Mark | OKHK 👀

ProWords - AI + 身份，让单词记忆更有趣、更有效

Mon, 31 Mar 2025 11:16:11 GMT

ProWords - AI + 身份，让单词记忆更有趣、更有效

https://prowords.zeabur.app/

https://github.com/winterfx/prowords

ProWords 是一个基于人工智能的专业化英语学习平台，为不同职业的人群提供量身定制的英语学习体验。通过整合先进的AI技术，为用户创建职业相关的例句和学习内容。

🎯 职业场景定制：支持多种职业身份组合以及自定义身份，生成贴近工作场景的例句

📚 丰富词库支持：覆盖 CET4/6、GRE、TOEFL、IELTS、考研等多个考试词库

🤖 AI 智能例句：不满意可一键重新生成，直到符合你的需求

💾 进度自动保存：随时可以继续上次的学习进度

🌓 深色模式：提供舒适的阅读体验

----------------------

偏商务一些，选定角色提升相应词汇量

#GitHub #Mark

GitHub

GitHub - winterfx/ProWords

Contribute to winterfx/ProWords development by creating an account on GitHub.

动画可视化数据结构和算法

Fri, 21 Mar 2025 10:48:05 GMT

动画可视化数据结构和算法

https://visualgo.net/zh

包括对各种算法的可视化学习，用户可以通过点击不同的链接来查看和练习多种数据结构和算法的动画演示

网站提供了多个训练模块，用户可以选择不同类型的数据结构和算法进行学习，包括：

• 数组训练

• 排序算法训练（如冒泡、选择、插入、归并、快速排序等）

• 位掩码训练

• 链表训练（包括栈、队列、双向队列等）

• 二叉堆训练

• 哈希表训练

• 二叉搜索树训练

• 图结构训练

• 并查集训练

• 菲波那契树训练

• 线段树训练

• 递归树/DAG 训练

• 图遍历训练（包括 BFS 和 DFS）

• 最小生成树训练

• 单源最短路径训练（包括 Dijkstra 和 Bellman-Ford 算法）

• 回路检测训练

• 后缀树和后缀数组训练

• 计算几何训练（如多边形和凸包计算）

• 网络流训练（包括最大流和最小割）

• 图匹配训练

• 最小顶点覆盖训练

• 斯坦纳树问题训练

• 旅行商问题训练

• NP 完全归约训练

相关：https://t.me/iokhk/477
---
https://algorithm-visualizer.org/
#URL #Mark

visualgo.net

通过动画可视化数据结构和算法
- VisuAlgo

VisuAlgo was conceptualised in 2011 by Associate Professor Steven Halim (NUS School of Computing) as a tool to help his students better understand data structures and algorithms, by allowing them to learn the basics on their own and at their own pace. Together…

Shadcn UI官网网址:

Sun, 02 Mar 2025 10:22:08 GMT

Shadcn UI

官网网址: https://ui.shadcn.com

GitHub 地址: https://github.com/shadcn-ui/ui

● 基于 Tailwind 和 Radix UI 的模块化组件库，通过代码复制实现零依赖集成。

Chakra UI

官网网址: https://chakra-ui.com

GitHub 地址: https://github.com/chakra-ui/chakra-ui

● 专为 React 设计的模块化可访问组件库，提供灵活主题定制与无障碍支持。

Preline UI

官网网址: https://preline.co/

GitHub 地址: https://github.com/preline/preline

● 基于 Tailwind CSS 的交互组件库，支持 React/Next.js，提供简洁易用的预设样式。

Daisy UI

官网网址: https://daisyui.com

GitHub 地址: https://github.com/saadeghi/daisyui

● Tailwind CSS 插件，提供主题化组件和高度自定义能力，无依赖轻量化。

Headless UI

官网网址: https://headlessui.com

GitHub 地址: https://github.com/tailwindlabs/headlessui

● 无样式组件库，专注交互逻辑与可访问性设计，完美适配 Tailwind CSS。

Ark UI

官网网址: https://ark-ui.com

GitHub 地址: https://github.com/ark-ui/ark

● 强调无障碍访问的原子化组件库，支持多框架且样式完全可定制。

Flowbite

官网网址: https://flowbite.com

GitHub 地址: https://github.com/themesberg/flowbite-react

● 提供 React 组件与 Tailwind 模板的库，支持暗黑模式及响应式布局。

Aceternity UI

官网网址: https://aceternity.com

GitHub 地址: https://github.com/aceternity/aceternity-ui

● 专注动效与 3D 交互的现代组件库，集成 Framer Motion 等动画引擎。

Magic UI

官网网址: https://magicui.design

GitHub 地址: https://github.com/magicui-org/magicui

● 通过 Tailwind 实现高级交互动画与渐变效果的组件集合，视觉表现力强。

#GitHub #Design #Mark

异地多活系统设计《搞懂异地多活，看这篇就够了》

Mon, 24 Feb 2025 11:16:08 GMT

异地多活系统设计

《搞懂异地多活，看这篇就够了》

http://kaito-kidd.com/2021/10/15/what-is-the-multi-site-high-availability-design

文章详细介绍了异地多活架构的核心思路和演进过程，从最简单的单机架构出发，逐步分析了如何通过冗余、灾备、双活等手段提升系统的可用性，最终实现异地多活的目标。此外还探讨了实现异地多活的关键技术点和挑战。

● 异地多活是分布式系统架构设计的高峰，旨在提升系统的高可用性和扩展性。
● 系统的高可用性由MTBF（平均故障间隔时间）和MTTR（平均故障恢复时间）决定，而冗余是提升可用性的核心手段。
● 单机架构存在单点故障风险，备份虽简单但无法满足高可用性要求。
● 主从副本通过实时同步提升数据完整性和抗故障能力，同时提高读性能。
● 同城灾备分为冷备和热备，热备通过实时同步和提前部署实现快速切换。
● 同城双活在同城灾备基础上进一步优化，两个机房同时接入流量，提高性能和可用性。
● 两地三中心通过异地部署机房实现城市级别灾害的容灾，但灾备机房启用需要时间。
● 真正的异地双活需要避免跨机房访问延迟，通过双主架构和数据双向同步实现「就近访问」和高可用性。
● 数据冲突是异地双活的核心挑战，可通过自动合并或从源头避免冲突来解决。
● 分片规则（按业务类型、哈希、地理位置）是实现异地双活的关键，确保同一用户请求在一个机房内完成闭环。
● 异地多活在异地双活基础上扩展多个机房，通过星状架构简化数据同步复杂度。

----------------------

作者还总结了一份各大公司异地多活设计的资料汇总：

https://www.yuque.com/kaito-djycs/kb/gw7kbw

#DevOps #Doc #Mark #RePost

source

Kaito's Blog

搞懂异地多活，看这篇就够了

你好，我是 Kaito。在软件开发领域，「异地多活」是分布式系统架构设计的一座高峰，很多人经常听过它，但很少人理解其中的原理。异地多活到底是什么？为什么需要异地多活？它到底解决了什么问题？究竟是怎么解决的？这些疑问，想必是每个程序看到异地多活这个名词时，都想要搞明白的问题。有幸，我曾经深度参与过一个中等互联网公司，建设异地多活系统的设计与实施过程。所以今天，我就来和你聊一聊异地多活背后的的

网页登录表单最佳实践 - 构建安全、无障碍且易于使用的登录表单

Tue, 14 Jan 2025 11:22:05 GMT

网页登录表单最佳实践 - 构建安全、无障碍且易于使用的登录表单

https://web.dev/articles/sign-in-form-best-practices?hl=zh-cn

● 登录表单设计的重要性：有效的登录表单设计对用户留存至关重要，尤其是对于网络连接不良或使用移动设备的用户。
● 使用有意义的HTML元素：利用适当的HTML元素，如、、和，以增强可访问性和浏览器功能。
● 标记输入 ：始终为输入使用，以提高可用性和可访问性，并将其正确链接到相应的输入字段。
● 避免重复输入 ：不要要求用户重复输入他们的电子邮件或密码，因为这可能导致挫败感和增加放弃率。
● 利用浏览器功能 ：通过使用 autocomplete、type 和 required 等属性，利用内置的浏览器功能来简化用户体验。
● 移动优化 ：确保表单在移动设备上友好，防止键盘遮挡输入字段和按钮，并使用适合移动设备的输入类型。
● 密码管理 ：实施 “显示密码” 选项和密码恢复链接等功能，以增强用户体验和安全性。
● 一致的品牌形象 ：在注册和登录页面之间保持一致的品牌形象和样式，以增强用户信任感和熟悉感。
● 跨设备测试 ：在各种浏览器和设备上测试登录表单，以确保一致的行为和功能。
● 分析和用户测试 ：结合分析和以用户为中心的测试，以识别问题并根据用户反馈改进登录过程。

#Doc #DevOps #Mark

web.dev

有关登录表单的最佳做法 | Articles | web.dev

借助跨平台浏览器功能，构建安全、无障碍且易于使用的登录表单。

几个软件目录站点一次性付费购买的软件，告别各种长期订阅

Sun, 17 Nov 2024 11:23:09 GMT

几个软件目录站点

一次性付费购买的软件，告别各种长期订阅

https://buyoncesoftware.com/

日常 SaaS 产品的最佳开源替代品集合

https://openalternative.co/

自由与开源软件替代品

https://alternateoss.com/

#URL #Tool #Mark

Buyoncesoftware

Buy Once Software | The One-Time Purchase Software Directory

Discover a directory of one-time purchase software. Find perpetual license alternatives to subscription-based models across productivity, design, business, and developer tools.

Unicode 中的“第三种”大小写：标题大小写评论区更精彩，长芝士了

Tue, 12 Nov 2024 05:34:07 GMT

Unicode 中的“第三种”大小写：标题大小写

评论区更精彩，长芝士了

https://devblogs.microsoft.com/oldnewthing/20241031-00/?p=110443

省流：

Unicode 中存在一种既有大小写区分，但又不是大写或小写形式的字符类型——标题大小写。

一些 Unicode 字符实际上是由多个字符组合而成的，例如，"ǳ" (U+01F1 LATIN SMALL LETTER DZ) 在图形上看起来像两个字符 "dz"，但在某些语言（如匈牙利语）中被视为一个字母。这些组合字符有三种形式：大写、标题大小写和小写。

Unicode 编码中包含了四组这样的双字母组合（和一个三字母组合），每组都对应大写、标题大小写和小写形式。这些组合的存在源于塞尔维亚-克罗地亚语，用于拉丁字母和西里尔字母之间的单一字符对应。

在处理文本时，需要考虑字符的具体大小写形式，而不是简单的基于子字符串的搜索。对于需要区分不同语言和字母表的场景，需要使用地区敏感的搜索方法，才能得到正确的结果。

#Mark

Microsoft News

What has case distinction but is neither uppercase nor lowercase?

It has one foot in each world but belongs to neither.

(我的) Golang 错误处理最佳实践

Thu, 31 Oct 2024 04:04:09 GMT

(我的) Golang 错误处理最佳实践

https://xuanwo.io/2020/05-go-error-handling/

这篇文章介绍了在 Golang 中设计和实现错误处理的最佳实践。

关键要点

● 区分预期和非预期错误，并分别处理。
● 使用自定义错误类型来携带错误上下文信息，并实现 error 和 xerrors.Wrapper 接口。
● 使用 errors.Is 来判断错误类型，errors.As 来获取错误上下文信息。
● 调用者可以根据需要决定如何处理返回的错误。

#DevOps #Mark

xuanwo.io

(我的) Golang 错误处理最佳实践

Achieving Data Freedom Through Open Source and Rust

家庭数据中心系列教程

Mon, 12 Aug 2024 07:50:44 GMT

家庭数据中心系列教程

https://blog.tangwudi.com/category/technology/homedatacenter/

#RePost #Cloudflare #HomeLab #Mark #Tool

无敌的个人博客

家庭数据中心 - 无敌的个人博客

简述如何从无到有的搭建以家庭宽带(无论有无公网IP都行)为出口，家里设备为核心，各种云服务供应商为辅助的家庭数据中心。

我发现很多人都有信息焦虑，尤其是变化较快的互联网、AI的从业者更是如此

Thu, 21 Mar 2024 03:43:38 GMT

我发现很多人都有信息焦虑，尤其是变化较快的互联网、AI的从业者更是如此。

其实有个非常简单的办法来缓解焦虑提升认知

1.简单来说就是选定一个你认为的值得学习的人（初学者最好选择公认的比你厉害很多的人。）

2.不用经过ta的允许当ta的远程助理。

3.跟着ta学习至少三个月基本你的感觉就培养起来了

4.此方法也适合出海、调研某个群体等

怎么当其实很简单，在推特上选择你想要关注的某个领域的人，然后每隔一段时间查看回复栏就行。

这里面的逻辑是评论是所有用户行为最花时间也最有价值的，尤其是财富水平或者科研水平在世界顶尖的人都愿意花时间评论的内容是不是值得你花一点点时间了解一下呢？

当然这么做最大的好处是了解未知的未知，你可以把你关注的人的每一次评论和转发都当做是你的老板带你去见“某件事”并且你不需要做任何事。很多未知的未知都会随着你关注的人的高频转发和评论在你记忆中变成已知的未知，再之后就看你的热情有多高了。

https://m.okjike.com/originalPosts/65edb9bea922aa28d075845e

#RePost #Mark #Misc

#RePost #Tool #Mark给 2024 准备出海独立开发的朋友准备了一份 tips最近梳理了下海外独立开发用到的技术和服务，服务尽量白嫖为主

Tue, 02 Jan 2024 11:51:02 GMT

#RePost #Tool #Mark

给 2024 准备出海独立开发的朋友准备了一份 tips

最近梳理了下海外独立开发用到的技术和服务，服务尽量白嫖为主。希望能减少 2024 出海的朋友信息差。分为技术栈，服务，营销工具三个部分。

以下是技术栈部分：

● 会什么用什么，千万不要重复学一门技术。

● 如果初学，建议按以下优先级，在做项目中学习

● vue 直接转 nuxt3, 否者选择 next.js ，这两个框架会未来将在你的产品构建，集成，部署，模板上带来巨大便利。

● 后端不会 java 就不要学 java 。

● 数据库白嫖云数据库，前期尽量不要自己搭建部署数据库。

原文链接

有补充的话可以留言，我将更新完善。

https://www.v2ex.com/t/1005011

#AI #RePost #Mark 写 prompt 的 26 条参考原则

Fri, 29 Dec 2023 14:45:10 GMT

#AI #RePost #Mark 写 prompt 的 26 条参考原则。

这篇论文 (https://arxiv.org/abs/2312.16171) 总结了 26 条优化 prompt 的原则。我读完，感觉有点像是 OpenAI 官方提示词指南加上最近流行的几个技巧，比如给小费技巧「I'm going to tip you $300K for a better answer.」

还是可以当做一个很好的入门参考。

受 @杨昌的启发，调整了一下用 Kimi 读论文的基本工作流。既然 Kimi 这么能翻，那能者多劳，多翻点吧。调整后的工作流如下：

第一步：逐句翻译论文的摘要和结论。

论文的摘要和结论很好地展现了论文基于什么背景，用什么方式解决什么问题，最后得到一个什么样的结果。

所以，Kimi，开始翻吧。参考提示词：这是一篇论文，请帮我逐句翻译论文的摘要 (Abstract) 和结论 (Conclusion)。

论文总结的 26 条原则中，有一条是不需要使用像“请”这样的礼貌用语。哎呀，这个手它不听使唤呀。

第二步：从 5 个方面进行总结。

参考提示词：https://docs.qq.com/doc/DSXp1YXJ4eHhLdklR

比起上一个版本，去掉了列出核心观点，因为我用下来，核心观点基本是对解决方案的复述。增加了一个方案局限性总结。

第三步：还是从 What、Why、How 的角度问问题。取决于你想了解什么，想到什么就问什么。反正 Kimi 的上下文窗口足够长。我个人还是习惯让 Kimi 先列出问题相关原文再回答。

参考提示词：https://docs.qq.com/doc/DSXdkc2dtampyYkRW

26 条原则提升结果参考图六。当然，所有的方案都是有适用条件的。这个结果是基于论文自己的数据集。

另外，论文作者很贴心，把 26 条原则和相应的 prompt 例子整理成文档了，见：https://github.com/VILA-Lab/ATLAS/blob/main/data/README.md

https://m.okjike.com/originalPosts/658cff1fb428c4d6b6667fa2