Info 我实在是受不了这个网络问题，不能畅快的 pull image 就和便秘一样。 然而，大部分的曾经一配即可用的镜像源大多数不好用或者开始收费，这些就不多说了，总之就是不好用了，那么我就打算自建一个。 之前是给公司打了个 Harbor，不过Harbor 所在的环境也无法连接外网、且多管理内部镜像为主。前段时间刷到一篇文章，但是一直迟迟没有行动，直到今天连文章都找不到了，那就只能自己处理了。grok 给我搜到了官方的方案Docker Registry Pull-Through Cache，但是他一次一个容器配置一个源，我也不知道我会用到多少个，于是搜了一下果然有人做了 ...
安装 OpenClaw 我也不知道啥情况，总之是三巨头各种折腾然后似乎被 openai 收入麾下了，我在第一次使用龙虾到现在他名字都换了两次了。所以把之前的清空配置，再重新安装。 Install | OpenClaw | The AI That Actually Does Things 这里我使用他的 sh 脚本访问不到，于是使用 pnpm 安装，然后 onboard ...
Qwen3.5-35B-A3B Info Qwen3.5 系列终于发布了小杯模型，对应的在阿里云提供 API，Qwen3.5-Plus 即 Qwen3.5-397B-A17B，Qwen3.5-Flash 即 Qwen3.5-35B-A3B。 前面几天对于 Qwen3.5-Plus 的表现，网友评论都是不错、那么这个小杯表现如何是我们比较关注的，毕竟一点资源就能跑起来了。 ...
阿里新开源了 zvec，开个小仓库浅浅试一下。 这篇就是折腾记录，不作为任何指南、是为了给未来如果做 LLM桌面应用时，多一个 vector DB 的选择。 GitHub - alibaba/zvec GitHub - Coco422/zvec-try 怎么测的 目标很简单：先把“建库 -> 入库 -> 向量查询 -> 命中评估”这条链路跑通。 我在 zvec-try 里做了这几件事： 用 datasets/*.json 配 4 组中英混合语料 每条 query 写 expected_doc_ids，按 top-k 命中做 PASS/FAIL embedding 走第三方 API（SiliconFlow / 阿里云/自部署） 每个语料单独创建一个本地 zvec collection，方便重复跑 配环境 我还是用 uv。 ...
原因 我的 Open Web UI 最早的时候用的是 SQLite 数据库，用久了之后，发现性能总感觉跟不上。所以决定迁移到 Postgres 数据库里。 脚本 用 claude opus 4.6 分析了一圈 关键差异总结： auth.active: SQLite 是 INTEGER (0/1)，PG 是 BOOLEAN — 需要转换 chat.created_at/updated_at: SQLite 存的是 Unix 时间戳整数，PG 是 BIGINT — 兼容 config.created_at/updated_at: SQLite 是 DATETIME 字符串，PG 是 timestamp without time zone — 需要保持字符串格式 function/model/tool.is_active/is_global: SQLite 是 INTEGER (0/1)，PG 是 BOOLEAN 一些旧表（auth, chatidtag, file, function, model, tool）在两边都没有显式 PK 约束 以下是用到的 python 脚本，注意，本脚本只对 23f47d28bfc3 这个 ID 的镜像有效，请注意有效期。各位可以按照差不多的规则自己 下载 pg 的镜像和 sqlite 的 然后对比分析下 ...