PrL的负能量场

  1. 我靠 hass竟然两天写了25G!!

    我靠 hass竟然两天写了25G!!

    幸亏是放在了tf上,要不emmc要冒烟了!!

    赶紧:


    既然你**完全不需要历史记录**,那就好办太多了!不用费心思去挑哪个设备排除了,直接**物理切断它向 eMMC 写入数据库**。

    请按以下三步操作,1 分钟彻底解决,eMMC 写入量将直接趋近于 0,还能顺便省下 1.6G 空间。

    ---

    ### 第一步:修改配置,让数据库“跑在内存里”(完全不写硬盘)

    Home Assistant 的很多底层功能(即使不用图表)依然依赖 recorder 组件运行,直接强行删掉组件可能会导致某些插件报错。

    最完美优雅的解法:直接把数据库重定向到 Linux 自带的内存临时目录 `/dev/shm`。

    打开你的 `configuration.yaml`,把 `recorder:` 改成下面这样:

    recorder:
      # 把数据库扔进内存,所有操作只在内存发生,0 硬盘写入!
      db_url: "sqlite:////dev/shm/home-assistant_v2.db"
      purge_keep_days: 1
      commit_interval: 60
      # 谁都不记录(双重保险,避免占用内存)
      include:
        entities: []


    > 原理说明:
    > /dev/shm 是 Linux 系统自带的**纯内存盘(tmpfs)**。把数据库指定在这里,HA 所有的读写、打日志全是直接在你的 4G 内存里转圈,**哪怕 1 个字节都不会写进 eMMC 闪存**。设备重启后它自动消失重来,你的设备控制、自动化、场景、接入配置完全不受任何影响。

    ---

    ### 第二步:干掉那 1.6G 的历史垃圾文件

    此时你的 eMMC 上还趴着那 1.6G 的旧数据库和日志缓存,需要删掉它释放空间:

    1. **先停止 HA 容器**:
    ```bash
    docker stop homeassistant
    ```
    2. **进入你的 HA 映射在宿主机的配置目录**(即放 configuration.yaml 的那个目录):
    ```bash
    # 查看一下是不是这几个大文件
    ls -lh home-assistant_v2.db*

    # 果断删掉它们(释放 1.6G 空间)
    rm -f home-assistant_v2.db
    rm -f home-assistant_v2.db-wal
    rm -f home-assistant_v2.db-shm
    ```
    3. **顺便看一眼日志文件**(如果很大也顺手清了):
    ```bash
    rm -f home-assistant.log
    ```

    ---

    ### 第三步:启动容器

    docker start homeassistant


    ---

    ### 验证效果

    启动之后,再次使用:
    docker stats homeassistant

    观察 `BLOCK I/O`,你会发现后半部分的写入量(xxxMB / **xxxMB**)基本定格不动了,CPU 占用通常也会从 12% 降到 2% 左右。你的 eMMC 可以彻底安心养老了!

  2. 今天又解决了一个痛点

    今天又解决了一个痛点


    之前的时候用到了doc2docx还有docx2pdf的时候,因为需要调用word.app,然后必须手动的赋予文件访问权限,然后现在今天受不了了,这严重阻碍了agent的效率,发现实际上是被沙河挡住了,所以说如果word是要访问自己容器内部的文件的话是不需要用户去授权他的,所以说让agent改了一下自己的那个system prompt调用的时候,必须把目标的文件复制到容器内部,然后再进行编辑单,没问题了就

  3. 📺 央视频全频道直播 v4.0 来了

    Forwarded from Gary's Club Channel
    📺 央视频全频道直播 v4.0 来了
    —————————————————————
    频道:央视 21 路 + CGTN 6 路 + 剧场 3 路 + 31 省卫视 + CETV-1 + 国学频道
    亮点:
    1、26 路频道走官方设备协议,码率更高,其中 4K 三路是真 4K(3840×2160)
    2、支持 Mac / Windows / Linux,主程序自动选对应的后端
    3、订阅自带台标和节目单,播放器导入后自动匹配 EPG,不用手动设置
    —————————————————————
    💻电脑版使用方法
    0、下载地址:https://garysclub.sharewithyou.dpdns.org/others/ysp-live-v4.0.zip
    1、下载后解压,把所有文件放在同一个目录
    2、Mac 去隔离属性(未签名程序会被系统拦截),在终端执行:
    xattr -d com.apple.quarantine ysptp-project-arm64
    Intel 的 Mac 把文件名换成:ysptp-project-x86_64
    Linux 给后端加执行权限:chmod +x ysptp-project-linux-x64
    Windows 跳过这步
    3、启动脚本,在终端执行(需在同目录下):
    Mac:python3 ysp-live.py
    Windows:py ysp-live.py
    (可选)如果想关闭终端运行,请运行:
    screen -dmS ysp python3 ysp-live.py
    (可选)如果想看输出结果,请在终端输入:
    screen -r ysp
    4、播放器添加订阅地址:http://localhost:8767/all.m3u
    —————————————————————
    🐳 Docker 版使用方法
    0、下载地址:https://garysclub.sharewithyou.dpdns.org/others/ysp-live-docker-v4.0.zip
    1、下载后解压,进到 ysp-live-docker 目录,执行:
    docker compose down
    docker compose build --no-cache
    docker compose up -d

    2、播放器添加订阅地址:http://localhost:8767/all.m3u
    —————————————————————
    🛠 APTV使用方法(需最新TF版)
    1、点击“配置” - “服务” - “添加服务”
    2、服务名称 - “央视频直播”
    3、服务类型 - “Python”
    4、代码来源点击“远程链接”,地址:https://garysclub.sharewithyou.dpdns.org/others/ysp-live.py
    5、点击“加载代码”,然后点击“检查代码”
    6、划动到最下边,点击“添加服务”
    7、把开关打开,如果想让局域网访问,请同样开启。
    8、点击“复制本机地址”
    9、去APTV添加订阅,地址填写:http://127.0.0.1:8767/all.m3u
    —————————————————————
    ⚠️友情提醒
    1、看 4K 时视频流量约 15GB/小时,1080p 时视频流量约 5GB/小时
    2、直播延迟约 20 秒,属正常
    3、一直显示初始化中的小伙伴,请关闭翻墙工具或在翻墙工具添加一个规则,让cctv.cn走直连direct。
    —————————————————————
    🙏特别感谢
    1、感谢IPTV总部提供的算法源码
    2、感谢Gary's Club群里小伙伴ll提供大量频道的live_id

  4. GitHub - Guovin/iptv-api: ⚡️ IPTV直播源自动更新工具:自动采集、校验、测速并生成可播放结果,支持 M3U/TXT/API 输出、自定义频道、IPv4/IPv6、Docker、GitHub Actions、CLI 与 GUI 多端部署 · GitHub

    GitHub - Guovin/iptv-api: ⚡️ IPTV直播源自动更新工具:自动采集、校验、测速并生成可播放结果,支持 M3U/TXT/API 输出、自定义频道、IPv4/IPv6、Docker、GitHub Actions、CLI 与 GUI 多端部署 · GitHub
    https://github.com/Guovin/iptv-api#docker GitHub - Guovin/iptv-api: ⚡️ IPTV直播源自动更新工具:自动采集、校验、测速并生成可播放结果,支持 M3U/TXT/API 输出、自定义频道、IPv4/IPv6、Docker、GitHub Actions、CLI 与 GUI…

  5. 高性价比人生指南

    高性价比人生指南



    GitHub - eternity4719/HowToLiveBetter: 按性价比排序的循证生活指南:长寿防病、急救、省钱理财、法律红线、失业与工伤、医保社保、恋爱婚育、怀孕育儿、创业与做平台合规、出国与技能。每条写明成本、收益、证据等级和原始出处,只引期刊论文与官方文件。 · GitHub
    https://github.com/eternity4719/HowToLiveBetter#%E7%9B%AE%E5%BD%95 GitHub - eternity4719/HowToLiveBetter: 高性价比人生指南: 长寿防病、急救、省钱理财、法律红线、失业与工伤、医保社保、恋爱婚育、怀孕育儿、创业与做平台合规、出国与技能。每条写明成本、收益、证据等级和原始出处,只引期刊论文与官方文件。

  6. 在目前的 GitHub 生态中,最受欢迎且架构设计最超前的闲鱼 MCP / Skill 项目当属 [fancyboi999/goofish-cli](

    在目前的 GitHub 生态中,最受欢迎且架构设计最超前的闲鱼 MCP / Skill 项目当属 [fancyboi999/goofish-cli](https://github.com/fancyboi999/goofish-cli)。 [1]
    这个项目之所以最受关注,是因为它打通了 人类 CLI、AI MCP Server 以及 Claude 专属的 Agentic Skills 三个维度,是专门“为 AI Agent 而生”的闲鱼自动化工具。 [1]
    除了它之外,还有几个在不同应用场景下非常火爆的闲鱼 MCP/Skill 开源项目:
    ## 1. 🥇 综合实力最强:goofish-cli

    *
    * 项目定位:闲鱼全功能自动化 CLI 兼原生 MCP 框架。 [1]
    * 核心亮点:
    * 三位一体:同一套底层逻辑,人类可以用命令行管理,AI 助手(Cursor、Claude Code)可以直接调用其注册的 MCP tool,同时它还内置了 5 个一键安装的 Claude Skills。
    * 全场景覆盖:不仅能做商品的搜索与对比,还能直接用于商品发布、详情读取、消息互动和运营分析。 [1, 2]
    *

    ## 2. 🔍 专注于数据对比与捡漏:Xianyu Monitor

    *
    * 典型项目:[LENKIN233/xianyu-monitor-skill](https://github.com/LENKIN233/xianyu-monitor-skill) 或 [voltwake/xianyu-monitor](https://github.com/voltwake/xianyu-monitor)。 [3, 4]
    * 核心亮点:
    * 本地私有浏览器状态:它使用你本地的真实浏览器状态(免去复杂的 API 逆向风控问题)进行高频商品检索。
    * AI 排序与对比:支持设置关键词、排除词(如过滤掉中介、碎屏等),并在发现新商品时由 AI 自动进行性价比排序与去重,直接推送到 Discord 或 Telegram。 [3, 4]
    *

    ## 3. 🛠️ 纯粹的 MCP 服务端:xianyu-mcp-server & FishClaw_MCP

    *
    * 项目链接:[DoLovya/xianyu-mcp-server](https://github.com/DoLovya/xianyu-mcp-server) 与 [tnoobt/fishclaw_mcp](https://github.com/tnoobt/fishclaw_mcp)。 [5, 6]
    * 核心亮点:
    * 基于 pyxianyu 封装,非常标准、纯粹的 MCP 服务端。
    * 特别适合直接丢给 Claude Desktop 或 Trae,一句话就能让 AI 接入闲鱼的会话、消息发送和商品抓取流。 [5]
    *

    ## 4. 🧰 偏向大厂全家桶:ali-mcp

    *
    * 项目链接:[Tsinglung-Tseng/ali-mcp](https://github.com/Tsinglung-Tseng/ali-mcp)。
    * 核心亮点:仿照小红书 MCP 架构,把闲鱼(Goofish)和淘宝(Taobao)的自动化整合在了一起,适合想同时跨平台做电商数据比价和商品上架的用户。 [7]
    *

    ------------------------------
    💡 总结建议:
    如果你使用的是 Claude Code、Cursor 或 OpenClaw,推荐首选 goofish-cli,它的工程化程度最高,生态适配也最全。 [1]
    你目前正在使用的 AI 客户端是什么(例如 Cursor, Claude Desktop 还是 Trae)?我可以根据你的客户端,为你提供对应的 MCP 配置文件(json)和启动命令,帮你快速把闲鱼技能跑起来。

    [1] [https://github.com](https://github.com/fancyboi999/goofish-cli)
    [2] [https://github.com](https://github.com/donggeai/xianyu-skills/blob/main/README.md)
    [3] [https://github.com](https://github.com/LENKIN233/xianyu-monitor-skill)
    [4] [https://github.com](https://github.com/voltwake/xianyu-monitor)
    [5] [https://github.com](https://github.com/DoLovya/xianyu-mcp-server)
    [6] [https://github.com](https://github.com/tnoobt/fishclaw_mcp)
    [7] [https://github.com](https://github.com/Tsinglung-Tseng/ali-mcp)

  7. 在“消费决策自动调研”这一细分领域,开源社区的竞争非常激烈

    在“消费决策自动调研”这一细分领域,开源社区的竞争非常激烈。由于消费决策不仅需要“查价”,更需要防坑、看穿营销话术、计算真实到手价,目前在 GitHub 上公认做得最好、设计理念最硬核的是 [DaizeDong/shopping-aggregator](https://github.com/DaizeDong/shopping-aggregator) 及其所属的 market-intel 架构。 [1, 2]
    另一个在中文本土化落地(淘京拼红)表现极其出色的则是前文提到的 [wangranm-a11y/shopping-compare-skill](https://github.com/wangranm-a11y/shopping-compare-skill)。 [3]
    这两大项目代表了当前 AI 消费决策 Skill/MCP 的最高水平。我们可以从它们的底层逻辑和解决的核心痛点来看看它们为什么被称为“最好”:
    ------------------------------
    ## 1. 👑 理念最硬核、防欺诈最强:shopping-aggregator
    这个项目在架构设计上完全摒弃了“简单的价格爬虫”,它的核心哲学是:“当规则错了,AI 应该去改变底层的假设,而不是去修补表面症状。” 它为了帮人类做绝对客观的决策,死磕了几个电商最核心的底层痛点: [1]

    *
    * 以“最终到手价(Landed Cost)”为唯一排序基准: 很多平台或 Skill 喜欢按标价(Sticker Price)排序,但这往往是商家的“陷阱”(例如 Amazon 标价便宜但运费高达 15 刀,或者反过来)。这个 Skill 强迫 AI 必须计算包含运费、基础税费后的绝对到手价。 [1]
    * 强制时间戳验证(Snapshot Timestamp): 电商平台的黄金购物车(Buy Box)价格每小时都在变。该项目规定,任何没有带精确时间戳的价格数据,在 AI 看来一律视为“未验证(Unverified)”,防止 AI 拿历史低价误导用户。 [1]
    * 自动拆解“虚假优惠券”: 项目设计者指出,像 Honey 等查券插件的“综合省钱标价”在当下存在大量欺诈或失效水分。这个 Skill 会调用 Playwright 在后台模拟真实购物车测试(Cart Test),只有实测真正能扣减的券,AI 才会认可;否则一律在报告里打上 ⚠ 商家单方宣称(Claim) 的警告标签。 [1]
    *

    ## 2. 🇨🇳 中文全网挑货最省心:shopping-compare-skill
    如果你主要在淘宝、京东、拼多多、小红书上买东西,这个 Skill 是目前的体验天花板。它的牛逼之处在于“帮人类干掉 80% 无聊的售前调研”: [3]

    *
    * 水军/控评去噪: 自动爬取商品的买家评价,但它有一套 AI 识别算法,能自动剔除掉好评返现文案、商家控评和机器人水军刷单,把最真实的“差评追评、使用痛点”提炼出来。
    * 营销话术翻译器: 商家喜欢用各种高大上的“伪科技词汇”来溢价。这个 Skill 会让 AI 去解构这些话术。比如看到某个保暖内衣宣称“航天纳米发热技术”,AI 会直接提醒你:“本质就是普通聚酯纤维,不要为此多付 100 元溢价。”
    * 多平台横向避坑: 它不仅对比价格,还会去小红书等平台抓取该型号的“避坑贴”,综合生成一份《XX 商品多平台购买决策报告》,你只需要花 30 秒看报告,做最后 20% “买不买”的决定即可。 [3]
    *

    ------------------------------
    ## ⚖️ 直观对比:你该怎么选?

    | 维度 | DaizeDong/shopping-aggregator 🌟 | wangranm-a11y/shopping-compare-skill 🛒 |
    |---|---|---|
    | 主要战场 | 跨境电商、独立站、Amazon、eBay 等 | 淘宝、京东、拼多多、小红书 |
    | 核心绝活 | 用自动化脚本死磕真实到手价和券包真实性 | 解析商家营销黑话,聚合多平台真实用户黑料 |
    | 适合用户 | 极客玩家、经常海淘、对数据真实性有洁癖的人 | 国内高频网购、买电子产品/化妆品怕踩坑的人 |

    这两款项目都深度支持 Claude Code 以及 Cursor 的原生 Skill / MCP 规范。 [1, 3, 4]
    你平时的消费习惯更偏向于国内的主流电商(淘京拼),还是有海淘、跨境购物(Amazon等)的需求?我可以根据你的侧重,教你如何把对应的项目配置文件塞进你的 AI 客户端里。

    [1] [https://github.com](https://github.com/DaizeDong/shopping-aggregator)
    [2] [https://github.com](https://github.com/DaizeDong/market-intel/blob/main/skills/market-intel/reference/domains/consumer-price-compare.md)
    [3] [https://github.com](https://github.com/wangranm-a11y/shopping-compare-skill)
    [4] [https://github.com](https://github.com/coreyhaines31/makerskills) GitHub - DaizeDong/shopping-aggregator: Thin orchestration Claude skill for consumer shopping price comparison — Amazon / eBay…

  8. 记不住 PNP 和 NPN,是因为很多人一上来就去背“源型 (Source)”和“漏型 (Sink)”,这两个词最容易把人绕晕

    记不住 PNP 和 NPN,是因为很多人一上来就去背“源型 (Source)”和“漏型 (Sink)”,这两个词最容易把人绕晕。

    教你一个在工控现场永不混淆的极简记忆法,只需牢记一句话和一个物理常识:

    第一步:死记一句话(核心锚点)

    PNP 输出 Positive(正极 / +24V)
    NPN 输出 Negative(负极 / 0V)

    注:P 开头就是正(Positive),N 开头就是负(Negative)。

    第二步:利用“回路常识”推导 DI 和 DO(不用死背)

    常识: 电流必须形成闭合回路,一正配一负灯才会亮。

    1. DI(数字量输入 / 传感器接线)

    传感器信号线(黑线)要进 PLC 的输入点:

    - PNP 传感器:
    - 输出的是正(+24V)。
    - 既然进信号点的是正极,那么 PLC 的公共端(COM / M)就必须接负(0V),回路才能通!
    - NPN 传感器:
    - 输出的是负(0V)。
    - 既然进信号点的是负极,那么 PLC 的公共端(COM / M)就必须接正(+24V)!

    DI 口诀: 传感器给正,公共端接负;传感器给负,公共端接正。

    2. DO(数字量输出 / 驱动继电器等负载)

    负载(例如中间继电器线圈)有两个脚,一个接 PLC 输出点(Y),另一个接电源:

    - PLC 是 PNP 输出(晶体管高电平驱动):
    - PLC 输出点给的是正(+24V)。
    - 继电器线圈的另一端必须接负(0V)。
    - PLC 是 NPN 输出(晶体管低电平驱动):
    - PLC 输出点给的是负(0V)(也就是内部下拉到地)。
    - 继电器线圈的另一端必须接正(+24V)。

    第三步:顺带搞定“源型”和“漏型”(如果考试/看手册需要)

    只要看电流是往外喷还是往里吸:

    - 源型 (Source):像喷泉、水源一样流出正电 \rightarrow PNP
    - 漏型 (Sink):像地漏一样流进负极/地 \rightarrow NPN


    (注:西门子等欧系 PLC 默认喜欢 PNP/源型,更符合欧洲安全规范;三菱等日系 PLC 传统喜欢 NPN/漏型。)

    万用表实战判断法(现场最实用)

    拿万用表打到直流电压档:

    - 黑表笔固定接 0V,红表笔测输出信号线:
    - 传感器触发时,量出来是 +24V \rightarrow PNP
    - 传感器触发时,电压被拉到 0V \rightarrow NPN


    #plc

  9. GitHub - zarazhangrui/frontend-slides: Create beautiful slides on the web using a coding agent's frontend skills · GitHub

    GitHub - zarazhangrui/frontend-slides: Create beautiful slides on the web using a coding agent's frontend skills · GitHub
    https://github.com/zarazhangrui/frontend-slides GitHub - zarazhangrui/frontend-slides: Create beautiful slides on the web using a coding agent's frontend skills