家里那台小米电视是 OLED 面板，平时用来看片。装了几个第三方影音应用之后出了个毛病：不管放什么，十来分钟画面自己跳进屏保，得按一下遥控器才回来。一部电影被打断好几回。
我先把设置项翻了一遍。跟时间有关的选项里，有一个「节能」的等待时间，最长只能选到 12 分钟，没有「关闭」这一项。照着设成最长，屏保照跳。这条路走不通，我换了个方向：不看设置项了，直接去问电视自己——它每次拉屏保，日志里都记着是谁下的手。
连电视翻日志这活我交给了 AI 助手。我做的只有两件事：在电视上打开调试开关、弹框出现时按遥控器点「允许」。剩下的命令、过滤日志、定位、改设置，都是它跑完的。
蚂蚁百灵前几天开源了个小模型，叫 Ling-3.0-tiny，网上说得很玄乎：总参数 7.9B，但每次处理只激活 1.3B，小内存机器也能跑得飞快。我手头正好有台 16G 内存的 Mac mini，手痒，就折腾了一整天。
先说结论：这模型真能跑，速度是同类里我见过最快的（短输出实测 90 token/秒），但弯路不少，走错方向能花一上午。
如果不想看过程，直接翻到最后的”给想动手的人”，照着做就行。
前一篇讲我把上千篇文章搬进了自己的知识库，有读者后台问：LLM Wiki 到底是个什么软件，怎么用？这篇讲清楚它的原理和几个重要功能，包括很容易被忽略的”待审阅”和”深度研究”。
先交代一下身份：我是那种工作和生活都已经离不开 AI 的用户。写稿、做总结、查资料、看代码、记笔记、安排日程，基本都跟 Hermes 对话完成。软件用得越深，token 就烧得越快，所以我对套餐的价格和质量特别在意。说白了，咱也不是富人，每一分钱都想花在刀刃上。
手头一个 Flask 应用，Gunicorn 跑在 8081 端口，用户直接访问 http://ip:8081/。页面加载很慢，有时候好几秒才出来。同一台服务器上另一个静态站点（Next.js 生成，Nginx 托管）响应就很快。
查了一圈：服务器负载正常、数据库正常、代码没性能瓶颈。最后发现问题出在访问路径上——用户走的 8081 端口 根本没经过 Nginx，所有请求直捅 Gunicorn。
把 8081 端口从 Gunicorn 手里拿过来交给 Nginx 监听，Gunicorn 改到内网 8083，问题解决了。首页加载从超时降到了 70 毫秒，CSS 文件从 232KB 变成 31KB（gzip）。
这是一篇可以边读边运行的自注意力入门教程。我们用一句英文 Your journey starts with one step，把 GPT 处理文本的全过程走一遍：分词 → 词嵌入 → 位置嵌入 → 自注意力 → 训练观察。
Hermes 不只是一个对话入口。真正有价值的地方，是把本地知识、远程服务、图像生成、博客发布和公众号草稿箱连成一条可复用的工作流。
这次搭建的目标很明确：输入一个主题，Hermes 能够起草文章、润色文字、生成配图、保存到知识库，并把稿件送入微信公众号草稿箱。公众号端只进入草稿箱，不自动群发，最后仍保留人工审核。
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。
