世界杯来了，又到了必须把电视收拾好的时候。
平时不看电视也就算了，但世界杯半夜踢球，临时再折腾就太被动了。所以提前把 IPTV 整起来，哪怕是备用，也比到时候手忙脚乱强。
折腾了三条路，踩了不少坑，最后结果有点出乎意料——记录下来。
宽带套餐里有送 IPTV，这是最理想的起点——免费、官方、稳定。
打电话给电信客服询问，对方告诉我：你已经开通了，18年就配好了。
……好像有印象，但我完全想不起来在哪里。找了半天，终于在角落翻出一个 IPTV 机顶盒，拿起遥控器一看——电池仓都生锈了。
看过《三体》的话，应该记得那个游戏：戴上 V 装具，用墨子、秦始皇、牛顿、冯·诺伊曼、爱因斯坦这些名字作为 ID，借这些人的思维方式去面对同一个根本问题——三颗恒星的运行规律到底是什么，恒纪元和乱纪元如何切换。登场的不是这些人本身，是他们留下的那套思考方法。
进入 AI 时代之后，我有一个很强烈的感受：以前要折腾一整天的工作，现在可能两三个小时就做完了。
本职工作的效率提升了，时间反而多出来了。与其闲着，不如做点有用的事。
所以我启动了一个计划——365 开源计划：在一年内帮大家做 300+ 个实用工具，全部开源。
之前 OpenClaw 一直跑在云端，收到 Cloudflare 50 刀的月账单之后，我决定改为本地部署，年后入手了 Mac mini（16G + 256G）。因为我不指望用本地大模型，所以硬件配置方面没有太高要求。OpenClaw 除了 macOS，也支持 Linux 和 WSL2（不建议原生 Windows）。下面是我作为一个从来没用过 Mac mini 的人，在使用过程中碰到的各种坑，以及我觉得新入手 macOS、使用 OpenClaw 需要注意的一些点。
你有没有遇到过这种情况：一个文件在浏览器里点击就能下载，但把链接丢到下载工具、aria2、wget 或 curl 里就 403 了？
最近想在 NHK 网站上下载一批 PDF，丢给 aria2 直接被拒，加了 User-Agent 也不行。但浏览器打开链接，秒下。
原因很简单：浏览器发请求时会自动带上 Cookie、User-Agent、Referer 等一堆 Headers，而外部下载器发的是"裸请求"。现在越来越多的网站（尤其是需要登录的站点）会校验这些信息，裸请求直接被拦。
一篇关于 OpenClaw 思考模式的使用指南，附高性价比 Coding Plan 方案推荐
很多朋友买了 Coding Plan，把模型接上 OpenClaw 就开始干活了。但如果你没有开启 Think（思考模式），那你用的大模型其实只发挥了"快速应答"的水平——相当于买了一台高配电脑，却一直在用省电模式。
今天这篇文章，我把 Think 模式的作用、档位选择、成本控制一次讲清楚。
简单来说，大模型默认的工作方式是"看到问题→直接输出答案"，类似于人类的直觉反应。而 Think 模式（也叫深度思考、推理模式）会让模型在给出答案之前，先进行一轮内部推理：拆解问题、验证逻辑、排除错误路径，然后再输出结果。
有段时间，我几乎每发完一篇文章，都会在几天后发现新的小问题。 有时是
description忘了写，有时是写了但长度不合适；有时是标题太长，搜索结果里显示得别别扭扭；读书笔记那边更烦，明明文章已经写完，还得去_sidebar.md里补链接。忙起来漏掉一两处，过几天回头看，才会想起“这篇怎么又没配好？”
最开始我还觉得这只是小事。直到 LearnData 的内容涨到 200 多篇，我才意识到，这些小事根本不是小事。它们重复、机械、分散，却会持续打断人，逼着你把本该用来写内容的时间，花在一遍遍检查和返工上。
注意
即使是低频使用，我在一个月后也收到了 Cloudflare 50 美元的账单。如果你也打算用 Workers 方案，请务必关注用量和计费。
OpenClaw 是一个开源的 AI 自动化框架，可以通过聊天指令驱动 Agent 完成浏览器操作、文件读写、邮件收发等任务——相当于给你配了一个 7×24 在线的数字助理。最近一个月，我不断被它的消息轰炸，似乎无所不能。于是决定亲手部署一套，看看它到底能帮我做什么。
ComfyUI 是目前最具扩展性的全平台 AI 绘画与视频生成工具。与其说它是一款软件，不如说这是一套以“节点流”（Node-based Workflow）为核心的可视化创作系统。在这里，模型、采样、控制与后处理不再是黑盒中的参数，而是可拆解、可组合、可复用的逻辑模块。
相比强调“开箱即用”的 WebUI，ComfyUI 的核心优势在于效率与硬件包容性。其内置的显存—内存交换机制（Smart Memory Management），能动态加载模型权重，将暂时闲置的数据卸载至内存。这种“以时间换空间”的策略，让 4GB 显存的老旧设备也能运行 SDXL 甚至 FLUX 等大模型，极大地降低了高画质生成的硬件门槛。
早年我将大量博客配图托管于七牛云，但当时并没有在本地对图片进行统一压缩。虽云端支持图片处理，但长期积累仍面临两个问题：
