虽说工欲善其事必先利其器，我感觉工具的迭代时非常快的，我有近十年的vim使用经验，这期间 vim 插件也经历了多次迭代。正如我们现在不会用汇编写程序一样，好的工具能大大提高效率，何乐而不为。

Chrome也是，去年的翻译工具还在用SalaDict，AI的兴起，现在又可以换新的了。另外，最近在使用Google 的NoteBookLM，感觉还不错，还要再体验一段时间才知道好坏。

不多说了，进入正题，下面推荐几个好用的插件，适用于Chrome和Edge浏览器。

FisherAI

有时候看大篇幅文章很费力，在这个信息快餐，可以让AI先总结一下，先看下有没有价值信息，如果有再去精读，可以大大节省时间提高效率，FisherAI可以直接配置Deepseek的APIKey（也支持OpenAI），无需注册，只有三个简单按钮，支持网站，PDF，B站视频和油管视频等。还可以直接自己提问，进行深入交流。感兴趣可以点击链接了解详情 https://chromewebstore.google.com/detail/fisherai-your-best-summar/ipfiijaobcenaibdpaacbbpbjefgekbj

沉浸式翻译 - 网页翻译插件 | PDF翻译 | 免费

是的，这个插件的名字就这么长。翻译体验很好，全文翻译，局部翻译，油管视频字幕，可以使用Deepseek，可以使用特殊的Prompt进行翻译。如果注册开通会员可以使用高级功能，比如漫画翻译等。可以访问插件详情页了解更多https://chromewebstore.google.com/detail/bpoadfkcbjbfhfodiogcnhhhpibjhbnh

Page Assist - 本地 AI 模型的 Web UI

这是个 AI 大语言模型的 Web UI，简单好用。可以连接Ollama，没有花里胡哨的功能，可以管理提示词和知识库，对话共享可以自建服务，多端可以共享聊天历史，非常的隐私。直接访问插件详情页体验https://chromewebstore.google.com/detail/jfgfiigpkhlkbnfnbobbkinehhfdhndo

结语

如果你也有好用的插件推荐，欢迎在评论区分享。我也会持续关注和更新优质插件推荐。

又一年的时间过去，这期间GPT也迭代了好几代，给我的印象是他更加聪明了。早期就体验过Cursor，给我的感觉可能就是少打开浏览器，直接集成了聊天窗口在IDE，那时Copilot也有在Vscode Insiders版本做同样的功能。现在再去看，Cursor已经大火，Copilot都免费了，重新用了Cursor几个月之后，我感觉程序员未来不久可能不存在了。有些从未学过开发的人已经使用Cursor编程了，就好像只要你有想法，会和Cursor沟通，你就可以写出自己的程序了，而Cursor这个程序员，只需要20美元一个月。

一开始总以为AI对文科生打击很大，现在看来对理工科也是一样的，2024年的生物化学诺贝尔奖都颁发给了AI。AI学的太快了，发展太快了，GPT o1拥有更强的推理。可以说是对人类的全方位打击了。当然他也不是无所不能得，AI的优势时推理，还有超强的学习能力，就目前来讲AI还是不能自主的创造，这不能否定未来的AI是做不到的。所以对于目前来讲，像很多文化，艺术，音乐创作的AI还不能很好的替代，也许目前对理工科的打击会大于文科类的学科。

AI会给我们带来巨大的改变，未来AI会给我们带来再一次的工业革命，大大提高生产力。既然是生产力工具我们应该学会使用工具，学会和AI更高效的沟通就变得很重要了。未来肯定是AI的天下，各行各业都在探索，如果说想在这方面去发展，转到一笔钱，更好的方式是探索AI怎么应用到我们的各行各业中。如果说要去搞大模型，首先要看看自己有多少钱，训练大模型，现在动辄好几百万美金。

我自己的写作能力并不好，下面我直接让AI帮我重写了文章

《AI 浪潮下的思考》

差不多一年前，我初次体验了 Github Copilot。作为一个代码辅助工具，它确实带来了不少便利 - 只需专注于代码逻辑，具体实现可以交给它来完成，有时甚至只要写下注释就能生成相应代码。但当时的体验也不尽如人意，经常出现变量命名错误或逻辑偏差等问题。那时我想:”AI 虽然进步了，但离颠覆性突破还很远。”

然而短短一年间，AI 的发展令人惊叹。以编程领域为例，Cursor 的崛起就很能说明问题。它不再仅仅是个集成了聊天功能的 IDE，而是成为了一个强大的编程助手。即便是编程零基础的人，只要能够清晰地表达需求，就可以在 Cursor 的帮助下实现自己的想法。每月 20 美元，就能获得一个”AI 程序员”的服务。

AI 的影响远不止于此。它正在重塑各个领域，从文科到理工科都不能幸免。2024 年诺贝尔生物化学奖授予 AI 研究就是最好的证明。伴随着 GPT 系列的持续迭代，AI 展现出越来越强大的推理能力。不过，当前的 AI 仍有其局限性 - 尽管在推理和学习方面表现出色，但在自主创造力方面还有待提高。这也解释了为什么在文化、艺术、音乐创作等领域，AI 还不能完全取代人类。

站在新一轮工业革命的风口，我们需要积极应对这场变革。与其担忧被取代，不如专注于如何更好地利用这个工具。学会与 AI 高效协作将成为未来的必备技能。对个人而言，真正的机会在于探索如何将 AI 应用到各个行业中去。至于开发大模型，除非有充足的资金支持（动辄数百万美元的训练成本），否则不应该盲目追求。

在这场席卷全球的AI革命中，我们既是见证者，也是参与者。面对AI带来的机遇与挑战，恐惧和抵触并不能解决问题。真正明智的做法是，顺势而为，深入理解AI的特性，学会与之共舞。在这个AI加速发展的时代，或许最重要的不是担心被取代，而是思考如何借助AI的力量，创造出更大的价值。毕竟，AI终究是工具，而决定这个工具如何使用的，始终是我们人类自己。未来已来，让我们以开放的心态拥抱这场变革，在AI与人类智慧的协作中，开创一个更美好的明天。

他妈的，感觉自己是个废物😢

使用固定大小的虚拟磁盘

WSL2 默认使用动态扩展的虚拟磁盘，这会导致磁盘空间不足的问题。你可以使用固定大小的虚拟磁盘来避免这个问题。(这个我一直导入没成功，有成功的朋友分享下经验)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

wsl --export Ubuntu-24.04 G:\wsl.tar

wsl --unregister Ubuntu-24.04

# 使用 PowerShell 创建一个新的 VHD 文件。假设创建一个 20GB 的 VHD 文件
New-VHD -Path G:\wsl\ubuntu_fixed.vhdx -SizeBytes 20GB -Fixed

Mount-VHD -Path G:\wsl\ubuntu_fixed.vhdx

# 初始化磁盘，这两个可以用软件手动做，失败我感觉是分区的问题，我是用软件格式化ext4的分区了
Initialize-Disk -Number (Get-Disk | Where-Object IsOffline -Eq $true | Select-Object -First 1).Number
New-Partition -DiskNumber (Get-Disk | Where-Object IsOffline -Eq $true | Select-Object -First 1).Number -UseMaximumSize -AssignDriveLetter | Format-Volume -FileSystem NTFS -NewFileSystemLabel "WSL"

DisMount-VHD -Path G:\wsl\ubuntu_fixed.vhdx


wsl --import Ubuntu-24.04 G:\wsl\ubuntu_fixed.vhdx G:\wsl.tar  --version 2

wsl -d Ubuntu-24.04

调整配置虚拟内存和CPU

创建一个配置文件 C:\Users\<username>\.wslconfig，并添加以下内容：

1
2
3

[wsl2]
memory=16GB
processors=12

重启WSL2。

1
2

wsl --shutdown
wsl

添加排除项到 Windows 安全中心

为了进一步优化性能，可以将新的 VHD 文件添加到 Windows 安全中心的排除项中：

• 打开“Windows 安全中心”。
• 进入“病毒和威胁防护”设置。
• 点击“管理设置”。
• 在“排除项”下，点击“添加或删除排除项”。
• 添加新的 VHD 文件路径（例如 G:\wsl\ubuntu_fixed.vhdx）。

后来我就根据这个蓝屏显示的 gdrv3.sys 文件查了下是做什么用的。其实这里我就犯了个错误，我应该直接差蓝屏给出的错误信息，方便定位问题，而我就根据自己想的就随意折腾了下。

查下来这个是跟技嘉主板有关系，我的主板是Z270，买的也比较早了，大概有七年了。按道理装的windows肯定不会有技嘉主板的驱动的，或者windows更新的时候自动安装的某些驱动。我就找到这个文件，在C:\windows\windows32\drivers目录下面，并且在安全模式下把这个文件改了名字，但是依旧蓝屏，这时候就没有任何思路了。

就这样过了一天，恍惚间想到我装过技嘉的APP Center，也许是这个软件的问题，很早之前有折腾过超频什么的，装了这个软件，随着时间的推移，已经忘记这个软件的存在了，老的产品技嘉支持的不怎么好了，就没再用过它。但是它还是会定期自动更新一下，可能就是因为它的更新出现了什么问题。

我果断卸载了这个软件，这才恢复正常了，不再蓝屏了。这时候要批评下技嘉了，可能真的是改动了某些代码，对老的产品兼容不好了，这是不是就在催我们换新呢。

Deprecation warning about the classic extension.

我还没想到classic extension是什么，就点下了更新，后来才想到应该是浏览器的依赖桌面端的插件。

最好用的密码管理器

1Password真的非常好用，如果不想付费其实还可以一直白嫖，我用上的时候是1Password7，已经是订阅制了，如果不付费可以在移动端添加更新条目，然后在桌面端使用。为了更好的体验还是建议订阅，和别人组车队，加上折扣一年也就五十人民币左右，非常的便宜。

1Password7支持云存储，还有第三方云存储，比如Dropbox，或者本地存储。但是升级到1Password8之后只剩下云存储了，那我感觉和LastPass来比较就没有什么差别了。

推荐使用方式

LastPass使用的云存储，有多次数据泄露的事件，我依然认为还是本地加云存储的方式会更好一些，需要自己管理好自己的Vault文件。可以放到本地，用云盘来同步，或者直接用Dropbox。如果需要浏览器插件的支持是需要安装Classic版本的，也就是Desktop required的版本。最新更新的1Password7.9.10是不在支持了，所以要使用旧版本，可以直接下载1Password7.9.9的版本。浏览器插件也需要手动下载安装一下。

软件下载

官方有下载地址，下载后最后留存一份备份，以免官方不再维护。直接在 https://app-updates.agilebits.com/product\_history/OPM7 这个网址下载7.9.9的版本。插件在 https://app-updates.agilebits.com/product_history/OPX4 这里下载。其他版本直接在 https://app-updates.agilebits.com/ 这个页面寻找。

搜索算是互联网时代必备的技能了，文字，音频，视频本质上是媒介的转变，并不是技术上的革新。ChatGPT应该就是革新，它已经改变了搜索这种形式，就好比马车和内燃机的区别，提升了效率。

ChatGPT

ChatGPT已经火了很久了，微软开始把它慢慢融合到各个服务里，来改变我们之前的使用方式。我们需要知道一个问题的答案，在没有互联网的时候，可能要通过各种方式去寻找答案，归纳总结比如神农尝百草，查阅文献，做实验，还有更懂得人（交流）。有了互联网就提高了找到问题答案的效率。GPT又把效率提高了一大截。

简单的问题，可能通过Google就能搜索到答案，但是比较复杂的问题，互联网上没有的，那我们可能要分好几步去搜索了。ChatGPT基本上可以一次得到比较不错的答案，就好比我们去问了一个行业的专家，他已经学了很多知识了，我们可以直接得到结果一样，不过专家也有犯错的时候。

微软已经在很多领域融入进了人工智能，在最早的Github Copilot，到New bing，体验上也在不断变好，人工智能很早就有，微软给了我们另一种可能。在这之后各个公司也开始学着一起做了，毕竟蛋糕还是要早点分一块才好。

面对革新

比较敏感的人，已经在用ChatGPT做很多事情了，新的事物出现总有一批人能抓住先机，能做出更多有创造性挑战性的事情。AutoGPT就是，能够更好的利用AI，将一件事情拆分出小的任务，再依次解决。ChatGPT也会不停地更新自己，能够处理更多地文字，效率也会越来越高，效率的提升肯定会让一部分人失业。现在AI也只是通过文字，图像来交互，随着发展，可能会到制造，科研等，再以各种形式接入到我们的生活。在我看来，这已经是一种革命了。资本也会持续的加码AI，促进它的快速发展，在未来的某一天也许我们会被他取代掉。

危险性

新的事物总会带来一些新的问题，隐私问题，安全问题等等。ChatGPT 刚出一段时间就有出逃问题，如果出逃之后入侵一些军事设施，问题还是很严重的。还有一些公司使用会不会泄露重要信息，我自己会使用Github Copilot，这就没有办法避免让它来扫描我的代码，也就会有一定的风险。就和互联网出来之后一样，也带来了很多的问题，这些问题也需要一点点来解决。

总而言之，在目前像GPT这样的大语言模型，确实是未来一段时间的风口，在资本的加码下，可能会发展的越来越好，我们能做的也只是要学习它驾驭它，未来才不会被淘汰掉。

我有用过小米的手机，总体体验来说一般，但是智能家居，小米还是挺能打的。上手简单，软硬件齐备，价格嘛，真的很便宜。这东西真的能挣钱？相比一些高端品牌（不考虑国外品牌）那么便宜能赚几个钱？

我们家刚装修完，用了全套的小米智能家居。价格吧，比起非智能确实贵了些，比如插座好一些的十块一个，小米卖到六十，加一些传感器要卖这么多？那可能没有，贵应该是贵在整个生态上，毕竟开发设计都是要钱的。那比起高端一些的又便宜很多，我猜硬件肯定不会高出那么多成本的。我在Aqara（绿米）的线下体验店看过，有一百多的开关，有三百多的开关，差在哪？在设计上，材质上，贵的摸上去看上去都高端，你买个房子几百万几千万，那不得好好设计一下。只有我们这种不在乎设计的会选择更加亲民的小米，那丑是真的丑。当时挑选的时候，想挑一些生态比较好的，东西多，玩法多，肯定是小米必选。好看一些的，如影，一个中控面板卖你2000＋甚至更高，太贵，超出了预算。只能考虑红米的智能音响了，三百左右，还有小爱智能屏幕，难用是真的难用，还有状态同步慢等等问题，MIUI Home还在发展中，体验上还是不如中控好，毕竟一分钱一分货。

其他的平台

除了米家还有苹果的HomeKit，也是很好的选择，也包括小米的一些智能设备可以接入HomeKit，选择的时候可以注意。小米生态链的Aqara，Yeelight也都做了自己的智能家居平台，还有不容小觑的美的美居，现在美的的设备都带着智能，玩法虽然都是借鉴的，智能家居还是需要用心搞搞的。还有就是涂鸦，我老家用的涂鸦，感觉线下用的会多，他们貌似自己不做产品，制作生态，没有统一定价，线下就更好赚钱了。

米家到底怎么赚钱的？

说了那么多，米家到底怎么赚的钱呢，我感觉这一切都要从网关说起

网关

网关到底是什么？可以把他理解成一个路由器，让智能设备连接的路由器。一般来说智能家居都是用的Zigbee和蓝牙，蓝牙Mesh(BLE 5.0)，这些协议我就不展开讲了。如果用WiFi的话，可以直接连接路由器，如果其他的就需要专门的网关了。

网关也有种类

小米网关种类非常多，光买网关就可以赚你的钱了。网关可以分为以下三个种类。

• 中枢网关
• 从网关
• 盲网关

从协议分也有三种

• 多模网关
• 蓝牙网关
• 集成网关(也就是智能设备自带的)

可以看下我们家里的网关

盲网关是需要连接WiFi的，所有场景和自动化执行必须从互联网走一圈，而且不受中枢网关的控制，只要一断网家里的智能基本上就趴窝了。像吸顶灯，小爱音响或者一些摄像头都会带一个网关，基本上都是盲网关，无法变成从网关。从网关在没有中枢网关的时候也是盲网关，小米多模网关就可以变成从网关，接受中枢网关的调度，多模是支持通信协议（包括蓝牙、蓝牙Mesh、Zigbee)，也是需要从互联网走一圈的。如果想要断网依旧可以设备互联，这时候就要有一个中枢网关了，当中枢网关搭建起来，可以将云端执行的场景转换到本地执行，并且多模网关会变成从网关。为了有更好的体验，最好把其他盲网关关掉。

这些网关就很赚钱了，我最初买了多模网关，不能本地执行，有时候会很慢（多模网关是WiFi连接），就买了中枢网关，买完后多模网关就上新款了，变成了有线连接。

设备联动

当你买了网关，就可以接入更多的设备，设备之间也可以联动，为了有更多的玩法你就会买更多的智能设备。场景米家会给你推荐一些，但是更多的玩法也是根据自家环境来探索的。智能家居体验上还是挺好的，米家也大大减少了入门门槛，只需要简单学习一下就可以。

一些很贵的设备

当然家里的电器也可以换成支持米家的，总体体验会好很多，油烟机洗碗机、冰箱洗衣机，小米也开始渗透到生活家电的各个方面，价格优惠，产品质量也说得过去。

除了电器，智能窗帘的价格也不便宜，电机加轨道基本上也快要上千了。还有中央空调控制器，绿米的那个大概在2500元左右（太贵了到现在还没有装）。

钱是被赚走了，体验变好了，双赢。

我自己就用的开源Wiki软件TiddlyWiki5，部署在家里的NAS里面。

TiddlyWiki5

使用简单，功能丰富，支持插件。

安装

直接使用npm安装，使用起来就几个简单命令。

初始化

tiddlywiki mywiki –init server

运行

tiddlywiki mywiki –liste

插件

官方已经自带了很多插件了，具体可以看https://github.com/Jermolene/TiddlyWiki5/tree/master/plugins/tiddlywiki。修改配置文件tiddlywiki.info，将需要的插件写入配置文件，运行服务就可以了。

使用

使用起来非常简单，目录结构基本上都是通过tag实现，当然也可以看官方给的样例来学习如何使用。

官方样例看：https://tiddlywiki.com/

brew在M1和x86有不同的家目录，详细可以看brew介绍，接下来看如何操作。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# Install x86 brew
arch -x86_64 /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install.sh)"
alias ibrew=/usr/local/bin/brew

# Install Python 3.7
ibrew install python@3.7

# Add `python` executable (symlink to `python3`)
ln -s python3 "$(ibrew --prefix python@3.7)"/bin/python

# Symlink x86 Python 3.7 into pyenv
ln -s "$(ibrew --prefix python@3.7)" .pyenv/versions/3.7.12

# Check
pyenv local 3.7.12
python -V
# Python 3.7.12
python -c 'import _ctypes'. # works!

想要尝试其他方法，可以看我引用的链接。

参考

• https://github.com/pyenv/pyenv/issues/1768#issuecomment-871602950
• https://stackoverflow.com/questions/65349982/issues-installing-python-3-x-via-pyenv

一般文字排版都是CSS的text-align属性控制的，当调整text-align属性时，文字会相应的使用不同的对齐方式。但上面这种是因为英文单词截断方式导致的，纯汉字或者纯英文一行不会发生这样的问题，而且换行位置正好是有连接符的，这就让我猜想应该是英文字符截断有关。直接通过chrome调试，更改连接符位置，果然会重新换到连接符的位置换行。那这时候就应该调整word-break了。

但纯的调整text-align不能达到美化的效果，会导致每行行数不一。所以调整word-break到break-all就可以了，具体的也可以根据不同浏览器适配来调整。

因为网站大多是自适应排版，除非固定post-body的宽度，才能做到比较好看的排版。也或者hexo有自动截断英文单词并且添加连接符的插件，这种插件当然我没有找到，如果有人知道可以告诉我。现在的排版已经好很多了，不会再出现非常难看的超宽字距了，况且也不能和专业排版软件比。

参考

• https://css-tricks.com/snippets/css/prevent-long-urls-from-breaking-out-of-container/

vultr 的美国线路要比 digital ocean 更好，而且有日本可选，新加坡基本抢不到，如果选美国最好使用美西服务器，如果电脑系统是 MacOS，可以安装 BestTrace 软件看下线路，vultr 提供了测试的 IP 地址，在他们官网可以找到。

如果是 vultr 的新用户可以网上搜下优惠码，这样你可以获得 100 美金的试用金，一个月内有效。vultr 可以使用支付宝和加密货币支付，这点还是挺厉害的。

搭建 trojan 服务器

我选的系统是 Debian 11，接下来可以直接跟着步骤操作。vultr 需要在后台设置下安全组，放开 80 和 443 就可以了。使用 trojan 需要一个域名，并且使用ssl加密。如果想了解更多，可以看p4gefau1t trojan的文档。

关闭防火墙

1
2

systemctl disable ufw.service
systemctl stop ufw.service

安装 Nginx

1
2
3

apt install tmux unzip nginx
systemctl enable nginx
systemctl start nginx

下载 trojan

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

mkdir trojan
cd trojan
wget https://github.com/p4gefau1t/trojan-go/releases/download/v0.10.6/trojan-go-linux-amd64.zip
unzip -o trojan-go-linux-amd64.zip
rm trojan-go-linux-amd64.zip
cat > config.json <<EOF
{
  "run_type": "server",
  "local_addr": "0.0.0.0",
  "local_port": 443,
  "remote_addr": "127.0.0.1",
  "remote_port": 80,
  "password": ["your password"],
  "ssl": {
    "cert": "/etc/letsencrypt/live/example.com/fullchain.pem",
    "key": "/etc/letsencrypt/live/example.com/privkey.pem",
    "sni": "example.com"
  }
}
EOF

配置文件要把域名和密码修改成自己的。

申请证书

我们使用 certbot 申请证书，也可以使用自己购买的证书。(或者使用acme.sh)

1
2
3
4
5

apt install snapd
snap install core
snap refresh core
snap install --classic certbot
certbot certonly --nginx

运行 trojan

1
2

tmux new -s trojan-server
./trojan-go -config config.json

证书续订

1

certbot renew --dry-run

客户端

我推荐使用ClashX，是一个小猫咪的图标，有 MacOS、Windows、Android 版本，配置可以根据https://github.com/Hackl0us/SS-Rule-Snippet/blob/master/LAZY_RULES/clash.yaml自行修改，配置可以托管在服务器上，多端共用一套配置即可。iOS可以使用shadowrocket，兼容Clash的配置，可以直接添加。

参考

• https://p4gefau1t.github.io/trojan-go/basic/trojan/

版本和软件环境

1
2
3
4

System: MacOS 10.15
Python: 3.7.6
gunicorn: 19.9.0
pycoin: 0.90.20190728

问题

我在家里电脑启动一个 gunicorn 服务时，出现 worker 无法的情况，但是并没有任何保存，只有 worker 重启日志，因为没有报错，排查起来就比较麻烦了。我使用的 pipenv 启动的，软件依赖问题可能性很小。当我尝试使用 ipython 运行的时候，则会报错 Abort trap。

解决

这时候会发现服务并没有抛错，而我还没办法定位哪里出现的异常，并且吞掉了错误信息。如果使用 pdb 这种工具，定位错误是很费力的。想要快速定位 Abort 位置，可以使用 PYTHONVERBOSE 环境变量。

将 PYTHONVERBOSE 设置为 3 再启动服务，会打印加载模块时的日志，闪退后最后输入的日志，就是我们要定位的地方。通过这种方式我知道是 pycoin 加载 openssl 动态链接库的时候报错了，因为使用了 pycoin 的 ecdsa 模块，并且还是用了 openssl 加速，找不到动态链接库才闪退的。

我们可以将 /usr/local/Cellar/openssl 下的动态链接库拷贝到 /usr/local/lib/ 下，并且再做软连接。

1
2
3
4
5
6

brew install openssl
cd /usr/local/Cellar/openssl@1.1/1.1.1i/lib
sudo cp libssl.1.1.dylib libcrypto.1.1.dylib /usr/local/lib/
cd /usr/local/lib
sudo ln -s libssl.1.1.dylib libssl.dylib
sudo ln -s libcrypto.1.1.dylib libcrypto.dylib

参考

• https://stackoverflow.com/questions/24287239/abort-trap-6-when-running-a-python-script

安装 flow-cli，MacOS 需要下载最新版本的二进制文件，brew 只能安装旧版本。具体安装方法见文档 Install the Flow CLI，该文档使用版本是 v0.25.0。

生成key-pair

1
2
3
4
5

$ flow keys generate --sig-algo=ECDSA_secp256k1

Store private key safely and don't share with anyone!
Private Key 11e67f5360e61d7d92eb73e1dc48ffbd71c55c8bdf727520d11ddfa6db63554d
Public Key cd23c71391d33c23c867319258ad6cd082b0066e564e23d3fda3c4e5b9ec841eaaa07d2189965130445a4edda244720628334f6a879d80220b573d9914edcbe2

创建testnet flow地址

访问页面：Flow Testnet Faucet ，创建地址。填入生成的 public key，选择ECDSA_secp256k1签名算法和SHA3_256（和 ETH 哈希算法相同）哈希算法。

创建成功后得到地址：0x25470ac6e0585a62，也可以跳过该步骤，直接使用生成好的地址。

初始化flow配置文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

$ mkdir flow-example; cd flow-example
$ flow init --service-priv-key 11e67f5360e61d7d92eb73e1dc48ffbd71c55c8bdf727520d11ddfa6db63554d --service-sig-algo=ECDSA_secp256k1 --service-hash-algo=SHA3_256

Configuration initialized
Service account: 0xf8d6e0586b0a20c7

Start emulator by running: 'flow emulator'
Reset configuration using: 'flow init --reset'

$ cat flow.json
{
  "emulators": {
    "default": {
      "port": 3569,
      "serviceAccount": "emulator-account"
    }
  },
  "contracts": {},
  "networks": {
    "emulator": "127.0.0.1:3569",
    "mainnet": "access.mainnet.nodes.onflow.org:9000",
    "testnet": "access.devnet.nodes.onflow.org:9000"
  },
  "accounts": {
    "emulator-account": {
      "address": "f8d6e0586b0a20c7",
      "key": {
        "type": "hex",
        "index": 0,
        "signatureAlgorithm": "ECDSA_secp256k1",
        "hashAlgorithm": "SHA3_256",
        "privateKey": "11e67f5360e61d7d92eb73e1dc48ffbd71c55c8bdf727520d11ddfa6db63554d"
      }
    }
  },
  "deployments": {}
}

我们将配置里的地址 f8d6e0586b0a20c7 修改为 25470ac6e0585a62。

创建交易并签名广播

在构造 flow 的交易时，我们需要先使用 Cadence 语言编写执行脚本，代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

$ cat > tx.cdc <<EOF
import FungibleToken from 0x9a0766d93b6608b7
import FlowToken from 0x7e60df042a9c0868

transaction(amount: UFix64, to: Address) {

    // The Vault resource that holds the tokens that are being transferred
    let sentVault: @FungibleToken.Vault

    prepare(signer: AuthAccount) {

        // Get a reference to the signer's stored vault
        let vaultRef = signer.borrow<&FlowToken.Vault>(from: /storage/flowTokenVault)
            ?? panic("Could not borrow reference to the owner's Vault!")

        // Withdraw tokens from the signer's stored vault
        self.sentVault <- vaultRef.withdraw(amount: amount)
    }

    execute {

        // Get a reference to the recipient's Receiver
        let receiverRef =  getAccount(to)
            .getCapability(/public/flowTokenReceiver)
            .borrow<&{FungibleToken.Receiver}>()
                ?? panic("Could not borrow receiver reference to the recipient's Vault")

        // Deposit the withdrawn tokens in the recipient's receiver
        receiverRef.deposit(from: <-self.sentVault)
    }
}
EOF

在 testnet 网络上，FlowToken 的合约地址是 0x7e60df042a9c0868。如果使用主网或者是 emulator，需要替换成对应的合约地址，具体查询：Flow Core Contracts。

我们 cdc 代码中定义了 transaction 方法，并且包含两个参数 amount 和 to，我们构造交易时，也要传入对应参数。

我们使用 flow-cli 来构造交易，可以将 flow 发送到 0x72aeca95731d54e5（必须是一个真实创建的地址）。

1
2
3
4
5
6
7
8
9
10

$ flow transactions build ./tx.cdc \
    --authorizer emulator-account \
    --proposer emulator-account \
    --payer emulator-account \
    --args-json '[{"type": "UFix64", "value": "1.0"}, {"type": "Address", "value": "0x72aeca95731d54e5"}]' \
    --network testnet \
    --filter payload \
    --save built.rlp

result saved to: built.rlp

我们只保存 payload，我们的接下来对 payload 进行签名，生成签名后的哈希。

1
2
3
4

$ flow transactions sign ./built.rlp --signer emulator-account \
  --filter payload --save signed.rlp

result saved to: signed.rlp

广播签名后的交易。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58

$ flow transactions send-signed --network testnet ./signed.rlp

Sending transaction with ID: 8a979bd7d0278bada8b9cf57611608a5ba258090ecdddaaa83e2e5d04fe53af7

Status    ✅ SEALED
ID    8a979bd7d0278bada8b9cf57611608a5ba258090ecdddaaa83e2e5d04fe53af7
Payer    25470ac6e0585a62
Authorizers  [25470ac6e0585a62]

Proposal Key:
    Address  25470ac6e0585a62
    Index  0
    Sequence  0

No Payload Signatures

Envelope Signature 0: 25470ac6e0585a62
Signatures (minimized, use --include signatures)

Events:
    Index  0
    Type  A.7e60df042a9c0868.FlowToken.TokensWithdrawn
    Tx ID  8a979bd7d0278bada8b9cf57611608a5ba258090ecdddaaa83e2e5d04fe53af7
    Values
    - amount (UFix64): 1.00000000
    - from (Address?): 0x25470ac6e0585a62

    Index  1
    Type  A.7e60df042a9c0868.FlowToken.TokensDeposited
    Tx ID  8a979bd7d0278bada8b9cf57611608a5ba258090ecdddaaa83e2e5d04fe53af7
    Values
    - amount (UFix64): 1.00000000
    - to (Address?): 0x72aeca95731d54e5

    Index  2
    Type  A.7e60df042a9c0868.FlowToken.TokensWithdrawn
    Tx ID  8a979bd7d0278bada8b9cf57611608a5ba258090ecdddaaa83e2e5d04fe53af7
    Values
    - amount (UFix64): 0.00010000
    - from (Address?): 0x25470ac6e0585a62

    Index  3
    Type  A.7e60df042a9c0868.FlowToken.TokensDeposited
    Tx ID  8a979bd7d0278bada8b9cf57611608a5ba258090ecdddaaa83e2e5d04fe53af7
    Values
    - amount (UFix64): 0.00010000
    - to (Address?): 0x912d5440f7e3769e

    Index  4
    Type  A.912d5440f7e3769e.FlowFees.TokensDeposited
    Tx ID  8a979bd7d0278bada8b9cf57611608a5ba258090ecdddaaa83e2e5d04fe53af7
    Values
    - amount (UFix64): 0.00010000


Code (hidden, use --include code)

Payload (hidden, use --include payload)

广播后如果 Status 为 SEALED 则发送成功。

vercel

现在已经切换到了vercel，部署更加简单，配置也更方便，也没有遇到过netlify构建异常。我怀疑是netlify的node版本过低，是8.x的版本。vercel能识别项目使用的框架，非常友好。

ipfs+ipns

去中心化是非常好的选择，如果使用的是ipfs，博客要使用相对路径，修改hexo配置中的relative_link就可以实现。当然也可以配置上ipns，ipns是基于dnslink实现，配置一下dnslink的txt记录即可。当你浏览器装了ipfs-companion的插件后，访问你的博客域名，就会自动重定向到ipfs的资源了。除了ipfs.io，现在cloudflare和infura也提供了ipfs的gateway，当然你也可以下载一个ipfs的软件，运行在本地来充当gateway。

后续更新

2021四月我将博客迁移至cloudflare的pages服务上，这是cloudflare刚上不久的服务，目前还是beta阶段，和vercel的配置是一样的，非常简单，vercel比较麻烦的地方是，需要通过命令行设置一下主域名，这样每次自动构建的页面才会部署在自定义域名上。

当然也可以安装ipfs的浏览器插件，直接访问我的博客，ipfs的gateway推荐使用cloudflare-ipfs.com。

我讲pyenv-proxy部署在了Cloudflare上，json数据存储在了Cloudflare KV，用了Cloudflare workers 作为Web服务，不依靠我个人的服务器，保证服务的稳定。

新的配置如下：

1

export PYTHON_BUILD_MIRROR_URL="https://pyenv.ibeats.top"

workers代码请查看项：pyenv-proxy

参考文章：如何加速Pyenv

这两个服务，国外加速效果都非常好，国内访问高峰期，有时会慢到让人无法接受，如果公司使用还是要对国内访问进行加速的，国内加速我更推荐使用CloudFront，虽说Cloudflare有很多黑科技，比如argo之类加速功能，但是比起CloudFront逊色不少。

由于国内特色的网络环境，想要解析到国内的服务器，一定要做网站备案，这就导致Cloudflare和CloudFront在国内并没有加速节点。不过Cloudflare有Partner曲线救国的方式，设置起来就比较麻烦了，而且最终还是逃不过备案。

我最终选择的方案是GeoDNS区域解析，因为域名的NS在Cloudflare托管，所以我优先选择使用Cloudflare的Load Balance，可以根据区域进行自定义解析，从使用体验上讲，该服务收费而且中国IP识别准确率也很低，划分区域相对简单，是根据大陆板块划分，没有根据国家划分区域，所以只好放弃Cloudflare。在一番对比后，国内的DNSPod，AliyunDNS准确率都很高，最后我还是选择了AWS的route53服务。

服务器可以考虑使用Alibaba Cloud的OSS服务，香港的OSS对于国内访问速度还是非常快的，而且比较稳定。将中国的解析执行OSS就可以了。当然这只是前端页面加速，如果是其他业务，也可以使用HAProxy或者Nginx做转发，就可以实现更多特殊的需求了。

版本和软件环境

1
2
3

System: MacOS 10.15
Python: 3.7.6
aiohttp: 3.5.4

aiohttp client 抛了异常

下面是简化过的代码。

1
2
3
4
5
6
7
8
9
10
11
12

import aiohttp

class Http:
    def __init__(self):
        connector = aiohttp.TCPConnector()
        self.session = aiohttp.ClientSession(connector=connector)

    async def get(self, url):
        async with self.session.get(url) as r:
            return await r.text()

http = Http()

1
2
3
4
5
6
7
8
9

from base import b

async def main():
    r = await b.get("https://blog.ibeats.top/robots.txt")
    print(r)

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

这时候执行 main.py 就抛出了异常

RuntimeError: Timeout context manager should be used inside a task

打断点查看，确实是在 with timer 抛出的错误，这情况很有可能是没在事件循环内实例化 session。代码少还是很容易看出来，运行事件循环前导入了 http，并且实例化了 session。

所以从根本上上解决问题就是导入http时不要初始化 session，然后代码可以改成这样。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

import aiohttp

class Http:
    def __init__(self):
        self.session = None

    async def get_session(self):
        if self.session is None:
            connector = aiohttp.TCPConnector()
            self.session = aiohttp.ClientSession(connector=connector)

        return self.session

    async def get(self, url):
        session = await self.get_session()
        async with session.get(url) as r:
            return await r.text()

http = Http()

这样就可以就可以放心的在任何地方初始化了。

为什么不能运行前实例化session。

运行事件循环前也可以实例化 session。但是不要使用 asyncio.run 方法，可以自己创建一个loop来运行事件循环。

1
2
3
4
5
6

async def main():
    ...

if __name__ == "__main__":
    loop =  async.get_event_loop()
    loop.run_until_complete(main())

为什么会这样，我们要进入 asyncio 内部看一下了，CPython 有用 Python 实现的 asyncio 代码，就不用直接看C了。在看过 aiohttp 代码后，aiohttp 初始化 session 时，使用的是 asyncio.get_event_loop() ，asyncio.run() 是自己创建的事件循环。那么我将代码简化后写出来再分析一下。

1
2
3
4
5
6
7
8
9
10
11

from events import *
def run()
    if events._get_running_loop() is not None:
        raise RuntimeError("asyncio.run() cannot be called from a running event loop")

    loop = events.new_event_loop()
    try:
        events.set_event_loop(loop)
        return loop.run_until_complete(main)
    finally:
        ...

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

class _RunningLoop(threading.local):
    loop_pid = (None, None)

_event_loop_policy = None
_running_loop = _RunningLoop()

def get_running_loop():
    loop = _get_running_loop()
    if loop is None:
        raise RuntimeError('no running event loop')
    return loop

def _get_running_loop():
    running_loop, pid = _running_loop.loop_pid
    if running_loop is not None and pid == os.getpid():
        return running_loop

def _set_running_loop(loop):
    _running_loop.loop_pid = (loop, os.getpid())

def _init_event_loop_policy():
    global _event_loop_policy
    with _lock:
        if _event_loop_policy is None:  # pragma: no branch
            from . import DefaultEventLoopPolicy
            _event_loop_policy = DefaultEventLoopPolicy()

def get_event_loop_policy():
    if _event_loop_policy is None:
        _init_event_loop_policy()
    return _event_loop_policy

def get_event_loop():
    current_loop = _get_running_loop()
    if current_loop is not None:
        return current_loop
    return get_event_loop_policy().get_event_loop()

aiohttp使用get_event_loop，就是说如果不调用 set_event_loop，当执行 asyncio.run 时，会重新创建一个事件循环，导致事件循环不是同一个，运行事件循环时，aiohttp 里抛出，所以启动事件循环时，也使用 get_event_loop 就能保证最后使用的是同一个事件循环，当然还是不建议这么做，稍微控制不好就会耽误很长的时间找问题所在，最后得不偿失了。

参考

• https://github.com/tiangolo/fastapi/issues/301
• https://stackoverflow.com/questions/52232177/runtimeerror-timeout-context-manager-should-be-used-inside-a-task
• https://github.com/raphaelauv/fastAPI-aiohttp-example

目前已经换到了搬瓦工，AkkoCloud毕竟是小服务商，虽然说线路不错，但是没事断个网也是很难受的，非重度用户不影响。如果使用搬瓦工也可以使用我的推荐链接https://bandwagonhost.com/aff.php?aff=59518，非常感谢。

之前聊过如何科学上网，如果不了解可以先看一下《如何科学上网》。科学上网要有一个好的服务器，所以我推荐AkkoCloud，这也是我在使用的服务器，如果想购买可以使用我的推荐链接https://www.akkocloud.com/aff.php?aff=256注册购买，非常感谢。

AkkoCloud介绍

这家服务商还比较新，知道的人也比较少，所以不会像搬瓦工那样，便宜的服务器经常处于售空的状态，即便补货你也是抢不到。

线路和带宽

翻墙肯定是要稳定，推荐美国圣何塞CN2 GIA，如果你不知道什么是CN2 GIA可以谷歌搜索一下，CN2线路还是很稳定的，高峰期基本不会丢包。更重要的是，三网优化。

带宽最低是50mbps，双向600G流量，油管2k基本无压力，最大是150mbps，1500G流量。当然越大的价格越贵。

奈非？HBO？

比较不错的是，AkkoCloud基本上是可以解锁流媒体的，可以看Netflix、HBO和Disney+，亲身体验是没问题的，但是官方不保证可以解锁流媒体服务，如果需要换IP，也可以加钱更换。

价格与付款

支持支付宝支付，最便宜的50元一个月。不时会推出一个活动，打个八折，还是非常优惠的。建议买75元一个月的，带宽能达到100mbps。

关于注册

手机号可以不填，邮箱最好填真实的，虽然说不会验证你的邮箱，但是是用来接收invoice的。

MC服务器

AkkoCloud整体偏向于二次元，所以还提供我的世界服务器托管，10块钱一个月，太良心了。

为什么翻墙？

和世界接轨。

后记

最近发现搬瓦工有个补货监控网站，网站链接https://status.bwgyhw.cn/，他们也有TG群的补货通知，感兴趣的加入。如果有买搬瓦工服务器的，可以点击我的邀请链接https://bandwagonhost.com/aff.php?aff=59518，在此谢过了。

“比特币系统出错，矿工已经四小时没有出块了，后台增发数量造成算力漏洞被攻击，可以双花了。黑客利用这个漏洞凭空造出了一千万个比特币出来”。

虽然说的有头有尾，但是稍微了解比特币的人直接可以确认这是谣言了。那么我们就针对这个谣言来聊聊细节吧。

比特币挖矿

挖矿在区块链中就是出块的意思，也就是矿机做哈希计算得到合法并且符合预期结果，进而获得更多节点的认可并入区块链。所有的块连接到一起就形成区块链，这就像是链表一样的结构,然后通过共识进而达到无法篡改的目的。那么如果说比特币系统出错，或者算力大幅度减少，后台也不可能增发数量（额，比特币是没有后台的），也不太可能一直不出块（也只有算力暴跌百分之九十才有可能很难出块），或者在一些区块链浏览器看一下谣言也不证自破了。

目标（Target）

Target是一个256位的数，在挖矿时，块哈希必须小于或等于网络当前的Target。Target越小就越难计算。Target每2016个块调整一次难度（大概两周的时间）,每个比特币客户端将生成2016块的实际时间与两周的目标（2016*10分钟）进行了比较，并通过百分比差异修改了目标,单次调整Target永远不会向下降低（增加难度）超过4倍，向上升高（降低难度）超过0.75倍。目标中的变化也叫做Difficulty adjustment（难度调整），

在2017年8月从BTC分叉之前，都是2016个块重新计算一次难度。由于早期一个版本的BUG，调整了算法，变成了每2015个块调整一次难度。

区块链以Bits的形式存储Target，十六进制有固定的公式来计算，比如区块在存储的值为0x1b0404cb（以小阶数排序存储：CB 04 04 04 1B），十六进制标识为：

0x0404cb * 2**(8*(0x1b - 3)) = 0x00000000000404CB000000000000000000000000000000000000000000000000

比特币定义创世纪块中使用的目标为Difficulty Level 1（难度就是difficulty_1_target），Bits值为0x1d00ffff，十六进制也就是：

0x00ffff * 2**(8 * (0x1d - 3)) = 0x00000000FFFF0000000000000000000000000000000000000000000000000000

难度（Difficulty）

哈希计算出来的值，哈希值前面的0越多，计算出来的难度就越大。也就是一个计算难度的衡量标准。

Target用十六进制来表示，Difficulty就可以这样计算：

difficulty = difficulty_1_target / current_target

比如在0x1b0404cb的难度就是

1
2
3

0x00000000FFFF0000000000000000000000000000000000000000000000000000 /
0x00000000000404CB000000000000000000000000000000000000000000000000
= 16307.420938523983 (bdiff)

也可以

1
2
3

0x00000000FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF /
0x00000000000404CB000000000000000000000000000000000000000000000000
= 16307.669773817162 (pdiff)

还有一种就是，btc.com通过算例推算出的难度。

在挖矿时，谁计算的快，也就是谁的算力大，就有更大机会得到挖矿奖励，目前大概是12.5个比特币奖励，区块包括矿工费所以一般大于12.5个。下次奖励减半时间大概是2020年5月14日。具体可以看https://btc.com/stats/halving。

比特币大概每十分钟出一个块

为了保持每十分钟一个块，比特币每2016个块重新计算一次网络的难度。如果说上一个2016个块的周期时间大于两个星期，那么就要降低难度，反之亦然。这样我们就可以通过时间比率来调整难度了。

可以看我的实现github.com/ciknight/microchain/blob/master/microchain/chain.py#L76，我使用比率来计算，并且规定比率在4到1/4之间。

如果想要了解更多的比特币知识

可以看一下《Mastering Bitcoin》这本书，想了解更多技术相关可以看比特币的开发手册和Bitcoin wiki。当然比特币只是区块链技术的一种，还有其他的链可以学习，他们互相取长补短，不知道在未来的某一天，区块链会不会改变我们的生活。

参考

• https://en.bitcoin.it/wiki/Difficulty
• https://wiki.bitcoinsv.io/index.php/Difficulty
• https://en.bitcoin.it/wiki/Protocol_rules#.22block.22_messages

也可以使用hexo-renderer-markdown-it引擎解决这个问题，不过我还是建议使用标准，而不是利用引擎来解决这个问题。

花了几十分钟写完，代码如下。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76

#!/usr/bin/env python
# -*- coding: utf-8 -*-
from glob import glob
from typing import List

files = glob("*/**/*.md", recursive=True)


def fmt(content: List[str]) -> str:
    data: List[str] = []
    lens = len(content)
    n = 0
    while True:
        if "---" in content[n]:
            tmp: List[str] = []
            tmp.append("---")
            while True:
                n += 1
                tmp.append(content[n])
                if "---" in content[n]:
                    while True:
                        n += 1
                        if content[n] == "":
                            continue
                        break
                    break
                continue
            data.append("\n".join(tmp))

        tmp = []
        while True:
            if "```" in content[n]:
                _tmp: List[str] = []
                _tmp.append(content[n])
                while True:
                    n += 1
                    if lens == n:
                        n -= 1
                        break

                    _tmp.append(content[n])
                    if "```" in content[n]:
                        while True:
                            n += 1
                            if lens == n:
                                n -= 1
                                break

                            if content[n] == "":
                                continue
                            break
                        break
                    continue

                data.append("\n".join(_tmp))

            tmp.append(content[n])
            i = n + 1
            n += 1
            if i == lens or content[i] == "":
                data.append("".join(tmp))
                break

        if lens == n:
            break

    return "\n\n".join(data)


for f in files:
    with open(f) as fp:
        c = fp.read()

    data = fmt(c.split("\n"))
    with open(f, "w") as fp:
        fp.write(data)

当然代码依然有一些问题，没有覆盖到所有的 markdown 语法，所以很多问题手动修改了。不过使用 Python 编写脚本确实能提升不少的效率，所以Python 是很值得学习的一门语言。