人如果真的想要获得营养的话，直接喝对应的营养液就行，人吃饭的时间也会节省，做饭的时间以及种种工序也会节省。不以吃东西为乐趣的人就可以节省这个时间去做他想做的事了，现在人们为了获得营养，既要消耗巨大的人力、物力和时间，还要杀生，剥夺其他生命的生灵。这虽然是自然过渡中的一环，是自然规律中的一部分，但是这不是生灵意志的那个神的愿景 ，造物主给予了人们或者强壮的动物剥夺其他生灵的力量，但是并没有被告知是否有这样的权利
]]>如果你玩过 SillyTavern（或任何角色扮演前端），大概见过”角色卡”：一张 PNG，里面塞一段 JSON，写着名字、外貌、性格、开场白、对话示例。拖进去，模型就”变成”这个角色。
但那张卡其实活在提示词层——每一轮对话，它都被塞进上下文。这一篇我想把它往下一层推：不塞进提示词，而是写进权重。
SillyTavern 的角色卡有明确的规范：主流的 V2（chara_card_v2）把字段收进一个 data 对象里——name、description、personality、scenario、first_mes（开场白）、mes_example（对话示例），外加 system_prompt、alternate_greetings、creator_notes，以及一个 character_book（世界书：关键词触发时才注入设定）。V3 在这个基础上又加了素材、多语言备注等。整段 JSON 以 base64 存在 PNG 的 tEXt 块里，所以一张图就是一张卡。
它的好处很实在：不用训练、即插即用、随时换。但它有三个代价。
description 和 personality 是”常驻字段”，每一轮都注入；卡片越厚，挤掉的历史越多——这是”聊着聊着它忘事”的头号原因。换个思路：如果角色不是”被读到的”，而是”长在模型里”的呢？
这就是微调（fine-tuning）——具体说，是 LoRA / QLoRA（标题里的 LoRA 是统称，QLoRA 是它在量化底座上的版本）。做法是在冻结的底座旁边，训练一小撮低秩矩阵（适配器，通常只有几十到一两百 MB）。训练完，把适配器融合（fuse）回底座，你就得到一个”天生就是这个角色”的模型。
对比一下：提示词层每轮付 token 税，模型层是训练一次性付清、推理时零额外开销——因为适配器已经并进权重了。
先说硬件，因为这决定了一切。我用的是一台 MacBook Air（M3 / 24 GB 统一内存 / 512 GB SSD）。
按公开的内存档位：24 GB 统一内存大约能 cover LoRA 的 7–8B、或 QLoRA 的 8–14B。我盯上的底座是 12B，所以 LoRA 偏紧、QLoRA 正合适（QLoRA = 底座压到 4-bit，只训 16-bit 的 LoRA 适配器，内存占用大幅下降）。
框架用 Apple 自家的 MLX，对应命令行工具 mlx-lm——它原生支持 LoRA / DoRA / QLoRA，一条命令就能开训：
pip install "mlx-lm[train]"
python -m mlx_lm.lora \
--model mlx-community/gemma-4-12B-it-4bit \
--train --data ./data --iters 1000 \
--batch-size 2 --grad-checkpoint
底座是 Gemma 4 12B。这里有个容易被忽略的边界：Ollama 官网上已经有它的 MLX 构建 gemma4:12b-mlx，拉下来跑推理很顺（256K 上下文）；但要微调，得用同源的 MLX / HuggingFace 权重——Ollama 那个封装是给推理用的，不能直接拿去训。所以我的分工是：Ollama 管跑，mlx-lm 管训。训练完 mlx_lm.fuse 把适配器合并回底座，得到一个可独立运行的模型。
我做的是剧本杀角色。这类角色的核心不是”知道很多事实”，而是稳定的说话方式——口癖、语气、在不同处境下的反应。所以训练数据要的不是百科，而是对话。
语料来源这件事我只说一句：先想清楚版权归谁。 能用得踏实的，无非三类——自己原创的角色对话（自己写的剧本、自己设计的角色，最干净，也最贴角色）；公有领域的经典文本；许可写明白、照着许可用的开放语料。反过来，直接拿仍在版权期内的小说、影视对白去训，风险不该靠”我只是本地跑跑”来兜底。所以这一步，我用的是自己能说清来源的对话。
用法上，统一转成 mlx-lm 的 JSONL chat 格式：system 放这个角色的卡面（人设、处境），user/assistant 放对话——模型学的就是”在这个人设下，下一句该怎么说”。
{"messages": [
{"role": "system", "content": "你是剧本《××》里的××，说话带几分江湖气，从不直说心事……"},
{"role": "user", "content": "你昨晚到底去没去过那间屋子？"},
{"role": "assistant", "content": "……我说没去过，你信么？"}
]}
两个我踩到、但常被忽略的坑：
磁盘不像内存那么紧，但外接扩容有得有失。 本地微调官方建议留 20–50 GB 空闲（底座 + 数据集 + 检查点 + 合并后的权重）；我这台是 512 GB，日常够用，谈不上瓶颈。真要放大规模，最高性价比的办法是外接 SSD——但别只看容量：
（下面这些量级，是按公开基准推算、结合这台机器特性得出的；实测若有出入，以实测为准。）
跑得动，也跑得完。 12B 的 QLoRA 在这台 24 GB 的机器上，峰值内存大致在 8–11 GB 的量级（公开实测里 14B 的 QLoRA 约 9 GB，12B 只会更低），留足了系统余量，不会把机器压死。速度上：公开基准里，7B 的 QLoRA 在 M2 Max 32 GB 上训 5,000 条大约 90 分钟；12B 参数量约 1.7 倍，再叠上 Air 没有风扇、持续跑会降频，我预期同规模数据要 2–4 小时。数据集按千级对话、2 个 epoch、batch-size 2 算，iters 落在 1,000–2,000 这个量级。
模型层 vs 提示词层，差在哪：
| 提示词层（角色卡） | 模型层（LoRA） | |
|---|---|---|
| 长对话稳定性 | 几十轮后容易出戏 | 明显更稳，口癖是”长”在权重里的 |
| 推理成本 | 每轮付 token 税，卡面常驻上下文 | fuse 后零额外开销，上下文留给对话本身 |
| 灵活性 | 随换随用，一张卡就是一个角色 | 一个适配器≈一个角色，换角色要重训 |
| 前置成本 | 零 | 要数据、要训练、要时间 |
代价要说清。 微调有两把刀：灾难性遗忘和过拟合。数据太少，模型会退化成”复读机”——只会重复训练集里的句式；学得太狠，又会损伤底座原本的能力。所以数据质量比数量重要，rank、alpha、学习率都要往保守里调，grad-checkpoint 该开就开。
最后回到上一篇那条线。把角色写进权重，说到底还是本地、私有的一步——数据不出这台机器，模型在自己手里。但”角色可以被固化”不等于”判断可以被托管”：人格可以写进权重，责任不行。 它演得再像，那个”像不像、能不能用、要不要发”，仍然得有人来担。
]]>首先我所呈现的是来自对自然给我的感受和生灵历年的积淀的，是站在巨人的肩膀上做的场景泛化应用或者迭代，就像现在在地球上的自行车设计离不开牛顿定律
如果大家真的需要这个东西并且其意识到，就向大家宣传推广并尽可能的把大家都教会，这样的话既能提升自己周边人的这样一个素养，也是一个推力，让自己看到更广泛的世界，发现自己的不足，倒逼自己迭代。我想这样会成为一个良性循环。我喜欢大家互相真诚分享的环境。
此外，很多时候后知后觉我的很多问题其实是有答案的 不论是对于人生路线上的事情还是某个想法的实现来说 从真实的传记或者新闻什么的层面切入了解 增加对应背景成功和失败的了解有的时候是启发性的，至少也能让我减少很多不安。如今也把我解决了的问题尽可能分享给大家，我们不需要重复的创造轮子，就像我们在土壤上为了果腹而种植庄稼一样，只需要用轮子作出能效更高的自行车，或者不论是否发现轮子的不足，做航天器。或哪天没有燃眉之急的时候，去看看土壤为什么会长出庄稼，土壤从何而来，能否创造。 下面是你的时间。
]]>主角是 Windows 上一个叫 PowerRename 的小工具。
25年5月，我在某企业做新媒体运营的时候会涉及一些视频剪辑的工作。
那两个月的节奏是：同一条底稿，换开头、换字幕、换封面，批量复制出一堆变体去铺矩阵号。
这个量级下，最先崩的不是剪辑速度，是素材的名字。
素材进来的样子大概是这样的：
VID_20250512_143022.mp4DSC00123.MOV微信图片_20250512143022.jpg未命名草稿_2025-05-12-14-30-22.mp4新建文件夹 (2)、最终版3、最终版3改单看一条视频，乱一点也就乱一点，翻一下就找到了。但当你一天要处理一百多条、而且要反复回去复用旧素材的时候，名字就是索引。名字乱，等于没有索引。
我当时用飞书搭了个知识库，把脚本、素材、上传、置顶文案复盘成一条批量生产流程。流程能不能跑起来，前提是文件名可预测：
说白了：名字不是给现在的我看的，是给一周后那个已经忘光的我看的。
PowerRename 是 PowerToys 里的一个模块。PowerToys 是微软官方出的一套 Windows 效率工具集，免费、开源，装上之后会在文件资源管理器的右键菜单里多出一项 Rename with PowerRename。
真正让我留下来的，是三件事：
Use regular expressions，就能用捕获组，把 VID_20250512_143022 这种机器名里的日期和时间拆出来重新拼。${padding=3;start=1}，它就会给选中的文件依次补上 001、002、003——补零是自动的，不会排成 1, 10, 11, 2。还有一个救命细节：改错了不用慌，资源管理器里 Ctrl+Z 能撤销。
第一步：先把脏东西洗掉
最浅的一层，纯文本查找替换，连正则都不用开。
比如把一批从微信里存下来的图片统一去掉前缀：
微信图片_微信图片_20250512143022.jpg 就变成了 20250512143022.jpg。这一步的价值不是省时间，是让后面所有规则有一个稳定的输入。
第二步：统一前缀 + 自动编号（用得最多的一步）
选中一批要归到同一个脚本下的素材：
^VID_.*（勾上正则）20250512_脚本A_口播_${padding=3;start=1}于是：
VID_20250512_143022.mp4 -> 20250512_脚本A_口播_001.mp4
VID_20250512_143155.mp4 -> 20250512_脚本A_口播_002.mp4
VID_20250512_143401.mp4 -> 20250512_脚本A_口播_003.mp4
一次点击，几十条素材全部归位，扩展名原样保留。
第三步：名字里本来就有信息，就别盖掉
相机和手机导出的名字里通常已经带日期时间，与其盖掉，不如拆出来重排。用捕获组：
^VID_(\d{8})_(\d{6})$（勾正则，并勾上”匹配所有出现”）$1_$2_口播VID_20250512_143022 → 20250512_143022_口播。
$1、$2 就是正则里那两对括号抓到的东西——年日月、时分秒。日期时间没丢，还多了语义。
后来我的主力机换成了 Mac。26 年再碰到批量重命名的活儿，我第一反应是去找”Mac 上的 PowerRename”，找了一圈才发现：这件事根本不用装工具。
在访达里选中一批文件，右键 →「重新命名…」（选中 N 个时会显示成「重新命名 N 个项目」），弹出的面板给了三种做法，和上面那三步几乎一一对应：
| 想干什么 | macOS 右键面板里怎么选 | 对应 PowerRename |
|---|---|---|
| 去掉 / 替换名字里的某段字 | 替换文本：”查找”填要删的，”替换成”留空就是删 | 纯文本查找替换 |
| 统一加前缀或后缀 | 添加文本：选”名称之前 / 之后” | 同 |
| 统一前缀 + 补零编号 | 格式 → 名称和计数器：自定义格式填前缀，”起始数字”填 1 | ${padding=3;start=1} |
| 统一前缀 + 不补零编号 | 格式 → 名称和索引 | ${start=1}（无 padding） |
| 按修改日期命名 | 格式 → 名称和日期 | $YYYY / $MM / $DD 日期变量 |
也就是说，我在 Windows 上最依赖的那招”统一前缀 + 补零编号”，在 Mac 上对应的就是「名称和计数器」——它会补前导零，生成 001、002、003，排序时不会出现 1, 10, 11, 2 这种乱序。「名称和索引」则是纯数字 1, 2, 3，不补零。
改错了同样是 Command + Z（或菜单栏”编辑 → 撤销重新命名”），整批撤销。
我一开始跑偏了，先去 Automator 和”快捷指令”里翻。这里得澄清一句：右键菜单里那个「快速操作」（Quick Actions）子菜单，系统自带的那些是旋转、标记、创建 PDF、转换图像这类处理文件内容的动作，并不负责重命名。想批量改名，认准同一级菜单里的「重新命名…」就够了——除非你自己写一个（见下一节）。
右键这套只能做”整段查找替换”和”套模板编号”——没有正则，也就没法像 PowerRename 那样用捕获组，把 VID_20250512_143022 里的日期和时间拆出来重新拼。
我日常九成的重命名需求——洗掉脏前缀、统一前缀加编号——右键那一下就够了。剩下那一成，可以这么补。
办法是有的：用「快捷指令」新建一个快速操作（接收访达里的”文件或文件夹”），里面只放一个「运行 Shell 脚本」动作，让脚本去做正则。保存之后，访达右键 → 快速操作 → 就能直接调用。
把上面 Windows 那步 ^VID_(\d{8})_(\d{6})$ → $1_$2_口播 搬到 Mac 上，脚本是这么写的：
for f in "$@"; do
dir=$(dirname "$f"); base=$(basename "$f")
name="${base%.*}"; ext="${base##*.}"
new=$(printf '%s' "$name" | perl -pe 's/^VID_(\d{8})_(\d{6})$/$1_$2_口播/')
[ "$new" != "$name" ] && mv "$f" "$dir/$new.$ext"
done
嫌长可以用 zsh 自带的 zmv：
autoload -Uz zmv
zmv 'VID_(*)_(*).mp4' '${1}_${2}_口播.mp4'
zmv 加 -n 是空跑预览——只打印将要改成什么、不动手。所以流程是：先 zmv -n 看一眼对不对，确认了再去掉 -n 真跑。
能力是追平了，但有两样东西追不回来：
| PowerRename | 快速操作 + 脚本 | |
|---|---|---|
| 正则 / 捕获组 | ✅ | ✅ |
| 补零计数 | ✅ | ✅（右键本身就有） |
| 实时预览 | ✅ 面板里逐行显示 | ⚠️ 只能靠 zmv -n 空跑 |
| Ctrl/Command+Z 整批撤销 | ✅ | ❌ 脚本改名后访达撤销不可靠 |
| 上手成本 | 装个软件 | 写 + 长期维护脚本 |
| 上限 | 微软给什么用什么 | 任意逻辑（能读元数据、按内容改名） |
所以我的选择是：不为这一成需求去维护一个快速操作。真偶尔要拆字段重排，临时开终端 zmv -n 看一眼再执行，比养着一个脚本省心，也避开了”脚本改名撤销不了”这个风险。
和上一篇一样：卡住 → 硬扛 → 撞上一个工具 → 突然顺了。
我第一次意识到”重命名”是个真问题，是在连续两天翻不出一条旧镜头之后。它不是什么高深技术，但恰恰是这种没人会专门去教、小到不好意思开口问的东西，最浪费时间。
工具会过时，但”我当时被什么卡住、我是怎么判断该用什么工具的”不会过时。这是这个工具箱想记下来的东西。
https://github.com/microsoft/PowerToys${padding=3;start=1}、文本大小写转换、实时预览、Ctrl+Z 撤销；可作用于文件名或仅扩展名，可包含/排除子文件夹。官方文档见微软 PowerToys 文档站。https://support.apple.com/zh-cn/guide/mac-help/mchlp1144/mac2024 年 7 月，我在深圳市计量质量检测研究院（SMQ）业务发展部做业务助理实习生。那三个月，我和几位工程师的一项作业内容就是一起完成了 600 多份阿里巴巴、唯品会的检测报告录入。
真正难住我的不是”录入”这个动作，而是”录什么”。
检测报告里有大量化学名词，不同品类、不同判定规则下，同一个物质的写法可能完全不一样——多一个空格、少一个下标、大小写差一位，在 SOP 标准里就是不合格。当时我们拆样和记录要按 RB/T 214-2017 第 4.5 条、CNAS-CL01 第 7.4 条等等来做（那阵子光京东样品的电池拆样我就做了 70 多份），本质上都是在跟”精确”这两个字较劲。
所以我的真实工作流变成了：录一条 → 不确定 → 翻 SOP → 找到原文 → 再录下一条。
问题出在”翻 SOP”这一步。
如果 SOP 只是一份规整的 PDF，事情会简单很多——能选中文字的，直接搜索就完了。
但真实的 SOP 是散的，而且相当大一部分根本不在正式文档里。
它有相当比例来自 QQ 群聊和私聊：前辈在群里发一句”这个品类按新口径走”、mentor 私聊发过来一张截图说”这条规则看下”、某个判定细节在几十条聊天记录里被反复补充。这些内容是鲜活的、最新的，也是最容易丢的——它们散落在各个聊天框里，平时根本不会去回看。
于是我面对的是两类东西：
这两半加在一起才是我要检索的”SOP”。而它们当时互不相通。
我的办法是把这两半都变成 PDF，然后塞进同一个地方检索。
第一步：聊天记录 → 长截屏 → PDF
用 Picsew（Yojio, Ltd.，iOS / iPad / Mac 都有）。它最关键的不是”拼图”，而是滚动录屏：在 QQ 对应的聊天框里开着录屏往上滚一遍，Picsew 会把这段屏幕录制直接识别成一张完整的长截屏，连中间手动截都不用。最后一步直接导出 PDF。Picsew 同样要花钱，我买的时候是 15 元。
顺带吐槽一句：都 2024 年了（2026年貌似还是没有），苹果系统至今没有自带的长截图能力——聊天记录这种一屏装不下的内容，系统原生只能一张张截，想拼成连续的一整张，得靠第三方 App 的滚动录屏来绕。这笔 15 元，算是给苹果的功能缺口付的过路费。
这一步的价值是：一条几十屏的聊天记录，变成了一份连续的、能翻页的文档。
第二步：PDF → 可检索
把导出的 PDF 和正式 SOP 一起，全部丢进 MarginNote（iCloud 同步）。
MarginNote 是付费软件，我买的时候是 88 元（iPhone和iPad可用版）。
MarginNote 真正救了我的，是它的 OCR 能力。打开 OCR 之后，它会在后台对整份文档做一次 OCR 识别预处理的动作把全文变成可检索的，这个过程要根据文档长度和设备性能稍稍一等。等它处理好，我直接在上面搜一个化学名词，它就会精准地定位到文档里那段内容，并且自动把文档滚动到对应的位置——不用再在”原图”和”识别结果”之间来回切。
第三步：统一检索
到这里，静态的 SOP 和从聊天记录里长出来的操作口径，终于进了同一个搜索框。
我不再需要记”这条规则大概在第几章”，也不需要在几百页图片里用眼睛找，更不用在聊天框里往上翻记录。搜一下，它直接带着我滚到那一段——几秒钟。
我说它准确，不是凭感觉。在 SMQ 那批 SOP 和聊天截图上，我的体感识别准确率在 98% 左右，检索是秒级的。
但这个数字有三个前提，我不想把它说成万能的：
这大概也是这段经历留给我的东西：流程可以加速，判定不能外包。
从那之后我意识到一件事：每次被一个问题卡住，我都是先冥思苦想、反复试错，直到某一天撞上一个合适的工具，才突然变得顺滑、高效。工具本身不稀奇，稀奇的是”找到它”之前那段弯路。我不想让其他人也走一遍同样的弯路，所以才想把用顺手的工具一个一个记下来，攒成这个开源工具箱。
我的打算是：每个工具配一篇文，写清楚它解决什么问题、在什么场景下有用、边界在哪里。
我不想写”神器推荐”那种文章。工具会过时，但”我当时被什么问题卡住、我是怎么判断该用什么工具的”这个过程不会过时。
这是第一篇。
]]>首先我尝试的是通过代码来进行这个作业（这对当时零代码基础的我是很大挑战，但是我对当时的ai写代码能力已经很有信心。）我首先实现了通过点击一个存在桌面上的代码文件来自动让浏览器打开对应的网页，那网页之后的ui点击操作呢？右键网页，点击检查，找到那个ui的相关代码…… 这一步我印象中当时好像没能实现点击目标ui，紧接着我发现认证是一个更让我头疼的问题，在电脑上扫个码能登录进去的网站通过代码总是会被网站的一些认证机制挡住。 困惑，但是我始终未放弃那一个念
已经忘了是在哪里遇到的了，好像是ai平台？某个大神的分享？等有时间我一定要好好回忆一下这个层解放我生产力的时刻来自哪里，总之power automate进入了我的视野！ 那时的我也不确定能否真的能够应用，因为对公司当时还是不太敢在公司之外的网络环境登陆，我在自己常用的软件上随便试用了一番便抱着电脑既兴奋又不安的离开了图书馆，等待第二天去到公司。
完成了常规工作后我紧忙将工作流程写入了power automate 很幸运 每个工作流的测试都是成功的，兴奋到了极点，谢天谢地终于不用一直点鼠标了。 紧接着问题出现了，时常会出错呀，本来运行的就需要等一会儿（我一直用的都是desktop版本，不知道跟没有付费关系大不大）还时不时的突然运动完之后没反应，需要关上再运行一次，这也让我产生了不少精神熵，但是还好，像是汽车的自动驾驶，我看着ta执行总比自己一直点点点好。 就这样我几乎每天到公司打开电脑的第一件事就是按住win键打开power automate。感谢mentor给我讲任务的时候细致到公司web后台每一个工作流该怎么操作，这让我后面有了能够用这个ui自动化工具来不假思索的控制相应的界面，致敬。
好的，一个新的任务中的一个步骤又难住了我，我需要汇总并分析一段时间内xx项目的数据，而这个数据是通过邮件时实发送给我的，一条一条的那种，好在有效的数据是作为xls文件附在每一条邮件里面的。何解？我想这并不难，开发部肯定有办法，好吧mentor说这个api的对接已经进入排期了，他们在一步步的弄，而这个数据也不是至关重要，能收集多少收集多少就好了。懂了，先做别的。 下班后我又总感觉有点什么事没解决，于是就找了找相关的教程，outlook可以批量导出邮件的附件、excel的power query可以合并不同xls文件里面的多行内容到一个表格，成了，感谢开发者们，这是我第一次用技术实实在在的解放生产力，而这一切就发生在我眼前。
]]>