在 WSL 里用 fim 打开图片，窗口直接弹到 Windows 桌面
从一条 fim image.png 命令说起，拆一下 WSLg 为什么能把 Linux 图形程序直接显示到 Windows 桌面，以及它在图片预览、图像开发、X11 小工具里的日常用法。
文章归档
第 2 页。归档页按时间倒序展示，每页只加载一组文章封面，减少首屏压力。
Ollama 上的 Gemma 4 12B 能直接听语音吗？
一次在测试机上对 gemma4:12b 音频输入能力的实测记录：模型元数据声明支持 audio，但 Ollama 原生 /api/chat 不能可靠接收音频；真正可用的是 OpenAI 兼容接口里的 input_audio。
程序员量化交易实战：专栏路线图
这是一套围绕真实 GitHub 项目推进的量化交易工程实战路线图：从 Python 项目骨架、A 股规则、数据层、因子、回测、模拟盘到提醒、每日运行和运维闭环，每篇文章都要求代码可运行。
Ollama 上的 Gemma 4 12B 能直接读视频吗？
一次从官方资料到本地实测的记录：Gemma 4 12B 具备帧序列视频理解能力，但 Ollama 当前不能直接接收 MP4，稳定做法是先抽帧再多图输入。
接口服务里的 A/B Test：从灰度开关到可信实验
A/B test 不只是前端页面实验。接口服务里的策略、排序、限流、供应商选择和成本控制同样需要实验纪律：稳定分桶、真实曝光、跨请求归因、护栏指标和实验收尾。
怎么用 AI 预测世界杯：别问冠军是谁，先问概率怎么来
世界杯预测不是让大模型猜一个冠军。更靠谱的做法，是把历史赛果、球队强弱、进球分布、赛程模拟和临场信息放进同一套概率框架里，再诚实地展示不确定性。
浏览器 Agent 能做事以后，第一件事不是放权
浏览器 Agent 从能看网页走到能点按钮、填表单、提交操作，产品价值变大了，误操作和越权风险也同步变大。守护栏要比自动化能力先成熟。
从 Prompt 到 Context Engineering：Agent 开发真正难的是给上下文
Agent 系统不再只是写一段提示词。真正决定效果的，是如何选择、裁剪、排序和验证上下文，让模型在每一步拿到刚好够用的信息。
AI 产品里的数据契约：别等报表和模型一起坏掉
AI 产品比普通产品更依赖数据口径。数据契约不是多写一份文档，而是把字段、语义、质量、血缘和变更责任放进工程流程。
AI Gateway 上线之后：推理流量为什么需要自己的网关
LLM 推理不是普通 HTTP 流量。GPU 资源、上下文长度、流式响应、队列延迟和模型版本，会让传统网关的负载均衡策略很快失效。
小模型回到本地：NPU、端侧推理和开发者的新耐心
端侧 AI 不是云端大模型的缩小版。它关心的是延迟、功耗、隐私、缓存和产品边界，也需要开发者重新适应一套更贴近设备的工程约束。
MCP 真正要补的课：不是接上工具，而是画清安全边界
MCP 让 AI 应用接工具变得统一，但工具一旦能读文件、查数据库、发请求，安全问题就从接口规范变成了权限、身份、审计和供应链问题。
Agent 也要可观测：不然你只是在看一段神秘录像
Agent 系统出错时，最终回答往往看不出原因。要调试生产 Agent，必须记录任务、工具、上下文、成本、重试和每一步证据。
后量子密码迁移：现在要做的不是换算法，而是盘清楚债务
NIST 标准发布以后，后量子密码不再只是研究话题。真正困难的是资产盘点、协议兼容、供应商协调和长期的密码敏捷性。
程序员量化交易实战 45：每日运行 runbook
第四十五篇新增 OpsRunbook，把执行决策转成运维可读的步骤清单，并对第 41-45 篇做阶段 review。
RAG 评估别只看 Demo：真正要评的是失败方式
RAG 系统上线后，关键不在能不能答，而在什么时候答错、为什么答错、错得有没有边界。评估要拆开检索、证据、生成和拒答。
Wasm Component Model：插件运行时终于有了更像样的边界
插件系统最怕依赖地狱和权限失控。Wasm Component Model 把接口、能力和运行时边界标准化，为多语言插件和边缘运行提供了新的工程选择。
Codex App Server：把编码 Agent 接进自己的工作台
从 Codex app-server 的协议边界讲起，分析它适合嵌入哪些产品与工程场景，也比较 Claude Code、Cursor 在脚本化、云端 Agent 和自定义集成上的相近能力。