- 博客(4414)
- 资源 (11)
- 收藏
- 关注
RSS订阅原创 （LangGraph教程）6. Deployment部署——Lesson 5：Assistants助手（未索引）
例如，我需要一个用于个人任务的助手，另一个用于工作事务的助手。对我而言，是能够为不同类别的任务分别维护待办事项列表。下方更新后的代码先创建一个备用助手，然后将其删除。类似地，我们也可以为我的个人助手添加待办事项。让我们为我的工作助手添加一些待办事项。这是我将用来管理个人任务的个人助手。例如，我们可以删除不再使用的助手。应用中，助手的实际用例是什么？这是我们部署图时创建的默认助手。让我们更新此助手，为其添加我的。现在，让我们创建一个工作助手。我将用它来处理我的工作任务。助手将保存至我们部署中的。
2026-09-30 15:05:44
44
原创 （LangGraph教程）6. Deployment部署——Lesson 4：Double Texting重复发送消息（未索引）
We can see我们可以看到所有方法均已汇总。
2026-09-30 15:01:32
44
原创 （LangGraph教程）6. Deployment部署——Lesson 3：连接已部署的服务（未索引）
我们的部署包含一个 PostgreSQL 数据库，用于存储这些长期（跨线程）内存。将 token 流式传输回客户端，在处理可能耗时较长的生产环境智能体时尤为有用。这将保留现有线程的历史记录，同时允许我们创建独立运行，且不会影响原始线程。在我们的部署中，可通过 LangGraph SDK 使用多种方法。如果我们希望等待运行完成，使其变为阻塞式运行，该怎么办？后台运行和轮询在处理长时间运行的智能体时非常有用。这确保在当前线程上的运行完成前，不会启动新的运行。，服务器支持我们讨论过的全部人工介入循环功能。
2026-09-30 14:59:13
57
原创 （LangGraph教程）6. Deployment部署——Lesson 1（2）：创建部署（未索引）
创建并运行 LangGraph 服务器容器，并传入 Redis 和 PostgreSQL 的 URI。如果你已有正在运行的 Redis 和 PostgreSQL（例如，在本地或其他服务器上），则可。Docker 镜像是 Docker 容器的模板，其中包含运行应用所需的代码和依赖项。该操作会将我们的图及其依赖项打包进一个 Docker 镜像。是用于创建 LangGraph 平台部署的命令行接口。，并添加以下环境变量，即可运行已部署的。让我们为我们在模块 5 中创建的。，我们将按几个步骤操作。
2026-09-30 14:57:09
45
原创 （LangGraph教程）5. Long-Term Memory长期记忆——Lesson 5：构建具有长期记忆的智能体（未索引）
我们添加一个简单路由器，用于对是否保存记忆作出二元决策。Trustcallin the内存集合的更新仍由节点中的Trustcall处理，与之前一致！
2026-09-30 14:44:09
60
原创 （LangGraph教程）5. Long-Term Memory长期记忆——Lesson 4：Memory Schema+Collection记忆结构与记忆集合（未索引）
我们不会将用户信息存储在固定的档案结构中，而是创建一个灵活的集合模式，用于存储关于用户交互的记忆。content每条记忆将作为独立条目存储，仅含一个content字段，用于保存我们希望记住的主要信息。该方法使我们能够构建一个开放式的记忆集合，随着对用户的了解不断加深而持续扩展与演进。Pydanticobject.我们可以将集合模式定义为一个Pydantic对象。chat model我们可以使用 LangChain 的聊天模型chat model接口的 with_structured_output。
2026-09-30 14:37:27
36
原创 （LangGraph教程）5. Long-Term Memory长期记忆——Lesson 3：Memory Schema + Profile记忆结构与用户档案（未索引）
PydanticPython 提供了多种用于结构化数据的类型，例如 TypedDict、字典、JSON 和Pydantic。让我们首先使用 TypedDict 来定义用户档案模式。
2026-09-30 14:33:29
32
原创 （LangGraph教程）5. Long-Term Memory长期记忆——Lesson 1（2）：LangGraph Store记忆存储（未索引）
The提供了一种在 LangGraph 中跨线程存储与检索信息的方式。This is ankey-valuestores.这是一个开源基类，用于持久化的键值（key-value）存储。Store向Store中存储对象（例如记忆）时，我们需要提供：Thenamespace对象的命名空间（namespace），为一个元组（类似于目录结构）the objectkey对象的键（key）（类似于文件名）the objectvalue对象的值（value）（类似于文件内容）We use theput。
2026-09-30 14:29:04
43
原创 （LangGraph教程）4. Building Your Assistant——Lesson 4：Research Assistant研究助手（未索引）
然而，研究需要定制化：原始 LLM 输出往往难以直接适用于现实世界的决策工作流。接下来，我们将整合这些理念，以应对人工智能领域最受欢迎的应用之一：研究自动化。此处，我们运行访谈流程，并传入一篇与主题相关的 llama3.1 论文索引。最后，我们将创建用于保存完整访谈内容以及撰写访谈摘要（即“章节”）的节点。我们的目标是围绕聊天模型构建一个轻量级的多智能体系统，以定制研究流程。现在，我们创建用于网络和维基百科搜索的节点。我们还将创建一个用于回答分析师问题的节点。工作流是解决此问题的一种有前景的方法。
2026-09-30 01:00:57
95
原创 （LangGraph教程）4. Building Your Assistant——Lesson 3：Map-Reduce映射-归约（未索引）
自录制这些视频以来，我们已更新 Studio，使其支持本地运行并通过浏览器访问。为构建这一多智能体助手，我们已陆续介绍了若干 LangGraph 可控性主题。我们正在构建一个多功能智能体研究助手，该助手将整合本课程所有模块的内容。—— 将一项任务拆分为若干更小的子任务，并对每个子任务进行并行处理。推荐采用此方式运行 Studio，而非视频中演示的桌面应用。—— 汇总所有已完成的并行化子任务的结果。现在，我们只需定义一个用于生成笑话的节点。使用其自身的内部状态，而我们可通过。
2026-09-30 00:59:26
19
原创 （LangGraph教程）4. Building Your Assistant——Lesson 2：Sub-graphs子图（未索引）
我们可以为每个子图简单地创建一个输出状态结构，并确保该输出状态结构包含不同的键，以便作为输出发布。这对多智能体系统尤其有用——例如由多个智能体组成的团队，每个智能体都拥有自己的状态。我们正在构建一个多功能智能体研究助手，该助手将本课程所有模块整合在一起。我们刚刚学习了并行化，这是 LangGraph 可控性的一个重要主题。子图允许你在图的不同部分创建和管理不同的状态。由于并行子图返回相同的键，因此需要一个类似。我们来定义将输入到图中的日志的结构。的归约器，以合并各子图传入的值。以下是问题摘要子图，它使用。
2026-09-30 00:57:32
152
原创 （LangGraph教程）4. Building Your Assistant——Lesson 1：Parallel node execution并行节点执行（未索引）
使用扇出时，若多个步骤向同一通道 / 键写入数据，则必须确保使用归约器（reducer）。自录制这些视频以来，我们已更新 Studio，使其现在可本地运行并通过浏览器访问。（多代理）工作流，并最终构建一个整合本课程所有模块功能的多代理研究助手。不过，我们可以使用自定义归约器来自定义此行为（例如对状态更新进行排序）。这是运行 Studio 的首选方式，而非视频中展示的桌面应用程序。我们来构建一个简单的线性图，使其在每一步都覆写状态。然而，在每一步内部，我们无法精确控制状态更新的顺序！
2026-09-30 00:55:55
67
原创 （LangGraph教程）3. UX and Human-in-the-Loop——Lesson 5：Time travel时间旅行（未索引）
随后，我们展示了如何基于人工审批继续执行，或直接利用人工反馈编辑图状态。现在，当我们进行流式输出（stream）时，图知道该检查点尚未被执行过。——我们可以中断代理运行，将当前状态呈现给用户，并允许用户接受某项操作。我们展示了断点如何在特定节点处暂停图的执行，或让图动态地自行中断。我们可以看到，代理的当前状态已更新为我们的分叉结果。让我们运行代理，并对每个节点调用后的图状态流式输出。因此，要覆盖该消息，我们只需提供其消息 ID，即。现在，我们可以看到当前状态已是代理运行的最终状态。
2026-09-30 00:50:54
116
原创 （LangGraph教程）3. UX and Human-in-the-Loop-——Lesson 4：Dynamic breakpoints动态断点（未索引）
自录制这些视频以来，我们已更新 Studio，使其现在可本地运行并通过浏览器访问。我们介绍了断点作为一种通用机制，用于在特定步骤处停止图的执行，从而支持。——我们可以中断代理执行，将当前状态呈现给用户，并允许用户接受某项操作。（1）您可以有条件地触发中断（即在节点内部、基于开发者定义的逻辑）这是运行 Studio 的首选方式，而非视频中展示的桌面应用。让我们使用一个长度超过 5 个字符的输入来运行该图。除非状态被修改，否则我们将一直卡在此处。我们可以尝试从该断点恢复图的执行。但这样只会重新运行同一个节点！
2026-09-30 00:48:24
206
原创 （LangGraph教程）3. UX and Human-in-the-Loop-——Lesson 3：Editing graph state编辑图状态（未索引）
自录制这些视频以来，我们已更新 Studio，使其现在可本地运行并通过浏览器访问。我们设置一个检查点器（checkpointer），以保存图在此节点之前的状态。中添加断点，但 API 的一个非常实用的功能是：我们可以直接传入断点！我们已演示断点如何支持用户审批，但尚不清楚图被中断后如何修改图状态！我们用它来中断图，并在执行下一个节点前等待用户审批。现在，让我们演示如何直接编辑图状态并插入人工反馈。我们将在代理中添加一个节点，作为人工反馈的占位符。因此，显然我们可以在断点之后编辑代理状态。
2026-09-30 00:46:12
149
原创 （LangGraph教程）3. UX and Human-in-the-Loop-——Lesson 2：Breakpoints断点（未索引）
自录制本视频以来，我们已更新 Studio，使其现在可本地运行并通过浏览器访问。为清晰起见，LangGraph 将重新发出当前状态，该状态包含带有工具调用的。我们看到工具节点使用该工具调用执行，并将结果传回聊天模型以生成最终答案。现在，让我们将上述内容整合起来，加入一个接受用户输入的具体人工审批步骤。——我们可以中断代理执行，将当前状态呈现给用户，并允许用户批准某项操作。随后，它将继续执行图中的后续步骤，这些步骤以工具节点为起点。（人在回路中），我们通常希望在图运行时实时查看其输出。
2026-09-30 00:44:21
207
原创 （LangGraph教程）3. UX and Human-in-the-Loop——Lesson 1: Streaming流式传输（未索引）
做好铺垫，我们将首先深入流式传输，它提供了多种方式来可视化图执行过程中的输出（例如节点状态或聊天模型生成的 token）。让我们复用模块 2 中构建的聊天机器人，并演示在图执行过程中流式传输输出的多种方式。我们构建了一个具备外部内存的聊天机器人，可支持长时间运行的对话。特别是，在调用聊天模型时，常需流式传输其逐个生成的 token。这是运行 Studio 的首选方式，而非视频中展示的桌面应用。模式流式传输，因此仅能看到图中每个节点运行后状态的更新。在模块 2 中，我们介绍了几种自定义图状态和内存的方法。
2026-09-30 00:24:21
271
原创 （LangGraph教程）2. State and Memory——Lesson 6：Chatbot聊天机器人消息总结与外部记忆（外部数据库）（未索引）
我们已介绍如何自定义图状态模式（state schema）与规约器（reducer）。我们还展示了多种用于修剪或过滤图状态中消息的技巧。我们已在具备记忆功能的聊天机器人中应用了这些概念，该机器人可生成对话的持续摘要。这叫“滚动摘要”或“持续摘要”。
2026-09-30 00:23:35
194
原创 （LangGraph教程）2. State and Memory——Lesson 5：Chatbot聊天机器人消息总结与记忆（记忆功能，消息摘要，上下文压缩）
我们已介绍如何自定义图状态模式（schema）和规约器（reducer）。我们还展示了多种在图状态中裁剪或过滤消息的方法。模型虽然看不到已经删除的旧消息，但能够通过摘要了解之前聊过什么。旧摘要 + 新消息 → 新摘要所以它是一种“滚动摘要”。消息超过 6 条才生成摘要，避免每轮对话都额外调用一次 LLM。LLM 摘要并不是无损压缩。忘记细节；日期或数字出错；误解用户意图；错误内容被不断继承。所以订单号、金额、权限、用户明确偏好等重要数据，不应该只存进自然语言摘要。
2026-09-27 15:09:33
335
原创 （LangGraph教程）2. State and Memory——Lesson 4: Filtering and trimming messages 消息过滤与消息裁剪（消息删除，控制上下文长度）
（未索引）
2026-09-27 13:43:31
322
原创 （LangGraph教程）2. State and Memory——Lesson 3：Multiple Schemas（划分“外部输入、内部工作状态、节点间临时数据、最终输出”，使接口更干净更易维护
多种 Schema 是在给 LangGraph 划分“外部输入、内部工作状态、节点间临时数据、最终输出”，从而让工作流接口更干净、更安全，也更容易维护和扩展。接收单一 Schema，且所有节点均需按该 Schema 进行通信。有些数据只在中间计算过程中使用，不应该出现在图的最终输入或输出中。这适用于图中间工作逻辑所需、但与整体图输入或输出无关的任何内容。此外，该单一 Schema 包含图的输入与输出键（即通道）。当图使用多种 Schema 时，这一点尤为重要。首先，我们仅用单一 Schema 运行该图。
2026-09-26 16:21:11
296
原创 （LangGraph教程）2. State and Memory——Lesson 2: State Reducers（状态归约器）解决多节点并行时合并状态冲突，聚合多个agent输出，归约函数
为应对这类情况，我们还可以定义自定义归约器。None例如，我们定义一个自定义归约逻辑，用于合并列表，并处理任一或两个输入均为None的情形。Args:Returns:"""left = []right = []Innode_1在node_1中，我们追加数值 2。# Logic# Add# Viewtry:e } ")e } ")现在，尝试使用我们的自定义归约器。我们可以看到，没有抛出任何错误。
2026-09-25 14:45:21
208
原创 （LangGraph教程）2. State and Memory——Lesson 1: State Schema（状态模式、状态结构、TypedDict、dataclass、Pydantic）
这节课是在比较 LangGraph 状态的三种定义方法：TypedDict 最轻量，dataclass 更面向对象，Pydantic 能进行运行时数据验证。图中所有节点共同读取和修改的数据。你会注意到一个略显奇怪的现象：在每个节点中，我们仍返回一个字典来执行状态更新。这是可行的，因为 LangGraph 将状态对象的每个键单独存储。如模块 1 所述，我们在每个节点中覆写指定键（即“通道”）的值。由于我们的状态是一个字典，只需传入一个字典即可为状态中的。同时，我们可以将每个状态键视作图中的一个“通道”。
2026-09-25 12:05:22
222
原创 （LangGraph教程）1. Introduction——Lesson 8: Deployment（可选）（好像没啥用，还得开会员）
中文：目前，LangSmith Deployment 仅向 LangSmith Plus 套餐用户开放。自录制本系列视频以来，我们已更新 Studio，使其现在可本地运行，并可通过浏览器访问。接下来，我们将介绍如何将智能体实际部署到本地 Studio 和。这是运行 Studio 的首选方式，而非视频中演示的桌面应用。我们可通过 LangSmith 部署至云服务，具体步骤详见。若要在本笔记本中使用 SDK，请确保已设置。要在本地启动开发服务器，请在本模块的。，即在图每一步执行后，输出完整状态值。
2026-09-23 14:24:28
240
原创 （LangGraph教程）1. Introduction——Lesson 7: Agent with Memory（checkpoint记忆功能、自动保存并恢复Agent的运行状态、检查点）
这一内置持久化层为我们提供了记忆能力，使 LangGraph 能够从上一次状态更新处继续执行。自录制这些视频以来，我们已更新 Studio，使其现在可本地运行并通过浏览器访问。这是运行 Studio 的首选方式，而非视频中展示的桌面应用。我们只需在编译图时传入一个检查点器，该图便具备了记忆能力！当然，这限制了我们开展含中断的多轮对话的能力。现在，我们将通过引入记忆来扩展我们的代理。，它是一个用于图状态的内存内键值存储。让我们像之前一样运行我们的代理。将用于存储我们的一组图状态。
2026-09-22 17:10:37
82
原创 （LangGraph教程）1. Introduction——Lesson 6: Agent（ReAct理念：将ToolMessage重新传回模型）
在上述路由器中，我们调用了模型；若模型选择调用工具，则向用户返回一个。让我们创建 LLM，并通过提示词设定其整体期望的智能体行为。模型便可选择：（1）调用另一个工具，或（2）直接响应。现在，我们可以将该结构扩展为一种通用的智能体架构。我们可在 LangSmith 中查看追踪记录。这一通用智能体架构背后的核心直觉。是否调用工具，将流程路由至。，并基于工具列表定义一个。节点即绑定了工具的模型。可应用于多种类型的工具。我们构建了一个路由器。我们将日志记录到项目。与之前一样，我们使用。，从而构成一个循环。
2026-09-22 16:44:02
131
1
原创 （LangGraph教程）1. Introduction——Lesson 5: Router（路由器）
（2）添加一条条件边，用于检查聊天模型的输出，并据此路由至工具调用节点；这是一个智能体（agent）的简单示例，其中 LLM 通过调用工具或直接响应来主导控制流。我们可以将此视为一个路由器，其中聊天模型根据用户输入，在直接响应与工具调用之间进行路由。自录制这些视频以来，我们已更新 Studio，使其现在可本地运行并通过浏览器访问。这是运行 Studio 的首选方式，而非视频中展示的桌面应用。打开浏览器，导航至上方所示的 Studio 用户界面。现在，我们可以看到该图成功运行了工具！
2026-09-22 16:27:33
187
原创 （LangGraph教程）1. Introduction——Lesson 4: Chain（tool call机制、Reducers归约器）
这些类型分别代表来自用户的消息、来自聊天模型的消息、用于指示聊天模型行为的系统消息，以及来自工具调用的消息。当大语言模型（LLM）判断输入或任务需要某个工具所提供的功能时，它会选择使用该工具。当我们把某个 API（例如）作为工具绑定时，便使模型知晓了所需的输入模式。该工具调用具有与函数输入模式匹配的具体参数，以及待调用函数的名称。真正的执行发生在你的程序里，比如 LangGraph 的。它只是知道这些工具的接口，然后产生结构化的“调用请求”。我们可以加载一个聊天模型，并用我们的消息列表调用它。
2026-09-22 16:24:08
140
原创 （LangGraph教程）1. Introduction——Lesson 3: LangSmith Studio
注意不要重复登录，登录一次然后点击左边的。
2026-09-22 16:20:32
170
原创 （LangGraph教程）1. Introduction——Lesson 2: Simple Graph（State状态、Nodes节点、Edges边（普通边、条件边）、图的构建、图的调用）
状态（State）模式作为图中所有节点（Nodes）和边（Edges）的输入模式。条件边以函数形式实现，该函数根据某些逻辑返回下一个要访问的节点。每个节点函数接收当前状态，并返回一个新值，该值将覆盖图状态。我们来构建一个包含 3 个节点和一条条件边的简单图。第一个位置参数是上文定义的状态（state）。，它将用户输入发送至图中，以指明图的起始位置。类作为我们的模式，它为键提供类型提示。现在，我们基于上文定义的组件来构建图。它返回所有节点执行完毕后的图最终状态。，用于设置图状态字典的初始值。
2026-09-22 15:41:18
212
原创 （LangGraph教程）1. Introduction——Lesson 1: Motivation（LangGraph FAQ）
https://academy.langchain.com/courses/intro-to-langgraphhttps://github.com/shangxiang0907/langchain-academy中文：第1课：动机中文：LangGraph 常见问题中文：LangGraph 与 LangSmith Deployment 有何不同？LangGraph is a stateful, orchestration framework that brings added control to agen
2026-09-22 15:38:19
255
原创 浏览器AI推理：WebLLM、WebGPU、ONNX（神经网络模型格式）、Transformers.js、MLC（机器学习编译）关系
WebGPU = 浏览器调用 GPU 的底层 APIONNX = 神经网络模型格式Transformers.js = JS 版 Transformers，常通过 ONNX Runtime 跑模型WebLLM = 专门在浏览器跑 LLM 的框架，走 MLC + WebGPU 路线所以你截图里的问题，本质不是“WebGPU 不兼容 ONNX”，而是“你选择的上层 runtime 不同”MLC 模型 → WebLLM → WebGPU。
2026-09-22 13:56:02
425
原创 LangGraph的checkpoint记忆功能有啥用？（自动保存并恢复Agent的运行状态）（检查点、checkpoint.memory、MemorySaver）
所以在你的 JobCopilot 这种项目里就会非常典型。这才是它比普通 chat history 更重要的地方。但 checkpoint 真正有用的地方，是。checkpoint 会保存整个 state。自动帮你把之前的消息整合起来，再发给大模型。这两个其实是两套不同的问题。
2026-09-20 14:44:29
217
原创 Google Analytics 4（GA4）、Google Search Console（GSC）、Microsoft Clarity介绍
工具主要看什么最适合回答的问题网站访问与用户行为数据“有多少人来？从哪来？看了哪些页面？有没有转化？Google 搜索表现“别人搜什么关键词找到我？排名多少？哪些页面被 Google 收录？用户具体怎么操作网页“用户点了哪里？在哪卡住？有没有乱点？页面怎么滚动？
2026-09-19 15:29:55
233
原创 SERP介绍（Search Engine Results Page，搜索引擎结果页）（Organic Results自然搜索结果）
如果你正在学习 SEO，SERP 是一个几乎绕不开的概念。SERP（Search Engine Results Page，搜索引擎结果页）。简单来说：SERP 就是用户在 Google、Bing 等搜索引擎输入关键词后看到的搜索结果页面。但现在的 SERP 已经远远不只是传统的“10 个蓝色链接”。广告、精选摘要、图片、视频、地图、购物结果、People Also Ask（其他用户还问了）、AI 生成的回答等，都可能出现在 SERP 中。理解 SERP，是理解现代 SEO 的基础。
2026-09-13 08:55:10
352
原创 Cloudflare Workers介绍（把代码直接运行在全球边缘网络上）
让开发者能够在 Cloudflare 全球网络上运行 Serverless 应用。全球部署低运维自动扩展与 CDN、WAF、Storage 深度集成适合轻量级 API 和边缘逻辑不是完整 Linux 环境存在 CPU、Memory 等资源限制Node.js 并非完全兼容Stateful Application 的设计更加复杂深度使用 Cloudflare 生态后会产生 Vendor Lock-in不适合重计算任务。
2026-09-11 13:48:00
420
原创 网站上线后配置Google Search Console并提交Sitemap步骤（网站收录、页面抓取、网站抓取、DNS TXT验证原理、Sitemap原理）
所有权：通过 DNS TXT 证明你控制整个域名；发现：通过 sitemap 告诉 Google 哪些 canonical URL 值得抓取；可抓取性：通过 Live Test 确认 Googlebot 当前能够访问且未被阻止；处理队列：通过 Request indexing 为少数关键 URL 发出抓取请求。完成这四步，只代表网站已经把技术入口准备好。是否收录以及获得怎样的排名，最终仍取决于 Google 的处理结果和网站持续提供的实际价值。
2026-09-03 11:37:21
385
原创 Cloudflare如何配置联系邮箱转发（收信转发、域名邮箱、转发邮箱）避免暴露私人邮箱
购买域名→ 进入域名 Overview→ 启用 Email Routing→ 添加并验证私人收件邮箱→ 创建 contact@ 转发规则→ 从其他邮箱发送测试邮件对于一个刚准备上线的网站，这套方案已经能够以很低的成本解决公开联系渠道问题，同时避免直接暴露私人邮箱。最重要的不是创建多少地址，而是确保公开地址真实可用、有人持续查看，并且在网站的 Contact 和 Privacy 页面中如实说明实际处理方式。
2026-09-02 10:13:03
444
原创 Codex无法粘贴图片（arboard分片等待时间过小导致超时）问题修复（INCR分片：Incremental Transfer（增量传输）无法粘贴彩色图片Failed to paste image
只有把 Wayland、X11 selection、MIME 转换、INCR/BIG-REQUESTS 和消费库逐层拆开，才能找到真正需要修改的那一行。在 X11 协议（X Window System）的上下文中，INCR 是 Incremental Transfer（增量传输）机制的缩写。这也解释了为什么故障看似与颜色和大小有关：PNG 越大，INCR 分片越多，撞上一次。这条错误很容易让人怀疑图片分辨率、颜色数量、PNG 大小，甚至会话上下文长度。但它不是稳定的字节阈值，同一张图也可能偶发成功。
2026-09-02 00:16:58
398
原创 手机远程连接WSL2中的Codex CLI：Tailscale私有网络+Termius+OpenSSH+tmux实战（CodexCli）
去掉 ChatGPT Desktop 中转：手机直接通过 SSH 控制本地开发环境，响应更直接，也不会因为中转对话额外消耗 token。避免暴露公网端口：Tailscale 提供设备间的私有网络连接。避免断线丢会话：Codex CLI 运行在 tmux 中，手机和电脑可以在同一个终端状态之间切换。最终体验接近“把电脑上的 Codex CLI 装进手机”：手机只负责显示和输入，代码、依赖、密钥和算力仍留在自己的 WSL2 环境中。
2026-09-01 02:39:15
759
1
Dify+DeepSeek - Excel数据一键可视化（创建步骤案例）-DSL工程文件（可直接导入）
2025-03-05
Dify+DeepSeek - Excel数据一键可视化（创建步骤案例）-Markdown示例文件
2025-03-05
auto.js安装包：app-v6-armeabi-v7a-release-unsigned-signed.apk
2024-02-11
auto.js安装包：app-v6-universal-release-unsigned-signed .apk
2024-02-10
raid卡配置教程（基于Ubuntu 20.04 操作系统安装指导书 (鲲鹏 920 处理器)安装）
2023-12-12
Ubuntu 20.04 操作系统 安装指导书 (鲲鹏920处理器)
2023-12-12
ffmpeg h264编码格式测试视频
2023-12-10
vsftpd-3.0.5
2022-08-22
Intel-RealSense-D400-Series-Datasheet
2019-07-29
CMD_right_click_key_menu_with_administration.reg
2019-08-29
为什么C++对整型常量的指针用const_cast并修改值后，出现了两个不一样的值？
2023-08-23
TA创建的收藏夹 TA关注的收藏夹
TA关注的人