一个开源工具，专门用来整理衣服。它用上了 OpenAI 的图像能力，拍张照就能自动识别衣服、抠出单品图，还能生成你穿上身的模拟效果图。

基于 GPT-Image 技术，把衣服照片自动提取、分类、生成穿搭预览，数据全存在本地。

Github地址

https://github.com/tandpfun/wardrobe

能干什么

• 自动识别照片里的每件衣服，用 OpenAI Responses API 做检测
• 抠出干净的单品图，背景去掉，只剩衣服本身
• 可选生成”上身效果”——把你的脸和身材合成进去，看搭配效果
• 支持拖拽上传、粘贴图片、手动编辑、重新生成、审核确认
• 所有原始图、生成图、任务记录、JSON 数据库都存本地 data/ 目录，不上传云端

怎么用

需要 Node.js 环境，步骤不复杂：

1
2
3
4
5
6

git clone https://github.com/tandpfun/wardrobe.git
cd wardrobe
npm install
cp .env.example .env
# 填入 OPENAI_API_KEY，放一张自己的 PNG 参考图到 data/model-reference.png
npm run dev

然后浏览器开 localhost:5173 就行。没填 API key 和参考图的话，导入功能锁着，用不了。

两个自动化技能（给 AI 工具用的）

项目自带 Codex 技能脚本，适合让 AI 代理批量操作：

• $import-clothes：指定文件夹，自动提取、生成模特图、入库
• $generate-outfits：从已有衣服里挑搭配，生成成套上身效果图

专门帮做自媒体的人在发抖音、小红书、视频号之前，先过一遍稿子有没有踩线。

把你的稿子扔进去，它告诉你哪句能发、哪句要改、怎么改，还能记住你每次踩的坑，越用越准。

Github地址

https://github.com/yuwen-cool/yuwen-publish-precheck

特性

• 审稿子：不是简单扫违禁词，是结合上下文判断。比如”月入过万”写个人经历没事，绑着卖课链接就违规，它能分出这个区别。
• 给改法：不改你的语气，只拆违规的实质。上面那个例子，”吃了两周瘦八斤”改成”把奶茶换成它，酸甜解馋”，钩子保住了，风险去掉了。
• 记教训：你说”以后盯着这个词”、”这种说法我实测能过”，它存进你电脑本地，下次自动生效。数据不上传，存在你自己的 data/ 文件夹里。
• 复盘限流：被限流了丢给它，做四类归因分析，教训固化成规则。
• 辟谣：遇到”赚钱必须写成赚米”这种自我审查谣言，会告诉你官方早澄清了，不用改。

覆盖抖音、小红书、视频号，通用内容+医疗健康+金融理财有专门规则包。42条规则全部锚定官方来源，72条原文引文带链接能点开查。

怎么用

零依赖，要Python 3，完全本地跑。

一键装： 把这句发给Cursor、Claude Code或其他支持Agent Skills的工具：

1

请安装这个 skill：https://github.com/yuwen-cool/yuwen-publish-precheck.git

手动装：

1

git clone https://github.com/yuwen-cool/yuwen-publish-precheck.git ~/.cursor/skills/yuwen-publish-precheck

装好第一句，复制就行：

• “审一下这篇口播稿能不能发抖音：（贴稿子）”
• “改成小红书能发的版本”
• “这条被限流了，帮我复盘”

首次用会花一分钟建档（常发平台、行业、商业模式），之后不再重复问。

升级： 在目录里 git pull，你的个人数据不被Git跟踪，物理上碰不到，不会覆盖。

说明

不承诺100%过审，平台内部模型、账号状态这些看不见的因素没人能打包票。也不教谐音、拆字、遮挡这些绕审技巧，那是把小风险换大风险。

开源的电子签名工具，对标 DocuSign，想省钱又要安全签合同？这玩意儿能自己架服务器，PDF 表单、在线签字、自动发邮件，一套全齐。

Github地址

https://github.com/docusealco/docuseal

功能特性

• 拖拖拽拽做 PDF 表单，12 种字段：签名、日期、文件上传、复选框这些
• 一份合同可以发给多个人签，按顺序或者一起签都行
• 签完自动盖电子章，还能验真假
• 邮件 SMTP 自动发提醒，不用手动催
• 文件存本地、S3、谷歌云、Azure 随便选
• 手机打开不费劲，界面自适应
• UI 支持 7 种语言，签字界面 14 种语言
• 有 API 和 Webhook，能接进自己系统

怎么跑起来

最快就一行 Docker：

1

docker run --name docuseal -p 3000:3000 -v.:/data docuseal/docuseal

默认 SQLite 够用，生产环境配个 DATABASE_URL 切 PostgreSQL 或 MySQL。要 HTTPS 自定义域名就下 docker-compose.yml，DNS 指过去 Caddy 自动搞证书：

1
2

curl https://raw.githubusercontent.com/docusealco/docuseal/master/docker-compose.yml > docker-compose.yml
sudo HOST=your-domain.com docker compose up

Heroku、Railway、DigitalOcean、Render 也都能一键部署，按钮在 README 里点就行。

一款安卓端的网盘解析下载工具，专门解决各种网盘分享链的提取和下载问题。粘贴网盘分享链接，解析出真实下载地址，然后用多线程分段下载把文件拽到本地。

Github地址

https://github.com/CYQawa/YunX

功能特性

• 支持夸克、UC、迅雷、百度、123云盘、139和彩云这几家的分享链接，自动识别提取码
• 下载用Range分片并发，最多32线程同时拉，断点续传也有，中途断了不用从头再来
• 百度和迅雷取完链会自动清理临时转存，夸克则是等下载完或你手动删任务才清理，省得网盘里一堆垃圾
• 登录方式各家不同：夸克/UC/百度/139走WebView扫Cookie，迅雷用密码或短信，123云盘拿账号密码换JWT
• 凭证能备份，用你自己设的口令派生密钥，AES-GCM加密存着，换机或重装不怕重新登录
• 剪贴板监控开着，复制了分享链接回到App会弹窗问要不要直接粘贴解析

怎么用

1. 先去”网盘”页把要用的账号登了
2. “解析”页粘贴分享链接，带不带提取码都行
3. 浏览分享内容，点文件拿到直链
4. “下载”页看进度，暂停、继续、删任务、打开文件都行

自己编译的话： minSdk 21，targetSdk 34。git clone https://github.com/CYQawa/YunX.git 下来，Android Studio直接开。作者用AndroidIDE写的，其他安卓构建环境理论上也能跑。

提醒一句

百度网盘慎用，有风控封号风险。项目AGPL-3.0协议开源，仅供学习交流，别拿去做商业买卖。

今天介绍的这款手机投屏到电脑的软件叫：Escrcpy，是一款开源免费的软件，软件干净简洁，无广告零套路。

投屏类的软件一定要两台设备都在同一局域网内，不在同一局域网不支持同屏。

软件分为有线投屏和无线投屏，不过不管是有线还是无级，都要确保已打开【开发者选项】和【USB调试】。

无线连接：

如果没有数据线，我们还可以无线连接。可以在“无线调试”里使用二维码配对设备，然后扫描二维码配对。

在Escrcpy中，点击下面的【扫码连接】按钮，然后就是上右图里扫描连接接即可。

有线连接

有线连接就比较简单了，手机使用数据线连接电脑后，在电脑中就能查看到手机设备。点击【开始镜像】即能手机投屏到电脑中。

主要功能

Escrcpy这款软件支持多手机投屏，有多设备连接、启动APP、屏幕旋转、开关屏幕等等功能。

多设备连接，通过有线或者无线连接到Escrcpy后，可以同时在电脑端里显示多部手机设备的连接，便于我们操作。

**启动APP：**在电脑端有个【启动APP】的功能，点击这里，然后选择自己需要启动的APP，即能启动手机里的APP软件。

下面是启动的动图：

**屏幕旋转：**手机端的打开APP基本都是竖屏的，如果软件自带能横屏还好，如果无法横屏，那么只能用软件来实现。

而Escrcpy就自带了旋转屏幕的功能，选择横屏，则手机端立马就横屏使用。

**息屏且保持控制：**点击按钮，可以开启屏幕和息屏操作，这样就可以愉快的通过电脑操控手机摸鱼了。

**其他功能：**除了上面介绍的功能之外，软件还有音量控制、截取屏幕、安装APP、文件管理等等实用功能。

其中的文件管理功能就是可以上传和下载手机端的资源，挺方便的！

其他的大家自己去体验，软件就介绍到这里啦！

手机投屏Escrcpy

夸克：https://pan.quark.cn/s/e162c52a8bad

百度：https://pan.baidu.com/s/58Rr_KKlTU6H_vAmmb2u8Mg

迅雷：https://pan.xunlei.com/s/VOtO6idO4sK_rrqnINu5UvC-A1?pwd=n7g2#

这个项目叫 DeepSeek Harness，简称 dsh。

如果你平时只在 DeepSeek 网页里聊天，可以把这次的变化理解成：

以前的 AI 主要坐在聊天框里回答问题，现在它开始走进你指定的电脑文件夹，自己查看文件、执行命令、整理计划，在得到允许后还能修改内容。

它开始面对一个真实项目：里面有文件、有结构，也有可能被改动的内容。

不过先把预期放稳。

官方把当前版本标成了技术预览。

简单说，它已经可以安装和研究，但仍在快速变化，后续可能出现无法兼容旧配置的更新。

第一次使用，先拿测试文件夹练手，别急着把整个工作目录交给它。

它到底是什么

Harness 这个词直译过来有“挽具、套具”的意思。

放到 AI 领域，可以理解成一套把模型、工具和工作环境连接起来的系统。

模型负责思考，工具负责行动，工作区决定它能看到什么。

三样东西接起来，AI 才能从“告诉你怎么做”，走到“在指定范围里帮你做”。

DeepSeek Harness 自带一个 Web UI。

Web UI 就是可以在浏览器里打开的操作页面，外观接近我们熟悉的聊天工具。

底层依然运行在你的电脑上，浏览器只是操作窗口。

官方还用了一个专业说法：一切皆插件。

普通用户先把它理解成“以后可以继续加能力”就够了。

模型、文件操作、命令行、会话和其他工具都能通过模块进行组合。

至于 Cordis、Bundle、Profile 这些词，基础安装阶段完全不用管。

开始前，认识这 6 个词

下面会出现几个技术词，先看一遍，后面的安装会顺很多。

1. Node.js

运行 dsh 需要的一套基础环境，你可以把它理解成 dsh 的发动机。

安装 Node.js 不代表你要学编程。

2. PowerShell

Windows 自带的命令窗口，我们只会在里面复制几条命令，不需要手写代码。

3. npm

Node.js 自带的软件包管理工具，负责下载和管理程序。

4. npx

npx 也会随 Node.js 一起安装。

它可以临时下载并运行 dsh，所以本教程不要求你先手动安装 Harness。

5. API Key

一串通常以 sk- 开头的密钥。

Harness 要拿着它去调用 DeepSeek 模型，它相当于模型接口的通行证，需要保密，也会产生 API 用量。

6. 工作区

你允许 Harness 处理的电脑文件夹。Agent 读取文件、创建文档或执行命令，都会围绕这个目录进行。

认识这些就够了。

从零开始安装

第 1 步：安装 Node.js

打开浏览器，搜索 Node.js ，找到官网进入下载页面。

截至 2026 年 8 月 15 日，Node.js 官网提供的长期支持版是 24.x。

DeepSeek Harness 当前源码要求 Node.js 22.19.0 及以上的 22.x，或者 24.0.0 及以上版本。

普通用户直接选择 24.x LTS 就可以，LTS 的意思是“长期支持版”，通常比追最新测试功能更省心。

Windows 用户下载对应的安装程序后，双击打开，没有特殊需求时，安装向导保持默认选项，一路继续即可。

安装完成后，先把已经打开的 PowerShell 或终端全部关闭，旧窗口可能还识别不到刚安装的 Node.js。

现在重新打开 PowerShell：

1. 点击 Windows 开始菜单；
2. 输入 PowerShell；
3. 打开“Windows PowerShell”。

在窗口里依次粘贴下面两条命令，每粘贴一条就按一次回车：

1
2

node --version
npm --version

第一条会显示 Node.js 版本，第二条会显示 npm 版本。

你的版本号不一定和我的一样，只要第一条显示 v24...，或者显示不低于 v22.19.0 的版本；第二条也能显示数字，这一步就通过了。

如果出现“无法将 node 识别为命令”之类的提示，先关闭 PowerShell 再打开一次。

仍然无效时，重新安装 Node.js，然后重启电脑再检查。

第 2 步：准备 DeepSeek API Key

接下来准备模型密钥。

打开 DeepSeek 开放平台的 API Key 页面，登录自己的 DeepSeek 开放平台账号。

找到创建 API Key 的入口，新建一条密钥，然后复制保存，密钥以 sk- 开头。

这里有三个容易混淆的地方：

• API Key 不是 DeepSeek 网页版的账号密码；
• Harness 调用的是 DeepSeek API，会按照 API 的实际用量计费；
• 账户余额不足时，调用可能返回 402 错误。

所以创建密钥后，顺手检查一下开放平台余额，具体价格会调整，发布文章时以官方页面通知为准。

密钥暂时放在密码管理器或安全的临时位置，下一步会粘贴到 Harness。

不要把完整密钥发给别人，也不要让它出现在截图里。

第 3 步：创建一个测试文件夹

现在给 Harness 准备一个单独的工作区。

打开 Windows 文件资源管理器，进入一个容易找到的位置，比如“文档”。

新建文件夹，并把它命名为 test1。

双击进入这个文件夹。

第一次测试建议使用空文件夹，这样即便选错设置或误操作，也不会碰到日常文件。

第 4 步：直接在这个文件夹里打开 PowerShell

保持文件资源管理器停留在 test1 文件夹。

点击窗口上方显示文件路径的地址栏，把里面的路径文字选中，然后改成powershell ，按回车。

Windows 会打开一个 PowerShell 窗口，而且当前位置已经是 test1。

不要关闭这个 PowerShell，下一步就在这里执行。

第 5 步：运行 Harness

把下面这一整行复制到 PowerShell，然后按回车：

1

npx @deepseek-ai/dsh web

这条命令可以拆成三部分理解：

• npx：帮你临时下载并运行程序；
• @deepseek-ai/dsh：DeepSeek 官方发布的软件包；
• web：启动浏览器操作页面。

第一次运行需要准备相关文件，等待时间会比后面长。

由于我已经安装好了，所以这里直接给我运行的地址。

如果终端询问是否继续下载或安装，按照屏幕提示确认即可，不同 npm 版本的提示文字可能略有区别。

等待过程中不要连续重复粘贴命令，也不要关闭窗口。

看到终端打印出访问地址时，说明本地服务已经启动。官方默认地址是：

1

http://127.0.0.1:3080

127.0.0.1 指的是你当前这台电脑。

它看起来像网址，实际连接的是本机正在运行的 Harness 服务。

第 6 步：在浏览器里打开 Harness

现在不要关 PowerShell。

只要 PowerShell 被关闭，网页也会跟着失去连接。

打开 Chrome、Edge 或你常用的浏览器，把终端打印的地址复制到地址栏。默认情况下就是：

1

http://127.0.0.1:3080

按回车后，应该会进入 DeepSeek Harness 的 Web UI。

如果浏览器显示无法访问，先回到 PowerShell 看看程序是否还在运行、终端有没有红色错误。

到这一步，Harness 已经在电脑上跑起来了，但它还没有模型，也没有选中工作区，所以暂时不能开始对话。

第 7 步：把 DeepSeek 模型接进来

如果是初次打开网页的话，它回首先提示你去添加你的API Key，后续可以在设置里面改。

如果后续要修改的话，在 Harness 页面中打开：

设置 → 模型

找到 DeepSeek 对应的卡片，把第 2 步准备好的 API Key 粘贴进去，然后保存。

保存后不需要重启 Harness，模型配置会在下一次请求时生效。

如果页面要求选择模型，就从当前列出的 DeepSeek 模型中选择一个，模型名称会随着服务更新而变化，以你页面里的实际选项为准。

API Key 保存后，页面只会显示脱敏信息，不会重新展示完整密钥。

密钥会保存在 $DSH_HOME/.credentials.yaml 中，这个路径是配置存放位置，普通用户不需要现在去修改它。

这里显示的是我已经添加好了其他的模型 API。

第 8 步：选中刚才的测试文件夹

模型配置好以后，回到主页面，点击 选择工作区。

添加并选中刚刚创建的 test1 文件夹。

为什么还要再选一次？

因为“从哪个文件夹启动 Harness”和“当前会话允许操作哪个工作区”是两层设置，新的 Web UI 在添加工作区前不会自动选中任何目录。

选中后，原本不可用的消息输入框会开放。

现在检查下面四项：

• PowerShell 里的 dsh 仍在运行；
• 浏览器能正常打开 Harness 页面；
• DeepSeek 模型已经保存并处于可选择状态；
• 当前工作区显示为 test1，消息输入框可以点击。

四项都满足，安装和基础配置就完成了。

到这里，你已经可以开始正式使用了。

安装完成后，怎样关闭和再次启动

Harness 运行时，PowerShell 窗口需要保持打开。

想停止服务时，回到 PowerShell，按Ctrl + C，或者直接关掉窗口也行。

关闭后，浏览器里的 Harness 页面将会无法继续连接，这是正常现象。

下次使用时，不需要从头安装 Node.js。

只要重新进入 test1 文件夹，在地址栏输入 powershell，再运行：

1

npx @deepseek-ai/dsh web

然后打开终端给出的本地地址即可。

模型与密钥设置会保存在 dsh 的配置目录中，正常情况下不需要每次重新填写。

当前产品仍在技术预览阶段；若升级后配置行为发生变化，以新版官方文档为准。

如果安装卡住，按这个顺序排查

连续操作时先不要到处改设置。对照自己卡在哪一步：

1. node --version 没有结果

Node.js 没安装成功，或者旧 PowerShell 没刷新环境。

先关闭 PowerShell，重新打开；仍然失败，再重新安装 Node.js，并重启电脑。

2. npm --version 没有结果

npm 会跟着 Node.js 一起安装。

只装好了 Node 却没有 npm 时，优先重新运行 Node.js 安装程序。

3. npx @deepseek-ai/dsh web 一直下载失败

先看终端给出的具体错误。

常见影响因素包括网络连接、npm 下载源和代理设置。

不要根据别人的旧教程随意安装同名 Python 包，它们解决不了官方 npm 包的下载问题。

4. 3080 页面打不开

确认 PowerShell 没有被关闭，并检查终端实际输出的地址。

如果提示 3080 端口被占用，可以换到 8080：

1

npx @deepseek-ai/dsh --profile web --port 8080

再访问终端打印的新地址。

5. 页面打开了，输入框仍是灰色

依次检查：

1. 模型 API Key 是否保存；
2. 是否选择了一个可用模型；
3. 是否添加并选中了工作区。

官方 Web UI 在没有选中工作区时会禁用输入框。

6. 模型提示 401 或 MISSING_CREDENTIAL

401 一般表示密钥认证失败。重新检查 API Key 是否复制完整。

MISSING_CREDENTIAL 表示当前模型没有找到可用凭据，回到“设置 → 模型”重新保存密钥。

7. 模型提示 402

DeepSeek 官方错误码中，402 表示余额不足。前往开放平台检查余额和充值状态。

第一次实操

安装完成不代表要立刻拿真实项目上手。

test1 现在还是空的，Agent 没有东西可读。

我们先放入两个简单文本文件。

1. 创建“说明.txt”

打开 Windows 记事本，粘贴：

1
2

这是我的第一个 Harness 测试文件夹。
目标是测试 AI 能否读取文件、整理待办，并在确认后生成一份项目概览。

选择“文件 → 另存为”，保存到 test1，文件名填写：

1

说明.txt

2. 创建“待办.txt”

再新建一个记事本文档，粘贴：

1
2
3
4

1. 了解 Harness 是什么
2. 完成基础安装
3. 测试只读分析
4. 测试生成项目概览

保存到同一个文件夹，文件名填写：

1

待办.txt

这样我们就有了一组自己完全知道答案的测试材料。

Agent 总结得对不对，可以直接对照原文检查。

第一个任务：只允许读取，不允许修改

回到 Harness 页面，新建会话，把下面这段完整粘贴进去：

1
2
3
4
5
6
7
8
9
10
11
12
13

请先只读取当前工作区中的文件。

完成以下任务：
1. 列出你实际读取到的文件名；
2. 用三句话概括这个测试项目的目标；
3. 把“待办.txt”里的事项按顺序整理出来；
4. 列出你无法确认的信息。

限制：
- 不要创建、删除、移动或修改任何文件；
- 不要安装软件或依赖；
- 不要执行会改变电脑环境的命令；
- 如果信息不足，直接说明，不要猜测。

这段提示词故意写得比较完整，因为第一次任务的目标不是考 AI 猜谜，而是确认三件事：

• 它能不能看到正确的文件；
• 它能不能遵守只读要求；
• 它的回答能不能和原始内容对上。

如果页面出现操作确认，先看清楚它准备做什么。

读取两个文本文件不需要安装依赖，也不应该修改其他目录。请求明显超出任务范围时，先拒绝，再让它解释原因。

任务完成后，不要只看回答写得像不像。

打开 说明.txt 和 待办.txt，逐条核对文件名、目标和待办顺序。

第二个任务：确认计划后，只新建一个文件

只读结果可信，再进入写入测试。

继续发送：

1
2
3
4
5
6
7
8
9
10
11

根据刚才读取到的内容，准备在当前工作区新建“项目概览.md”。

文件只包含四部分：
1. 项目目标；
2. 已有文件及用途；
3. 当前待办；
4. 无法确认的信息。

先把执行计划和准备写入的完整内容发给我。
在我回复“确认创建”之前，不要写入文件。
不要修改“说明.txt”和“待办.txt”，也不要创建其他文件。

看到计划后，先自己检查内容。

确认没有编造、没有漏项，也没有准备修改其他文件，再回复：

1

确认创建。完成后告诉我你实际新建了哪个文件，不要做其他改动。

执行结束后，回到 Windows 文件资源管理器。

正常情况下，dsh-first-run 中会多出一个 项目概览.md。用记事本或任意 Markdown 编辑器打开它，检查内容是否和刚才确认的版本一致。

这里的“正常情况下”只是待验证的预期。最终是否创建成功、是否弹出权限确认、用了多久、有没有多改文件，都要以真实操作记录为准。

以后给 Harness 下任务，记住这个公式

任务越模糊，Agent 自己补充的假设就越多。

普通用户不需要学习复杂的提示词技巧，只要把下面五件事写清楚：

1. 目标：最后想得到什么；
2. 范围：允许查看或修改哪里；
3. 限制：哪些事情绝对不能做；
4. 步骤：是否要先给计划、等待确认；
5. 验收：完成后如何检查。

可以复制这份模板：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

目标：XXX

允许范围：只处理XXX

禁止事项：
- 不要XXX；
- 不要XXX

执行方式：
先检查现状并给出计划。
涉及写文件、删除内容、安装软件或运行高风险命令时，先等待我确认。

交付物：XXX

验收条件：XXX

遇到不确定信息时直接列出，不要自行猜测。

四个普通人能直接改写的用法

整理一批文档

1
2

只读取“本周资料”文件夹，按主题列出文件清单和每份文件的核心内容。
先输出整理建议，不要移动、重命名或删除文件。

检查知识库

1
2

只读取当前 Markdown 知识库，找出重复主题、可能失效的内部链接和缺少索引的文件。
先生成检查报告，不要修改任何笔记。

帮项目补说明文档

1
2
3

阅读当前项目，拟一份 README 大纲。
说明每一部分的信息来自哪个文件。
先发大纲给我确认，不要直接修改 README.md。

帮忙定位报错

1
2
3

检查当前项目的报错。
先尝试复现并说明原因，只给出修复方案，不要修改代码。
需要安装依赖或改变环境时，先向我确认。

三条安全边界，比提示词更重要

第一条：工作区里放什么，它就可能看到什么

本地启动不等于模型离线。

只要你连接的是云端模型 API，模型请求仍会发送给相应提供方，工作区中被读取并放入模型上下文的内容，也可能随请求发送。

所以不要把密码、私钥、客户数据、身份证件、私人照片或公司机密放进测试工作区。

第二条：出现确认框，先看动作

当操作在当前权限策略下需要审批时，Web UI 会先询问用户。

审批机制只是最后一道提醒，看到确认框时，要看它准备读取哪里、修改什么、执行哪条命令。

第三条：重要目录先备份

以后把 Harness 用到真实项目时，至少满足一项：

• 项目已经提交 Git；
• 文件有可恢复备份；
• 使用的是可以随时删除的副本。

Agent 说“任务完成”只代表它结束了当前操作，不代表每一处修改都正确。最终还要由人检查文件和差异。

模型和会话

更换模型

在“设置 → 模型”中可以配置 DeepSeek，也可以添加其他提供方或 OpenAI 兼容接口。

“提供方”就是提供模型 API 的服务商。

第一次上手，先把 DeepSeek 官方模型跑通，不必同时配置 Anthropic、OpenAI、Azure 或其他网关。

选择新模型后，它会成为新会话的默认模型。

已经发送过消息的旧会话会保留原来的模型记录，切换后没有变化时，新建会话再试。

自定义提供方

公司网关或自建模型可以通过“添加自定义提供方”接入。

需要填写 Provider ID、Base URL、API 协议、凭据和模型名称。

把这些词翻译一下：

• Provider ID：这条模型线路的内部名字，要用小写，保存后不能直接改名；
• Base URL：模型接口地址；
• API 协议：Harness 应该用哪种格式和模型通信；
• 模型名称：服务端实际提供的模型 ID。

普通用户没有自建模型时，可以跳过整段。

图片输入

官方模型配置文档写明，DeepSeek 自身的 chat-completions 路由按纯文本处理，不能靠修改 Harness 设置把它变成图片模型。

如果上传图片时直接被拒绝，先检查当前模型是否真的声明并支持图片输入。

下面是进阶区，根据能力学习

完成 Web UI、只读任务和单文件写入测试后，你已经走通了 Harness 的基础用法。

后面的 Headless、Python SDK 和插件开发，是给自动化或开发需求准备的。

Headless：不打开网页，直接跑一次任务

Headless 可以理解成“无界面模式”。

它接收一条任务，运行一个新的持久会话，打印最终回答，然后退出。

在目标项目文件夹中运行：

1

npx @deepseek-ai/dsh --profile headless "只读分析当前项目，并概括主要目录和待办。不要修改文件。"

命令从哪个文件夹运行，哪个文件夹就是默认工作区，没有浏览器确认过程时，更要提前写清范围和限制。

Python SDK：把 Harness 接进自己的程序

SDK 可以理解成给程序员使用的一套调用接口。

开发者可以在 Python 代码中启动 Harness、指定工作区、运行任务并读取结果。

当前官方快速上手文档列出的支持环境是：

• Linux x64；
• Linux arm64；
• macOS 14 及以上的 arm64。

官方内置示例依赖 POSIX 终端，并明确说明不支持 Windows agent。

Windows 普通用户先使用 Web UI 或 Headless，不要照抄 Python 示例排错。

插件：给 Harness 增加一个功能

先说清楚，最近 GitHub 上确实冒出了不少带 dsh-plugin 标签的项目，但这个标签里也混有和 Harness 无关的仓库。

不要把标签数量当成“已经有多少可放心安装的插件”。

下面只介绍我能核对到安装说明、重启方法和卸载命令的社区项目；它们不是 DeepSeek 官方插件，也不等于经过安全审计。

插件可以理解成给 Agent 安装一个小扩展：

“

它可能多一个界面按钮、一个搜索工具，或一种新的工作方式。它不是浏览器扩展，更不是“装了就一定变聪明”的魔法包。

这里有两个够用的词：

• Profile：一套可以直接启动的 Harness 组合。我们前面启动的是 web，所以插件都要装进 web 这个组合；
• Bundle：插件作者打包好的一组插件和配置。普通用户不用自己制作它。

先装一个社区插件市场：把“找插件”放到界面里

对于第一次装插件的人，我更建议先装 dsh-market。

它本身就是一个社区插件，装好后会在 Harness 的“设置”里增加“Plugin Market（插件市场）”入口，用来查看插件介绍、来源和安装过程。

它的优点不是“绝对安全”，而是把原本要在命令行里辨认的包名、来源和安装进度放进了界面。

市场作者也明确提醒：列表收录不等于背书，插件仍是第三方代码。

按下面连续操作。

前提是你已经按本文前面的步骤成功启动过一次 dsh web。

第 1 步：先停止正在运行的 Harness。

回到运行 npx @deepseek-ai/dsh web 的 PowerShell 窗口，按一次 Ctrl + C。看到命令可以再次输入，就表示服务已停。

第 2 步：仍在你的测试文件夹里，安装插件市场。

1

npx @deepseek-ai/dsh plugin --profile web add dshmarket

社区项目的原始文档通常把这条命令简写成 dsh plugin --profile web add dshmarket。

本文前面没有要求你全局安装 dsh，所以统一在前面加上 npx @deepseek-ai/dsh；后面的插件命令也沿用这个写法。

安装过程中，如果终端提示要运行某个依赖的构建脚本，不要凭感觉一路确认。

先记下包名，到插件项目的 GitHub 页面查看它为什么需要该脚本；不确定就先按 Ctrl + C 取消。

市场项目说明它会默认拦截这类脚本并要求显式允许，但这不是替你审计代码。

第 3 步：重新启动 Harness。

1

npx @deepseek-ai/dsh web

重新在浏览器打开本地页面后，进入设置 → Plugin Market（插件市场）。如果页面没有新入口，不要只刷新网页；先确认你停掉并重新启动的是 web 服务。

第 4 步：第一次只做“查看”，不要急着安装。

打开某个插件的详情页，先检查四件事：

1. 它具体增加什么功能，而不是只看名字；
2. 作者和源代码仓库是谁；
3. 安装时是否要求额外允许构建脚本；
4. 它会不会读取文件、调用网络、操作终端，或者要求你填写额外的 Key。

尤其是远程 SSH、自动执行终端命令、云同步、上传文件和通知类插件，第一次不要装进装有真实资料的工作区。

先在本文创建的 test1 测试文件夹里试。

从一个功能开始，不要直接装“全家桶”

有一个开源项目，提供任务看板、Git 图、皮肤等 Web UI 扩展，并且支持单独安装。

它同时记录了不同 pnpm 安装布局、依赖构建脚本和版本门槛带来的排障方式。

这恰好说明一个原则：功能越多，依赖越多，普通用户的排错成本也越高。

所以不建议第一次就安装它的 dsh-web-ui-all 聚合包。

我这里做一个简单演示。

观察发现UI已经发生了改变，右下角也新增了一个桌宠。

后续，等你已能在插件市场里判断来源、会重启服务、会卸载后，再从单个插件项目的 README 复制对应包名安装。

不要使用它文档里的“从 GitHub 仓库安装（开发调试）”方案：那需要 git、pnpm、克隆源码和手动构建，是给插件开发和排错准备的，不是普通用户的安装路径。

不想用了，怎样卸载和回退

插件装错或不喜欢，先停掉 dsh web，然后用 remove 卸载。

比如卸载上面两个演示插件：

1
2

npx @deepseek-ai/dsh plugin --profile web remove dsh-find-plugin
npx @deepseek-ai/dsh plugin --profile web remove dshmarket

之后重新启动：

1

npx @deepseek-ai/dsh web

如果卸载后界面仍有残留，不要反复安装覆盖。先重启服务；仍有问题时，可以执行下面这条命令查看 web 组合是否还挂着插件配置：

1

npx @deepseek-ai/dsh --profile web --dump-config

这份输出是排错信息，不要原样发到公开群里；配置和路径信息可能泄露你电脑的使用环境。

插件市场还提供了备份、导出日志等功能，但它的备份可能包含 Profile 配置甚至凭据形态，没看清提示前不要上传到公开网盘或群聊。

最后再强调一次：官方插件机制支持从本地、npm 和 GitHub 等来源组合插件；

从 GitHub 安装时，构建脚本可能在 Agent 沙箱之外直接运行。

只安装可信来源；真要从 GitHub 安装，最好固定到具体 commit，而不是永远追踪最新代码。

想学习自己开发插件，再从官方的插件教程开始。

常见使用问题

提示 UNKNOWN_MODEL

当前会话找不到对应模型，重新选择已配置的模型，或者把缺少的模型添加到自定义提供方。

获取模型列表返回 401

先检查 API Key。

自定义提供方的模型发现会调用 GET /models；目标服务没有提供这个接口时，需要手动填写模型。

换模型后，旧会话仍在用原模型

这是会话记录的设计，新建会话，再选择新模型。

图片在发送前被拒绝

当前模型没有声明图片能力，DeepSeek 自身的 chat-completions 路由是纯文本，不能通过普通设置改变。

Windows 上 Python 示例无法运行

当前官方示例不支持 Windows agent，改用 Web UI、Headless，或者换到官方列出的 Linux、macOS 环境。

看到这里，相信你已经可以基本上掌握 Harness 的使用了。

现在再把这些词拆开看，其实也没有那么难懂。

安装一个运行环境，准备一把 API Key，在空文件夹里打开本地页面，再明确告诉它：这一次只读，别改。

普通人真正需要学会的，不是背下多少命令。

而是在 AI 准备动手前，习惯先告诉他，工作目录是哪儿，准备读取哪些文件，要做的操作是什么，如何停止一个任务。

DeepSeek 这次开源的，不只是又一个聊天框。

它是把一个会做事的助手，放到了你电脑上，可以让更多的人体验到AI来帮你操作电脑文件的便捷。

第一轮，别急着把它塞进正在赶工的项目，也别急着装一堆插件。

先让它待在一个随时可以清空的小文件夹里，完成一件你知道正确答案的小事。

最后想说的话

Harness 或许是一个非常有趣的的系统，里面的插件也很不错。

但我认为，有个缺点：对普通用户不友好。

或许，DeepSeek 团队有自己想法。

Harness 也许不是一个现在就能让所有人用得舒服的产品。

插件应该怎么组合，AI Agent 应该如何扩展，模型和工具之间又应该建立怎样的关系。

这些问题，可能还没有标准答案。

因为没有答案，所以才值得有人去尝试。

很多真正重要的东西，在最开始的时候，本来就不会很好用。

技术需要时间，产品需要迭代，生态更需要一群人不断试错。

如果你把 DeepSeek Harness 当成一个面向普通用户的成熟产品，它确实还有很长的路要走。

不妨把它看成 DeepSeek 对未来 AI Agent 形态的一次探索。

或许就变得有意思了。

至少，他们又往前走了一步。

就像他们的 Slogan 所说的：

探索未至之境。

希望 DeepSeek 继续保持这份探索的勇气。

也希望有一天。

我们现在觉得复杂、晦涩、难以上手的东西。

能够真正变成普通人也可以轻松使用的工具。

这条路可能还很远。

但总要有人先出发。

其实不是的，他们的软件有赞赏入口，外国人习惯了好用就给作者赞赏。这些赞赏其实已经足够用于维护软件的开发了。

今天推荐的这款软件也是国外的软件，免费了近20年，非常好用，有需要的小伙伴及时收藏！

软件介绍

今天给大家带来三款电脑硬件检测工具，一款是硬盘检测，一款是电池健康查看，一款是CPU检测工具。

第一款：CrystalDiskInfo

CrystalDiskInfo这款工具我第一次见它是在图吧工具箱里，它有集成硬件这个栏目里，非常好用。

软妹扒了扒这款软件的历史，发现这款软件于2008年上线，至今已经16年了，依旧免费，依旧有维护。

软件可查看HDD 机械硬盘和 SSD 固态硬盘的健康状态，可查看硬盘的固件版本、读取量、写入量、序列号、接口参数等等。

用这款软件可以查看硬盘是否为全新、是否有坏道等等，是好多搞机的小伙伴必备的工具。

第二款：BatteryHealth

BatteryHealth是一款电脑端的电池健康查看器，软件大小仅38k，非常非常小。

可查看你电脑里的电池状态，也可查看制造商、损砂、循环次数等等。

BatteryHealth绿色、小巧，打开即可查看，非常方便！

第三款：CPU-Z

CPU-Z也是一款由法国人开发的完全免费的CPU检测工具，这款工具其实在图吧工具箱里也有，单独推荐的目的是提供独立版，让有单独需要的小伙伴收藏。

软件可识别处理器型号、主板制造商、型号、BIOS版本，还可以识别内存类型、容量、通道模型等等 。

另外软件还有基准跑分的功能，可测试CPU基准跑分和稳定性测试。

这款工具挺出名的，也被不少作者集成在自己的软件中，有需要的小伙伴及时收藏。

三款硬件检测工具

夸克：https://pan.quark.cn/s/06367fb56260

百度：https://pan.baidu.com/s/5NY96FdKzu1RAzBiFyfSp2A

迅雷：https://pan.xunlei.com/s/VP-PH3ZiQfenev4guUHj4oPhA1?pwd=4rq3#

一款 Android 全局搜索工具，把应用、联系人、文件、日程、笔记、设置和网络搜索塞进了同一个搜索框。

Github地址

https://github.com/teja2495/quick-search

功能特性

搜应用支持模糊匹配和缩写，长按能调出应用快捷方式。联系人搜索整合了 WhatsApp、Telegram、Signal 这些第三方通话入口，一个联系人存了多个号码也能分别处理。文件搜索覆盖图片、视频、文档，系统设置和应用内的设置项也能直接搜到。

工具层面内置了计算器、单位换算、货币汇率、世界时钟，日期时间支持自然语言解析，比如输”3天后是几号”这种。AI 搜索接入了 Gemini、OpenAI、Claude、Groq 多家 API，可以选模型，也能塞个人上下文做个性化回答。自定义 AI 工具需要自备 API key。

搜索引擎预设了 25 个，Google、YouTube、DuckDuckGo、Perplexity 这些都在，支持自定义快捷键触发，比如打 ggl 空格走 Google 搜索。浏览器也能加进搜索引擎列表。

界面可以调主题、字体大小、搜索框位置，支持 Material You 取色，能换背景图加模糊。有悬浮窗模式，在其他应用上层呼出搜索。桌面小部件和快捷设置磁贴都给了，还能设成默认启动器。触发词功能挺实用，给常用结果绑个关键词，输完按空格直接跳。

数据存在本地，权限按需申请，API key 加密存。没广告，没埋点。

怎么装

最低 Android 7.0，目标版本 Android 15。三个渠道：Google Play 自动更新，F-Droid 仓库更新，GitHub Releases 下 APK。想自己编译的话，标准版带 Play 服务用 ./gradlew assembleStandardRelease，纯净版用 ./gradlew assembleFdroidRelease。

一个在浏览器里运行的3D昆虫图鉴，名字叫”昆虫世界”。作者用代码直接生成昆虫模型，仓库里一个模型文件都没有，全是TypeScript现算出来的几何体。

Github地址

https://github.com/xr843/insect-world

在线体验

https://insect-world.pages.dev/

功能特性

3种昆虫、14个目，每只虫都是浏览器实时生成的代码模型，能转能看能解剖，还能做题测验。

核心看点是”零资产”建模。不用买模型、不用扫标本，靠参数化代码描述昆虫的身体结构——头胸腹三段、三对足、两对翅、分节的附肢，这些规律性的东西写成可调参数，加一个新物种就添一份描述文件。三角面数从一万三到三万六不等，构建时间30到90毫秒，首屏JS压缩后约424KB，物种代码点到谁下谁。

交互方面。左侧图鉴列表点选或上下键翻页，中间3D展台拖转滚轮缩放，彩色圆点是部位标注，点开会讲这是啥结构。工具条四个按钮都有真响应：聚焦把镜头怼到具体部位，剖切是真实的裁剪平面切开模型，分层让外骨骼变半透明，对比能在底部浮出对照条。右侧详解带分步讲解，每步镜头自动移到讲的位置；小测能答题、判对错、给解释、算得分。

两套主题切换。默认”标本台”是冷灰绿档案衬板配青铜铭牌，切”博物馆之夜”变成展厅黑底、黄铜骨架、聚光灯打亮标本，金属鞘翅和薄膜虹彩在暗底上比较出效果。

数据层有中英双语，但英文是AI翻译的未校订版，学名拉丁二名法是两边唯一可靠的对应锚点。图鉴文案也是AI写的，作者明确说不能当学术引用。

部署使用

本地跑：npm install 后 npm run dev，主站开5178端口，带一个 /preview.html 的模型调试台。npm test 跑4000多个测试，npm run build 做类型检查加vite构建，npm run deploy 发布到Cloudflare Pages（要先 npx wrangler login）。

一款在 Windows 本机运行的 RVC 变声工具，不用联网就能处理音频和实时麦克风变声。装完就能在电脑上把声音换成别的音色，支持录好的文件和实时说话两种场景。

Github地址

https://github.com/CheshireMew/VoxWeave

功能特性

• 转语音、歌曲、视频：输出不覆盖原文件，视频会多一条变声音轨
• 实时麦克风变声：选好播放设备，说话直接变声输出，有三档延迟可选
• 批量处理：扔进去整个文件夹，自动排队，重复内容会跳过
• 接脚本或别的工具：本机开了 HTTP/WebSocket 接口，返回标准 JSON

快速开始

1. 使用 EXE

双击 VoxWeave.exe 后，程序会先发现现有 VoxWeave 数据、RVC 环境及 FFmpeg。找到已有环境就直接复用；否则自动选择空间充足的非系统盘创建 VoxWeave 数据目录。只有找不到合适磁盘时才要求手动选择。EXE 所在目录保存数据目录指针和运行组件检查结果；可能很大的运行组件、模型、缓存、日志和任务产物保存在数据目录。NVIDIA 完整首次安装要求至少 12 GiB 可用空间。

程序会自动检查检测到的运行环境。完整环境可直接使用；只缺 FFmpeg 时，“补全缺失组件”只补 FFmpeg；现有 RVC 自检不通过时，程序会弹窗说明安装内容、保存位置和空间要求，用户确认后才下载锁定版本的 Python 3.12、RVC 和 FFmpeg。模型库为空时，程序会自动扫描现有 RVC 的 assets\weights 和索引目录；仍然没有模型时，会弹窗询问是否下载“青年男声 + 学姐女声”两款入门音色。取消确认不会产生下载任务，其余中文音色仍可在模型库按需选择。

2. 从源码运行

源码开发需要 Python 3.12 和 Git。运行数据必须放在源码目录之外；Python 环境、pip 缓存、临时文件、数据库、日志、下载和任务产物都会进入这个数据目录。

1

git clone https://github.com/CheshireMew/VoxWeave.gitcd VoxWeave.\scripts\bootstrap.ps1 -DataRoot D:\Tools\VoxWeave

如果你已经有锁定兼容版本的 RVC 环境，可以在首次配置时一并声明：

1
2
3
4
5
6

.\scripts\bootstrap.ps1 `
  -DataRoot D:\Tools\VoxWeave `
  -RvcRoot E:\path\to\Retrieval-based-Voice-Conversion-WebUI `
  -RvcPython E:\path\to\Retrieval-based-Voice-Conversion-WebUI\.venv\Scripts\python.exe `
  -Ffmpeg D:\path\to\ffmpeg.exe `
  -Ffprobe D:\path\to\ffprobe.exe

requirements.lock 是 Windows/Python 3.12 的已验收依赖集合，首次配置和 CI 使用同一约束文件。源码目录只保留一个被 Git 忽略的 .voxweave.local.json 数据目录指针。

3. 启动源码桌面端

直接双击仓库根目录的 VoxWeave.vbs，即可无控制台窗口启动。需要查看启动错误时，在 PowerShell 中运行：

1

.\scripts\run.ps1

VoxWeave.bat 只负责把旧快捷方式转交给 VoxWeave.vbs，随后立即退出。源码更新后，先用 .\scripts\voxweave.ps1 service stop 正常关闭旧服务，再重新启动桌面端。

4. 没有 RVC 环境时安装运行组件

先启动桌面端，让本机服务可用；然后在新的 PowerShell 窗口提交安装任务：

1

.\scripts\voxweave.ps1 --json execute runtime.install --arguments '{}'

安装任务把锁定的 Python、RVC 源码、FFmpeg 和必需推理资源放入数据目录，只安装 VoxWeave 实际使用的推理、实时音频、模型检查和语音分析依赖，不安装 RVC 网页界面、训练面板、Gradio 或 TensorBoard。默认不会下载许可证无法确认的人声分离权重；WeSpeaker ONNX 权重按 CC-BY-4.0 安装。完整边界见 第三方说明。

5. 完成第一次转换

1. 在“模型库”下载推荐模型、扫描本机目录，或添加你有权使用的 .pth 和可选 .index。
2. 打开“转换工作台”，选择输入文件、输出位置和目标模型。
3. 先生成试听，确认音高、F0、索引率等参数，再开始完整转换。
4. 在“任务中心”查看进度；完成后可播放或打开最终产物。

VoxWeave 默认不覆盖已有输出。提交任务时会固化输入文件、模型和索引身份，执行前后再次验证；结果清单记录最终文件及 SHA-256，避免重试时悄悄换用已经变化的素材或模型。

是用 Rust 重写的”手写模拟器”。以前有个 Python 版本，这个新版本在性能上提升很明显，核心渲染速度能快 10 到 30 倍。界面用的是 Slint 框架，没有独立显卡的老机器也能跑，Windows、macOS、Linux 三个平台都支持。

Github地址

https://github.com/bamboostrip/Handwriting-sim-rs

主要功能

• 文本输入支持多段落、空行，回车分段，基本的排版操作都有
• 段落可以左对齐、居中、右对齐，或者首行缩进两字符
• 能导入 docx 文件，自动识别原文的对齐方式和缩进设置
• 字体支持 ttf、ttc、otf 格式；背景图支持 png、jpg、webp、bmp
• 字间距、行距、字号都能调，而且每个参数都能单独加随机波动
• 笔画扰动分三种：水平偏移、垂直偏移、旋转角度，强度自己控制
• 页面边距上下左右独立可调
• 预览时可以开边界提示线，看清实际渲染范围
• 错字模拟：设置 0 到 30% 的错字率，写错的字会被单线、双线、斜线或叉号划掉，然后在旁边重写
• 停止输入 300 毫秒后自动刷新预览，不卡界面
• 多页自动分页，支持翻页浏览
• 预设系统可以保存整套参数，也兼容旧版 Python 版本的预设格式
• 导出支持 PNG 序列或 300 DPI 的位图 PDF

怎么用

本地跑的话，装好 Rust 工具链后直接：

1
2
3

cargo run           # 启动图形界面
cargo test          # 跑测试
cargo build --release   # 编译优化后的版本

编译出来的可执行文件是便携的，往哪放都行，只要同目录下有 presets、backgrounds、fonts 这几个文件夹就能正常工作。项目也配了 GitHub Actions，推 v 开头的标签会自动在三个平台打包发布。

一个靠普通摄像头实现手势追踪的界面系统，能把笔记、图片、3D模型变成浮在空中的玻璃卡片，用手捏、扔、拉、放大缩小来操控，还能接AI当大脑。

Github地址

https://github.com/jaredrhod/barehands

功能特性

• 摄像头捕捉手部动作，实时追踪手指位置
• 屏幕上的内容以透明卡片形式悬浮，像贴在你视频画面上
• 捏住拖拽移动卡片，双手张开合拢缩放，甩手扔出去
• 特定手势：拍手清屏、”爪子”隔空抓物（手张开→握拳，东西飞过来）、两指横拖把3D模型拆成爆炸图
• 接AI后，屏幕上的圆环会显示AI状态（思考/空闲/说话），AI也能主动往屏幕上投内容
• 支持Obsidian笔记库直接导入，图片、3D模型分文件夹管理
• 有透明渲染模式，能套进OBS直播，拍短视频或开直播都能用

怎么用

1
2

git clone https://github.com/jaredrhod/barehandscd barehands
python3 server.py

然后浏览器开 127.0.0.1:8794/stage.html，允许摄像头权限，挥手就行。Windows 用 python 不是 python3。依赖全是现成的东西：Python标准库、Google MediaPipe（手部识别）、three.js（3D渲染），首次运行自动从CDN拉。

已经在用Claude Code的，直接丢一句：”clone这个项目，读barehands.md，给我配好”，AI自己会搞定配置和接线。

配置在 barehands.json 里改，加笔记库路径、媒体文件夹，一行一个轨道球。AI那边写文件到 state/ 目录就能控制圆环表情，调用 bin/board.sh 就能往屏幕上发内容。有详细排查手册调手势灵敏度，怕误触可以自己改阈值

一款免费网络测速工具，可检测当前网页设备访问 NAS 之间的传输速度，支持上传、下载、网络抖动及延迟等多项指标数据。

项目开源地址：

https://github.com/ljw98/MySpeed

安装

1
2
3
4
5
6
7

services:
  myspeed:
    image: ghcr.io/ljw98/myspeed:latest
    container_name: myspeed
    ports:
      - 8080:8080
    restart: always

使用

浏览器中输入 http://NAS的IP:8080 就能看到界面

相比旧版本，最新版本整体更加简洁克制了

使用很简单，点击“开始测试”就可以测速

水面上升动画指示测试进度，外部圆环实时显示当前速度

支持网络抖动、延迟、上传和下载等数据

自动识别（百兆/千兆/2.5G/万兆/25G），直观展示当前网络接口速率

响应式布局，手机端打开也能正常使用

总结

MySpeed 是一款基于 LibreSpeed 重构的自建测速工具，重写了底层代码并优化了前端界面。部署很简单，打开网页点一下就能测出上传、下载、延迟和抖动，还能自动识别百兆到 25G 的网口速率。对 NAS 玩家来说，网速测试工具属于必装应用，既可以测试内网传输速度，也能检测外网访问速率。

今天总共给大家推荐三款Windows小工具，一款进程守护工具，一款是获取弹窗信息软件，一款是进程管理工具。

第一款：进程守护

这款软件叫“守护服务”，但我更喜欢叫它“进程守护”，因为它可以添加想要守护的进程，即使进程崩溃了，还可以自动的启动。

软件的界面长得下面这样：

使用很简单，点击【新增】，然后填写“服务名称”和“服务路径”，这里的“服务名称”就是进程的名称，“服务路径”就是软件的安装路径。

填写好后点【确定】即可。看看我把阿里网盘的进程结束掉，然后过了一会，阿里网盘又自动的启动了！

这软件的用途可以守护指定的进程，防止程序长久中断！

第二款：我找到你了

“我找到你了”可以获取窗口弹窗信息的软件，这款软件是前些天有小伙伴说他的电脑广告经常弹出，不知道是哪款软件导致的弹窗。

点击下面，支持软妹：

这时候用“我找到你了”这款工具，就可以锁定弹窗的原凶，找出到底是哪款软件导致的弹窗。

软件使用很简单，打开软件后，鼠标移动到哪款应用程序上，软件就会显示该应用程序所在的路径。

看看我移动到了资源管理器中，其运行路径就在软件中显示C盘所在的路径。

找到路径后按F9就是暂停，按F10就可以打开应用程序的路径。还可以点【关闭进程】结束进程。

对于弹窗软件来说，找到了路径就能知道是哪款软件导致的弹窗，找到元凶就能知道怎么处理。

第三款：进程管理Procexp

Procexp是一款进程管理软件，软件是绿色单文件版，大小只有940K，非常小巧。

相比系统自带的任务管理器来说，Procexp功能会更加强大，其不仅有结束进程和进程树，还可以置顶窗口，重启、挂起、属性和在线搜索功能

虽然这类的工具不一定是人人都喜欢，但是有用得着的小伙伴还是会觉得不错！

三款小工具：

百度：https://pan.baidu.com/s/1o8aFIZfLkSmWxxLsRvMwUg?pwd=8888 提取码：8888

夸克：https://pan.quark.cn/s/a87dd0130405

阿里：https://www.alipan.com/s/eFb4yDWP3Xk

今天推荐两款软件，一款电子教鞭工具，一款是剪贴板工具。

第一款：淮教鞭

淮教鞭是一款电子教鞭工具，这款软件适合上网课的老师，可以在讲解的时候演示，还可以标注，把屏幕当黑板使用。

软件非常小，解压后也才804 KB，软件的功能包括画笔、框选、文字、图片、图形等等。

在讲课期间，可随时的标注，这样课程讲解时比较容易让学生看懂。

这款软件非常小巧，而且功能一点也不比其他同类的差。上次有小伙伴说我推荐的电子教鞭只有一款，而这款他不喜欢，所以这次再给大家带来一款。

第二款：ClipHist

在推荐这款软件之前，我一直疑惑到底是“剪贴板”还是“剪切板”，然后问了问AI，AI告诉我是“剪贴板”，其实操作时是有个剪切的功能，然后很容易让我们以为是剪切板。

言归正传，ClipHist这款剪贴板历史工具可以记录你复制过的内容，比系统的只支持25个记录下比，这款可以查找你历史所有数据。

打开软件以后，我们按“Alt+C”可以调到软件的面板，然后我们就可以看到历史的复制记录。

支持记录文本、图片、链接等等，支持搜索，输入关键词可查找出所有包括关键词的记录。

软件还支持收藏，收藏后在收藏项里可以查看.

软件功能挺多的，比系统自带的要强上好几倍，有需要的小伙伴及时收藏！

电子教鞭和剪贴板工具

夸克：https://pan.quark.cn/s/76f2d5228c03

百度：https://pan.baidu.com/s/14BHV6q3Q2v7rApAGmq-wnQ?pwd=8888 提取码: 8888

迅雷：https://pan.xunlei.com/s/VOl9yAjqLa6uXuKsJrlbWMCGA1?pwd=dgu4#

核心特性

• 完整歌曲生成：单次推理即可直接生成长达 5 分钟的成品歌曲。
• 全流程覆盖：自动合成人声（主唱/和声）、乐器伴奏及编曲架构。
• 开源权重部署：提供完整精度与低显存量化版本，适配不同硬件环境。
• 高效推理性能：在 24GB 显存环境下，生成 60 秒音频约需 20 秒，生成 45 分钟完整歌曲约需 12 分钟。

本地部署指南

1. 环境准备 (ComfyUI)

确保已安装最新版本的 ComfyUI。若已安装旧版本，请先完成软件升级，以保证对 MiniMax Music 3 模型节点的正常识别与兼容。

• 官方下载:【点击前往】

2. 模型下载与文件存放结构

MiniMax Music 3 运行需要 4 个核心模型文件（包含 Diffusion 模型、文本编码器与 VAE 自编码器）。请将下载好的文件放置于对应的 ComfyUI 目录中：

Plaintext

1
2
3
4
5
6
7
8
9

ComfyUI/
└── models/
    ├── diffusion_models/
    │   ├── minimax_music3_dit_fp16.safetensors                 # 满血版（全精度）
    │   └── minimax_music3_dit_int8_convrot.safetensors         # 低显存推荐（量化版）
    ├── text_encoders/
    │   └── minimax_music3_text_encoder_pruned_int8_convrot.safetensors
    └── vae/
        └── minimax_music3_dav.safetensors

模型下载链接：

1、diffusion_models

minimax_music3_dit_fp16.safetensors （全精度 满血版）

【点击前往】或 【网盘下载】、 【备用下载】

minimax_music3_dit_int8_convrot.safetensors （低显存用户选择）

【点击前往】或 【网盘下载】、 【备用下载】

2、text_encoders

minimax_music3_text_encoder_pruned_int8_convrot.safetensors

【点击前往】或 【网盘下载】、 【备用下载】

3、vae 编码器

minimax_music3_dav.safetensors

深入探索订阅高效网页应用与在线工具获取博客建站与内容托管服务申请知识产权与专利保护

【点击前往】或 【网盘下载】、 【备用下载】

3. 工作流导入与使用

下载对应的 ComfyUI 工作流 JSON 文件，直接将其拖入 ComfyUI 画布界面即可加载。

工作流下载：

1、国外网盘：【点击下载】

2、国内网盘：【点击下载】

提示词与歌词配置示例

在工作流的文本输入节点中，填入 Style Prompt（曲风与编曲描述） 以及 Lyrics（歌词与段落标记）：

示例 1：流行舞曲风格（Upbeat Dance-Pop）

Style Prompt:

Upbeat modern Chinese Mandopop dance-pop, around 108 BPM, extremely catchy and addictive, bright and energetic but slightly nostalgic. A youthful, warm male lead vocal with a clean intimate tone. Punchy modern pop drum groove, deep rounded bass, bright synth plucks, warm electric piano, and rhythmic claps.

Lyrics:

Plaintext

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

[Intro]
今晚的风 吹过你的脸
灯亮了一点 心跳快一点

[Verse 1]
城市的霓虹还没睡
我们沿着街一直追
你说今天不想回
我说那就再走一回

[Pre Chorus]
别问明天会怎样
别管时间有多忙
这一刻就在身旁
就让心跳替我们回答

[Chorus]
今晚别睡 别睡 别睡
让月亮陪我们到天黑
今晚别睡 别睡 别睡
有你在身边什么都对

示例 2：抒情流行风格（Mandopop Ballad）

Style Prompt:

Sweet youthful female vocal, clear, delicate and airy Chinese pop voice, warm and innocent tone. Modern Chinese Mandopop ballad, 72 BPM, warm acoustic pop production. Soft felt piano, delicate acoustic guitar, warm electric piano, subtle bass, light brushed drums, gentle strings.

Lyrics:

Plaintext

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

[Intro]
窗外的雨 下了一整夜
我突然想起 你说过的话
“累了就回来吧”

[Verse 1]
小时候总觉得 家门永远不会关
总以为长大以后 就能走得很远很远
你站在门口看着我 手里还提着那盏灯
我说别送了 其实只是不想看见你的眼神

[Pre-Chorus]
我也学会了说没事 学会把眼泪藏起来
却忘了那个最爱我的人 也会慢慢变老

[Chorus]
你还在等我回家吗
还会不会站在门前
像小时候一样 等我喊一声妈妈

一张图丢进去，吐出来一段 TypeScript 代码，浏览器里跑起来就是个带层级结构、能动画的 3D 模型，省 token 也省事儿。

Github地址

https://github.com/hoainho/img2threejs

功能特性

• 硬表面物体最拿手：耳机盒、枪械、刀具、机械载具这类棱角分明的物体，还原度比较高
• 细节不糊弄：会专门盘点照片里的螺丝、倒角、磨损痕迹、发光标志这些小东西，缺了不往下走
• 分阶段做，一步一验：从粗模到结构、外形精修、材质、灯光、交互，每层做完都要对比原图检查，不行就返工
• 省token：机器干机器的活（验证、打包、写规范），人眼只负责最后看对比图打勾或打叉，不把算力浪费在反复重读代码上
• 角色也能做，但偏风格化：有人体比例和面部特征的分析流程，不过单张照片别指望100%像真人

怎么用

Python 3.10以上就行，零依赖：

1

git clone https://github.com/hoainho/img2threejs.git ~/.claude/skills/img2threejs

然后在Claude Code这类支持视觉的AI助手环境里，贴张图，打指令：

1

/img2threejs Rebuild this object as a Three.js model, keep the proportions, angles, and colours.

之后跟着流程走：分析图片适不适合→写规格说明书→代码生成→浏览器渲染→对比原图→过就下一层，不过就改。每一步都有脚本管状态，人只看最终的左右对比图。

想手动跑也行，按顺序执行forge目录下的Python脚本，从探查图片、评估复杂度、写规范、验证、生成代码一路下来。

这是个把电影拆碎了学的工具，导入片子后自动抽帧、配字幕，打包发给 AI 分析，最后生成剧情时间轴、结构树和情绪曲线，全程数据存在本地，不用上传服务器。

Github地址

https://github.com/bkingfilm/lapian-notes

功能特性

• 自动抽帧建时间轴：导入影片后每秒抽一帧，生成带截图的全片时间轴，不用手动拖进度条截图
• AI 分析包一键打包：把截图和字幕打包成 ZIP，直接丢给 ChatGPT、Claude 这些 AI 去分析，不绑定任何 AI 服务，也不需要 API Key
• 剧情泳道图：AI 返回结果后，按电影自己的多条剧情线铺开，主线支线并行显示，同一段落被多条线复用时会自动生成引用卡
• 结构树 + 情绪曲线：段落按主线/支线/情感线/信息线分组，同时画出观众投入强度的起伏曲线，哪里拖沓哪里紧凑一目了然
• 段落深拆：觉得某段值得细究，单独打包发给 AI，能拆到场次和镜头级别，包括剧本小节、视听手法
• 播放器联动：笔记里任何时间点——段落、剧本小节、字幕行——点一下就跳转到对应画面播放，”播放本段”到结束自动暂停，真正实现边播边记
• 手动精修：每个段落都能编辑，功能定位、关键节拍、剧本还原、创作意图这些字段都有
• 导出分享：整份笔记可以导出 Markdown、剧本正文，或者把泳道时间轴导出成长图发给别人

快速开始

1. 下载：点本页面绿色的「Code」按钮，选「Download ZIP」
2. 解压：双击或右键解压下载的压缩包
3. 启动：

• Windows：双击文件夹里的 run.bat
• Mac：双击文件夹里的 run.command。第一次系统可能提示”无法打开”，在文件上按住 Control 点击 → 打开 → 打开，只需要这一次，以后直接双击

第一次启动会自动准备运行环境和程序组件（电脑上没装过 Node.js 也没关系，会自动下载便携版，共约几分钟；之后每次都是秒开），完成后浏览器自动打开工具页面。使用期间保持那个黑色服务窗口开着；用完关掉它就是退出。

免责声明

• 工具仅供个人学习和研究电影叙事使用，请使用你拥有合法访问权的影片
• 网络字幕搜索功能从公开字幕站获取字幕，字幕版权归原作者所有，请勿用于任何商业用途

将手绘的故事插图转化为时长 35 到 45 秒的动画视频，其中包含逐行显示画面和渐变色彩效果。

Github地址

https://github.com/xiejunjie524/handdraw-story-video

特点

• 默认 40 秒、720×960、30 fps，适合竖屏平台
• 每幕使用一张独立彩色母图，本地提取完全对齐的线稿
• 线稿和颜色统一从左向右推进，不重复调用生图模型
• 支持可选故事字幕和画面内道具文字
• 自动检查时长、重复素材、字幕行数与字号范围
• 不绑定生图服务、音乐来源或私有 API

环境要求

• Python 3.10+ Python 3.10 及以上版本
• Node.js 18+ Node.js 18 及以上版本
• FFmpeg
• HyperFrames 超帧
• GSAP 3（通过 npm 安装，遵守其许可条款）

快速开始

1
2
3
4
5

git clone https://github.com/xiejunjie524/handdraw-story-video.git
cd handdraw-story-videopython -m venv .venv
# Windows: .venv\Scripts\activate
# macOS/Linux: source .venv/bin/activate
pip install -r requirements.txtnpm install gsap

1. 复制模板并填写故事：

1

cp templates/story-template.json story.json

1. 每幕只生成一张 1K 彩色母图，再提取对齐线稿：

1

python scripts/make_lineart.py assets/images/scene-01-color.png assets/images/scene-01-line.png

1. 准备 HyperFrames 目录和 GSAP：

1

mkdir -p hyperframes/assets/vendorcp node_modules/gsap/dist/gsap.min.js hyperframes/assets/vendor/gsap.min.js

Windows PowerShell 可使用： Windows PowerShell 可以使用：

1
2

New-Item -ItemType Directory -Force hyperframes/assets/vendor | Out-Null
Copy-Item node_modules/gsap/dist/gsap.min.js hyperframes/assets/vendor/gsap.min.js

1. 把图片和已获授权的 BGM 放到 hyperframes/assets/，确保路径与 story.json 一致，然后生成页面：

1

python scripts/build_story.py story.json hyperframes/index.html --check-assetsnpx hyperframes check hyperframes/index.html --jsonnpx hyperframes render hyperframes/index.html --output renders/story-v1.mp4 --workers 1

不要覆盖旧成片；每次使用新的输出文件名。

故事配置

最小场景结构：

1

{  "id": "scene-1",  "duration": 5,  "caption_lines": ["凌晨四点，", "他总会经过那家早餐店。"],  "line_image": "assets/images/scene-01-line.png",  "color_image": "assets/images/scene-01-color.png",  "crop": {"scale": 1, "x": 0, "y": 0}}

完整字段和分镜规则见 docs/story-spec.md，可运行示例见 examples/soy-milk-at-4am/story.json。

一个跑在本地的 OCR 工具，给 Node.js 和 C++ 用。不用联网，装完就能直接识别图片里的文字，返回内容、置信度和位置坐标。

Github地址

https://github.com/arcships/light-ocr

功能特性

• 本地处理。 图片和 OCR 结果始终留在本机。
• 只需安装一个包。 模型和当前平台的预编译组件会随 npm 包一起安装。
• 直接得到可用结果。 每一行都包含识别文字、置信度和原图位置。
• 默认使用硬件加速。 Auto 在 macOS 15+ Apple Silicon 上优先使用 Core ML，在下表的 Linux 和 Windows 版本中优先使用 WebGPU。
• 适合应用内调用。 识别任务在 JavaScript 主线程之外执行，并支持队列、取消和明确释放资源。
• 识别大图中的小字。 可选的 tiled 模式可以保留高分辨率图片中的小字和密集文字。

快速开始

支持 Node.js 22 和 24。

1
2
3
4
5
6
7
8
9
10
11
12
13
14

npm install @arcships/light-ocr
import { createEngine } from "@arcships/light-ocr";
import { readFile } from "node:fs/promises";

const engine = await createEngine();
const result = await engine.recognizeEncoded(
  await readFile("image.jpg"),
);

for (const line of result.lines) {
  console.log(line.text, line.confidence, line.box);
}

await engine.close();

createEngine() 会根据当前平台自动选择合适的执行方式。如果应用已经完成图片解码，recognize() 也可以直接接收 GRAY8、RGB8、BGR8 和 RGBA8 像素数据。