年工作日与节假日数据</p></span></div><div><span><p>遍历节假日，筛选出调休日</p></span></div><div><span><p>按相同 detail 对调休日进行分组</p></span></div><div><span><p>按相同 detail 对工作日进行分组</p></span></div><div><span><p>返回映射表</p></span></div>
</div><div><div><span></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span><p>为每个 detail 建立映射</p></span></div><div><span></span></div><div><span></span></div><div><span></span></div><div><span><p>对组内调休日排序</p></span></div><div><span><p>按顺序配对</p></span></div><div><span><p>对组内补班日排序</p></span></div><div><span><p>添加到最终映射表</p></span></div><div><span><p>输入年份</p></span></div><div><span><p>从公开数据获取全年工作日与节假日数据</p></span></div><div><span><p>遍历节假日，筛选出调休日</p></span></div><div><span><p>按相同 detail 对调休日进行分组</p></span></div><div><span><p>按相同 detail 对工作日进行分组</p></span></div><div><span><p>返回映射表</p></span></div>
</div></div></div><p>算法其实不难，甚至说特别简单。后面主要讲讲这个算法是怎么寻思出来的。</p></section>
<section><h2>怎么想出来的<a href="#怎么想出来的"><span>#</span></a></h2><p>其实也不是很难想，我们平时也会说调休哪一天调的哪一天。尽管更多人更在乎哪天上班哪天下班，但对于学校和学生来说还要关心到底要上哪天的课。这是对于学校来说每年必不可少的脑力劳动。但既然每年都能发出通知来，那说明调休很大可能有一个一一对应的关系。</p><p>其实光从 “调休” 这个词来说，他是一个动宾短语，“调” 作为动词有 “调剂” 的意思</p><div><div><div></div><div>新华字典 调（tiáo）</div></div><div><p>调剂：以临万货，以～盈虚。</p></div></div><p>“调休”的本质是重新调配时间资源——当公共假期”盈”（多了休息日）时，就从周末”虚”处（借出休息日）来补，最终实现工作日与休息日的 <strong>总量平衡</strong> 。</p><p>到这其实就能直接想出上述的算法了。但是如果你语文跟我一样稀烂，其实上面是我现查的，那也可以从另一个角度来思考：化学和数学。</p><p>初中化学就教了 <strong>化合价</strong> 的概念。初中化学教材告诉我们，原子为了形成一个相对稳定结构，会与其他原子相结合。怎么结合呢？以离子为例，电子发生了 <strong>“转移”</strong> 。类比到调休上，是 <strong>节假日</strong> 发生了 <strong>转移</strong> 。所以我们也可以试着给某一天加上一个 “价态”。</p><p>比如我们分析一下 2026 年的元旦假期安排：把本该是工作日的休息日标记成 +1 价，把本该是休息日的工作日标记成 -1 价。原本就是休息日或者工作日没变的标记成 0 价。</p><table>
<thead>
<tr>
<th>日期</th>
<th>星期</th>
<th>状态</th>
<th>价态</th>
</tr>
</thead>
<tbody>
<tr>
<td>2026-01-01</td>
<td>四</td>
<td>元旦，本来就休息</td>
<td>0</td>
</tr>
<tr>
<td>2026-01-02</td>
<td><strong>五</strong></td>
<td>休息，<strong>但本该是工作日</strong></td>
<td>+1</td>
</tr>
<tr>
<td>2026-01-03</td>
<td>六</td>
<td>周六，本来就休息</td>
<td>0</td>
</tr>
<tr>
<td>2026-01-04</td>
<td><strong>日</strong></td>
<td>工作，<strong>但本该是休息日</strong></td>
<td>-1</td>
</tr>
</tbody>
</table><p>Amazing！有趣的是，我们发现这样标记恰好和化合价一样，满足 <strong>代数和为 0</strong> 的性质。也就是说，同一假期分组内，各日期的价态代数和为 0。而且这个算法的结构也比化合价更简单，化合价还有 +2 价 -3 价这样的，但这个算法只有 -1 0 +1 三种价态。</p><p>然后到了初中数学发挥的部分：已知</p><span><span><span>a+b=0a + b = 0</span><span><span><span></span><span>a</span><span></span><span>+</span><span></span></span><span><span></span><span>b</span><span></span><span>=</span><span></span></span><span><span></span><span>0</span></span></span></span></span><p>那么 <strong>a 与 b 互为相反数</strong></p><div><div><div></div><div>Wikipedia 相反数（加法逆元）</div></div><div><p>在<a href="https://zh.wikipedia.org/wiki/%E5%AF%A6%E6%95%B8" target="_blank">实数</a>中，数 <span><span>aa</span><span><span><span></span><span>a</span></span></span></span> 的相反数 <span><span>−a−a</span><span><span><span></span><span>−</span><span>a</span></span></span></span> ，称为其加法逆元</p></div></div><p>显然，<span><span>aa</span><span><span><span></span><span>a</span></span></span></span> 与 <span><span>bb</span><span><span><span></span><span>b</span></span></span></span> 任一为 <span><span>00</span><span><span><span></span><span>0</span></span></span></span>，最终 <span><span>a+ba+b</span><span><span><span></span><span>a</span><span></span><span>+</span><span></span></span><span><span></span><span>b</span></span></span></span> 都不可能为 <span><span>00</span><span><span><span></span><span>0</span></span></span></span>。所以 <span><span>aa</span><span><span><span></span><span>a</span></span></span></span> 与 <span><span>bb</span><span><span><span></span><span>b</span></span></span></span> 必然一个是 <span><span>−1-1</span><span><span><span></span><span>−</span><span>1</span></span></span></span> 一个是 <span><span>+1+1</span><span><span><span></span><span>+</span><span>1</span></span></span></span>。那么，由上文的结论可得，<strong>每个假期分组的日期价态代数和为 0</strong> 可以表述成下面这样：</p><span><span><span>(a1+b1)+(a2+b2)+⋯+(an+bn)=0(a_1 + b_1)+(a_2+b_2)+\cdots+(a_n+b_n)=0</span><span><span><span></span><span>(</span><span><span>a</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>+</span><span></span></span><span><span></span><span><span>b</span><span><span><span><span><span><span></span><span><span>1</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span>)</span><span></span><span>+</span><span></span></span><span><span></span><span>(</span><span><span>a</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>+</span><span></span></span><span><span></span><span><span>b</span><span><span><span><span><span><span></span><span><span>2</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span>)</span><span></span><span>+</span><span></span></span><span><span></span><span>⋯</span><span></span><span>+</span><span></span></span><span><span></span><span>(</span><span><span>a</span><span><span><span><span><span><span></span><span><span>n</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>+</span><span></span></span><span><span></span><span><span>b</span><span><span><span><span><span><span></span><span><span>n</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span>)</span><span></span><span>=</span><span></span></span><span><span></span><span>0</span></span></span></span></span><p>那么对于每一组 <span><span>(an+bn)(a_n+b_n)</span><span><span><span></span><span>(</span><span><span>a</span><span><span><span><span><span><span></span><span><span>n</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span></span><span>+</span><span></span></span><span><span></span><span><span>b</span><span><span><span><span><span><span></span><span><span>n</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span></span><span>)</span></span></span></span> 就恰好对应一天休息日和一天工作日。这说明，<strong>调休节假日和调休工作日就是可以一一对应起来的</strong></p><p>最后就是怎么对应的问题，这个就是经验而言，注意到，一般把<strong>最早的</strong>调休节假日和<strong>最早的</strong>调休工作日对调。也就是说，大部分情况下是按日期顺序来调休的。</p><p>那就很简单了：按假日分组，然后<strong>按时间顺序</strong>排好调休工作日和调休节假日，基于上文的结论，直接<strong>一一配对</strong>即可。</p></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/why-femboy-style/</id>
      <title type="text">为什么大多数男娘的穿着都趋同？</title>
      <published>2026-05-04T00:00:00.000Z</published>
      <updated>2026-05-04T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/why-femboy-style/"/>
      <summary type="text">同一圈子里的人审美是趋同的吗？</summary>
      <content type="html"><![CDATA[<p>刷 B 站的时候看见个吐槽，感觉挺有意思的，又是夜深人静的时候，恰适合思考和肆无忌惮地胡言乱语。写一篇文章讨论一下这个问题。</p>
<p></p><figure><img src="https://static.khbit.cn/2026/09/82f2ef65f3a8e58dcb22032be2da9be0.png" alt="参考文献（x）" /><figcaption>参考文献（x）</figcaption></figure><p></p>
<p>我觉得这个问题吧，其实可以先讨论一个更抽象更广泛的结论是否成立，再就标题这个问题具体讨论。可以先把这个问题抽象成下面这个小标题的问题。</p>
<section><h2>同一圈子里人的审美是否是趋同的？<a href="#同一圈子里人的审美是否是趋同的"><span>#</span></a></h2><p><strong>答案是相当明确的</strong>，在任何一个有明确身份认同的圈子里，审美趋同不仅存在，而且几乎是必然的规律。小至圈子大至民族，都需要一个明确的文化认同才能维系下去。</p><p><strong>所有圈子都需要文化认同，来识别圈内人。</strong> 往大了说，我们认同我们是同一个民族的人，因为我们生活于同一片土地，我们过着相同的节日，我们有着相同的习俗等等——这就是文化认同——我们有着相同的文化。那往小了说，比如二次元圈子里面就有很多圈外人可能一时难以想到或猜到的缩写或音译，比如谷子（Goods）、吧唧之类的；其他圈子里面也有自己的“黑话”；在计科这样的专业圈子里面人们为了方便也更乐意用缩写，比如 i18n（Internationalization）、K8s（Kubernetes）、WAF（Web Application Firewall）等，这也是一种文化认同。当然，文化认同是多样的，审美的趋同只是其表现之一。更准确地说，文化认同是群体认同的前提，也是群体认同的表现，两者相辅相成。</p><p>所以再去思考，男娘呢？其实也是一样的，都是同一个圈子的人，着装就是在这个圈子里最容易辨识的一个文化符号，加之前人栽树后人乘凉的缘故，模仿学习前人的经验是正常的，学习前人的成本比标新立异要低得多。</p></section>
<section><h2>那是否存在反例呢？<a href="#那是否存在反例呢"><span>#</span></a></h2><p>当然存在，但结论依然是成立的。引言部分引用的视频中所属的“水色系”、“腿套”、“猫爪白袜”只是人们最容易记住的一套组合，属于一种刻板印象。就像提到男的，大部分人的刻板印象可以用“阳刚”概括，但你能不能找到反例呢？绝对能。所有刻板印象都逃不过绝对的人口基数问题，在这个 80 亿人组成的社会中，找到刻板印象的反例并不稀奇。</p><p>那这个结论还正确吗？依然正确。因为通常这些反例作为身份认同的本质仍然趋同。趋同后的再分化同样是必然的，趋同和分化是同时发生的，所以分化不推翻趋同。或者更概括地说， <strong>文化的多元发展也是必然的。</strong> 所以上述的结论仍然是正确的。就这个问题来说，大部分人对男娘的定义就是喜欢女装的男性。那么理论上女装和男性两个条件不变，就都属于这个圈子内文化的自然演化。</p></section>
<section><h2>为啥是这仨组合呢？<a href="#为啥是这仨组合呢"><span>#</span></a></h2><p>坏了，翻了一下自己衣服基本也都是水色系的</p><p>为什么是水色系，为什么是腿套？其主要原因是因为男娘群体大多与 ACG 群体有着一定的重合。水色系和腿套又恰是 ACG 文化中常见的象征与要素。那为什么是猫爪白袜呢？这源自于线上计科圈子中的文化。在论文《Why The Trans Programmer?》中给出了调查结果：</p><div><div><div></div><div>Why The Trans Programmer?</div></div><div><p>Further issues arise from the inherent differences between online and offline  trans spaces. Memes such as “cat-girls”, “programming socks”, etc. are  prevalent among online trans communities, but scarcely exist within  offline spaces such as a university campus. To gauge the respondent’s  preference for online trans communities, the question “how experienced  are you with catgirls?” was posed to which 80.5% of respondents <strong>were  “kinda” or “very” experienced with cat-girls.</strong></p><p>此外，线上与线下的跨性别空间之间还存在着固有差异，这也带来了新的挑战。诸如“猫娘”、“编程袜子”之类的网络迷因在在线跨性别社群中十分流行，但在校园等线下空间却几乎难觅踪迹。为了了解受访者对线上跨性别社群的熟悉程度，我们提出了这样一个问题：“您对猫娘的了解有多深？”结果发现，80.5%的受访者表示自己<strong>对猫娘“有点”或“非常”熟悉。</strong></p></div></div><p>再具体我也不知道了，我又没穿过</p><p>所以接下来，我们讨论为什么线上计科圈子的文化会影响男娘这个群体呢？事实上，就像前文所述，文化认同与身份认同是相辅相成的，而男娘的圈子与计科圈子确实有所重合。</p></section>
<section><h2>计科与 MtF<a href="#计科与-mtf"><span>#</span></a></h2><section><h3>说明<a href="#说明"><span>#</span></a></h3><p>有人说诶你上文不是在讨论男娘吗，MtF 又是个啥？MtF 就是<strong>跨性别女性</strong>，又称<strong>男跨女</strong>，指那些<strong>出生时被指定为男性，但自我认同和作为女性生活的人</strong>。反过来还有 FtM，两者统称为 Transgender（跨性别）。具体地讲，每个地区甚至每个人对这个词的理解都存在差异，目前还没有一个普遍共识，本文尚不讨论定义问题。</p><p>本段所有数据主要来源于论文《Why The Trans Programmer?》，其主要的调查数据来源于 Stackoverflow（类似程序员版的知乎），而调查是针对于跨性别的，而不是男娘的。事实上，有关对男娘调查的公开数据很少，几乎没有。而在国内互联网中存在一个普遍现象，跨性别与男娘两个词在非专业的日常讨论中几乎是被混用的。这反映出两个群体在审美表达和圈层可见度上高度重叠，可以合理推测：<strong>如果对男娘群体进行类似调查，很可能得到相似的结论趋势。</strong> 当然，这一推测有待未来数据的验证。</p><p>引言部分的🍥（鱼板Emoji）正是指代 MtF，因为拜尔生产的戊酸雌二醇（雌性激素药物）的药盒设计就很像一个鱼板。</p></section><section><h3>论证<a href="#论证"><span>#</span></a></h3><p>摘自<a href="https://www.zhihu.com/question/2009382424094712490/answer/2010210947952816202" target="_blank">我在知乎问题《为什么学计算机容易变成男娘？》下的回答</a>：</p><p>首先从主观上说，是吗？是的，文献中调查指出：</p><div><div><div></div><div>Why The Trans Programmer?</div></div><div><p>Furthermore, <strong>71.6% of trans individuals polled believe</strong> there is likely a disproportionate amount of trans people in computer science, with 16.4% believing the contrary.</p><p>此外，<strong>71.6%的受访<a href="https://zhida.zhihu.com/search?content_id=770748211&amp;content_type=Answer&amp;match_order=1&amp;q=%E8%B7%A8%E6%80%A7%E5%88%AB%E8%80%85&amp;zhida_source=entity" target="_blank">跨性别者</a>认为</strong>，计算机科学领域中跨性别者的比例可能明显偏高；另有16.4%的受访者持相反观点。</p></div></div><p>那客观上呢？文献引用了 StackOverflow 的调查：</p><div><div><div></div><div>Why The Trans Programmer?</div></div><div><p>StackOverflow’s annual developer survey indicates <strong>1.92% of their US developers are transgender</strong>, and another 1.42% are non-binary or gender nonconforming
StackOverflow每年发布的开发者调查显示，其美国开发者中，<strong>有 1.92% 是跨性别者</strong>，另有1.42%为<a href="https://zhida.zhihu.com/search?content_id=770748211&amp;content_type=Answer&amp;match_order=1&amp;q=%E9%9D%9E%E4%BA%8C%E5%85%83%E6%80%A7%E5%88%AB&amp;zhida_source=entity" target="_blank">非二元性别</a>或性别不明确</p><p>compared to US states averaging roughly a <strong>0.3% to 0.78%</strong> trans populous.
这一比例与美国整体情况相比各州的跨性别群体规模大致在<strong>0.3% 至 0.78%</strong> 之间。</p></div></div><p>StackOverflow 的研究数据指出，在 <strong>15288 份</strong>问卷中，<strong>293 人</strong>明确给出了“是”的答案，占比大约在 <strong>1.92%</strong>。</p><p>用以上数据代入公式计算 <strong>95% 置信区间</strong>：（百分比化为小数）</p><span><span><span>0.0192±1.96×0.0192×(1−0.0192)15288≈(0.0170,0.0214)0.0192 \pm 1.96 \times \sqrt{\frac{0.0192 \times (1-0.0192)}{15288}} \approx (0.0170, 0.0214)</span><span><span><span></span><span>0.0192</span><span></span><span>±</span><span></span></span><span><span></span><span>1.96</span><span></span><span>×</span><span></span></span><span><span></span><span><span><span><span><span><span></span><span><span><span></span><span><span><span><span><span><span></span><span><span>15288</span></span></span><span><span></span><span></span></span><span><span></span><span><span>0.0192</span><span></span><span>×</span><span></span><span>(</span><span>1</span><span></span><span>−</span><span></span><span>0.0192</span><span>)</span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span></span></span></span><span><span></span><span></span></span></span><span>​</span></span><span><span><span></span></span></span></span></span><span></span><span>≈</span><span></span></span><span><span></span><span>(</span><span>0.0170</span><span>,</span><span></span><span>0.0214</span><span>)</span></span></span></span></span><p>与美国整体情况的区间并没有重叠，即在这一问题中该差异具有统计学上的显著性，换言之，程序员群体中跨性别者的比例至少是全国平均水平的 <strong>2.2 倍</strong>（1.70% ÷ 0.78%），最高可达约 <strong>7 倍</strong>（2.14% ÷ 0.3%）。</p><p>根据以上，我们已经可以回答是不是了：是…… <strong>吗？</strong></p><p>我们还要解释另一个问题，否则这篇回答是偏题的，审题：为什么学计科的容易变成<strong>男娘</strong>？男娘与 MTF 存在本质区别，所以我们还需要解释这个在 MTF 上的结论为什么在男娘上也有类似的体现？</p><p>首先我个人认为一大原因在于，国内很多人本质上分不清男娘和 MTF；其次 FTM 与假小子本身在社会上的关注度就不高；而且在计科领域，作为一个典型的工科，由男性主导，所以许多 FTM 在幼时可能都没有机会接触计科。实际上文献中也提到：</p><div><div><div></div><div>Why The Trans Programmer?</div></div><div><p>Within the trans communities polled, there is a large discrepancy between  those Assigned Male at Birth (AMAB) and Assigned Female at Birth (AFAB). Although Intersex was a polling option, no respondents identified as  intersex. Assigned Gender at Birth (AGAB) was an optional question due  to comfort reasons, still, a majority (81.2%) of respondents answered.  Among those who answered, there was an overwhelming majority of  respondents <strong>who identified as AMAB at 89% or 113 of the total responses</strong>. Within the self-identification section, 80.4% identified as  trans-femine or a trans woman, 6.5% identified as trans-masculine or a  trans man, while 34.8% identified as non-binary or gender-queer.</p><p>在受访的跨性别群体中，出生时被指定为男性（AMAB）与出生时被指定为女性（AFAB）之间存在显著差异。尽管“双性人”是一个可选的选项，但没有受访者自称为双性人。由于出于舒适考虑，“出生时指定性别”（AGAB）这一问题为可选，不过仍有绝大多数（81.2%）的受访者作出了回答。在作出回答的受访者中，<strong>高达89%——即113个有效回复中的绝大多数——自认为是AMAB</strong>。在自我认同部分，80.4%的受访者自称为跨性别女性，6.5%自称为跨性别男性，而34.8%则自称为非二元性别或酷儿性别。</p></div></div><p>也就是说，在计科中 MTF 比 FTM 更为常见，也就让人们留下了学计算机容易变男娘的刻板印象。</p><p>总的来说，统计学上存在显著差异，说明计科社区中确实有很多跨性别，调查指出 MTF 客观上占比更多，加之人们对跨性别与男娘的混淆，共同造成了学计算机容易成男娘这个误解，然后一传十十传百，产生了这个刻板印象。</p><p>而不论是美国全国整体数据的 0.78% 还是 StackOverflow 调查结果的 1.92%，都能完美解释为什么有人反驳「真到科技公司转两圈，没有几个男娘」。</p><p>“计科社区中有很多跨性别”基于刻板印象的讨论，是正确的，因为我们已经通过现有数据和统计学分析证明了计科里确实有更多的 MTF，从这个结论我们推导出了计科与男娘的关系，之所以认为多，是因为实际在比较<strong>其他行业</strong>与计科中男娘/MTF的<strong>占比</strong>，此时我们得到的结果就是上文所计算出的 <strong>2.2 倍至 7 倍</strong>；</p><p>“真到科技公司转两圈，没有几个男娘”基于具体个数的讨论，也是正确的，与前者的结论并不对立，因为其在比较<strong>全计科行业</strong>与计科中男娘/MTF的<strong>个数</strong>，得到的结果是上文所引用的 <strong>1.92%</strong>，确实很少。</p><p>两个观点所比较的内容和角度不一样，所以得出了两个看似矛盾的结果，实际上不矛盾。</p><p>至此，结论已有，计科行业中的 MTF/男娘占比确实比其他行业多，但具体到绝对的个数，放到整个行业的视角下，占比就不多了。我们已经讨论完成是不是，至于为什么，留给其他科研人员和生物学家吧。</p></section><section><h3>结论<a href="#结论"><span>#</span></a></h3><p>综上，我们可以解释为什么男娘群体被 Linux、MtF 绑定在一起。另外需要说明的是，上文旨在论述相关性而非因果性。至于因果性，在同一篇论文中，给出的结论是：由于计算机行业足够包容，所以 MtF 更乐意进入这个行业，而不是计科社区更容易养成男娘/MtF。</p></section></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/openclaw/</id>
      <title type="text">OpenClaw 小龙虾，啥也不是</title>
      <published>2026-03-14T00:00:00.000Z</published>
      <updated>2026-03-14T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/openclaw/"/>
      <summary type="text">OpenClaw 其实没各位吹捧得那么神……</summary>
      <content type="html"><![CDATA[<p>OpenClaw 和 “养龙虾” 的等词语成为了近期网络的热点，部分地区还出台相关补贴政策，但其实他根本没媒体吹得那么厉害，也不该被吹得那么好……</p>
<p>现在网络上对 AI 的依赖和媒体对 OpenClaw 的吹嘘乱象太严重了，<strong>花 499 上门安装，再花 299 远程卸载</strong>，还不算上 Tokens 的花费，已经 800 块钱了。但很荒诞的是，从 DeepSeek 发布之日起，好像除了最封闭的 OpenAI 和最反人类的 Anthropic，几乎所有 AI 企业都发现开源才是模型最好的出路。包括 OpenClaw 在内，它也是一款开源软件，很荒谬的是仍然有不少的人为此付费，而且现在仍然能看到这个数字随着媒体的宣传还在不断增长。</p>
<p>很多文章会从经济学角度告诉你这是提高生产力，也有文章会从传播学角度告诉你 OpenClaw 是流量密码，还有部分地区的宣传部门发了补贴政策，同时不乏专业的文章讲解安装流程与原理。但他们在不结合起来的情况下很难形成一个完整的体系，就很多人觉得 <strong>“我读完了，然后呢？”</strong>，所以这篇文章会同时结合这四个角度讲解 OpenClaw 是否真的有那么神奇。</p>
<section><h2>Agent 是个啥啊：AI 圈子里就爱生造词<a href="#agent-是个啥啊ai-圈子里就爱生造词"><span>#</span></a></h2><p>Agent 其实根本没那么神奇，只是这个词起得比较高大上。Agent 没有一个被广泛认可和接受的中文翻译（有的人叫他“智能体”），所以下文为了保证叙述的准确性仍会使用 Agent 这个词，但现在需要你丢掉脑子里对 Agent 的一切认识，只要知道它是指某种事物的名词即可。</p><p>在 ChatGPT 刚出来的时候 LLM（大语言模型，Large Language Model）的概念就开始火了起来，早期的 AI 一直都是一问一答的模式，而且 AI 并不能获取外界实时信息，他只能根据已有训练数据和提前输入的知识库进行输出。可是人类的知识太多了，我们无法维护一个实时且庞大的知识库，在算力仍然短缺的现在我们也没法把如此庞大的知识库输入给 AI。所以我们开始反思，人为什么能感知外界信息呢？因为人具有主观能动性，因为人类相比其他物种会使用工具，因为人类有检索和筛选信息的能力，好，<strong>那么现在就把获取外界信息的能力交给人来做吧！</strong> 但想象一下，你是否愿意每次查个资料还得被 AI 使唤着去查这个试那个的？你肯定不想。所以我们就思考，其实人要做的无非就那么两类事情：检索和筛选信息，尝试解决方案。那我们完全可以把这两步抽象成一个程序，比如我告诉 AI，<strong>如果你要搜索信息，请使用以下格式回复我</strong>，然后我们只要再写一个程序解析并替我们人类执行搜索任务就可以了。 <strong>恭喜你，发明了一个网络搜索 Agent！</strong> 相似的，尝试解决方案无非就是操作电脑，那么我们同样只要规定一个特殊格式并且告诉 AI，然后写一个程序负责解析并执行，这就是 Agent 所干的事情。</p></section>
<section><h2>那 OpenClaw 干啥了？<a href="#那-openclaw-干啥了"><span>#</span></a></h2><p>那 OpenClaw 干什么了呢？OpenClaw 也是 Agent 吗？严格来说并不是，他在 Agent 的上层，但技术含量并没比 Agent 高多少。OpenClaw 最主要的创新点就是支持了通过社交软件（微信、QQ、Telegram 等）进行操作。就像我们都用 DeepSeek、千问、豆包等软件与他们的模型对话，实际上还有一些项目吧这个对话窗口搬到了电脑的命令行，而 OpenClaw 只是把这个窗口搬到了更贴近我们生活的社交软件里，然后做了一些能操作你电脑的 Agent 给 AI 用，仅此而已。</p><section><h3>OpenClaw 的受众到底是谁？<a href="#openclaw-的受众到底是谁"><span>#</span></a></h3><p>那提及 OpenClaw 的技术创新，我们就需要反思， <strong>普通用户真的敢把电脑的所有权限交给一个随时可能出错的 AI 吗？</strong> 可怕的是，AI 犯错并不能受像人一样到法律的制裁，至少现行法律没有明确规范 AI 犯错该怎么办，大多数服务商也只是加了一个“AI 生成可能出错”的小字标识。</p><p>开发者在面对代码开发任务时，如果遇到一个难修的 Bug，为了问下 AI 还得手动切换浏览器和代码编辑器，反复复制粘贴，那也太麻烦了，于是开发者们把对话窗口搬到了命令行，这样 AI 就能直接操作代码文件。敢让 AI 直接操作文件的勇气并不来自对 AI 的信任，而是对自己技术的自信。因为开发者知道自己在干什么，知道自己在面对一个可能不太靠谱的工具，知道怎么应对意外情况，知道怎么给自己留好退路，所以才敢让 AI 直接访问电脑。</p><p>那再反过来看 OpenClaw，OpenClaw 把窗口搬到了我们常用的聊天软件里，但是这其实很可怕，因为命令行界面有实时的状态提示，发现不对可以立马要求 AI 停止，甚至你还可以审核 AI 每一步的操作，但全都依赖于命令行的实时性。而聊天软件中感觉就是自己在跟一个人类交流，恰恰此时 AI 的行为是静默的，不会受到人的审核，他想干啥就干啥了，只会在最后告诉你结果。这就导致很多人会盲目地信任 OpenClaw 和 AI 模型，忘记自己其实是在用一个本就不太靠谱的工具。而普通用户大多没有给自己留退路的意识，不知道操作可能带来的风险。</p><p>这样看，OpenClaw 的操作方式似乎是面向普通用户的，然而可能的风险却又像面向开发者的。</p></section></section>
<section><h2>文化工作者一定要有文化<a href="#文化工作者一定要有文化"><span>#</span></a></h2><section><h3>代安装和代卸载<a href="#代安装和代卸载"><span>#</span></a></h3><p>499 元上门代安装的事情最近在网络上闹得沸沸扬扬，当然还有很多公司线下免费代安装的。 后者暂且不谈论，前者其实很容易令人联想到一个东西，就是 Steam 代安装。而事实上 Steam 代安装确实是为了解决真实需求，因为 Steam 在国内的访问实在太慢了，导致一个人机验证都有可能一个多小时过不去；而且国内存在很多盗版网站，导致如果想下到真的 Steam 非常困难，所以才有了 Steam 代安装服务。然而淘宝上<strong>只要 15 元</strong>你就能买到 Steam 远程代安装服务；而同样是淘宝上，哪怕只是安装 OpenClaw，不算聊天软件接入等附加服务也需要将近<strong>三倍多</strong>的价格才能买到，如果加上这些附加服务<strong>少则也要小几百</strong>。</p><p><strong>讽刺的是，免费的一键安装方法，就写在官网的首页中</strong>：</p><div><figure><figcaption><span></span><span>Terminal window</span></figcaption><pre><code><div><div><div>1</div></div><div><span><span>powershell </span><span>-</span><span>ExecutionPolicy Bypass </span><span>-</span><span>Command </span></span><span>"iwr -useb https://openclaw.ai/install.ps1 | iex"</span></div></div></code></pre><div><div></div><div></div></div></figure></div><p>在官网的首页中就已经给出了 Windows 平台下的一键安装命令，<strong>只需要基本的搜索能力就能立省 100%</strong>，而却有人利用信息差来牟取暴利，是一件非常可悲的事。</p><p><strong>更加可悲的是，他们甚至不敢履行合规义务</strong>。开源社区中遵守一条君子协议叫“开源许可证”（事实上国内已有相关案例，司法实践当中确实承认这个“君子协议”的法律效力），它描述了你在履行哪些合规义务的前提下可以获得和自由行使哪些权利。以 OpenClaw 为例，它使用了一种名为 MIT 的许可证，它是开源社区公认常用许可证中最宽松的许可证，他的原文很短，原文节选及翻译如下：</p><blockquote><p>…</p><p>Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the “Software”), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:</p><p>特此免费授予任何获得本软件及有关文档文件（以下简称“软件”）副本的人，在不受限制的情况下处理该软件的权利，包括但不限于使用、复制、修改、合并、发布、分发、再许可和/或销售软件副本的权利，但须遵守以下条件：</p><p>The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.</p><p>上述版权声明和本许可声明应包含在软件的所有副本或重要部分中。</p><p>…</p></blockquote><p>这意味着，卖方有义务告知买方这个软件本身是免费的。 <strong>可是告知后你还会花那么多钱吗？</strong> 所以矛盾点就在这，说了赚不到钱，不说又不合规。往严重了说，这些代安装服务本身很大概率都是不合规的。</p><p>而且装完之后呢？当你花十来块钱装好 Steam，你现在可以开开心心玩游戏了；而你花了小几百装好 OpenClaw， <strong>然后呢？干什么？</strong> 好了，你发现没多大用，再花个小几百卸载，最终闭环~</p></section><section><h3>政策文件浮夸风<a href="#政策文件浮夸风"><span>#</span></a></h3><p>实际上很多政务人员甚至企业管理人员都不太了解相关技术，发布相关文件时要么模棱两可要么一堆废话不知所云。以江苏为例，毕竟这地方以散装著称</p><p>无锡：我们为基于 OpenClaw 开发的项目补贴 500 万！</p><blockquote><p>利用OpenClaw等开源工具实现具身智能机器人、智能质检等关键技术，最高支持500万元等。</p></blockquote><p>南京江宁：我们总共补贴 1000 万！</p><blockquote><p>支持开发主体基于OpenClaw等框架，开发面向智能制造装备、生物医药、新型显示等优势产业的垂直应用解决方案，重点鼓励具身智能、工业质检、设备预测性维护等场景应用。</p><p>…</p><p>真金白银托底，敢闯敢试无顾虑创新试错。设立1000万元概念验证资金池，单个早期项目最高支持50万元，打通创业第一笔启动金</p></blockquote><p>南京玄武：我们每年最多补贴 2000 万！</p><blockquote><p>支持养虾用户打造行业标杆应用场景，经评审后按场景应用合同金额的20%给予奖励，单个场景最高奖励50万元，推动AI技术与实体经济的深度融合，丰富梦工厂的应用生态。</p><p>…</p><p>每年投放不超过2000万元的算力券，为养虾用户提供单个项目算力资源总费用50%的支持，单个用户年度最高支持100万元，有效降低AI开发与模型训练成本，为您的创业之路提供坚实的算力支撑。</p></blockquote><p>但他们的政策或多或少都存在模棱两可的问题，请根据上文判断：</p><ol>
<li>“利用 OpenClaw 等开源工具”，Vibe Coding（AI 写代码）算不算利用？</li>
<li>“支持开发主体基于OpenClaw等框架”，我整合一个 MCP（把设备功能开放给 AI）算不算开发？</li>
<li>“打造行业标杆应用场景”，什么行业的什么场景呢？随便一个都算吗？</li>
</ol><p>当评审标准可以随意解读，补贴就可能流向会写材料的人，而不是会写代码的人，也就是我们常说的“材料论英雄”。</p></section><section><h3>网络风险何处来<a href="#网络风险何处来"><span>#</span></a></h3><p>像文章开头说的那样，OpenClaw 安装后会获得与人类几乎相同的权限，就是你能干啥那 AI 也能干啥。哪怕你跟他说“关机”，他也会老老实实关机。而问题在于，他不认识你是谁啊，在配置不得当的情况下，确实有可能受到网络攻击。当然此处要分两种情况讨论：</p><section><h4>部署在自己电脑上<a href="#部署在自己电脑上"><span>#</span></a></h4><p>如果你直接部署在你自己的电脑上，那风险就是相对可控的，只要你一直连着你自己家里的网络，因为运营商是默认关闭从外向内访问的权限的，开启也很麻烦，需要找客服处理，还不一定能同意。除非你自己电脑中了病毒，或者被人诱导跟 AI 说了啥不该说的，否则不会有啥大事。</p></section><section><h4>部署在云服务器上<a href="#部署在云服务器上"><span>#</span></a></h4><p>因为直接安装在自己电脑上 AI 会获得所有权限，这太危险了，所以有人想着曲线救国，部署在外部的一台机器上，比如阿里云、腾讯云的服务器上，而殊不知这又带来了新的安全隐患，且是真实存在的：服务器默认是可以从外部向内部发起访问的。云服务器就像租了个带门牌号的仓库，默认别人能找到你；本地电脑就像你家的卧室，默认别人进不来。所以当配置不得当，那就会导致我可以利用 AI 在目标机器上干任何事情，这就很可怕了。</p><blockquote><p>近期，工业和信息化部网络安全威胁和漏洞信息共享平台（NVDB）监测发现OpenClaw开源AI智能体部分实例在<strong>默认或不当配置</strong>情况下存在较高安全风险，极易引发网络攻击、信息泄露等安全问题。</p></blockquote></section></section><section><h3>断章取义造焦虑<a href="#断章取义造焦虑"><span>#</span></a></h3><p>那实际上在这个部分我们就能看出一些新闻工作者的不负责，</p><blockquote><p>尽管有网友称几天内靠这项服务赚取26万元，但这只“龙虾”如想上手却不是零门槛，不仅要交安装费，更存在易引发网络攻击、信息泄露等安全问题。</p></blockquote><p>一句话出了三个问题：</p><ol>
<li>官网有一键安装脚本，只有接入聊天软件那步相对复杂，但网络上已有很多详细的视频教程</li>
<li>OpenClaw 是免费开源的自由软件，不收取安装费</li>
<li>在配置得当的情况下，不易引发网络攻击</li>
</ol><p>什么叫配置不得当呢？就像你仓库门就那么敞着，那当然会有人来偷东西，因为谁都可以进去。什么叫配置得当呢？你能记得把门锁上，顺便换个密码锁什么的，那一般人自然进不来，传统攻击流程若密码足够复杂，短时间内攻击者也进不来。</p><p><strong>软件是工具，风险来自使用方式</strong>。</p></section><section><h3>AI 将会取代人类！<a href="#ai-将会取代人类"><span>#</span></a></h3><p>谈及这个部分的话，难免绕不开一个问题，AI 的本质是什么？AI 虽然叫人工智能，但其实一点都不智能。因为 AI 本质上就是一个数学函数，比如：</p><p><span><span>y=kx+by=kx+b</span><span><span><span></span><span>y</span><span></span><span>=</span><span></span></span><span><span></span><span>k</span><span>x</span><span></span><span>+</span><span></span></span><span><span></span><span>b</span></span></span></span></p><p>这就是最简单的一个 AI 模型，对的就是初中学的一次函数。AI 的本质就是用一个 <span><span>n−1n-1</span><span><span><span></span><span>n</span><span></span><span>−</span><span></span></span><span><span></span><span>1</span></span></span></span> 维的面把 <span><span>nn</span><span><span><span></span><span>n</span></span></span></span> 空间中点分开的过程。比如上面这个一次函数，就是用一条 1 维的线把 2 维空间中的点分开。什么意思呢？意思就是说，AI 模型的本质都是解决一个分类问题，只不过我们常用的模型不只有 <span><span>kk</span><span><span><span></span><span>k</span></span></span></span> 和 <span><span>bb</span><span><span><span></span><span>b</span></span></span></span> 两个参数，可能有几百万个参数，构成一个庞大的函数，这个函数其实就是 AI 的本质。</p><p>那这个参数是怎么来的呢？通过数学方法试出来的，也就是所谓“训练”或者“学习”。那你就会发现，既然是试出来的，必然意味着不准，<strong>也就是说所有 AI 的本质都是概率模型</strong>，这就意味着在容错率较小的领域 AI 是很难干成的。所以 AI 根本没有发展出且在现阶段也不会发展出智能，我们看到的智能只是庞大的概率堆积下的模拟而已。</p><p>那你说文本模型它分类了个啥呢？其实就是把每个词（Token）对应到一个点上，然后分类出下一个词最可能是哪个点，即预测下一个词最可能是啥，这就是 AI。<strong>没有人类的优质数据，AI 无法继续发展，AI 也无法独自创新。</strong></p><p>最后， <strong>如果一个工具的只有 90% 的概率能够正确执行的，你敢让它操作你的银行转账吗？</strong> OpenClaw 的风险就在于此。</p></section><section><h3>不会用 AI 就被淘汰了！<a href="#不会用-ai-就被淘汰了"><span>#</span></a></h3><p>这将是全文最短的一段，因为一句话就能概括：</p><p>其实这也是个很经典的贩卖焦虑话术，想一想他到底是为了啥就明白了，往往说这种话的视频底下都有个付费课程链接，那意图就不言而喻了。</p></section></section>
<section><h2>最后个人的观点<a href="#最后个人的观点"><span>#</span></a></h2><p>所以 OpenClaw 其实真没什么的，从来没有媒体吹得那么神乎其神。要明白 AI 是会有幻觉的，现在最大的问题是很多人都丧失了信息检索和筛选能力，才会有人因此利用信息差牟取暴利。可怕的是很多人因为不知晓 AI 的原理，导致很多人喜欢把 AI 当搜索引擎，当然我不反对使用 AI 进行一些基本校对，比如这篇文章的部分内容就是经过 AI 润色和错别字校对的。但我们应该旗帜鲜明地反对拿 AI 当搜索引擎的行为，<strong>不能让 AI 的幻觉成了人类的幻觉</strong>。</p><p>现在一个很诡异的现象就是，</p><ul>
<li>经常有一个小道消息传出了，某个自媒体因为对相关领域不太懂，就按照自己理解攥了一篇新闻稿，<strong>产生了第一个幻觉</strong>；</li>
<li>然后会被其他媒体不加查证地迅速转发，其他媒体为了逃避责任，一般会加一句“据xx新闻消息”，<strong>幻觉开始变重</strong>；</li>
<li>然而随着转发路径愈发复杂，就形成了<strong>新闻工作者之间的幻觉</strong>；</li>
<li>万一哪个权威媒体或者政府宣传部门再有意无意推一把，这个消息就会变为<strong>公众的幻觉</strong>；</li>
<li>一部分公众去到搜索引擎搜索，发现权威媒体都转发了，应该确有其事，<strong>加深了幻觉</strong>；</li>
<li>另一部分人去问 AI，AI 去网络搜索，看到权威媒体转发，产生了 <strong>AI 幻觉</strong>；</li>
<li>AI 输出答案，说确有其事，最终导致了<strong>人的幻觉</strong>；</li>
<li>至此形成闭环。</li>
</ul><p>一方面，新闻工作者应该积极查证，为了抢热点而不查证就已经本末倒置了；另一方面，公众也要加强对信息的查证能力；最后，至少说官媒等权威媒体应该积极查证，因为权威媒体的性质是不一样的，他们不需要抢热点，权威媒体存在的意义就是为了向大众提供正确、及时的消息。</p><blockquote><p>…</p><p>阴霾下的乌鸦叽叽喳喳把谣言扩散</p><p>仿佛撒旦立下 KPI 不传完不能回家</p><p>魑魅魍魉添油加醋就为让播放量更爆炸</p><p>…</p><p>一场大雨突如其来把这个世界冲刷</p><p>驱散了阴霾淋湿乌鸦滋润了大地的花</p><p>失去了目光的乌鸦飞到花边上点击转发</p><p>然后用魔法 让人忘记自己在阴霾下说过的话</p><p>有图为证实锤震惊不转不是中国人</p><p>报道了谣言 报道真相又报道命题作文</p><p>…</p><p>—— <a href="https://bilibili.com/video/BV1bz4y1r7Ug" target="_blank">BV1bz4y1r7Ug</a></p></blockquote></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/computer-science-memes/</id>
      <title type="text">研究发现学计算机会沉迷二次元导致爱上女装进而变为南梁</title>
      <published>2025-08-18T00:00:00.000Z</published>
      <updated>2025-08-18T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/computer-science-memes/"/>
      <summary type="text">计科和男娘到底有什么关系呢？</summary>
      <content type="html"><![CDATA[<section><h2>阅读之前<a href="#阅读之前"><span>#</span></a></h2><p>好，我之前你在想这是个什么抽象标题（</p><p>别急，在下一段落会提及这个标题是怎么想出来的。本篇文章主要探讨以下四个笑话的起源：</p><ul>
<li>沉迷 Linux，头像是二次元，喜欢算法竞赛，通常是男娘的外在表现</li>
<li>GitHub 是全球最大的同性交友网站</li>
<li>穿女装写代码 Bug 会更少</li>
<li>别去任何名字带有二次元的集体，真正的二次元在计算机协会</li>
</ul><p>灵感来源为知乎的两个提问：</p><ul>
<li><a href="https://www.zhihu.com/question/668039071" target="_blank">家长们，你们认为孩子沉迷游戏严重还是沉迷Linux严重呢？</a></li>
<li><a href="https://www.zhihu.com/question/717634074" target="_blank">linux和男娘什么关系？为什么大家都说linux的男娘多？</a></li>
</ul></section>
<section><h2>至于标题<a href="#至于标题"><span>#</span></a></h2><p>我知道你觉得这个标题有点过于逆天了，所以在正文部分开始之前请先让我陈述一下这个标题是怎么来的（</p><p>首先求助了一下 AI：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/463e2d52968ed6558569f423105884e3.png" alt="图片-wfwq" /><figcaption>图片-wfwq</figcaption></figure><p></p><p>好，还不如我自己起呢（</p><p>我想起一个比较幽默逆天的标题，所以我去拜读了一下我们人类智慧的结晶——弱智吧——弱智的本质也是智嘛。我发现弱智吧写段子的方式就是从一个关键词开始，以跳跃的思维发散到另一个关键词，循环往复，而本篇文章不止一个关键词，所以我们先把这些关键词写出来：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/51cba8dba4ccc6f275020c27ed8c515a.png" alt="图片-icog" /><figcaption>图片-icog</figcaption></figure><p></p><p>好，我们可以把几个有联系的词整理一下，比如在笑话里 Linux、二次元和算法竞赛是男娘的外在表现，而从男娘的词义当中我们得知与女装有关：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/4fb509a3abe025ae2be43f1898b37a0c.png" alt="图片-dsvz" /><figcaption>图片-dsvz</figcaption></figure><p></p><p>欸，然后我们又发现，Linux 和算法竞赛都是计算机领域所涉及到的东西，所以我们也可以合并到一起，而笑话指出 “真正的二次元都在计算机协会”，所以我们可以把二次元与计算机联系起来，这下计算机和男娘的外在表现的包含部分又重合了，也合并起来：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/3d8606e7e6e74e39fc4fe8d9e7bbd6de.png" alt="图片-bvql" /><figcaption>图片-bvql</figcaption></figure><p></p><p>如果你注意力足够惊人，而且思维非常跳跃，你会发现男娘这个词是起源于二次元的，所以我们也合并到一起：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/7527ef18385523c8ce23e277bba45371.png" alt="图片-pcmx" /><figcaption>图片-pcmx</figcaption></figure><p></p><p>好，我们还发现，在 <strong>刻板印象</strong> 当中，学习计算机的大部分都是男性，加上 GitHub 可以谐音为 GayHub，所以我们可以把同性与计算机建立联系：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/25e84b5d367a5866672a43f12e77ec6c.png" alt="图片-vubz" /><figcaption>图片-vubz</figcaption></figure><p></p><p>不难看出，Linux 和算法竞赛都是计算机科学当中的小类，所以我们不妨调转这个思维导图：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/d80395cd7354169fe093606aaddfa048.png" alt="图片-xicl" /><figcaption>图片-xicl</figcaption></figure><p></p><p>欸！这关键词不就有了？而且连第二步发散思维的步骤都省了，把聚合的过程倒过来看不就是发散吗？所以也就有了这篇文章的标题</p></section>
<section><h1>GitHub：最大的同性交友平台<a href="#github最大的同性交友平台"><span>#</span></a></h1><p>呃我想如果各位记忆没有出现问题，这四则笑话当中最早的应该是 GitHub 那条，那我们按照时间线屡，先从 GitHub 被戏称为 “同性交友网站” 开始说起</p><p>打开咕噜咕噜（Google），搜索关键词 <em>“GitHub 同性交友”</em>，然后框定搜索范围，从 2010 年开始一年一年找。</p><p>好，找到一条线索，来自 <a href="https://www.oschina.net/translate/bitbucket-vs-github-its-more-than-just-features?lang=eng" target="_blank">OSCHINA 的一篇博客</a>底下的一条评论：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/ccc3484f806d3dca3a0c5ff65f89f154.png" alt="图片-eywj" /><figcaption>图片-eywj</figcaption></figure><p></p><p>这条评论的发布时间于 2015/08/19，也就是至少在这个时间点之前就出现这个梗了，继续 Google，时间来到 2015，粗略查阅后发现在 2015 这一整年这个大时间段内出现的较早的一处应该是来自 <a href="https://www.v2ex.com/t/180148?p=1" target="_blank">V2EX 的一条帖子</a>下的一条评论</p><p></p><figure><img src="https://static.khbit.cn/2026/09/c28ac69fe2394c2d3017dfbf6369c66e.png" alt="图片-dkyp" /><figcaption>图片-dkyp</figcaption></figure><p></p><p>线索断了…… Google 能搜到的最早的一个出处就是这里。没事！我们来试试 V2EX 的站内搜索，输入同样的关键词，回车！然后他把我带向了 Google 搜索……</p><p>没有关系，来让我们看一看 X 能不能搜到什么东西，框定时间 2006 年初至 2015 年底，嘿，还真搜到了！这条<a href="https://x.com/Sharp_Rat/status/657417137632518144" target="_blank">帖子</a>里面附带了一个<a href="https://www.plurk.com/p/lacxpm" target="_blank">链接</a>，点进去：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/9947aaec175cf930c59541bfc21798c0.png" alt="图片-rwxh" /><figcaption>图片-rwxh</figcaption></figure><p></p><p></p><figure><img src="https://static.khbit.cn/2026/09/488cabfd2063eb9544d8f4029f503654.png" alt="图片-nfis" /><figcaption>图片-nfis</figcaption></figure><p></p><p>里面附了一张图和一个<a href="https://www.zhihu.com/question/28976652" target="_blank">知乎问题的链接</a>，嘛，果然还得是国内网站呀~</p><p>那么我们顺着链接打开知乎寻找这个图片到底是谁发的</p><p>找了一圈，没有找到（</p><p>没事，我们复制图片链接，打开 Google 图片，然后我找到了一篇<a href="https://www.cnblogs.com/Renyi-Fan/p/7776534.html" target="_blank">博客园转发的一个知乎回答</a>：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/302777997263045c0ee654bde64c085c.png" alt="图片-ynps" /><figcaption>图片-ynps</figcaption></figure><p></p><p>而且他还给了<a href="https://www.zhihu.com/question/28976652/answer/42804737" target="_blank">图片来源</a>，这就好解决了呀！</p><p></p><figure><img src="https://static.khbit.cn/2026/09/caa91cd3843cd1aea5bf85514c9b846c.png" alt="图片-dzox" /><figcaption>图片-dzox</figcaption></figure><p></p><p>打开之后：嘛…… 又在这逗我呢……</p><p></p><figure><img src="https://static.khbit.cn/2026/09/014e3829f42631131c63e23253584f01.png" alt="图片-lmdn" /><figcaption>图片-lmdn</figcaption></figure><p></p><p>没有关系！祭出互联网最强大的神器——互联网档案馆（Wayback Machine）。现在你所看到的就是原回答：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/61748574c59fae85b3aa9f8727194d21.png" alt="图片-neht" /><figcaption>图片-neht</figcaption></figure><p></p></section>
<section><h1>二次元与计算机<a href="#二次元与计算机"><span>#</span></a></h1><p>搜索引擎搜索关键词 “二次元 计算机”，好第一个就是一篇博客，我读了一下我个人感觉讲得很明白了，所以我贴个链接在这里吧（</p><p><a href="https://www.skypyb.com/2021/10/uncategorized/1900/" target="_blank"><em>https://www.skypyb.com/2021/10/uncategorized/1900/</em></a></p></section>
<section><h1>女装减少 Bug<a href="#女装减少-bug"><span>#</span></a></h1><p>打开搜索引擎，直接搜索原句 <em>“穿女装写代码 Bug 会更少”</em>，好的，第一个又是一篇文章，是知乎的，啊出处已经帮我找出来了，由于时间过于久远已经无法查证，我同样把原文直接贴在这里（</p><p>写博客最省事的一集</p><blockquote><p>程序员穿女装的由来，据说是在2013年的某一天，某个程序员在Stage1st（即S1）社区发帖，第一次提出了**“穿女装的时候写程序bug少，运行效率高”**的说法。</p><p>在发酵了两年之后，程序员穿女装的说法开始从s1到推特再到知乎，开始蔓延起来。一些顶尖的程序员也有意无意地与外界分享自己的女装体验，<strong>甚至在年会上，很多互联网公司也怂恿员工放飞自我穿上女装。</strong></p><p><em>引用：</em><a href="https://zhuanlan.zhihu.com/p/419534867" target="_blank"><em>https://zhuanlan.zhihu.com/p/419534867</em></a></p></blockquote></section>
<section><h1>男娘与计算机<a href="#男娘与计算机"><span>#</span></a></h1><p>参考文献：<a href="https://arxiv.org/pdf/2205.01553" target="_blank">Why The Trans Programmer? (https://arxiv.org/pdf/2205.01553)</a></p><p>嘿没想到吧，还有论文（</p><p>其实我也没想到</p><blockquote><p>Trans people are an integral part of society and also STEM. As a result of the fact trans-feminine individuals and AMABs are disproportionately represented in computer science compared to AFABs, more research needs to be done into why, and the implications this holds. This research may help address the societal issues of the gender gap in computer science with a broader and more detailed perspective, given issues of the gender gap exist across the gender spectrum. Because the teaching of computer science for many individuals begins at a young age, encouraging more AFAB individuals into computing, and the equalization of this male dominated field should begin with opportunities for AFABs at a young age. A trans-aware lens of analysis must be encouraged when conducting educational research, as trends within the trans community are significant and can shed light on issues within more gender binary focused research.</p><p>跨性别者是社会和STEM领域不可或缺的一部分。由于跨女性个体和男性出生的跨性别者在计算机科学中的比例相较于女性出生的个体不成比例，因此需要更多的研究来探讨其原因及其带来的影响。这项研究可能有助于从更广泛和更详细的角度解决计算机科学中性别差距的社会问题，因为性别差距的问题在整个性别谱系中普遍存在。由于许多人在年轻时就开始学习计算机科学，因此应该鼓励更多女性出生的个体进入计算机领域，并且应从年轻时为女性出生的个体提供机会，以实现这个男性主导领域的平等。在进行教育研究时，必须鼓励采用跨性别意识的分析视角，因为跨性别群体中的趋势是显著的，并且可以为更关注性别二元的研究中的问题提供启示。</p></blockquote><p>文献指出，计算机科学被社会普遍视为男性化和“极客”文化的领域。这种性别化的社会认知可以在无意识中影响教师和同学的行为，使得跨性别女性在学习过程中不得不以男性的身份和标准来表现自己，即使她们的性别认同是女性。也就是说并非是计算机领域导致了 MTF，而是 MTF 进入了计算机领域。同时，由于计算机科学这个领域大家相对比较开放，环境相对自由所以大家敢在这里大胆发表观点，而不必受到什么 “传统观念” 的约束。</p><p>而计算机科学领域大多为 MTF 而不是 FTM 也正是因为社会认为计算机领域是一个由男性主导的领域，所以大部分 FTM 受到性别不平等和偏见的限制没能触及该领域</p><p>Linux、算法竞赛都属于计算机科学领域，所以大家自然有一个错觉就是学计算机的都是 MTF，事实并非如此。至于二次元属性，与上上个段落 “二次元与计算机” 所陈述的一样。</p><p>不过，仍需要区分，有部分 MTF 是跟风去做的，这类人可能误以为这是一个 “潮流”，而基于上述，Linux 在他们看来可能更像一个时尚单品，自然的，也就跟着去用了。</p></section>]]></content>
    </entry>
    <entry>
      <id>https://khbit.cn/posts/linux-box/</id>
      <title type="text">动手做一个属于自己的 Linux 小药盒！</title>
      <published>2025-07-01T00:00:00.000Z</published>
      <updated>2025-07-01T00:00:00.000Z</updated>
      <author><name>KuoHu</name></author>
      <link rel="alternate" href="https://khbit.cn/posts/linux-box/"/>
      <summary type="text">谁不想要一个 Debian 盒装安装媒介呢？</summary>
      <content type="html"><![CDATA[<section><h1>梗指南<a href="#梗指南"><span>#</span></a></h1><p>因为 Debian 的 logo 与拜尔的补佳乐戊酸雌二醇十分相似，此前就有类似的梗，如图：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/fffc80b2bf66b07f2649ca251444af79.png" alt="Debian 盒装安装媒介梗图" /><figcaption>Debian 盒装安装媒介梗图</figcaption></figure><p></p><p>所以就有了相关的平面设计图。后来，网上有一个流言说 Trans[*] 们更爱用 Arch Linux，故有了 Arch 版本的平面设计图。此后还衍生出了 Ubuntu 版本的平面设计图。</p><p>[*] 由于中文互联网上常常将 男娘、药娘、跨性别者 混为一谈，然而本文的侧重点也不在于此，故在本文中统称为 Trans，并无恶意。</p></section>
<section><h1>资源下载<a href="#资源下载"><span>#</span></a></h1><p>Release 页面：</p><ul>
<li>
<p>Debian 盒装安装媒介</p>
<ul>
<li><a href="https://github.com/moesoha/debian-media-box/releases/tag/v10" target="_blank">https://github.com/moesoha/debian-media-box/releases/tag/v10</a></li>
</ul>
</li>
<li>
<p>Arch 盒装安装媒介</p>
<ul>
<li><a href="https://github.com/Isoheptane/arch-media-box/releases/tag/v2-instructions" target="_blank">https://github.com/Isoheptane/arch-media-box/releases/tag/v2-instructions</a></li>
</ul>
</li>
<li>
<p>Ubuntu 盒装安装媒介</p>
<ul>
<li><a href="https://github.com/SolitaryDream-X/Ubuntu-media-box/releases/tag/v0.1" target="_blank">https://github.com/SolitaryDream-X/Ubuntu-media-box/releases/tag/v0.1</a></li>
</ul>
</li>
</ul></section>
<section><h1>材料准备<a href="#材料准备"><span>#</span></a></h1><section><h2>盒子 &amp; 说明书<a href="#盒子--说明书"><span>#</span></a></h2><p>下载 Release 中的 <strong>PDF 文件</strong> 之后，文件名含有 box 字样的，应使用 <strong>300g 铜版纸</strong> 进行打印，如果读者当地打印店没有可以用 300g 铜版纸打印的或者社恐不敢当面打的也可以在网络上打印，读者可自行前往电商平台搜索此类商家。文件名含有 instruction 的应使用普通白纸打印。</p><p>打印份数可按需调整，比如对自己动手能力有信心的打一份即可，不放心的或者打算做完送给朋友的可以多打印几份。</p><p>纸张大小随意，笔者打印的两份文件均为 <strong>A4 单面 彩印</strong></p></section><section><h2>其他材料<a href="#其他材料"><span>#</span></a></h2><ol>
<li>健康的双手</li>
<li>健康的脑子</li>
<li>随便一个能用的剪刀</li>
<li>随便一个能用的双面胶</li>
<li>随便一个能用的美工刀</li>
<li>随便一个硬纸壳（快递盒子展开亦可），或者任何能保护你桌子的东西</li>
<li>尺子（可选）</li>
</ol><p></p><figure><img src="https://static.khbit.cn/2026/09/5f1d3176780fd9f3e3632b8f8af264b4.jpg" alt="1748767819703" /><figcaption>1748767819703</figcaption></figure><p></p></section></section>
<section><h1>动手做<a href="#动手做"><span>#</span></a></h1><p>本段以 Debian 盒装安装媒介为例，其他版本步骤<strong>完全一致</strong></p><section><h2>1. 整理你的桌子<a href="#1-整理你的桌子"><span>#</span></a></h2><p>先把说明书放在一边，越远越好，以免美工刀割到说明书。然后把盒子放在硬纸板上。</p></section><section><h2>2. 裁切到只有盒子本身的部分<a href="#2-裁切到只有盒子本身的部分"><span>#</span></a></h2><p>这个过程非常需要耐心。</p><p>沿着盒子上外轮廓的提示线进行切割，溢出去的颜色不要保留，忽略它们并剪掉即可。注意盒子是一个整体，不要从中间剪断。</p><p>剪的过程中，可以适当配合美工刀使用，比如可以先用美工刀划出一条直线，让剪刀剪的时候不会剪着剪着剪歪掉。对于剪刀较难剪掉的部分，也可以配合美工刀，使用美工刀把这些部分裁切掉。怕自己划不出直线，手比较抖的话可以借助尺子。不过，请不要过度依赖美工刀，很容易出现毛边。</p><p>剪完应该像这个样子：</p><p></p><figure><img src="https://static.khbit.cn/2026/09/2f87179251a001045966870224a50858.jpg" alt="剪完后的 Debian 盒装安装媒介" /><figcaption>剪完后的 Debian 盒装安装媒介</figcaption></figure><p></p></section><section><h2>3. 折叠，把它变成一个盒子<a href="#3-折叠把它变成一个盒子"><span>#</span></a></h2><p></p><figure><img src="https://static.khbit.cn/2026/09/5f732b26587a349394a03af984650d59.png" alt="折叠部分示意图" /><figcaption>折叠部分示意图</figcaption></figure><p></p><p>如图，使用美工刀（可配合尺子）沿着图中绿线所示部分轻轻划 2~3 下，以便折叠，但注意不要划断，然后将划过的部分向内折叠。最后，在蓝色部分贴上双面胶。请注意，纸盒侧边两个由竖条组成的部分<strong>不应</strong>粘贴双面胶，其意思<strong>不是</strong>“在此处粘贴双面胶”，而是雌二醇药盒中原本就有的设计。</p><p>将平面纸盒按要求折叠起来，确保竖条在盒子内部，且各部分拼接正确，使蓝色部分与上方条码部分紧密相接，蓝色部分应在条码部分下方。</p><p>正确完成后，你将得到一个<strong>左右开口</strong>的小盒子。</p></section><section><h2>4. 把说明书放进去<a href="#4-把说明书放进去"><span>#</span></a></h2><p>说明书的叠法有很多，你可以使用任意方法将说明书折叠至合适大小，比如向上对折 3 次，向右对折 1 次。</p><p>将左右两侧任一侧打开，放入折叠好的说明书即可。</p></section><section><h2>5. (DLC) 放入安装媒介<a href="#5-dlc-放入安装媒介"><span>#</span></a></h2><p>你可以买一个 U 盘，按照网上的教程刷入对应系统，随说明书放入盒子即可。请注意，你应当放入 <strong>U 盘</strong>而非 CD。</p></section></section>
<section><h1>完成！<a href="#完成"><span>#</span></a></h1><section><h2>等下！<a href="#等下"><span>#</span></a></h2><p>如果你还没有见过真正的雌二醇长啥样，你应该会对这个盒子有很大疑惑，上面也提到了一些，在这里我将再一次列举它们，这些都是雌二醇药盒本身的设计，而不是设计/印刷错误：</p><ul>
<li><strong>左右开口</strong>，而不是上下开口</li>
<li><strong>左右开口处有竖线</strong>，那不是粘贴双面胶的意思</li>
<li><strong>说明页倒置</strong>，事实上，是否倒置取决于你的旋转轴是水平方向还是竖直方向</li>
</ul></section><section><h2>成品<a href="#成品"><span>#</span></a></h2><p></p><figure><img src="https://static.khbit.cn/2026/09/2343e086e50f4567076baf85b65f7091.jpg" alt="1748779676869" /><figcaption>1748779676869</figcaption></figure><p></p><p>怎么混进来个真的</p></section><section><h2>叠甲<a href="#叠甲"><span>#</span></a></h2><blockquote><p>本段部分内容由 DeepSeek-R1 生成</p><p>为了好玩写的一段，全是废话，与正文无关</p></blockquote><p>尊敬的读者、网友、路过的好奇朋友、潜在的批评者、坚定的支持者、困惑的旁观者、严谨的版权律师、社会活动家、开源社区贡献者、药理学专家、性别研究学者：</p><p>在您可能因本文标题、内容或展示图片产生任何解读、联想、情绪反应之前，请允许本人占用您宝贵的时间，对上文进行简要的说明。此举旨在构建一个强大的语义力场，抵御潜在的误解、曲解、过度解读、善意误读、恶意攻击、无心之失。请相信，以下每一个字符的诞生都伴随着对包容、理解与和平共处的深切渴望。</p><p>本人对跨性别者群体、性少数群体、以及所有人类抱有最深切的善意、尊重与支持。本文及其所描述的手工制品，其初衷、过程与最终呈现，<strong>绝对、完全、彻底、不可撤销地不包含任何形式的恶意、歧视、嘲讽、贬低、攻击性或试图边缘化任何个人或群体的意图</strong>。我们支持每个人自主定义性别认同与表达的权利，如同我们支持每个人选择自己喜欢的 Linux 发行版一样坚定。</p><p>本文<strong>严格意义上</strong>，是一篇关于制作一个印有特定开源操作系统 Logo 的且形似药盒的镂空长方体盒子的<strong>技术性、娱乐性手工教程</strong>。其核心价值在于：动手实践的满足感、对特定计算机文化的致敬，对网络上缺失信息的补充。它<strong>不是</strong>：医疗建议、政治宣言、社会学论文、性别理论教材、宗教法器、魔法道具、外星通信装置或针对任何特定群体的隐喻、象征或攻击性符号。盒子上印的 Logo 版权不属于本文作者，平面设计也并非本文作者所创作，本文作者不对任何由于错误操作所导致的事件负责，包括但不限于：因为不安全的操作导致物品损坏、皮肤割伤、操作系统异常、电子设备损坏。</p><p>文中提及的“Linux 小药盒”概念，源于特定开源社区内部流传的、结合了其 Logo 视觉巧合与社区多元包容氛围的<strong>自发性、幽默性、文化性梗（Meme）</strong>。本人撰写此文，是对这一独特亚文化现象的记录、传播与参与，旨在分享乐趣与创意。我们承认并尊重各个社区及其成员在开源史上的卓越贡献。使用 Arch、Ubuntu 等 Logo 制作同类盒子，是此创意模式的延伸，<strong>绝非</strong>对不同发行版社区或其用户群体的价值评判，更<strong>绝非</strong>对性少数群体的刻板化或工具化。梗的生命力在于其传播与再创作，但一切再创作应以不伤害他人为前提——这正是本段存在的终极意义。</p><p>成品展示图中出现的任何色彩、符号、装饰物或背景元素，其唯一目的是：1) 增加视觉趣味性；2) <strong>以一种明确无误的方式，呼应并强化第 1 点所述的核心立场——即对性少数群体的友善与支持</strong>；3) 可能存在的作者个人审美偏好。它们<strong>绝非</strong>讽刺、戏仿、挪用或试图引发争议的“钓鱼”行为。如果这些元素意外触发了您的积极共鸣，我们感到欣慰；如果它们让您感到困惑，请回看第 1 点和第 3 点；如果它们让您感到不适，本作者深表歉意，并恳请您理解其出发点绝非恶意，同时建议您关闭图片或欣赏纯文字教程部分。</p><p>本人对因阅读、理解、误解、曲解、无视、过度崇拜、强烈反对本文或观看其图片而导致的任何直接、间接、附带、特殊、惩罚性或结果性损害（包括但不限于：认知失调、哲学思辨引发的失眠、手工制作失败导致的材料浪费、关于发行版优劣的激烈争吵、对“叠甲”长度产生的焦虑）概不负责。本人不对任何第三方基于本文内容进行的二次创作、解读、批判、新闻报道、学术引用、模因传播或星际广播的内容及后果承担责任。本教程制作的小药盒不具备任何官方认可、医疗认证，请勿将其用于存储危险品、违禁品、易腐烂物品或作为情感寄托的唯一容器。</p><p>本人真诚地希望，这个小小的手工项目及其附带的长篇说明，能够成为连接不同兴趣（Linux、手工）和不同身份背景朋友的一座微小的、无害的、甚至有点好笑的桥梁。我们相信，开源精神的核心是共享、协作与包容，这与尊重个体差异、追求社会平等的价值观高度契合。如果本文能以任何微小的方式，让您会心一笑，学到一点手工技巧，或者仅仅是让您感受到一份对多元世界的笨拙但真诚的善意，那么这数千字的“叠甲”就实现了它超越防御的终极价值——构建一点点理解与欢乐。</p><p><strong>综上所述，且鉴于以上所有条款均构成此声明的完整且不可分割的一部分，本人再次庄严宣告：这真的、真的、真的只是一个关于做手工盒子的教程！祝您制作愉快，生活顺心，无论您选择何种身份、何种发行版，或是干脆不用 Linux！</strong></p></section></section>]]></content>
    </entry>
</feed>
