从去年底到现在，ChatGPT 掀起的 AI 浪潮滚滚而来，出现了很多以大语言模型为基础的 AI 应用，在各平台 UP 主、博主的狂轰乱炸下，试用了不少应用。目前个人体验，能实在用到工作里的，一种是能联网回答问题的 New Bing 类，一种是能根据指定文档内容进行问答的 ChatPDF 类应用。 鉴于 New Bing 免费又无敌存在，基本找不到同水平替代。 ChatPDF 类倒是有不少，目前知道的有 ChatPDF、ChatDoc、FileGPT、askwise。对于这类应用，个人比较关心的指标有两个： ...

前段时间用 PrimoCache 给办公电脑进行加速，使用一个 2015 年的 16G 闪迪 U 盘作为二级缓存。刚开始两天 PrimoCache 没把 U 盘用满，电脑运行感觉非常顺畅，后面 U 盘空间基本被全部使用，切换或打开程序就变得非常卡顿，甚至比不用 PrimoCache 还卡时间。然后把二级缓存禁止了，效果明显。所以为了提升打工人的干活体验，节约自己的时间，打算换个大容量的 U 盘做二级缓存。 别问为啥不向公司申请加电脑配置，问就是公司没这个制度，只能等固定资产折旧到期整机更换。 ...

办公电脑性能问题 目前办公用的电脑，是公司 18 年集采的，高价低配，7 代酷睿处理器+1T 机械硬盘+8G 内存+独显 GT710。由于使用时间长，安装软件多，多开几个 CAD 图和 word 文档，就会出现明显卡顿，严重影响工作效率。 这个规格的 CPU、内存，对付常用办公软件勉强够用，性能瓶颈在于机械硬盘。目前固态硬盘不贵，国产普通品牌 512GB SATA 接口的 SSD 不到 200 RMB，直接装个 SSD 当系统盘，便能显著提高办公舒适度。 可我懒得重装系统和一堆软件，琢磨着有没有其他办法给电脑提速，就发现了 PrimoCache 这款软件。 ...

突发奇想，想让 ChatGPT 生成 NovelAI 文生图的提示词，就是我用中文描述图像，ChatGPT 给我英文提示词。 参考这篇文章《AI 协同打工，ChatGPT 生成提示词+AI 作图》的方法，需要先给 ChatGPT 投喂一些已生成图像的提示词，作为养料供它学习怎样写提示词。 因为打算用 NovelAI 模型生成卡通图像，就搜索网友们分享的提示词，找到一个 NovelAI 贴吧汇总的图像和提示词汇总在线文档《元素法典》，里面有不少优质的 NovelAI 生成图像，给网友们的分享精神点赞。 ...

网络浏览器大概是电脑上最常使用的软件，看剧、听歌、浏览网页、打游戏，甚至用于写文、画图、敲代码等办公行为，各种网站、浏览器扩展提供了丰富的功能。 每当打开一个网页，浏览器就会自动下载网页相关的文件，存储在缓存目录中，然后将这些文件渲染成你所看到的网页。下载到浏览器缓存目录的文件，都是些体积不大的碎片文件。浏览器会给缓存目录的容量设定最大限定值，浏览器会自动将缓存目录中不用的文件删除，以保证文件总量不超过限定值。所以，当长时间使用浏览器上网，会不断下载大量碎片文件，导致缓存目录所在硬盘不断读写。 ...

新冠疫情持续三年，现在新政策新形势，终归会回到正常的生活秩序。12 月 7 日，国家卫健委官网发布防疫政策「新十条」，要求精准防控，不得采取任何形式临时封控。12 月 8 日，仙城（xi’an cheng）跟进新政策，大部分管控的小区开始开放。记得那天去地铁站，下意识拿出手机准备扫健康码，发现二维码牌子已经撤了。 新政策下官方不再组织统一测核酸，能查到的仙城感染数据截至 12 月 13 日。没有数据不意味着没人感染。反倒由于人员流动比 12 月 7 日前更自由，以及欧米克融毒株的高传播性，周围人感染比例越来越高。最近一周，全公司的人基本上都居家养病，只有我们少数几个人轮流值班。虽然进出公共场所不再查核酸扫健康码，但出门还是要小心翼翼，不敢往人多地方去。要恢复到无顾忌地逛街吃饭 KTV，还是要等这一波疫情过去，等大部分人变杨康。 ...

一直以来在家看电影看剧，都用的电脑，没买电视机。年底父母要来，就寻思着双十二入手一台电视机，这样我用电脑时候，他们有电视可看，而且大屏幕看电影也比二十几吋的显示器舒适。 现在智能电视基本是一超大屏幕的平板电脑，数码设备这类商品不敢深入了解，一了解就勾起自己很多需求，4K 显示想要，120Hz 刷新想要，WIFI6 想要。。。当然钱包也想要。 在论证了购买必要性后（参照 一个理性消费的行动流程 ），通过对相关产品的搜索，确定了预算和规格型号。预算 4000 以下，75 吋，候选型号有三款：雷鸟 鹏 6 Pro（75S505D Pro）、Redmi X Pro（L75R9-XP）、Vidda X75（75V3H-X）。 ...

数据文件为 Libreoffice 编制的 ods 类型，为了能直接读取 ods 文件生成 dataframe 格式数据，安装 pandas_ods_reader 包。 1 pip install pandas_ods_reader 然后导入相关库，读取数据。 1 2 3 4 5 6 7 import seaborn as sns import pandas as pd from pandas_ods_reader import read_ods %matplotlib inline ffftime = read_ods('dataset.ods', 1) 1 2 3 # 挑取目标列数据 thedata = ffftime.loc[ffftime['人种']=='黄', ['连续输出1']] print(len(thedata)) 195 目标列中一共有 195 个待分析数据。对这些数据绘制直方图，查看各数据段内的分布占比，图中柱宽为 2。 1 2 3 4 5 6 7 8 9 # 绘制密度分布图 rc = {'axes.unicode_minus': False} sns.set(context='notebook', style='ticks', font='simhei', rc=rc) ax = sns.histplot(data=thedata, x='连续输出1', binwidth=2, stat='proportion') x = range(0, 50, 5) ax.set_xticks(x) ax.set_ylabel("占比", fontsize=14) ax.set_xlabel("连续输出时间/min", fontsize=14) ax.set_title('连续输出时间样本统计', fontsize=14) 从占比直方图可以看出，5~7min 为占比最多区间，大约的18.5%样本落在此区间。 ...

对于一款好用的人脸修复工具，个人需求如下： 可批量处理照片； 处理效果好； 软件纯粹本地运行，无需网络； 最好免费、免注册。 试用了五款软件：佐糖、jpgHD、小白兔 Ai 的 GFPGAN-GUI 人脸图片智能修复工具、QualityScaler、Topaz Gigapixel AI。 没有一款能满足以上所有需求的。。。最好的是 Topaz Gigapixel AI，能满足前三点需求。 至于软件运行速度，佐糖、jpgHD 属于本地前端 GUI，实际处理过程发生在远程服务器，速度主要受网络和服务器性能影响；其他三款都是纯本地运行，速度受电脑配置影响较大。因此运行速度没什么参考意义，就不测试了。 ...

创建文件 a.txt，同一磁盘分区下，再创建文件 b.txt 硬链接至文件 a.txt，如下图两个文件的文件 ID 相同。 做以下文件操作进行测试。 （1）修改文件 a.txt，文件 a.txt 修改时间改变，文件 b.txt 修改时间自动变为与 a.txt 相同。 修改 a.txt 前↓ 修改 a.txt 后↓ （2）a.txt 和 b.txt 一同拷贝至其他硬盘分区，硬链接失效，变为两个文件 ID 独立的文件。