最近在 Mac mini M4 上跑了一下 maderix/ANE。这个项目的意思很直接:不用 CoreML 训练接口,不走 Metal,也不靠 GPU,而是通过逆向出来的私有接口,把计算图直接送到 Apple Neural Engine 上执行。
这事儿听起来很酷,但我一开始跑完以后也有点困惑:能跑是能跑,跟我平时用 Ollama、Dify、本地知识库有什么关系?折腾完以后,我的判断是:它现在不是一个生产工具,更像一个能摸到硬件底层的学习样本。
最近在 Mac mini M4 上跑了一下 maderix/ANE。这个项目的意思很直接:不用 CoreML 训练接口,不走 Metal,也不靠 GPU,而是通过逆向出来的私有接口,把计算图直接送到 Apple Neural Engine 上执行。
这事儿听起来很酷,但我一开始跑完以后也有点困惑:能跑是能跑,跟我平时用 Ollama、Dify、本地知识库有什么关系?折腾完以后,我的判断是:它现在不是一个生产工具,更像一个能摸到硬件底层的学习样本。

药液装量不能只看“合格/不合格”,还要看分布形态、批次波动、过程能力和正态性。这篇把一组装量抽查数据拆成三张图:直方图看分布,箱线图看批次,正态概率图看假设,最后给出一个可直接用于工艺判断的结论。
一句话结论: 这组装量数据中心准、波动小、分布近似正态,过程能力充分。

当 Hermes Agent 跑在一台“永远在线”的设备上,笔记本再用本地桌面端连过去,是个很常见的理想状态:Agent 有了稳定的文件、会话和工具宿主,你则保留原生桌面 UI。但这套方案曾长期被“远程 RPC 怎么调”和“WebSocket 握手容易失败”卡住。Sudolabs 有一篇很清晰的文章讲清了现状;我最近在本地实际重建过一次这条链路,其中还踩到了 hermes dashboard 前端产物缺失的问题,顺便一并写出来。

当一台云VPS同时运行Headscale服务器和Tailscale官方节点时,通过iptables SNAT双向桥接+精确子网路由广播,实现两个WireGuard网络之间的互通。

我有一个习惯:看到值得阅读的文章,就随手加到Safari阅读列表。但问题是,几乎没时间去仔细看它们,日积月累,阅读列表里已经堆了70篇文章,像一个不断膨胀的”待阅读”黑洞,每次打开都充满愧疚感。
在构建RAG系统时,需要为Dify配置本地的重排序(Rerank)服务。目标:部署一个稳定、支持中文优化的rerank服务,供Dify调用。
虽然我对百度这家公司不怎么感冒,但PaddleOCR确实让人眼前一亮。