前情提要： 最近在做一个应用，现在比较急着补一套相对正规的注册登录功能。（主要是怕AI手搓，又是重复造轮子又是四处漏风） 我之前其实没有完整做过认证这块，像注册、登录、验证码、找回密码、第三方登录这些，都是纯用过见过听过，没有真正写过，最多STMP邮箱认证，但是那个太糙了还有bug 在问实现方案的时候，Claude 给我推荐了一个 Casdoor ， github.com GitHub - casdoor/casdoor: An open-source Agent-first Identity and Access... An open-source Agent-first Identity and Access Management (IAM) /LLM MCP & agent gateway and auth server with web UI supporting OpenClaw, MCP, OAuth, OIDC, SAML, CAS, LDAP, SCIM, WebAuthn, TOTP, MFA, Face ID, Google Workspace, Azure AD 我看了一下，是一个统一认证中心的项目，能管注册登录，也能扩展邮箱、短信、微信、GitHub 之类的登录方式。 所以我现在在想一个事情： 如果目标是尽快把“正规的注册登录能力”上线，是不是直接上 Casdoor 会比自己用AI手搓更合适？ 实际诉求大概是这些： 1、应用需要支持公开注册和登录 2、肯定要带验证能力，比如邮箱验证码 / 短信验证码这类 3、后续肯定会接微信登录，或者别的第三方登录方式 4、这套东西肯定尽量正规一点，而不是简单写个账号密码表就先凑合 我现在问完AI后对这件事的理解是： 如果自己手搓，就得自己处理注册、登录、token、验证码、找回密码、第三方登录接入这些问题，还得再次去造轮子 如果用 Casdoor，可能可以直接把认证体系独立出去，业务系统只关心用户身份和权限，最多多部署维护一个认证中心 但我没有实际做过，所以不太确定这个判断是不是对的。 有没有懂的佬 以下是用GPT整理的问题列表 其实就是： 想尽快把注册登录做正规，同时尽量别让自己以后每加一种登录方式都重做一遍认证逻辑。 或者有没有其他更好搞的项目直接使唤 5 个帖子 - 3 位参与者 阅读完整话题
佬友们有个困惑求解，自部署Qwen3.5 27B,做一套偏知识类的Agent 现在的情况就是如果走Native Reasoning输出，会暴露系统约束、工具Key啥的，模型跑去复述系统提示词，如果不开而是通过提示词约束模型输出类思维链，又感觉不是很稳定。 就是感觉模型的思维过程还是挺有用的对知识类场景还挺有启发的，但是又不希望暴露系统提示词，咋解决呢 2 个帖子 - 2 位参与者 阅读完整话题
确定了Dario把大陆实名那一套学得明明白白，我大学都没让我手持ID！A畜让我手持ID support.claude.com Identity verification on Claude | Claude Help Center 2 个帖子 - 2 位参与者 阅读完整话题
来L站半个多月从什么都不会学到了很多知识，感谢各位佬的耐心回复和公益佬的Token让我学到超多东西，始皇牛逼 目前还在调试中，好了就发。 6 个帖子 - 6 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 作者最近都在一家小公司一个人做全栈开发，这期间有了不少新的思考和感悟，在这里写下来分享给大家。 正文 这阵子所有 AI 工具都在卷「帮你更快」------更快写代码、更快做方案、更快下判断。我反过来做了一个东西： 让你更慢 。 为什么？因为我越用 CC、Codex 这些工具，越有一个隐忧： 我的代码写得飞快，但我自己的判断力、品味、抽象能力反而在退化。 遇到问题我第一反应是「让 AI 试试」，而不是「我先想想」。长此以往，当所有人都拥有同样强的 AI 时，能分出高下的就是那些 没把思考外包出去的人 。 所以我做了 growth： https://github.com/zhu1090093659/growth 这是什么 一套 skill，装到你的AI工具箱里面。它不会替你写代码，只会在你准备写代码之前、之中、之后， 把你没想清楚的问题一层层剥出来 让你细细品味，获得真正的经验。 它只干一件事： 问问题 。 四个 skill Skill 什么时候用 它会问什么 taste-audit 代码/设计写完了，想知道写得好不好 这东西美不美？哪一行你其实不太想给别人看？ intent-refine 有个想法但说不清，想定义需求 你到底要什么？为什么要？做完之后什么可观察的东西会不同？ judgment-redteam 做了个决策，或倾向某个方案 你哪里可能是错的？一个比你聪明、不同意你的人会说什么？ abstraction-uplift 代码 work 了但感觉结构不对 有没有东西被绑在一起但本不该绑？有没有抽象层其实是多余的？ 真实交互示例 这段是测试 taste-audit 时的实际对话，能让你感受一下味道： 我 ❯ 帮我看看这段代码写得怎么样？ [贴了一段 200 行的 Python 类] Claude ❯ 先不谈技术——你读这段代码的第一感觉是什么？ 一个词形容。 我 ❯ 还行吧，能跑 Claude ❯ "还行"是真没感觉，还是感觉没想清楚？ 你再读一遍，这 200 行里，有没有一行你其实不想让别人看到？ 具体是第几行？ 它不评价我的代码，它把我逼回到 我自己的感受 。而且它不接受"还行"这种含糊的退出------这是刻意设计的。 核心设计：三条铁律 每个 skill 开头都写着，AI 必须遵守： 1. 镜子原则 ：禁止说"我觉得应该 XXX"，只说"你觉得这里怎么样？" 2. 苏格拉底纪律 ：只问问题不给答案，问题分三层锋利度（激活 → 刺破 → 重构） 3. 抗柔顺原则 ： 用户感到舒适 = skill 失败。用户感到被挑战 = skill 成功。 第三条最反直觉也最关键。大部分 AI 工具的产品经理都在优化"用户满意度"，但思考训练这件事，让你满意就意味着训练失效了。 跟 nuwa-skill 的区别 前阵子我看到有佬友分享过 nuwa-skill （蒸馏芒格、马斯克、Naval 的思维框架），我觉得那是个很棒的项目。growth 跟它正好是光谱的两端： nuwa-skill ：蒸馏 别人 怎么想 → 让你拥有更好的顾问 growth ：蒸馏 问题 本身 → 让你成为更好的自己 这是两种路线，客观的的说我觉得都挺好的，但是如果可以的话，我还是想让自己变得更好，嘿嘿。 顺便说一下这不适合谁？ 如果你就是要 AI 快点帮你写完收工， 别装 ，会烦你。 如果你习惯"AI 夸我写得好我就开心"， 别装 ，它不会夸你。 如果你需要的是标准答案而不是自己思考， 别装 ，它一个答案都不给。 适合谁： 对「AI 让我变废」这件事有警觉的人 做技术决策时想要一个主动挑刺的对手 想训练判断力/品味但不知道怎么练的人 版本说明 目前是 v0.1 公开实验 。问题库是我根据自己这段时间的经验攒的，还没经过大量实战验证。预计未来会基于反馈不断修改。 所以**如果你试用后有感受------不管是"这个问题正中我要害"还是"这个问题纯废话"------都欢迎来 issue 或 PR **。v0.2…v0.x 就靠大家的反馈演化。 链接 github.com GitHub - zhu1090093659/growth 通过在 GitHub 上创建帐户来为 zhu1090093659/growth 开发做出贡献。 最后一句也是 README 里写的： 如果 growth 让你的判断力变强了，记得别再依赖 growth，那就是毕业的时候。 训练轮终究是要扔掉的。 2026.04.17 随笔 4 个帖子 - 3 位参与者 阅读完整话题
看了眼 虽然强制5+人 但是价格也差不太多 如果采用的是另一套风控/甚至没什么风控的话 这种车合租可能更好? 至少看起来这个就是B端的业务 风控应该不会太抽象吧… 甚至组一帮子人开企业套餐? 2 个帖子 - 2 位参与者 阅读完整话题
背景是这样：最近在做一套多平台直播留存系统，目标就是直播开始后能自动发现、自动录制、结束后归档，如果可以的话，再把直播过程里的弹幕/评论一起留存下来，最好还能和视频时间轴对上。 抖音、快手、小红书这边目前大致都有路子，唯独微信视频号这块一直比较难搞。 目前了解过的项目大概有这些： bililive-go、DouyinLiveRecorder 对抖音/快手/小红书支持还行，但基本不覆盖微信视频号 现在最头疼的是这几个点： 视频号直播主要还是在微信 App 里看，没有常规网页直播间那种好监控的入口 每次开播像是新场次，不太像固定房间号模式 账号如果长时间挂着做录制/监控，担心触发风控甚至异常 除了录像本身，还想尽量留存直播里的弹幕/评论，并带时间戳 2 个帖子 - 1 位参与者 阅读完整话题
练习时长两年半的Java开发，平时工作除了Spring那一套还会用Pyhton写一些脚本，对AI还挺感兴趣的。也萌生了转大模型应用开发的想法，由于现在的这家公司没有AI的相关业务，所以自己会私下里学一些，比如：dify、coze的工作流搭建,langchain,langchain4j或springai这些框架。还需要深入学习哪些东西？请各位佬指点一二。 2 个帖子 - 2 位参与者 阅读完整话题
我把 Andrej Karpathy 提到的一套AI编码约束，整理成了一个适合 Codex 使用的全局 skill，名字叫： karpathy-coding-guidelines 它的功能很简单：减少 AI 在编码时常见的几个问题，比如： 不确认需求就直接开写 顺手重构一大片 明明能 50 行解决却写成 200 行 没验证就说“已经完成” 他可以干什么 这个 skill 会给 Codex 一套偏工程实践的行为约束，重点包括： Think Before Coding 先说清假设，不要闷头猜 Simplicity First 优先最简单可行方案，避免过度设计 Surgical Changes 只改和需求直接相关的部分 Goal-Driven Execution 把任务转成可验证目标，再实现和验证 在什么场景用 比较适合的任务： 修 bug 小步重构 补测试 做代码审查 用户明确要求“最小改动”“不要顺手重构”“先说假设再动手”的任务 目前做的适配 原始仓库更偏 Claude 侧的行为提示，我这边把它改成了 Codex 可直接使用的 skill 结构，并做了几点适配： 写成 Codex 的 SKILL.md 增加了适合全局触发的 description 补了 agents/openai.yaml 文件结构 ~/.codex/skills/karpathy-coding-guidelines/ ├─ SKILL.md └─ agents/ └─ openai.yaml 主要内容 SKILL.md --- name: karpathy-coding-guidelines description: 用于编码任务的行为约束与执行准则，帮助 Codex 在实现、调试、修复 bug、重构、补测试、代码审查等场景下减少主观猜测、避免过度设计、控制改动范围，并用清晰的验证目标驱动交付。用户明确要求小步修改、最小改动、先澄清假设、避免顺手重构、按目标验证时，或当任务存在多种解释和实现路径时，使用此技能。 --- # Karpathy Coding Guidelines ## Overview 在开始实现前，先把任务收敛成清晰假设、最小方案和可验证目标。 在改动现有代码时，只触碰与需求直接相关的部分，不把“顺手优化”混进本次提交。 ## Working Rules ### 1. Think Before Coding - 先明确需求中的已知项、未知项和你的假设。 - 如果存在两种以上合理解释，先说明分歧点，不要静默选择其一。 - 如果更简单的方案可行，主动指出，不为了“未来扩展”增加复杂度。 - 如果关键信息缺失且误判风险高，先停下来澄清，再实现。 对外表达时，优先使用这种句式： - “我的理解是……” - “这里我先假设……” - “如果你希望的是另一种含义，我会改成……” ### 2. Simplicity First - 只写完成当前目标所需的最少代码。 - 不提前抽象单次使用的逻辑。 - 不添加用户没要求的配置项、可扩展层或兜底分支。 - 不为了展示“健壮性”去处理实际上不可能发生的场景。 - 如果实现明显比需求更复杂，先回退并简化。 每次准备提交前，自查一句： “这段代码是否会被资深工程师评价为过度设计？” ### 3. Surgical Changes - 只修改与当前需求直接相关的文件和代码块。 - 不顺手整理无关格式、命名、注释或相邻模块。 - 不重构没坏的代码。 - 延续现有项目风格，除非用户明确要求统一或重构。 - 只删除因本次改动而新增的无用导入、变量、分支和函数。 - 发现既有死代码或历史问题时，可以提示，但不要擅自清理。 判断标准： 每一处改动都应当能直接追溯到用户请求，或者是让该请求成立所必需的配套改动。 ### 4. Goal-Driven Execution - 把模糊任务改写成可验证目标后再动手。 - 能写测试复现的，先写复现，再修复，再验证通过。 - 不能写测试的，也要给出明确检查点，例如页面行为、命令输出、接口返回或构建结果。 - 多步骤任务先写一个简短计划，每步都带验证方式。 使用这种格式组织执行： 1. [步骤] -> verify: [如何确认完成] 2. [步骤] -> verify: [如何确认完成] 3. [步骤] -> verify: [如何确认完成] ## Response Style - 优先简短、直接、可执行的表达。 - 先说理解和假设，再说实现。 - 对风险、取舍和不确定性保持显式。 - 在完成后汇报：改了什么、如何验证、还有什么残余风险。 ## Anti-Patterns 避免这些常见错误： - 没确认需求边界就直接开写。 - 为了“以后可能会用到”加入抽象层。 - 把功能修复和无关重构混在一起。 - 没验证就宣布完成。 - 用很多代码掩盖对问题理解不清。 ## Quick Checklist 开始前检查： - 我是否写清了假设？ - 我是否选择了最简单可行方案？ - 我的计划是否有明确验证点？ 提交前检查： - 是否存在与需求无关的改动？ - 是否有更短、更直接的实现？ - 是否已经完成测试、构建或其他必要验证？ agent/openai.yaml interface: display_name: "Karpathy Coding Guidelines" short_description: "用更少假设、更少过度设计和更小改动完成各类编码任务。" default_prompt: "Use $karpathy-coding-guidelines to implement or review this coding task with explicit assumptions, minimal changes, and clear verification." 2 个帖子 - 1 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 为什么有这个项目？ 大约三四周前，给别人搞了个自动注册的插件，当时想着如果以后还有很多这种项目的话，而且如果是分发给多个人使用的时候如何欧洲好授权的管控呢？ 首先想到的肯定是从gayhub上找有没有现成的，但着了很久发现大多不太符合我内心的期待和预期。 我实际上是期望可以 期望是web + api模式并且可以dcoker部署到我的nas上 支持多项目，毕竟可扩展刻入了我的灵魂 期望除了时间授权类型外，还要有按次数授权 授权码中途可以被改授权类型和时间次数，还有可以禁用 可以审计，日志留痕 但我从github上翻了好久 好多是非云端鉴权的模式，我个人不太放心非云端授权的 大多都是要么单项目或者没有项目这个维度的定义，只有激活码/授权码 没有看到任何一个支持按次数授权 于是。。 感谢github上一个叫 Easytoac 的项目，我fork它并进行了基本上相当于完全重构的魔改。 项目链接： github.com GitHub - axdlee/activation-manager: 一个软件激活码授权管理系统用于快速构建软件付费服务支持 一个软件激活码授权管理系统用于快速构建软件付费服务支持 项目具体介绍： 另外： 不要问我页面UI为什么那么难看，我尽力了，但codex好像没有 3 个帖子 - 3 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 开发动机： 不知道论坛里做嵌入式软件的佬友多不多，我干这行工作差不多已经三年了。 从AI刚开始流行时就一直在学习使用，这一年内也是看到AI工具的快速发展。 上一年一直在做STM32相关的工作，由于基础不行所以做着还是挺吃力的（前一两年主要做些应用层的事，再加上一些杂七杂八的工作），但是在AI的加持下还是磕磕碰碰的能完成任务。 之前对于AI在嵌入式开发中的使用主要是分析代码、生成代码，但是AI生成的代码通常不能一次性成功，需要下载到芯片多次调试反馈AI再调后才能使用。 有一段时间好好学习了一下ClaudeCode的各种概念，但好像有用的也就全局提示词，MCP、Skill 这些基本没有太合适嵌入式开发的，对Skill更是疑惑不解，感觉本质上就是一堆提示词 。 但是随着使用ClaudeCode、Codex的时间越长，慢慢发现，AI非常善于使用命令行，最近各大软件也纷纷推出自己的CLI工具。此时突然明白了Skill的一个重要的用法，就是将一些命令行工具的使用沉淀为Skill，让AI在合适的地方自己去调用这些工具，完成原本MCP的功能。 之前玩过Linux板子，倒腾过GDB+VSCode远程调试。那时还不明白，为啥GDB调试是命令行形式的而不用Keil这样的GUI？还很疑惑，真有人通过命令行去调试开发吗？感觉完全不可思议。现在才恍然大悟，这样的设计简直天才。 于是我就去调研，看看SMT32开发工具中，有没有这样的实现。结果是这些工具都有对应的命令行工具及实现。 所以，现在我们能将AI在嵌入式领域的开发中，编译、调试验证的最后一小步打通，形成闭环开发。（当然，还有很多涉及外部工具的工作无法完成，但我觉得这已经是一个很大很大的进步了） 项目介绍： 项目链接： github.com GitHub - zhinkgit/embeddedskills: An open-source collection of embedded development... An open-source collection of embedded development and debugging skills for Claude Code, Copilot, TRAE, 和 other AI coding assistants that support the Skill protocol. Once installed, the AI assistant can directly operate compilers, debuggers, 和 communication buses, automating the full workflow from code generation to hardware verification. 补充说明： 由于Python的生态非常好，有非常多的工具库可以调用，所以使用Python做为脚本语言。 现在单片机的开发在我了解主要分为几类，工程类别：1、keil 2、CMake。下载调试类别：1、jlink 2、openocd。再加上我经常用到的一些通信调试：串口、CAN、以太网。这些均已沉淀为Skill。 由于目前的工作中没有Linux相关的任务，所以没有开发Linux相关的Skill，但是原理都是一样的，可以自行开发或者提 Issue 和 PR。 同上，可能有些芯片的工程类别覆盖不全，包括ESP、IAR啥的，但原理都是一样的。 使用Codex验证了Skill的基本功能，还未大规模使用，欢迎大家提 Issue 和 PR。 感谢社区佬友的AI经验分享，欢迎做嵌入式开发的佬友交流心得，如果好用请给一个免费的小 哦。 1 个帖子 - 1 位参与者 阅读完整话题
佬们,在公司内部搭建了一套codex反代 我想在前置加一段系统提示词怎么加,再newapi里加了 claude code里可以调用到,codex里就不识别 怎么改呢 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 4 月 15 日消息，下图是一套直接集成在专业竞技连体骑行服内的全新安全气囊系统，而非像其他方案那样外挂加装。其由骑行品牌 Van Rysel 联合安全气囊技术专家 In&motion 为公路自行车手研发，目前正在职业车手身上进行测试，预计未来两年内面向普通消费者正式发售。 IT之家注意到，该研发的背景是：今年 2 月，职业自行车运动管理机构国际自行车联盟（UCI）公开征集防护装备，旨在为速度越来越快的车手提供更好的安全保障。 目前这款产品已进入最终验证阶段，未来有望用于正式赛事。Van Rysel 表示，整套系统总重约 700 克（其中气囊组件 500 克），远轻于世界摩托车锦标赛（MotoGP）所使用的气囊系统。和成熟的 MotoGP 方案一样，Van Rysel 气囊在碰撞检测算法判定发生严重事故后， 仅需 60 毫秒即可完成充气展开。 这款连体骑行服兼顾空气动力学与散热性能，并采用耐磨材料，以降低擦伤等表层皮肤损伤风险。气囊展开后，可保护头盔未覆盖的上半身区域，包括躯干核心、颈部和脊柱。未来还将探索更全面的防护方案。 Van Rysel 产品经理乔斯琳 · 巴尔（Jocelyn Bar）表示：“每一个比赛号码背后都是一个活生生的人。但令人遗憾的是，很多人仍然默认：车手可能在一瞬间因摔车失去一切。20 年前头盔带来的变革，我们认为如今气囊可以做到，只不过现在，我们不只关注头部，而是要尽可能保护全身。”
从事java大概10年了，对Spring那一套、还有Java EE规范还是熟悉，现在总感觉有一天会被淘汰。硬要混，其实也能混下去，但是不想被时代淘汰。 看了看BOSS，也看了L站帖子，说实话，感觉往AI靠拢，就还有前途；但就是不知道怎么学、学什么能工资高点。 也不知道现在热门是做什么的？做agent？还是训练模型？搞蒸馏？ 训练模型、蒸馏，我觉得学习成本太高了。苹果的那什么MINI3，一台要5万多。 3 个帖子 - 3 位参与者 阅读完整话题
各位大佬 感觉自己学废了 以前有认真学过Java那一套 后来全部身心投入到了rust的后端开发中 也做了一个那种匿名发帖的那种网站 模仿的5ch 但是感觉rust根本找不到工作 即使有 也不是后端 感觉人生已经废了 加上还是日语本科 还不是计算机相关的 感觉心碎 前端几乎都是AI生成 AI倒是玩的溜 是不是已经没救了 2 个帖子 - 2 位参与者 阅读完整话题
rt，最近准备用dify做一套workflow，任务是根据提示词调用大模型进行网络搜索生成词条内容，最后存到csv表格里面。有没有大佬给点建议或者分享一下质量比较好的教程呀 3 个帖子 - 3 位参与者 阅读完整话题
最近折腾了一套 OpenClaw（小龙虾）自建环境，用来做插件/微信自动化/知识管理。 中间踩了不少坑（Docker挂载、SMB权限、插件安装失败等），最后整理了一套稳定方案。这里面整理了一下其他人遇到的坑。目前我只遇到了三个坑。我是基于Rocky 10 来安装的。大家感兴趣的可以了解一下 龙虾安装教程（基于Rocky10）.pdf (2.7 MB) 1 个帖子 - 1 位参与者 阅读完整话题
大家有没有一套全自动的从0到1的开发工作流，比如配置好相关的skill，mcp等等，只要自己写好需求之后，直到发布都是AI在干活！求大神们指点一下 9 个帖子 - 8 位参与者 阅读完整话题