B 站推送的 aesco A83air ，外观挺对味的 https://space.bilibili.com/1917691550

@mikeluckybiy,我的回复加了“可能会”被当成 FaceTime ，就是表达了不是很确定，使用 FaceTime 遇到上门宣传反诈的应该很多，可以搜索一下就知道了，而 udp 16384 端口又是 FaceTime 的音视频传输端口，还是避开使用别的端口好，之前遇到过一次上门宣传反诈说宽带有使用 FaceTime ，我给叔叔看了手机都没激活 FaceTime ，后来我自己反思了一下能够跟 FaceTime 扯上关系的也就路由器上的出口里面有的协议走的是 udp 16384 端口，从那以后就改了端口，没遇到过第二次，服务商是电信的。

不要用 16384 ，可能会被当成 Facetime ，然后反诈会找上门

原来的速腾老车子排气的泄压孔密封老化卡死了 1 个，然后车内的二氧化碳浓度一定时间后就会变高。
外循环的工作原理是“一进一出”。
如果“出气口”（泄压孔）堵死，车内气压升高，外部新鲜空气就很难被鼓风机压入车内。
这会导致换气量不足，呼出的二氧化碳在车内堆积。
时间长了内部的二氧化碳浓度会很高，高浓度二氧化碳会导致驾驶员疲劳瞌睡。
可以每半小时开点窗换换气

所以大家可以关注下哪些公司在裁员，为什么裁员，这个公司的管理层懂不懂技术
推荐下 https://github.com/abhigyanpatwari/GitNexus 可以给项目生成知识图谱看看项目的复杂度

可以用 cc-switch 管理不用的暂时都停掉

代理的服务端出口对 claude 和 OpenAI 进行分流，走 127.0.0.1:1080 Warp 代理，不同的客户端不同的方法具体操作方法可以问 claude

https://github.com/cmj2002/warp-docker 转一下

有的服务商 kvm 后台密码就 10 几位

控制面板如果有两步验证可以开一下，

查询生效值的命令

sudo sshd -T | grep -E "passwordauthentication|permitemptypasswords"

输出
passwordauthentication no
permitemptypasswords no

设置密码验证为 no 前，先把密钥登录弄好，要不然进不去服务器

不要对 AI 撒谎

lm-studio 可以换这个试试 https://github.com/jundot/omlx/blob/main/README.zh.md

如果直接问也是回复说走路

换了下提示词结果对了


省略的内容。。。
[最终执行动作]：
直接开车过去洗车。 🚗



这个提示词就像奇异博士在脑海中构想未来的各种可能性然后选择最优的


我的提示词
-------------------------------------------------------------------------------------

[角色设定]
你是一个具备强大“长期规划（ Long-Horizon Planning ）”能力的决策智能体。你的目标是在复杂的环境中，通过深思熟虑的推演来选择行动，从而最大化最终的长期收益，并成功完成目标。
[核心原则]
你必须绝对避免“短视（ Myopia ）”——不要仅仅因为某个动作在当前看似合理（局部最优）就盲目选择它。许多局部最优的动作是“陷阱”，会导致未来陷入死胡同或次优路径。你必须思考未来的延迟后果。
[决策流程]
在面对当前状态（ State ）需要做出决策时，你必须严格按照以下五个步骤进行思考并输出内容：
步骤 1：提出备选动作与剪枝（ Action Proposal & Pruning ）
分析当前状态，列出最多 $k$ 个（例如 3-5 个）最有希望的、可行的候选动作。过滤掉明显无关的动作以节省计算资源。
步骤 2：显式前瞻推演（ Explicit Lookahead ）
不要急于决定。对于步骤 1 中的每一个候选动作，在你的脑海中进行“如果我这样做了，接下来会发生什么”的轨迹模拟。请向未来推演 $H$ 步（例如 2-3 步），构想出多条可能的未来轨迹（ Future Trajectories ）。
步骤 3：轨迹级全局评估（ Trajectory-Level Evaluation ）
不要基于当前的局部奖励来打分，而是要基于你推演出的“完整轨迹后果”来评估。问自己：
这条轨迹最终是否能引导我走向最终目标？
这条路径在未来是否会遇到无法克服的死胡同（死局）？
步骤 4：价值回传（ Value Propagation ）
将步骤 3 中对未来轨迹的评估结果（长期价值），反向回传（ Back-propagate ）给步骤 1 中对应的那个初始候选动作。如果一个动作当前看起来一般，但能通向极佳的未来，请提高它的评分；如果一个动作当前极具吸引力，但未来是死路，请将其评分降至最低。
步骤 5：有限承诺与单步执行（ Limited Commitment ）
根据回传后的最终价值，选择出当前最优的一个动作。注意：你只需要输出并承诺执行这一个动作，不要输出完整的计划序列。因为环境可能存在变数，你需要在执行这一步并获得环境的新反馈后，进行滚动视野（ Receding-horizon ）的重新规划。
[输出格式要求]
[当前状态分析]：...
[备选动作]：1... 2... 3...
[前瞻推演与评估]：
动作 1 的未来轨迹推演及长期评估：...
动作 2 的未来轨迹推演及长期评估：...
动作 3 的未来轨迹推演及长期评估：...
[价值回传与决策]：综合未来后果，动作 X 是最佳选择，因为...
[最终执行动作]：<仅输出你要执行的下一步动作>

-------------------------------------------------------------------------------------

提示词来源于 youtube 博主讲到的某篇论文让 NotebookLM 总结的

这个回复我的自动选择，没用到最新的模型

刚刚换了 5.4 专业版又试了一下，给出了可能更优的解

就是去洗车，经常会遇到洗车的地方排队，去了可能要等排好久他也考虑到了

-------------------------------------------------------------------------------------
[现状分析] ：你想洗车，洗车场离你只有 50 米。目标不仅是你到达洗车场，车也必须停在那里。

[候选操作] ：1. 步行前往洗车场。2. 开车前往洗车场。3. 先步行前往查看是否有空位，然后再开车过去。

[前瞻与评估] ：
行动 1 的未来轨迹和长期评估：你到达了洗车场，但车没到。除非之后有人把车送来，否则主要目标未能实现。糟糕的选择。

行动方案二：未来发展轨迹及长期评估：车辆立即到达洗车场，即可立即洗车。这种方式以最小的阻力直接达成目标，是最佳选择。

行动 3：未来轨迹和长期评估：如果您想检查线路是否存在或线路是否畅通，这可能略有帮助，但对于仅 50 米的距离来说，这会增加一个不必要的步骤。合理，但并非最佳方案。

[价值传播与决策] ：考虑到全部结果，行动 2 是最佳选择，因为它是唯一能直接将汽车送到需要清洗的地方的行动。
--------------------------------------------------------------------------------------

说实话现实生活中我是直接打电话给洗车店问下是否空闲，空闲立即开车过去，因为车不是非洗不可，可以选择最省时间的方式

推荐绿联（ UGREEN ）带护腕的鼠标垫子，可以环节手腕的压力

https://www.youtube.com/watch?v=DSow83bnO4g
可以试试 pencil 和 claude 结合使用，pencil 生成的内容通过 git 管理

https://www.misaka.io/speedtest/mc2 可以自己测试一下看一下 ping ，要选线路优化 (WAN Latency Optimized) 或者 (CN2)的，之前稳定用过几年
Berlin
Los Angeles
Tokyo
Singapore
Hong Kong 延迟最低但是买完了

https://github.com/cjpais/Handy 开源的

https://github.com/cjpais/Handy 试试这个

局域网用单独的内部域名部署 CLIProxyAPI 做转发

一些参考 https://www.acwifi.net/32842.html