- 博客(149)
- 收藏
- 关注
RSS订阅原创 MainBody 九月：从完成任务，到交付真实结果
MainBody 2026.9.1版集中更新：品牌宣发工作流落地，可一站式管理资料、撰稿、媒体推荐、余额与订单；云空间支持拖拽上传、批量操作与回收站，同名文件可跳过或替换；新增自定义模型，支持接入自有模型，个人资料可修改，语音、网页操作、文件查看等优化，首次对话自动生成标题，让工具更懂执行。
2026-08-31 22:40:35
236
原创 MainBody编程开发、日常办公、创意设计、品牌推广，覆盖从产品内核到对外表达的全链路
技术决定起点，推广决定终点，而MainBody，把这条终点线拉近到你眼前
2026-08-30 16:39:44
236
原创 MainBody AI Agent 只会聊天还不够：怎样把一句指令变成可交付结果？
大模型已经很擅长回答问题，但真实工作需要的是可交付结果。本文分析聊天助手与桌面 Agent 的区别，以及 MainBody 如何连接文件、浏览器和工具，把一句指令继续执行到最终交付。
2026-08-03 11:31:26
252
原创 AI 处理本地文件，为什么不能只靠上传附件？
上传附件适合一次性问答，但多文件、持续修改和结果写回更需要本地工作空间。本文说明 MainBody 如何在明确授权范围内读取、搜索和处理项目资料。
2026-08-02 12:01:55
14
原创 AI 会搜索还不够：浏览器 Agent 怎样完成一项真实调研？
联网搜索只是起点，真实调研还需要打开网页、核对来源、比较字段并交付表格或报告。本文介绍浏览器 Agent 的完整执行链和安全边界。
2026-08-02 12:01:14
83
原创 AI 生成 Word、Excel 和 PDF，难点为什么总在最后 10%？
AI 生成内容不难，难的是把 Word、Excel 和 PDF 做成可直接交付的文件。本文梳理公式、格式、分页、图表和渲染检查等关键环节。
2026-08-02 12:00:50
62
原创 从代码补全到完成任务：AI 编程 Agent 还需要哪些能力？
代码补全关注下一段代码，编程 Agent 关注整个任务是否完成。本文说明 AI 如何理解项目、定位文件、最小化修改、运行验证并汇报结果。
2026-08-02 11:58:50
57
原创 AI 图片生成之后，为什么还需要一个可编辑的工作流？
第一张 AI 图片很少就是最终成品。本文介绍 MainBody 如何围绕同一批素材完成生成、局部修改、扩图、抠图、放大和电商套图工作流。
2026-08-02 11:58:10
150
原创 多模型时代，为什么不应该只问“哪个 AI 最强”？
多模型时代不应只问哪个 AI 最强，而应根据写作、代码、长文档、推理和图片任务选择能力。本文介绍以任务为中心的多模型工作方式。
2026-08-02 11:51:49
138
原创 AI Skill 不是提示词收藏夹，而是一套可复用的工作方法
提示词描述想要什么，Skill 则固定一类任务应该怎样完成。本文说明如何把输入条件、执行步骤、来源标准和交付要求沉淀为可复用流程。
2026-08-02 11:50:37
167
原创 AI 定时任务不是每天发一句话，而是持续完成一项工作
AI 定时任务不只是按时提醒，而是持续读取资料、执行规则并交付结果。本文介绍适合定时化的工作，以及时间、范围、输出和异常边界。
2026-08-02 11:49:53
185
原创 给 AI Agent 文件和浏览器权限前，应该先检查什么？
桌面 Agent 能操作文件和浏览器，也必须有清晰的权限边界。本文从最小授权、文件操作分级、发布确认和结果复查说明怎样安全使用 Agent。
2026-08-02 11:49:01
234
原创 从“会聊天”到“能交付”：桌面 AI Agent 真正落地还缺什么？
文章摘要：当前AI大模型在回答能力上进步显著，但与实际工作场景仍存在割裂感，主要因为普通聊天工具仅能提供建议而无法操作真实工作环境。要让AI从回答问题转向交付结果，需补齐四个关键环节：1）让AI直接接触工作资料，避免手动数据搬运；2）将浏览器作为完整工作工具而非仅搜索入口；3）建立可复用的标准化工作方法（Skill）；4）根据任务特点选择合适模型能力。未来AI产品的竞争重点将从"回答质量"转向"任务闭环能力"，同时需注意权限管理。桌面Agent的价值在于整合模型、工具
2026-08-02 08:21:57
207
原创 VNC远程控制Mac
前言macOS系统自带有VNC远程桌面，我们可以在控制端上安装配置VNC客户端，以此来实现远程控制macOS。但通常需要在不同网络下进行远程控制，为此，我们可以在macOS被控端上使用cpolar做内网穿透，映射VNC默认端口5900，通过所生成的公网地址，来实现在公网环境下远程控制VNC。1. 测试局域网内远程控制1.1 macOS打开屏幕共享打开系统偏好设置，打开共享。
2025-02-15 09:27:31
2128
原创 Mac Electron 应用签名（signature）和公证（notarization）
在MacOS 10.14.5之后，如果应用没有在苹果官方平台进行公证notarization(我们可以理解为安装包需要审核，来判断是否存在病毒)，那么就不能被安装。当然现在很多人的解决方案都是使用sudo spctl --master-disable，取消验证模式，但是总体给客户培训下来，效果非常差，很多人找不到终端，有的人甚至不能在终端中输入命令。因此急需找到解决问题的源头，如何进行代码公证。
2025-01-27 12:04:15
3536
原创 构建MacOS应用小白教程（打包 & 签名 & 公证 & 上架）
打包在中，会被打进 Electron 应用的包里，而则不会，所以必要的依赖需要放到中。files中定义自己需要被打进 Electron 包里的文件。以下是一个完整的 mac的配置文件。
2024-12-20 09:45:48
2729
原创 Error: xz: undefined method `deny_network_access!‘
看起来你遇到的问题是由于 Homebrew 的内部 API 发生变化，而xz公式的代码尚未更新导致的。我们可以通过手动编辑xz.rb文件来解决这个问题。
2024-11-21 21:05:45
1147
原创 Ollama 可以设置的环境变量
OLLAMA_NUM_PARALLEL：这个变量决定了Ollama可以同时处理的用户请求数量。OLLAMA_MAX_LOADED_MODELS：这个变量限制了Ollama可以同时加载的模型数量。在Ollama的世界里，环境变量如同神秘的符文，它们是控制和定制这个强大工具的关键。通过精心设置这些环境变量，我们可以让Ollama更好地适应我们的需求，就像调整一把精密的乐器，使其奏出最和谐的旋律。通过设置OLLAMA_HOST=0.0.0.0，我们可以让Ollama监听所有可用的网络接口，从而允许外部网络访问。
2024-11-15 08:02:24
4187
原创 tokenizer介绍
SentencePiece是什么SentencePiece 是一个由 Google 开发的开源工具，旨在帮助构建高效的自然语言处理（NLP）模型。它是一个跨平台的库，可以在多种操作系统上运行，包括但不限于 Windows、Linux 和 macOS。SentencePiece 的主要功能是在不需要预先定义词汇表的情况下，自动从大规模文本数据中学习如何将文本切分为“子词单元”（subword units）。这种方法可以有效地处理未知词汇和低频词汇的问题，这对于提高自然语言处理模型的性能非常关键。
2024-11-14 15:36:50
1991
原创 Ollama与Llama是什么关系
Ollama是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型，降低使用大语言模型的门槛，使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型，包括如Llama 3、Phi 3、Mistral、Gemma等开源的大型语言模型。输入/exit退出。Ollama可以直接下载内置的几种模型，但选择有限。点击Files，可以看到若干GGUF文件，其中，q越大说明模型质量越高，同时文件也更大，我们选择q6，直接点击下载按钮，把这个模型文件下载到本地。
2024-10-15 14:26:32
1498
原创 Docker安装「达梦数」据库
1.如果使用 docker 容器里面的 disql，进入容器后，先执行 source /etc/profile 防止中文乱码。1.SYSDBA_PWD 预设的时候，密码长度为 9~48 个字符，docker 版本使用暂不支持特殊字符为密码。2.新版本 Docker 镜像中数据库默认用户名/密码为 SYSDBA/SYSDBA001。使用 -e 命令指定数据库初始化参数时，需要注意的是目前只支持预设以下九个 DM 参数。2.-e 设置的时候 初始化参数必须使用大写，不可使用小写。
2024-08-23 17:35:03
1738
原创 最少钱学习并构建大模型ollama-llama3 8B
学习大模型时可能面临一些困难，这些困难可能包括：训练大模型通常需要大量的计算资源，包括CPU、GPU等。如果设备资源有限，可能会导致训练时间长、效率低下或无法完成训练。：大模型通常需要大量内存来存储模型参数和计算中间结果。内存限制可能会导致内存不足错误或无法加载大模型。：训练大模型通常需要大规模的数据集来获得良好的性能。获取和处理大规模数据集可能需要大量时间和计算资源。：调整大模型的超参数通常是一项挑战性工作。需要花费大量时间和资源来尝试不同的超参数组合，以获得最佳性能。
2024-08-22 14:46:03
1066
原创 Ubuntu上安装任意版本Nodejs
Ubuntu系统上安装Node.js可以通过多种方法来实现，包括利用Ubuntu仓库、NodeSource仓库，或者通过nvm（Node Version Manager）来进行。此处将重点介绍如何通过nvm这一流行方法来安装任意版本的Node.js，因为这种方式提供了更高的灵活性和方便。
2024-08-22 13:48:28
1324
原创 “零拷贝”
在Python中，“零拷贝”（Zero-Copy）通常是指一种数据处理技术，它允许数据从一个地方传输到另一个地方而不需要创建额外的数据副本。这可以显著减少内存带宽的使用并提高性能，尤其是在处理大量数据时。
2024-08-20 11:17:24
1062
原创 Ollama - Llama3 docker版本安装部署使用
Meta 发布两款开源Llama 3 8B与Llama 3 70B模型，供外部开发者免费使用。Llama 3的这两个版本，也将很快登陆主要的云供应商。按照Meta的说法，Llama 3 8B和Llama 3 70B是目前同体量下，Llama 3 8B在某些测试集上性能比llama 2 70B还要强！Llama3是Meta于2024年4月18日开源的LLM，目前开放了8B和70B两个版本，两个版本均支持最大为8192个token的序列长度( GPT-4支持128K = = )
2024-08-19 13:47:33
2776
1
原创 上传到 PyPI
请注意，上传到 PyPI 是一个开放的过程，任何人都可以下载和使用您的软件包。因此，在上传软件包之前，请确保您的代码和依赖项是安全且可靠的。同时，遵循良好的软件包管理和版本控制实践，以确保您的软件包的稳定性和可维护性。文件是用于构建和安装 Python 包的脚本文件，它使用 Distutils 或 setuptools 库来定义包的元数据和相关配置。例如，如果您的软件包依赖于 requests 和 numpy 这两个第三方库，但不依赖于任何 Python 标准库，您的。函数中定义你的包的元数据和相关配置。
2024-05-13 16:57:25
1292
4
原创 python@window10上下课提醒
这样，服务就会在Windows开机后自动启动，并每隔60秒检查一次时间，如果处于上述指定时间段，就会弹出上课提醒的弹窗和播放声音。为了解决这个问题，可以使用。
2024-04-21 21:07:47
526
原创 Git常用命令整理
与常用的版本控制工具 CVS, Subversion 等不同，它采用了分布式版本库的方式，不必服务器端软件支持，使源代码的发布和交流极其方便。Git 的速度很快，这对于诸如 Linux kernel 这样的大项目来说自然很重要。Git 最为出色的是它的合并跟踪（merge tracing）能力。下面我用ubuntu 10.10上的命令为例：（这些命令都是在本地客户端处使用，非服务器操作裸库使用）（本文中尖括号内包含尖括号都将是描述内容，请在输入实际命令时替换成描述内容所符的内容。
2024-02-18 12:09:33
732
原创 Docker安装MySQL
v /etc/localtime:/etc/localtime:ro：让容器的时钟与宿主机时钟同步，避免时区的问题，ro是read only的意思，就是只读。-v /opt/docker/mysql/data:/var/lib/mysql：映射数据目录，宿主机:容器。-v /opt/docker/mysql/log:/var/log/mysql：映射日志目录，宿主机:容器。-v /opt/docker/mysql/conf:/etc/mysql：映射配置目录，宿主机:容器。这个时候如果显示的是。
2023-12-29 06:31:12
610
原创 MySQL教程
数据库管理系统（DBMS）是一种用于管理数据库的软件系统，它提供了创建、读取、更新和删除（CRUD）数据库中数据的方法。DBMS的主要任务是对数据进行有效和安全的管理。DBMS允许用户定义和创建数据库，定义表和它们的关系，定义表中数据的约束和规则，以及查询和更新数据等。它还提供了一种访问控制机制，以确保只有授权用户才能访问数据库。DBMS还提供了各种性能优化机制，如索引、缓存、查询优化等，以提高数据库的性能。
2023-10-19 16:23:21
430
原创 Golang数据结构和算法
链表就是链式存储的线性表。根据指针域的不同，链表分为单向链表、双向链表、循环链表等等Insert(t)在树中插入项目 tSearch(t)如果 Item t 存在于树中，则返回 true以中序遍历访问所有节点使用前序遍历访问所有节点使用后序遍历访问所有节点Min()返回存储在树中的具有最小值的项目Max()返回具有最大值存储在树中的项目Remove(t)从树中删除项目 tString()字符串输出。
2023-10-19 15:30:32
689
原创 Golang网络
跨域请求（Cross-Origin Request）是指浏览器在向一个源（域名、协议、端口号组合）发送请求时，请求的目标资源所在的域名与当前页面所在的域名不一致，即跨域请求。通常情况下，浏览器会限制跨域请求，以保障用户安全。例如，假设当前页面的地址是，而要请求的资源地址是，由于域名不同，这就是一个跨域请求。跨域请求通常会受到浏览器的限制，但可以通过设置响应头中的字段来支持跨域请求。在服务端设置允许跨域请求的响应头后，浏览器就可以发送跨域请求并获取响应了。
2023-10-19 14:55:16
600
原创 详解Python的装饰器(多层语法糖、装饰器和装饰器修复技术及递归函数)
python中的装饰器(decorator)一般采用语法糖的形式，是一种语法格式。比如：@classmethod，@staticmethod，@property，@xxx.setter，@wraps()，@func_name等都是python中的装饰器。装饰器，装饰的对象是函数或者方法。各种装饰器的作用都是一样的：改变被装饰函数或者方法的功能，性质。下面主要讲解@wraps()，@func_name，类装饰器这两种装饰器。
2023-10-07 14:49:24
666
原创 Mac 安装ZooKeeper+kafka基本使用
ZooKeeper 为分布式系统提供了一种配置管理的服务：集中管理配置，即将全局配置信息保存在 ZooKeeper 服务中，方便进行修改和管理，省去了手动拷贝配置的过程，同时还保证了可靠和一致性。
2023-09-13 16:54:35
1439
原创 Python web 框架web.py「简约美」
web.py 是一个简单而强大的 Python Web 框架。web.py 属于公共领域，您可以将其用于任何目的，绝对没有任何限制。
2023-09-08 15:55:03
636
原创 并发控制的异步执行队列p-queue的用法
注意：与onEmpty()不同点在于保证所有任务都执行完了，即queue.size === 0 && queue.pending === 0. onEmpty是队列成为空，但是promise不一定已经执行完了。通过使用P-Queue，你可以方便地控制并发执行的异步任务，避免了竞态条件和资源争用的问题。在使用P-Queue时，你可以将多个异步任务加入队列，并指定它们的执行顺序。它的作用是按照特定的顺序依次执行异步任务，以避免并发导致的问题，比如竞态条件和资源争用。首先，你需要安装P-Queue包。
2023-09-06 09:55:39
2688
如何上传到 PyPI，PyPI是一个公共仓库，任何人都可以将自己开发的Python软件包上传到PyPI上并分享给其他人使用
2024-05-13
camunda-bpmn-js:基于bpmn-js的可嵌入Camunda建模分布
2023-04-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人