CrossPoint 2.0 加入藍牙翻頁、OPDS 2.0 和外掛功能
電子書閱讀器上的軟體如果不好用,找書、調整字型或記下讀到哪裡都會很麻煩。CrossPoint 是給小型電子書閱讀器使用的免費軟體,CrossPoint 2.0 加入藍牙翻頁、OPDS 2.0 和外掛功能,也能調整字型與版面、搜尋和排序書籍,還能查離線字典、加書籤和同步閱讀進度。像是配對藍牙遙控器後,就能按按鈕翻頁,或指定長按來跳章節。讀者可以依照自己的習慣整理閱讀方式,也能在不同裝置上接續閱讀。
電子書閱讀器上的軟體如果不好用,找書、調整字型或記下讀到哪裡都會很麻煩。CrossPoint 是給小型電子書閱讀器使用的免費軟體,CrossPoint 2.0 加入藍牙翻頁、OPDS 2.0 和外掛功能,也能調整字型與版面、搜尋和排序書籍,還能查離線字典、加書籤和同步閱讀進度。像是配對藍牙遙控器後,就能按按鈕翻頁,或指定長按來跳章節。讀者可以依照自己的習慣整理閱讀方式,也能在不同裝置上接續閱讀。
以前在巴基斯坦 CD 店買得到的 DOS 遊戲 Shahzor,原本的下載連結都已失效。作者從 Internet Archive 找到 1999 年試玩版,並用 js-dos 和 DOSBox 讓它能在瀏覽器裡玩;這個版本有兩個關卡,使用桌上型電腦鍵盤操作。遊戲畫面維持 4:3 比例,頁面也加入全螢幕按鈕;搬進瀏覽器時,作者還保留了遊戲原本的啟動方式,讓選單能正常開啟。
資料湖裡有大量檔案、紀錄和產品資料,若要做向量搜尋,常得先把資料複製到另一個資料庫。Onehouse 宣佈 Lakegres 可直接替 Hudi 和 Iceberg 資料表建立向量索引,索引和資料都放在同一個儲存空間,資料更新時也會同步更新索引,不必另做同步工作。搜尋可透過 Postgres 介面進行;測試使用約 2.47 億筆向量,Lakegres 的暖機查詢中位數延遲為 63.5 毫秒,Databricks AI Search 為 655 毫秒,兩者 Recall@10 分別為 0.95 和 0.952。這項比較使用不同的延遲量測方式,結果不代表總成本比較。
客戶問付款多久會到帳時,直接在大量檔案裡找相同字詞,可能找不到真正相關的答案。這篇教學示範 RAG 的前兩步:先把檔案切成保有完整意思的小段,再用嵌入模型把每段文字和問題轉成數字,依意思找出接近的內容。例如「How long do payouts take?」能找到寫著「Transfers settle within two business days」的段落,即使兩者用字不同。文章也提醒,切得太大會混入不相關內容,切得太小則可能失去脈絡;檔案標題和更新日期等資料,也有助於辨認內容適用範圍。
推薦理由:這次更新同時加入 10 個模型並調整 GPU 執行方式,還列出 Step5 NVFP4 解碼的速度資料,可用來瞭解 vLLM 的更新範圍。
團隊一起做圖或影片時,每位創作者都要各自準備節點、模型和硬體,設定容易不一致,較重的工作也可能超出本機 GPU 能力。現在,Comfy Cloud 付費方案都能使用 Custom Builds,把團隊支援的自訂節點、模型、LoRA 和相依專案打包成共用設定;新成員開啟瀏覽器,就能用相同工具接手工作,也能在 ComfyUI 畫布上調整工作流程,或透過 API 執行。團隊可選擇 GPU,並按工作量增加同時執行的任務;GPU 只在工作執行期間計費,每小時費率依 GPU 而異,介於 $1.75/hr 到 $11.23/hr。
推薦理由:Custom Builds 把團隊選用的節點、模型與 LoRA 放進雲端共用環境,並按工作量調整 GPU 和同時執行的任務數,呈現協作流程如何延伸到雲端。
Carnegie Mellon 把 13 門電腦課程排上 YouTube,但只看影片不一定能真的學會寫程式。作者建議先學原本就免費的資料庫和電腦系統課程,因為它們有作業可練習,有些還能檢查答案;新課程則有的只有影片,有的作業和測試方式還沒公佈。他也排出一份配合全職工作的六個月學習順序,主張先打好系統基礎,再學機器學習相關課程,這樣比較能看出 AI 助理寫的程式是否正確。
把多個指令同時跑,通常會讓工作更快;但 bd board 的實測結果剛好相反。bd 會用 Dolt 資料庫,而資料庫一次只讓一個處理程序工作,因此同一個專案的多個指令即使同時啟動,也會互相等待。作者用 bd 1.3.4 測了六次指令,結果平行執行慢了 10% 到 20%,而且沒有指令失敗。bd board 後來讓同一專案的指令排隊執行,不同專案仍可同時處理;也能開啟計時紀錄,分辨時間花在排隊還是指令本身。
Ratwires 是一面讓人自由留言的網路塗鴉牆,大家可以貼短句、打招呼、寫詩、畫老鼠,也能回覆別人的留言。牆上還有個擲骰子小遊戲:輸入 !dice 1d100,由伺服器決定點數,最高分也沒有獎品。這個網站重建自 2020 年的 ratwires.space,讓人想起早期網路簡單、隨興的留言板。
一個人要打造和維護很多大型軟體,往往得花上大量時間。作者分享他如何安排 AI 助理分工,做出 30 個開源程式庫,涵蓋資料庫、遊戲引擎、檔案處理和 AI 工具等。每個專案由不同 AI 助理規劃和寫程式,並用測試或相容性檢查把關;助理不能自行發布,通過檢查後由作者按下發布按鈕。作者也說明,AI 助理會接手處理使用者回報的問題。
推薦理由:作者以自己維護的 30 個開源程式庫為例,說明 AI 助理如何分工開發、用外部測試把關,並由人決定何時發布。
寫程式的人常會在筆電、建置伺服器等不同電腦間切換,搬工作時還得複製檔案、重新開始對話。Beep 是一款開源工具,能同步多臺電腦上的專案,讓你選一臺電腦執行 Claude Code、Codex 等程式開發 AI 助理,也能從同一個視窗開啟各臺電腦的終端機。電腦之間會直接建立加密連線,無法直連時才使用中繼。Beep 可搭配既有的 Syncthing 設定;目前支援 Apple silicon Mac、Windows x64 和 Linux x64,沒有 Intel Mac 版本。
網站的無障礙檢查不難做,但政府和學校多年累積的 PDF 檔案,常藏著難找的問題。作者用 veraPDF 檢查 774 份檔案,發現其中 771 份沒通過;更讓人意外的是,595 份已經有結構標籤的 PDF,仍有 592 份不合格。作者也用 pikepdf、RapidOCR 和 veraPDF 在 31 份棘手檔案上測試本機修復流程,修完後都通過檢查,而且頁面看起來沒有改變。 不過,機器檢查通過不代表所有人都能順利閱讀:例如螢幕閱讀器可能把雙欄內容讀錯順序,或無法理解圖表和複雜表格。自動工具能處理不少檔案格式問題,最後仍需要真人用螢幕閱讀器確認。
有人花了三週多,把 185,000 行 C 程式碼改寫成 340,000 行 Rust 程式碼;同一段時間,curl 原本的專案合併了 300 多次修改,修好 200 多個錯誤,也修補了幾個安全漏洞。Daniel Stenberg 提醒,照著重寫出來的版本,未必跟得上原版持續修正問題的速度;再過一個月,curl 可能又會多出 200 個修正和其他安全漏洞修補。
這次 CrewAI 更新讓 ChromaDB 可以選擇安裝,並把預設知識資料改存到本機 Qdrant;AI 助理也能先挑選工具,之後再加入。更新還修正了多種資料處理問題,例如避免日期寫入 JSON 時出錯、正確讀取含 BOM 的 JSON 檔,以及不再漏掉串流回傳的內容。這些調整讓設定與資料讀寫更可靠,也讓使用者能依需求選擇儲存方式和工具。
跨鏈兌換看起來只要選幣種和按下交換,實際費用、資金由誰保管,以及會不會被要求驗證身分,常常不容易事先看清楚。Shieldz 整理並逐一檢查 81 款 App,將它們的費用、保管方式和身分查核規則放在一起比較,另提供可下載的資料集。比較顯示,只有 24 款能查到明確且可核實的固定費用;有些服務會在收到資金後,因交易被標記而暫停兌換並要求驗證身分。文章也提醒,內建在錢包裡的兌換通常比聚合器貴,使用者可比較同一筆交易的實際到帳金額,並確認兌換期間由誰保管資金。
人在外地時,銀行、通訊和政府服務可能仍綁著家裡那支 iPhone,換手機或轉接電話也無法直接使用原本的 App。作者把第二支 iPhone 接在家裡的舊筆電上,再用 TracePort 從主手機遠端看畫面、點選操作和接聽電話;手機鎖定或連線卡住時,家裡的程式也會嘗試自行恢復。文章還分享聲音逐漸落後畫面的原因,以及藍牙配對和影片解碼遇到的問題與修正方式。這套做法需要一支手機、筆電和藍牙轉接器,遠端連線使用 Tailscale。
使用 FlutterSDK 套件的開發者,可能會在更新專案時看到舊套件已停用的訊息。作者把套件換了新名字,並移到自己的帳號底下:fluttersdk_wind 改為 wind_kit、fluttersdk_dusk 改為 tapir、fluttersdk_telescope 改為 crumbs,fluttersdk_artisan 改為 dowel;舊名稱不會再推出新版本。 把 Wind app 換成 wind_kit 時,要更新套件依賴和程式碼中的匯入名稱;使用 wind_kit 也需要 Dart 3.13 和 Flutter 3.47,較舊的 app 暫時得留在 fluttersdk_wind 1.11.x。改名後,舊連結目前還會轉到新套件,但這項安排不會一直維持。
ObjFW 原本能在 Windows 98 SE 執行,卻不能直接在 Windows 95 使用,因為兩套系統少了不同的程式庫和功能。作者調整 ObjFW,讓它改用 Windows 95 有的程式庫,遇到系統沒有的功能時再改用舊方法,也讓網路功能能配合不同版本的 Winsock。最後,作者補上查詢 DNS 伺服器的方法,測試也全部通過。這次移植也說明,Windows 95 和 Windows 98 並不是隻差在外觀,有些功能只有較新的系統才有。
Android 的程式碼庫很大,開發者每開一個新工作區,都可能得等很久才能下載程式碼和完成建置。Google 推出開源工具 ABFS,先載入檔案清單,等建置真的需要某個檔案時才下載,並共用開發者與 CI 已經完成的建置結果。Google 表示,Android 原始碼下載時間從約 36 分鐘縮短到不到 8 秒,完整建置則從約 80 分鐘縮短到 2 分鐘多。這讓開發者和 AI 助理能在同一臺機器上平行處理多個工作區;ABFS 也正嘗試支援其他大型 Git 專案與建置系統。
推薦理由:Android 大型程式碼庫的下載與建置原本耗時很久,ABFS 展示了用按需載入和共用快取縮短等待時間的做法。
AI 助理的 API 有時明明遇到錯誤,卻回報「成功」,讓使用者以為 AI 助理真的這樣回答,也可能讓程式停止重試,或把失敗的對話算進報表。HiveGate 0.4.0 修正了 3 種這類狀況:模型服務出錯時,改回傳 502;聊天用的 MCP 工具設定錯誤時,會在呼叫模型前拒絕請求;清除對話紀錄時,也會確實刪除。 例如,模型服務的金鑰錯了,API 會用錯誤程式碼告訴程式是哪裡出問題,串流回覆也會送出錯誤事件。這讓程式能分辨哪些錯誤可以稍後重試,也讓使用量紀錄和實際結果一致。不過,如果 MCP 工具會修改資料,目前還沒有讓人先核准的步驟。
推薦理由:Rumble-2-Flash 主打在手機上處理口音、多人重疊說話和街道噪音,可看出小型開放模型在語音辨識上的應用方向。
用小型模型分析 CSV 時,讓它分好幾步規劃、寫程式、執行,再修正錯誤,聽起來比較周全,結果卻可能更差。作者用同一個 1.5B 模型做 DABench 測試,單次提示詞產生程式、執行一次,40 題答對 0.70;AI 助理流程答對 0.55。AI 助理常在呼叫工具或修正程式時出錯,難題尤其容易卡住,花的 token 也約多 5.6 倍。這次測試題數不多,差距還不能算達到統計上的顯著程度;結果也只適用於這個小型本機模型。
社群使用不同平臺時,常得搬到同一個地方才能一起討論。Bonfire 1.1 讓群組自訂誰能找到、加入、閱讀和發文,也能為不同主題開設討論空間。公開群組和主題現在可以跨 Bonfire 伺服器交流,也能從 Mastodon、Lemmy 等聯邦宇宙應用程式加入;開放網路和公告頻道也支援跨站傳播。地方社群和私人社團目前仍留在原伺服器,以便處理隱私。群組還能用投票整理意見,並選擇透過應用程式、手機或電子郵件接收通知。
推薦理由:Bonfire 1.1 展示社群如何自訂成員與發文規則,並讓公開群組跨伺服器交流,適合瞭解分散式社群工具的設計取捨。
語音辨識模型常要用很大的模型,才能處理多種語言和吵雜的電話錄音。Hugging Face 開源了 Rumble-2-Flash,這個 0.5B 模型支援 40 多種語言,也能自動判斷語言;它還能設定數字要寫成數字或文字,以及是否保留填充詞和重複內容。在一項 302 小時、涵蓋 14 種英語口音的客服電話測試中,它的錯誤率是 7.86%,接近 30B 的 Nemotron 3.5 Transcribe。模型可透過 Transformers、vLLM 和 Hugging Face API 使用。
推薦理由:Rumble-2-Flash 在多語言辨識與電話語音測試中,和大上許多的模型比較成績,呈現小型語音模型的實用範圍。
企業的銷售、付款和裝置讀數一直在變,等到定期報表出來才採取行動,可能已經太晚。IBM 和 Confluent 把時間序列模型放進 Confluent,讓團隊透過 Apache Flink 和 SQL,從即時資料預測需求、找出異常,也能搜尋相似的裝置訊號;模型可在雲端或企業自己的環境中用 CPU 執行。文章舉例,商店可依銷售預測安排補貨,工廠則能提早發現產品品質可能偏離目標。預測結果可提供給既有應用程式和作業流程參考,仍可搭配其他資料、規則與人工判斷。
推薦理由:文章以零售補貨與工廠品管等案例,說明如何把時間序列預測和異常訊號接進即時資料流程,協助團隊更早採取行動。
使用者快速切換查詢條件時,較早送出的資料請求可能晚一步完成,讓畫面被舊資料蓋掉。Solid 2.0 把非同步資料載入和畫面更新放進同一套資料追蹤機制,會協調請求結果,也能在第一次載入時顯示等待畫面,重新抓資料時先保留原有內容。新版還會指出程式中的追蹤與載入問題,並提供修正指引,讓 AI 助理協助找出錯誤。升級時需修改已移除的舊 API 和套件匯入路徑,也要確認第三方函式庫是否相容;SolidStart 目前不能直接搭配 Solid 2.0 使用。
商店、管理後臺和 API 要分開部署,卻又需要共用資料和程式碼,放在一起開發時也可能出現呼叫錯路的問題。Epicstock 把三個應用放進同一個儲存庫,共用資料型別、表單檢查規則和有型別的 API 使用者端。作者曾遇到管理後臺把請求送到錯誤網址,造成 404;改用共用使用者端後,錯誤路徑能在程式檢查時先被抓出來。作者也提醒,這種做法不會自動處理部署和資料庫更新,檢查仍要有人執行。
開發者使用語言模型時,常要自己挑供應商,也可能遇到服務中斷。Hugging Face 現在透過 OpenRouter 分派模型請求,預設會依價格、速度和可靠度挑選供應商,遇到中斷時也會自動改用其他供應商;原有程式碼不必修改。開發者可用「:fastest」選吞吐量最高的供應商、用「:cheapest」選價格最低的供應商,也能直接指定供應商。OpenRouter 表示,採用新路由後,容量錯誤減少 46%,首個 token 出現時間改善 16.9%,吞吐量增加 16.3%。Hugging Face 會代為處理帳單,語言模型供應商的自備 API 金鑰不再適用,但圖片和影片服務仍可使用。
推薦理由:Hugging Face 改由 OpenRouter 按價格、速度與可靠度分派模型請求,文中也提供切換供應商的方式與效能變化,能看出路由調整對開發者使用體驗的影響。
AI 模型的排行榜會隨新成績變動,遇到同分時,排名也可能因計算方式不同而改變。作者用 Python 查詢 Hugging Face 的公開資料,重算各組織的第一名、前三名和參賽數,核對 Darwin 拿下 12 項第一、參加的 15 項評測都進前三名。文章也示範把同分視為並列第一;若直接照用 API 提供的名次,AIME 2026 的並列結果就會漏算。
挑選開源語音合成模型,沒有一款能在每臺電腦、每種語言和每種需求下都最好。這篇指南示範如何在同一臺裝置上比較 MOSS-TTS、Piper、Kokoro 和 Qwen3-TTS:固定句子與測試條件,記錄硬體、模型版本和設定,並把載入模型的時間與生成語音的時間分開。比較時也要聽語音是否念錯、漏字或有雜音,並檢視記憶體用量。單一裝置和少量句子無法選出通用冠軍;保留測試文字、環境和結果,之後模型更新時才能重做比較。
小型自製機器人常用 OLED 螢幕顯示資訊,Dumirror_Robo 則把螢幕用來畫表情和播放動畫。作者做了一套開源 Arduino 函式庫,可在 128×64 的 SSD1306 OLED 螢幕上顯示 19 種表情和 10 種動畫,也能加入自訂動畫。作者用紙板做出 Mochi 機器人,並在 Arduino Uno、ESP32-S3 和 ESP32-C3 上測試。專案附有接線圖和範例程式,讓創作者能用小螢幕和相容的微控制器,試著替自己的機器人加上簡單的互動表情。
有些使用 CEF 的 Windows 應用程式,在 Wine 的 Wayland 原生驅動下無法正常顯示。Wine 已合併一項 OpenGL 改動,讓不同程式可以傳遞並顯示畫面;這項功能在 Linux 的 X11 和 Wayland 都能使用,也讓 CEF 應用能搭配 WineD3D 在 Wayland 正常顯示。這項改動預計收錄在下週推出的 Wine 11.23,讓 Wine 在 Wayland 上的支援更接近 X11。
Markdown 筆記裡的圖片常放在另外的檔案裡,搬動筆記可能讓圖片連結失效,用手機看筆記也得另外同步。udctl 讓你直接貼上或拖入圖片,圖片會存到自己選擇的伺服器硬碟或 S3 相容儲存空間,筆記則用檔案 ID 找到圖片,所以改名或搬到別的資料夾後仍能顯示。手機和電腦連到同一臺 udctl 伺服器,就能在同一篇筆記裡看到圖片;需要一般檔案時,也能用 ud pull /travel/ --fetch-attachments 匯出 Markdown 筆記和圖片。PDF 等其他檔案也能放進筆記,並在頁面中預覽或下載。
想知道網站用了哪些工具,光看首頁能查到多少?SiteGauge 用自家工具向 Majestic Million 排名前 50,000 的網域各發出一次請求,沒有執行 JavaScript;其中 35,192 個網站回傳了可讀頁面。調查發現,近七成可讀網站載入至少一種追蹤工具,WordPress 在排名較後的網站更常見;也有網站仍引用已停用的 Google Optimize。這些數字只反映工具當次看得到的內容,受到機器人封鎖、延後載入和自建同意工具等因素影響,不能直接當成所有網站的完整情況。
AI 助理每次要產生回覆時,常得依序啟動許多 GPU 工作;工作量小時,等待工作開始和結束也會拖慢回覆。vLLM 的 FlyDSL MonoKernels 把互相依賴的工作排進較少的 GPU 執行流程,讓部分工作可以接續進行,也能提早讀取後續需要的資料。文章列出多款模型在 AMD Instinct GPU 上的測試,並發量為 1 時,回應速度或每個輸出 token 的時間改善約 1.20× 到 2.26×。這項功能需自行開啟,適用範圍依模型、GPU 和工作量而定;並發量提高時,改善幅度通常會縮小。
推薦理由:文章比較多款模型在不同 AMD Instinct GPU 與並發量下的測試結果,也說明低並發時的延遲改善和步幅限制。
AI 讓攻擊者更快找出軟體弱點,也讓開源專案的維護者忙著處理大量低品質通報。不過,文章主張把程式碼藏起來,仍擋不住有問題的套件或不安全的發布流程,反而會讓買家更難檢查軟體用了什麼。開源軟體可以讓人檢視程式碼、追蹤套件,也能自行架設;但光是公開還不夠,廠商還得把發布流程顧好、公開安全處理方式,並出錢維護專案。作者以 ZizkaDB 為例:它會記錄 AI 助理做過的事,讓人查出紀錄有沒有被改過。這些紀錄有助於事後調查,卻不能阻止攻擊;開源要帶來信任,還得搭配查證和持續維護。