[分享创造] dtool v0.3.0 发布：面向 AI 的数据工作流，从 Excel 起步，规矩立好了，不烧心
dtool v0.3.0：给 AI Agent 的本地 Excel 数据流水线 CLI
● 仓库： https://github.com/dezhishen/dtool
● 版本：v0.3.0 stable （单二进制，Linux / macOS / Windows ）
● 协议：MIT ，零依赖、无云端、无遥测
----------------------
为什么做
现在拿 AI 处理表格的不少——把 Excel 丢给 ChatGPT 、Claude ，让它算个汇总、画张图。实际用下来有四个绕不开的坑：
1. AI 会编数字。 结果对不上时，你不知道它哪一步算错；同一个表问两遍，答案可能不一样。
2. 隐私风险。 客户名单、薪资、订单流水被直接粘进在线对话。AI 厂商的隐私条款再漂亮，数据也已经离开本地了。
3. 不可复核。 AI 的结论没有中间过程。过两周想确认口径，只能重新问，而它可能换一套算法。
4. 上下文有限。 超过一定行数 AI 就开始丢信息或瞎猜。十万行以上的表，纯对话基本没法处理。
dtool 的做法：数据留在本地，AI 负责写 SQL 和出图思路，dtool 负责执行和留痕。效率拿到了，数据没出去。
----------------------
设计
● 本地优先：默认工作区
● 单二进制、零依赖：自带 SQLite 和图表渲染。不装 Python 、Node 、数据库。
● 默认强隐私：结果只写盘，stdout 只给交付清单（路径 + SHA256 ），不打印数据内容。隐私模式只有改配置文件能关，没有命令行开关绕过。
● Action 即台账：每条命令的输入、产物、预览、错误、血缘都记下来。想查"上次怎么算的"直接翻记录。
● Agent 友好：stdout 全是结构化 JSON ，退出码语义明确（ 4 = 跑完但出错，5 = 被中断可重跑），带
----------------------
安装
Windows 下载
----------------------
快速上手
每步的 stdout 都是结构化 JSON ，含
----------------------
进阶示例
多表 JOIN
支持 INNER / LEFT / CROSS JOIN 、CTE （ WITH ）、子查询、UNION ALL 、窗口函数（ RANK / ROW_NUMBER / LAG ）。
多系列图表
结果集管理
口径与血缘
----------------------
资源与性能（实测）
1 核 2GB 受限环境：
结论：
● 内存不足时自动降档（ full → stream → disk ），峰值和数据量解耦。
● Excel 转换是流式的，边界是 Excel 单表 1,048,576 行的格式上限，不是内存。
● 内存超预算会快速失败并给数字（预计需 xx / 可用 xx ），不会静默被杀。
● 看门狗按预算中止进程。Windows 上进程级内存限制（ 0x100 ）生效； job 级（ 0x2000 ）在 Win10 19044 读回为 0 ，工具会告警并回退预算来源。
----------------------
已知限制
● SQL 引擎是 SQLite：不支持 ROLLUP / CUBE / GROUPING SETS ，多维小计用 UNION ALL 兜底；多系列展示由图表层
●
● 图表单图上限 1000 个数据点。
● 默认沙箱只允许单条 SELECT / WITH ，
● 强隐私是契约不是沙箱：CLI 保证不打印数据内容，但拦不住调用方直接读落盘文件。
----------------------
适用场景
● AI Agent / 自动化（首要场景）：stdout 全 JSON 、退出码语义明确、带 SKILL.md ，Agent 直接拿它当数据后端。
● 处理 Excel 但不想开在线表格的：本地汇总、出图、导出，数据不出门。
● 折腾本地数据的开发者：可复现的 SQL 流水线、Action 台账、SHA256 可校验。
----------------------
dtool v0.3.0 ，MIT ，单二进制零依赖。
via V2EX (author: THESDZ)
dtool v0.3.0：给 AI Agent 的本地 Excel 数据流水线 CLI
● 仓库： https://github.com/dezhishen/dtool
● 版本：v0.3.0 stable （单二进制，Linux / macOS / Windows ）
● 协议：MIT ，零依赖、无云端、无遥测
----------------------
为什么做
现在拿 AI 处理表格的不少——把 Excel 丢给 ChatGPT 、Claude ，让它算个汇总、画张图。实际用下来有四个绕不开的坑：
1. AI 会编数字。 结果对不上时，你不知道它哪一步算错；同一个表问两遍，答案可能不一样。
2. 隐私风险。 客户名单、薪资、订单流水被直接粘进在线对话。AI 厂商的隐私条款再漂亮，数据也已经离开本地了。
3. 不可复核。 AI 的结论没有中间过程。过两周想确认口径，只能重新问，而它可能换一套算法。
4. 上下文有限。 超过一定行数 AI 就开始丢信息或瞎猜。十万行以上的表，纯对话基本没法处理。
dtool 的做法：数据留在本地，AI 负责写 SQL 和出图思路，dtool 负责执行和留痕。效率拿到了，数据没出去。
----------------------
设计
● 本地优先：默认工作区
./.dtool，数据集、查询结果、图表、Action 记录都在里面，可整体搬走。没有云端，没有遥测。● 单二进制、零依赖：自带 SQLite 和图表渲染。不装 Python 、Node 、数据库。
● 默认强隐私：结果只写盘，stdout 只给交付清单（路径 + SHA256 ），不打印数据内容。隐私模式只有改配置文件能关，没有命令行开关绕过。
● Action 即台账：每条命令的输入、产物、预览、错误、血缘都记下来。想查"上次怎么算的"直接翻记录。
● Agent 友好：stdout 全是结构化 JSON ，退出码语义明确（ 4 = 跑完但出错，5 = 被中断可重跑），带
SKILL.md 技能包，Agent 可以直接拿它当数据后端。----------------------
安装
V=$(curl -sSL https://api.github.com/repos/dezhishen/dtool/releases/latest \
| sed -n 's/.*"tag_name": *"\([^"]*\)".*/\1/p')
base=https://github.com/dezhishen/dtool/releases/download/$V
curl -LO "$base/dtool_${V#v}_linux_amd64.tar.gz"
curl -LO "$base/checksums.txt"
sha256sum -c --ignore-missing checksums.txt
tar -xzf "dtool_${V#v}_linux_amd64.tar.gz"
install -m 0755 dtool ~/.local/bin/
dtool version
Windows 下载
dtool_<版本>_windows_amd64.zip，解压即用 dtool.exe。----------------------
快速上手
# 1. Excel → 数据集（自动生成 Schema：列类型/可空/唯一/基数/角色）
dtool convert --input sales.xlsx --name sales
# 2. SQL 查询，数据集名直接当表名
dtool query --sql 'SELECT region, SUM(amount) AS total FROM sales GROUP BY region ORDER BY total DESC'
# 3. 出图，直接引用上一次查询结果，不用重跑
dtool visualize --input latest:query --type bar --x region --y total --title "区域销量" --output out/sales.png
# 4. 导出 Excel / CSV / Markdown
dtool query --sql 'SELECT * FROM sales WHERE amount > 60' --format xlsx --output out/filtered.xlsx
# 5. 一条龙
dtool pipeline --excel sales.xlsx \
--sql 'SELECT region, SUM(amount) AS total FROM data GROUP BY region' \
--chart bar --x region --y total --output out/summary.png
每步的 stdout 都是结构化 JSON ，含
action_id、产物路径和 SHA256 ；失败时 stdout 仍是 JSON （含 code/detail/hint ），退出码非 0 。----------------------
进阶示例
多表 JOIN
dtool convert --input sales.xlsx --sheet 订单 --name orders
dtool convert --input sales.xlsx --sheet 客户 --name customers
dtool query --sql 'SELECT c."客户名称", COUNT(*) AS 单数, SUM(o."金额") AS 总额
FROM orders o JOIN customers c ON o."客户 ID" = c."客户 ID"
GROUP BY 1 ORDER BY 总额 DESC LIMIT 5'
支持 INNER / LEFT / CROSS JOIN 、CTE （ WITH ）、子查询、UNION ALL 、窗口函数（ RANK / ROW_NUMBER / LAG ）。
多系列图表
# 长表透视：region × quarter 拆多系列
dtool visualize --input latest:query --type bar --x region --y total --group-by quarter
# 宽表直取：多列 → 多折线
dtool visualize --input latest:query --type line --x month --y sales,profit
结果集管理
dtool actions results stat # 统计查询/图表结果（数量/大小/缺失）
dtool actions results verify # 校验结果文件存在并核对 SHA256
dtool actions results gc # 清理过期结果（默认 dry-run ，--apply 才真删）
口径与血缘
dtool actions annotate <id> --text "口径：含税" --by ai-agent
dtool query --sql '...' --from action:<上次的 id>
----------------------
资源与性能（实测）
1 核 2GB 受限环境：
结论：
● 内存不足时自动降档（ full → stream → disk ），峰值和数据量解耦。
● Excel 转换是流式的，边界是 Excel 单表 1,048,576 行的格式上限，不是内存。
● 内存超预算会快速失败并给数字（预计需 xx / 可用 xx ），不会静默被杀。
● 看门狗按预算中止进程。Windows 上进程级内存限制（ 0x100 ）生效； job 级（ 0x2000 ）在 Win10 19044 读回为 0 ，工具会告警并回退预算来源。
----------------------
已知限制
● SQL 引擎是 SQLite：不支持 ROLLUP / CUBE / GROUPING SETS ，多维小计用 UNION ALL 兜底；多系列展示由图表层
--group-by 实现。●
convert 只支持 .xlsx，不支持 .xls 和 CSV 直接导入。● 图表单图上限 1000 个数据点。
● 默认沙箱只允许单条 SELECT / WITH ，
PRAGMA / ATTACH / 多语句会被拒（--sandbox=false 可关）。● 强隐私是契约不是沙箱：CLI 保证不打印数据内容，但拦不住调用方直接读落盘文件。
----------------------
适用场景
● AI Agent / 自动化（首要场景）：stdout 全 JSON 、退出码语义明确、带 SKILL.md ，Agent 直接拿它当数据后端。
● 处理 Excel 但不想开在线表格的：本地汇总、出图、导出，数据不出门。
● 折腾本地数据的开发者：可复现的 SQL 流水线、Action 台账、SHA256 可校验。
----------------------
dtool v0.3.0 ，MIT ，单二进制零依赖。
via V2EX (author: THESDZ)
[分享创造] 做了个 threads 多账号切换的 app Strand 免费加开源，感兴趣的可以来试试
链接
https://istrand.vercel.app/
预览
via V2EX (author: iextrastu)
Invalid media: image
链接
https://istrand.vercel.app/
预览
via V2EX (author: iextrastu)
Invalid media: image
[分享发现] 美国 topcashback 返现周年庆活动推荐奖励$50(可平分纯白嫖)
目前截止到 10/31 之前通过 aff 链接注册并在 180 天内完成$10+的返现，一旦推荐奖励提现到账可平分$25(私下转账)，注意被推荐人是没有推荐奖励的。如果不想消费纯白嫖，每天做 trivago 任务即可
aff 连接: https://www.topcashback.com/ref/topcashback1829
活动链接 https://www.topcashback.com/refer-a-friend/
频道 http://t.me/kxtao?direct 直接联系
via V2EX (author: n18255447846)
目前截止到 10/31 之前通过 aff 链接注册并在 180 天内完成$10+的返现，一旦推荐奖励提现到账可平分$25(私下转账)，注意被推荐人是没有推荐奖励的。如果不想消费纯白嫖，每天做 trivago 任务即可
aff 连接: https://www.topcashback.com/ref/topcashback1829
活动链接 https://www.topcashback.com/refer-a-friend/
频道 http://t.me/kxtao?direct 直接联系
via V2EX (author: n18255447846)
[华为] soui 全面支持移动端， windows, Linux , macos, ios, android,鸿蒙，一套 C++代码全搞定
0. 一个扎心的现实
你想把桌面软件搬到手机、搬到鸿蒙，于是去看了主流跨平台方案。然后发现：
● Qt：得学 QML / 信号槽那一套，Widget 和 QML 两套心智；
● Flutter：得学 Dart ，UI 层基本用 Dart 重写；
● Electron：包体 100MB+，跑个工具像开浏览器；
● wxWidgets：API 随平台变，"跨平台"很大程度是"换 api 重写"。
如果你是个写了十几年 Win32 / WTL / MFC 的人，最理想的方案其实是：我那套 C++ 手感别动，界面逻辑一次写完，六端编译。
这正是 SOUI4 在做的事。
----------------------
1. 硬证据：一套 C++，业务代码零平台宏
空口无凭。SOUI4 自带一个跨平台样板项目
我们逐文件统计了它的业务源码里平台宏的出现次数：
核心绘制与逻辑文件
这意味着什么？意味着"一套 C++ 六端运行"不是 PPT 口号，是工程现实——一个中国象棋的完整对弈 + 联机 + 主题下载，六端复用同一份代码。
----------------------
2. 它是怎么做到的：用 Win32 当"世界语"
SOUI4 的核心设计哲学是：不造一套抽象层，而是重演 Win32 语义。
框架里有一层叫
非 Windows 平台不是"模拟一个长得像的 API"，而是链接期解析：公共声明集中在头文件，各平台目录给出同名同签名的实现，构建时只把当前平台的源文件编进去。调用方写同一个函数名，正文里没有平台分支。
这套机制甚至能整块搬运重量级组件：
● RichEdit（ Microsoft RichEdit 4.1 ，499 个文件）被整体搬到了非 Windows 平台，富文本能力六端一致；
● Scintilla 的 Win32 分支（语法着色编辑器）也是靠 swinx 把
----------------------
3. 鸿蒙是"一等公民"，不是社区补丁
这一点对国内开发者尤其重要：在主流跨平台框架里，鸿蒙（ OpenHarmony ）要么是弱支持，要么根本没官方支持（评估报告对比表：Qt "OHOS 弱"、Flutter "官方无"）。
SOUI4 通过
而且，鸿蒙原生开发用的是 ArkTS （托管语言，有 GC 停顿），而 SOUI 整套 UI 树、事件路由、绘制调度、业务逻辑**全部是 AOT 编译的原生 C++**——没有虚拟机的 GC 抖动，这对游戏类、实时类应用价值最大。调系统能力时，你按原生习惯自己写 NAPI ，调用发生在 SOUI 的 UI 线程（即宿主原生线程）上，同一线程、无需线程切换，摩擦最接近原生开发。
----------------------
4. 它适合谁、不适合谁
适合：
● 熟悉 Win32/WTL/MFC ，想跨平台但不想学新语言/新范式；
● 需要上鸿蒙、又有 C++ 存量代码要复用；
● 独立开发者 / 小团队，想要体积小（核心约 2MB ，无 VM ）、快速出界面；
● 桌面工具、游戏类软件，重视帧时序与低延迟。
不适合（诚实说）：
● 想"把公司一套老 Win32 程序零成本迁移到六端"——这是 SOUI 的延伸目标，当前为"用 SOUI 编写的新应用"提供六端；旧 Win32 程序迁移所需的原生控件库 / 窗口菜单栏 / 资源对话框三块接口面尚未补齐（但地基已具备，差距是工作量不是架构问题）。
● 想要"开箱即用的丰富原生控件"——SOUI 是自绘 DirectUI ，控件面靠内置 40 个控件头 + 37 个扩展控件 +
----------------------
5. 为什么我愿意把这个项目讲给你听
不是因为它"完美"。评估报告里也老实列了 11 项风险和 15 项优势——移动端还没自动构建门禁、核心维护者集中在一人、vendor 代码占了两仓库受控文件的 67%。
但这些短板性质高度一致：都是"工作量与流程"问题，不是"架构不确定性"问题。没有一项需要推翻现有设计。对一个开发者来说，这反而是最强的信任锚：坑在工程量里，不在架构里。
如果你也是那个"写了十几年 Win32 、又想让代码跑遍六端"的人，欢迎看看：
● 官网：soui.com.cn
● GitHub / Gitee 搜
● 知乎专栏「启程软件」（我会持续写 SOUI 的跨平台实战）
via V2EX (author: soui)
0. 一个扎心的现实
你想把桌面软件搬到手机、搬到鸿蒙，于是去看了主流跨平台方案。然后发现：
● Qt：得学 QML / 信号槽那一套，Widget 和 QML 两套心智；
● Flutter：得学 Dart ，UI 层基本用 Dart 重写；
● Electron：包体 100MB+，跑个工具像开浏览器；
● wxWidgets：API 随平台变，"跨平台"很大程度是"换 api 重写"。
如果你是个写了十几年 Win32 / WTL / MFC 的人，最理想的方案其实是：我那套 C++ 手感别动，界面逻辑一次写完，六端编译。
这正是 SOUI4 在做的事。
----------------------
1. 硬证据：一套 C++，业务代码零平台宏
空口无凭。SOUI4 自带一个跨平台样板项目
games/cnchess（中国象棋），它在 Windows / Linux / macOS / iOS / Android / 鸿蒙 六个平台共用同一份 C++ 业务代码。我们逐文件统计了它的业务源码里平台宏的出现次数：
核心绘制与逻辑文件
ChessBoard.cpp、ChessPiece.cpp、algorithm/*（ AI 引擎）完全没有平台宏。平台差异被 swinx 兼容层和移动端宿主库完全吸收，业务层只在薄薄的入口处用 __MOBILE__ 一个开关区分"移动触屏 vs 桌面弹窗"。这意味着什么？意味着"一套 C++ 六端运行"不是 PPT 口号，是工程现实——一个中国象棋的完整对弈 + 联机 + 主题下载，六端复用同一份代码。
----------------------
2. 它是怎么做到的：用 Win32 当"世界语"
SOUI4 的核心设计哲学是：不造一套抽象层，而是重演 Win32 语义。
框架里有一层叫
swinx 的跨平台兼容层，它提供了 44 个与 Windows SDK 同名同结构的公共头文件（windows.h / gdi.h / unknwn.h / oleacc.h …）。于是 SOUI 内核直接 #include <windows.h>，**零平台 #ifdef**。非 Windows 平台不是"模拟一个长得像的 API"，而是链接期解析：公共声明集中在头文件，各平台目录给出同名同签名的实现，构建时只把当前平台的源文件编进去。调用方写同一个函数名，正文里没有平台分支。
这套机制甚至能整块搬运重量级组件：
● RichEdit（ Microsoft RichEdit 4.1 ，499 个文件）被整体搬到了非 Windows 平台，富文本能力六端一致；
● Scintilla 的 Win32 分支（语法着色编辑器）也是靠 swinx 把
CreateWindowEx / SendMessage / GDI 这套桌面子系统整体模拟出来，无需为每端另写后端。----------------------
3. 鸿蒙是"一等公民"，不是社区补丁
这一点对国内开发者尤其重要：在主流跨平台框架里，鸿蒙（ OpenHarmony ）要么是弱支持，要么根本没官方支持（评估报告对比表：Qt "OHOS 弱"、Flutter "官方无"）。
SOUI4 通过
PlatformAPI 桥接，把 SApplication 托管进鸿蒙的 EntryAbility（ ArkTS 侧经 HAR 包 @soui/ohos 导出）。鸿蒙是正式支持平台，和另外五个平台共用同一套语义。而且，鸿蒙原生开发用的是 ArkTS （托管语言，有 GC 停顿），而 SOUI 整套 UI 树、事件路由、绘制调度、业务逻辑**全部是 AOT 编译的原生 C++**——没有虚拟机的 GC 抖动，这对游戏类、实时类应用价值最大。调系统能力时，你按原生习惯自己写 NAPI ，调用发生在 SOUI 的 UI 线程（即宿主原生线程）上，同一线程、无需线程切换，摩擦最接近原生开发。
----------------------
4. 它适合谁、不适合谁
适合：
● 熟悉 Win32/WTL/MFC ，想跨平台但不想学新语言/新范式；
● 需要上鸿蒙、又有 C++ 存量代码要复用；
● 独立开发者 / 小团队，想要体积小（核心约 2MB ，无 VM ）、快速出界面；
● 桌面工具、游戏类软件，重视帧时序与低延迟。
不适合（诚实说）：
● 想"把公司一套老 Win32 程序零成本迁移到六端"——这是 SOUI 的延伸目标，当前为"用 SOUI 编写的新应用"提供六端；旧 Win32 程序迁移所需的原生控件库 / 窗口菜单栏 / 资源对话框三块接口面尚未补齐（但地基已具备，差距是工作量不是架构问题）。
● 想要"开箱即用的丰富原生控件"——SOUI 是自绘 DirectUI ，控件面靠内置 40 个控件头 + 37 个扩展控件 +
SRealWnd 挂原生窗口。----------------------
5. 为什么我愿意把这个项目讲给你听
不是因为它"完美"。评估报告里也老实列了 11 项风险和 15 项优势——移动端还没自动构建门禁、核心维护者集中在一人、vendor 代码占了两仓库受控文件的 67%。
但这些短板性质高度一致：都是"工作量与流程"问题，不是"架构不确定性"问题。没有一项需要推翻现有设计。对一个开发者来说，这反而是最强的信任锚：坑在工程量里，不在架构里。
如果你也是那个"写了十几年 Win32 、又想让代码跑遍六端"的人，欢迎看看：
● 官网：soui.com.cn
● GitHub / Gitee 搜
soui4● 知乎专栏「启程软件」（我会持续写 SOUI 的跨平台实战）
via V2EX (author: soui)
[分享创造] 做了一个血缘分析平台,解决 Agent 在开发过程中数据库变更造成的跨服务影响的问题
Agent 把交付速度抬上去之后,数据库变更的风险也增大了. 特别是数据流穿过多套数据库、N 个视图和多张仓库代码里从没出现过的报表时,改动本身会对哪些跨服务跨实例的语句造成影响,我觉得这个问题是需要解决的
所以我做了这个血缘分析平台,通过 MCP 提供检索功能给 Agent,让 Agent 可以感知数据库字段级的血缘,从而避免改炸了下游服务
这里有个简单的例子
完整文章在这https://metaxisdata.com/zh/blog/agent-era-schema-changes/
Github 地址在这 https://github.com/Ranxy/metaxisdata
欢迎大家来提 BUG 哈
via V2EX (author: ranxy)
Agent 把交付速度抬上去之后,数据库变更的风险也增大了. 特别是数据流穿过多套数据库、N 个视图和多张仓库代码里从没出现过的报表时,改动本身会对哪些跨服务跨实例的语句造成影响,我觉得这个问题是需要解决的
所以我做了这个血缘分析平台,通过 MCP 提供检索功能给 Agent,让 Agent 可以感知数据库字段级的血缘,从而避免改炸了下游服务
这里有个简单的例子
完整文章在这https://metaxisdata.com/zh/blog/agent-era-schema-changes/
Github 地址在这 https://github.com/Ranxy/metaxisdata
欢迎大家来提 BUG 哈
via V2EX (author: ranxy)
[Windows] 实习生说他 token 太多了用不掉，于是我忽悠他重构了 windows 资源管理器的文件管理功能
背景信息
有一天实习生在这无所事事，我就问他：
重构产品
产品名称就叫
目标
实现 Windows 资源管理器的文件管理功能，提供一个非常流畅而且保留原汁原味的文件管理功能，可以加入一些简单实用的调整，但是不会实现与原版资源管理器差异过大的功能。
兼容性
为了保持流畅，此项目不对原版 explorer 的拓展方式做过多兼容，例如预览，主页的自定义驱动器例如 WPS 网盘等内容。只对右键菜单和文件管理体验进行兼容。
技术栈
rust+gpui
缺点
● gpui 框架成也 gpu ，败也 gpu
在没有 gpu 的电脑上运行非常卡而且 CPU 使用率非常高。
在有 gpu 的电脑上运行非常流畅
以后打算使用 qt 再重构一版专门给没有 gpu 的电脑用
项目地址
https://github.com/Mingcodeingmiao/rust-explorer
via V2EX (author: evalfun)
背景信息
有一天实习生在这无所事事，我就问他：
你的 token 多不多？你的 Windows 资源管理器卡不卡？于是他立即明白了我的意思，直接掏出 codex 就开始重构资源管理器！
重构产品
产品名称就叫
rust-explorer目标
实现 Windows 资源管理器的文件管理功能，提供一个非常流畅而且保留原汁原味的文件管理功能，可以加入一些简单实用的调整，但是不会实现与原版资源管理器差异过大的功能。
兼容性
为了保持流畅，此项目不对原版 explorer 的拓展方式做过多兼容，例如预览，主页的自定义驱动器例如 WPS 网盘等内容。只对右键菜单和文件管理体验进行兼容。
技术栈
rust+gpui
缺点
● gpui 框架成也 gpu ，败也 gpu
在没有 gpu 的电脑上运行非常卡而且 CPU 使用率非常高。
在有 gpu 的电脑上运行非常流畅
以后打算使用 qt 再重构一版专门给没有 gpu 的电脑用
项目地址
https://github.com/Mingcodeingmiao/rust-explorer
via V2EX (author: evalfun)
[推广] Codex 纯 Pro 池｜中转包月，共享重置，套餐多多
• 纯 Pro 池，纯 200 线路、纯 500 线路
• Codex 全模型可用
• 高 RPM / 高并发，适合长时间持续跑
• 多线路冗余，官方波动也有稳定线路可选
• 按量全场 0.2 ，充值立享 0.17 优惠，月度阶梯最低 0.15
• 包月订阅多档可选，综合最低不到 0.1
• 订阅套餐还可以共享官方重置
地址：codex.zhuanyedaili.com
联系方式：QQ 群：1106944249 https://codex.zhuanyedaili.com/scripts/codex-qq-group.jpg
via V2EX (author: AI952995)
• 纯 Pro 池，纯 200 线路、纯 500 线路
• Codex 全模型可用
• 高 RPM / 高并发，适合长时间持续跑
• 多线路冗余，官方波动也有稳定线路可选
• 按量全场 0.2 ，充值立享 0.17 优惠，月度阶梯最低 0.15
• 包月订阅多档可选，综合最低不到 0.1
• 订阅套餐还可以共享官方重置
地址：codex.zhuanyedaili.com
联系方式：QQ 群：1106944249 https://codex.zhuanyedaili.com/scripts/codex-qq-group.jpg
via V2EX (author: AI952995)
[程序员] 感觉自己的人生好失败
从高中开始就靠着兴趣学编程，也小有成果，自认为在同龄人中水平也算优秀了，当时搞了反汇编，读了各种设计的书，去开发游戏，靠自己去找人，找团体，还自学画画去做游戏，当时在这上面也挺自豪的
读了大学也享受着高中学到的技术带来的红利，开始搞 c++，什么东西都搞，而且很喜欢底层，越往底层越喜欢搞，也是找组织找社团，虽然好像没什么真正意义上很重大的成果，但起码自己内心是富足的，是认可自己的。
这时候我感觉自己有技术优越感，很鄙视开发仔，我感觉开发仔用的那些玩意在我高中的时候就摸透了，我觉得去做顶层的设计，去做前沿的东西才是有价值的，像开发仔天天盯着业务就跟螺丝钉没什么区别
但结果我自己还是做了开发仔，秋招关键节点，我拿了个大厂 offer 就开始摆烂了，没有再努努力，或者说，没有在大学期间搞更多有产出，跟紧时代前沿的东西。
身边同期的朋友一个一个都去搞 ai ，搞 gpu ，好羡慕啊，反观我自己的工作内容，天天盯着业务跑，被一些琐碎的事给填满，根本没精力想着怎么去搞一些工作外，能发展自己的东西，我感觉我天天都在浪费生命。我感觉我的同事也没有技术追求，也都是高级开发仔
感觉自己很失败，我自己都鄙视我自己，选择做错了感觉好痛苦，不想天天搞这些傻逼业务
写的有点豪，求大大们骂醒
via V2EX (author: 1300296933)
从高中开始就靠着兴趣学编程，也小有成果，自认为在同龄人中水平也算优秀了，当时搞了反汇编，读了各种设计的书，去开发游戏，靠自己去找人，找团体，还自学画画去做游戏，当时在这上面也挺自豪的
读了大学也享受着高中学到的技术带来的红利，开始搞 c++，什么东西都搞，而且很喜欢底层，越往底层越喜欢搞，也是找组织找社团，虽然好像没什么真正意义上很重大的成果，但起码自己内心是富足的，是认可自己的。
这时候我感觉自己有技术优越感，很鄙视开发仔，我感觉开发仔用的那些玩意在我高中的时候就摸透了，我觉得去做顶层的设计，去做前沿的东西才是有价值的，像开发仔天天盯着业务就跟螺丝钉没什么区别
但结果我自己还是做了开发仔，秋招关键节点，我拿了个大厂 offer 就开始摆烂了，没有再努努力，或者说，没有在大学期间搞更多有产出，跟紧时代前沿的东西。
身边同期的朋友一个一个都去搞 ai ，搞 gpu ，好羡慕啊，反观我自己的工作内容，天天盯着业务跑，被一些琐碎的事给填满，根本没精力想着怎么去搞一些工作外，能发展自己的东西，我感觉我天天都在浪费生命。我感觉我的同事也没有技术追求，也都是高级开发仔
感觉自己很失败，我自己都鄙视我自己，选择做错了感觉好痛苦，不想天天搞这些傻逼业务
写的有点豪，求大大们骂醒
via V2EX (author: 1300296933)
[酷工作] 紧急：高级 AI 全栈工程师（Agent 方向）高薪 50-75k
### 位名称
AI 全栈工程师（ Agent 方向）/ 高级 AI 全栈工程师（ Agent 方向）
### 公司一句话
大道云隐（ DaoAscend / ********）——制造业主权 AI 基座。企业级私有 AI 产品线：密数天工（全离线 AI 智能体平台）、密数四库（数据治理）、密数点睛（图纸智能、物理仿真）、密数归藏（核心资产防护）。国家级高新技术企业、筑峰强链重点企业、AI 原生组织，本岗为产品核心研发。
### 地点与办公
- 常驻：常州新北区（沪宁一小时高铁圈）
- 高级候选人可申请以远程办公，具体面议
### 薪资与到岗
- **P6 （ 3-5 年）：25-50k × 13 薪**
- **P7 （ 5-8 年）：50-75k × 13 薪 ，核心模块 owner 权限
- **到岗时间灵活**：Q4 签 offer ，到岗时间可谈
- 学历：作品 ＞ 学历。本科起步，QS100/硕士优先； AI Coding 重度使用者有放宽先例
### 岗位职责（按优先级排序，前 3 条为核心）
1. **大模型应用工程化**：Prompt 工程、上下文管理、结构化输出、流式交互、效果评测与调优——产品 AI 能力由你直接负责
2. **多智能体协同架构**：任务拆解、Agent 编排、工具调用（ MCP 协议）、结果验证
3. **全栈端到端 owner**：Web 协同界面（ TypeScript + React/Vue ）+ 后端服务（ Go/Node.js/Python 任一），独立完成需求→部署上线
4. RAG 双路召回（向量检索 + 全文检索）、文档解析、检索效果优化
5. 参与私有化交付与客户 POC （离线/Docker 部署、性能优化），把客户真实场景沉淀为产品能力
6. 桌面客户端（ Tauri + TypeScript ）研发——**非必须项**：有基础者优先，没接触过入职后学，团队有成熟框架和带教
### 硬性要求（一票否决）
1. 3 年以上软件开发经验，其中 1 年以上大模型应用/Agent 方向实战，**有已上线项目，Demo/课程作业不算**
2. 前端 TypeScript + React/Vue 至少精通一门；后端 Go/Node.js/Python 至少精通一门
3. 深度使用过至少一个主流大模型 API （ OpenAI/Anthropic 协议、DeepSeek 、GLM 等），实际写过 Function Calling / 结构化输出 / 流式处理
4. 做过向量检索 + 全文检索混合方案，用过至少一种向量库或全文检索引擎
### 加分项
- Rust / Tauri 桌面端经验（对应职责 6 ）
- MCP 协议开发经验
- 私有化/离线部署、mTLS/网关等安全工程经验
- GitHub 开源作品或技术博客
- AI Coding 重度用户（ Claude Code / Cursor 等日常主力工作流）
- 制造业/企业软件交付经验
### 高级版（ P7 ）附加要求
- 5 年以上经验，其中 2 年以上 Agent/RAG 方向
- 从 0 到 1 主导过 AI 产品核心模块的架构设计
- 带过 2 人以上小组，或主导过跨团队技术项目
### 我们提供（非现金筹码，显性化）
- 核心产品 owner 权限，产出直接进产品，不经过五层审批
- AI 原生组织：AI Coding 是日常工作方式，工具与 Token 预算全覆盖
- 混合办公 + 常州生活成本优势（同等薪资在常州的实际购买力远高于一线）
- 扁平组织，没有大厂螺丝钉问题
- Q4 签约、到岗时间灵活
via V2EX (author: wanghua1299)
### 位名称
AI 全栈工程师（ Agent 方向）/ 高级 AI 全栈工程师（ Agent 方向）
### 公司一句话
大道云隐（ DaoAscend / ********）——制造业主权 AI 基座。企业级私有 AI 产品线：密数天工（全离线 AI 智能体平台）、密数四库（数据治理）、密数点睛（图纸智能、物理仿真）、密数归藏（核心资产防护）。国家级高新技术企业、筑峰强链重点企业、AI 原生组织，本岗为产品核心研发。
### 地点与办公
- 常驻：常州新北区（沪宁一小时高铁圈）
- 高级候选人可申请以远程办公，具体面议
### 薪资与到岗
- **P6 （ 3-5 年）：25-50k × 13 薪**
- **P7 （ 5-8 年）：50-75k × 13 薪 ，核心模块 owner 权限
- **到岗时间灵活**：Q4 签 offer ，到岗时间可谈
- 学历：作品 ＞ 学历。本科起步，QS100/硕士优先； AI Coding 重度使用者有放宽先例
### 岗位职责（按优先级排序，前 3 条为核心）
1. **大模型应用工程化**：Prompt 工程、上下文管理、结构化输出、流式交互、效果评测与调优——产品 AI 能力由你直接负责
2. **多智能体协同架构**：任务拆解、Agent 编排、工具调用（ MCP 协议）、结果验证
3. **全栈端到端 owner**：Web 协同界面（ TypeScript + React/Vue ）+ 后端服务（ Go/Node.js/Python 任一），独立完成需求→部署上线
4. RAG 双路召回（向量检索 + 全文检索）、文档解析、检索效果优化
5. 参与私有化交付与客户 POC （离线/Docker 部署、性能优化），把客户真实场景沉淀为产品能力
6. 桌面客户端（ Tauri + TypeScript ）研发——**非必须项**：有基础者优先，没接触过入职后学，团队有成熟框架和带教
### 硬性要求（一票否决）
1. 3 年以上软件开发经验，其中 1 年以上大模型应用/Agent 方向实战，**有已上线项目，Demo/课程作业不算**
2. 前端 TypeScript + React/Vue 至少精通一门；后端 Go/Node.js/Python 至少精通一门
3. 深度使用过至少一个主流大模型 API （ OpenAI/Anthropic 协议、DeepSeek 、GLM 等），实际写过 Function Calling / 结构化输出 / 流式处理
4. 做过向量检索 + 全文检索混合方案，用过至少一种向量库或全文检索引擎
### 加分项
- Rust / Tauri 桌面端经验（对应职责 6 ）
- MCP 协议开发经验
- 私有化/离线部署、mTLS/网关等安全工程经验
- GitHub 开源作品或技术博客
- AI Coding 重度用户（ Claude Code / Cursor 等日常主力工作流）
- 制造业/企业软件交付经验
### 高级版（ P7 ）附加要求
- 5 年以上经验，其中 2 年以上 Agent/RAG 方向
- 从 0 到 1 主导过 AI 产品核心模块的架构设计
- 带过 2 人以上小组，或主导过跨团队技术项目
### 我们提供（非现金筹码，显性化）
- 核心产品 owner 权限，产出直接进产品，不经过五层审批
- AI 原生组织：AI Coding 是日常工作方式，工具与 Token 预算全覆盖
- 混合办公 + 常州生活成本优势（同等薪资在常州的实际购买力远高于一线）
- 扁平组织，没有大厂螺丝钉问题
- Q4 签约、到岗时间灵活
via V2EX (author: wanghua1299)
[分享创造] iOS V2EX 客户端 Röam,欢迎 TestFlight 体验。
在一位老哥的帮助下，终于上架了 TestFlight 。原生 iOS V2EX 客户端，Swift 写的。
主打简约，免费。为 V2EX 爱发电，后续稳定后还有 NodeSeek 发布。
哈哈 ，对于一个非程序员普通上班族来说第一次搞比较兴奋。
效果图：
体验链接：
https://testflight.apple.com/join/6PcpTn7p
谢谢~
via V2EX (author: dododook)
在一位老哥的帮助下，终于上架了 TestFlight 。原生 iOS V2EX 客户端，Swift 写的。
主打简约，免费。为 V2EX 爱发电，后续稳定后还有 NodeSeek 发布。
哈哈 ，对于一个非程序员普通上班族来说第一次搞比较兴奋。
效果图：
体验链接：
https://testflight.apple.com/join/6PcpTn7p
谢谢~
via V2EX (author: dododook)
[推广] 🚀 **AigateGo · 实充 ChatGPT Pro 号池 0.20x**
全模型低倍率｜ Grok 0.05x 爽登
👉 https://api.aigatego.com
充值优惠码 BACK10 · 立减 10%
最近低价中转又开始集中翻车，用着真的心累：
第一章 · 天才陨落
Our servers are currently overloaded. Please try again later.
第二章 · 不翼而飞
unknown model gpt-6.1-sol
第三章 · 山穷水尽
Selected model is at capacity. Please try a different model.
第四章 · 封神提名
Your account has been deactivated because recent activity violated our Terms and Usage Policies.
第五章 · 穷途末路
exceeded retry limit, last status: 429 Too Many Requests
别家中转把对话当资产卖掉。代码、提示词、项目上下文，走一遭就不知道去哪了。
我们不记对话、不卖数据，后台只有消费日志。
AigateGo 只做一件事
● ✅ 自有号池，无上游、无中间商，实充 ChatGPT Pro 0.20x 直连，不是尾货、不是拼盘
● ✅ 全模型低倍率：Grok 0.05x 爽快登，GPT 等主流模型同样超低
● ✅ 不记数据，只留消费日志，安全放心
● ✅ 不限流、不掉号，速度丝滑，干净稳定优先
原生 OpenAI 兼容，换个 Base URL + Key 就能用。
多 Key 分项目，账单透明，不玩玄学倍率。
有问题直接砸群，秒修。
🎁 先测再决定，轻松领 $4
● 注册 + 回帖 → $2
● 进群再送 → $2
● 文档： https://api.aigatego.com/docs
● 计费： https://api.aigatego.com/pricing
● 交流群： https://t.me/AigateGo
via V2EX (author: ttokens)
全模型低倍率｜ Grok 0.05x 爽登
👉 https://api.aigatego.com
充值优惠码 BACK10 · 立减 10%
最近低价中转又开始集中翻车，用着真的心累：
第一章 · 天才陨落
Our servers are currently overloaded. Please try again later.
第二章 · 不翼而飞
unknown model gpt-6.1-sol
第三章 · 山穷水尽
Selected model is at capacity. Please try a different model.
第四章 · 封神提名
Your account has been deactivated because recent activity violated our Terms and Usage Policies.
第五章 · 穷途末路
exceeded retry limit, last status: 429 Too Many Requests
别家中转把对话当资产卖掉。代码、提示词、项目上下文，走一遭就不知道去哪了。
我们不记对话、不卖数据，后台只有消费日志。
AigateGo 只做一件事
● ✅ 自有号池，无上游、无中间商，实充 ChatGPT Pro 0.20x 直连，不是尾货、不是拼盘
● ✅ 全模型低倍率：Grok 0.05x 爽快登，GPT 等主流模型同样超低
● ✅ 不记数据，只留消费日志，安全放心
● ✅ 不限流、不掉号，速度丝滑，干净稳定优先
原生 OpenAI 兼容，换个 Base URL + Key 就能用。
多 Key 分项目，账单透明，不玩玄学倍率。
有问题直接砸群，秒修。
🎁 先测再决定，轻松领 $4
● 注册 + 回帖 → $2
● 进群再送 → $2
● 文档： https://api.aigatego.com/docs
● 计费： https://api.aigatego.com/pricing
● 交流群： https://t.me/AigateGo
via V2EX (author: ttokens)