goodisok 的博客

一、背景：为什么要折腾本地部署Hermes Agent 是我日常编程的主力工具——代码重构、仿真调试、博客写作都靠它。免费的云端模型时好时坏，一个自然的问题浮现：能不能把模型跑在自己电脑上，彻底告别 API 限流和网络波动？ 这个想法很诱人。数据不出本地、零延迟、零费用——听起来完美。于是我在一台 WSL2 环境下启动了本地部署实验。 机器配置：Z790 + i9-13900KF + RTX 4090 24GB，内存 单条 16GB DDR5-4800（单通道未升级）。WSL2 分配 8GB。 选取的路线是当前最成熟的本地推理方案：Ollama + DeepSeek-R1。 二、第一次尝试：Ollama + DeepSeek-R1 本地运行Ollama 的安装非常顺畅： 123curl -fsSL https://ollama.com/install.sh | shollama pull deepseek-r1:8bollama serve 模型拉下来大约 4.9GB，8B 参数版本在 RTX 4090 上加载毫无压力。ollama run deepseek-r1:8b 启...

官方文档教你每个工具的用法，但不教你工具之间怎么衔接。这篇文章补上这一块——基于真实使用中沉淀出来的联动模式，不讲概念，只讲能跑通的组合。 一、为什么工具联动比单工具重要Hermes Agent 提供了二十多种工具：memory、skill、delegate_task、cron、session_search、web_search、browser、terminal、send_message……单独看每个工具的文档，你能学会怎么调用它。但你不会知道： 哪些工具天然就该成对使用 哪些组合能替掉原本需要人工盯着的重复劳动 一个工具的输出怎样自动成为另一个工具的输入 这篇文章不讲”memory 命令怎么敲”，而讲”memory + cron + delegate_task 怎么串成一条自动研究管线”。所有模式均来自实际使用，能直接复现。 图 1：Hermes Agent 工具生态系统分层架构 — 输入层、核心层、记忆层、工具层、存储层 二、知识底座：Wiki + Cron 自动化研究管线2.1 单用 Wiki 的问题Wiki 是 LLM 驱动的关系型知识库。你可以往里面存论文摘...

摘要：2026年5月，OpenAI后训练工程师翁家翌（Weng Jiayi）提出了 Heuristic Learning（HL，启发式学习）——一种不依赖神经网络参数更新的全新AI学习范式。与梯度下降驱动参数更新的传统深度学习不同，HL由 Codex（GPT-5.4 驱动）自主迭代维护一个由显式状态检测器、规则逻辑和测试用例组成的智能软件系统，每次迭代通过分析性能反馈直接对代码进行结构性调整。在以 Atari Breakout 为基准的实验中，HL 达到了理论满分（864分），同时天然解决了增量学习中的灾难性遗忘问题。本文系统梳理 HL 的核心思想与技术机制，并将其置于监督学习、无监督学习、强化学习和自监督学习的历史演进脉络中进行对比分析。 引言：一个反直觉的问题自 Hinton 等人2006年在 Science 上宣告深度学习时代以来，有一条几乎被视为公理的信念：AI系统的智能来自于它的参数。模型的权重矩阵越大、参数越多、训练数据越海量，”智能”就越强。从 AlexNet 的六千万参数到 GPT-4 的万亿参数，这条 Scaling Law 似乎不可动摇。 但翁家翌在20...

一、问题背景：从模块化到端到端的范式迁移传统机器人系统采用感知→规划→控制的模块化架构：视觉模块检测目标，规划模块计算轨迹，控制模块执行命令。每个模块独立设计、独立调试，模块间通过结构化接口通信。 这种架构有三个根本性局限： 信息瓶颈：每个模块只传递下游需要的信息，上游的丰富感知在下游被截断。视觉模块输出边界框，但丢弃了纹理、光照、场景语义等可达百万维的信号。 复合误差：每个模块各有误差，级联后总误差不是加法关系，而是非线性放大——前置模块的微小错误可能使后置模块的输入彻底偏离设计域。 不可端到端优化：模块间界面是离散符号而非可微张量，梯度无法从任务目标反向传播至原始感知。 端到端学习的核心思想是一次性解决这些问题：用一个神经网络直接从原始感知映射到动作指令，所有参数通过任务损失联合优化。 这场范式迁移的驱动力来自三个方向的同时成熟： 驱动力 代表工作 关键能力 大语言模型的推理能力 GPT-4, Gemini 将常识推理和任务分解注入机器人动作 视觉基础模型的感知能力 DINOv2, SAM, SigLIP 像素级场景理解不再需要手工特征 大规模机器...

参考教材：同济大学数学系《高等数学》第七版 上册（第1–7章）。GitHub 配套课本：github.com/goodisok/ChinaTextbook 一、极限——微积分的唯一入口概念直觉先忘掉 ε\varepsilonε-δ\deltaδ。极限的直觉很简单： 一个数列 xnx_nxn​，”最终”稳定在某个值附近，无论多靠近，只要走足够远，就能进到那个范围内。 想象你朝一堵墙走，每一步走剩下距离的一半。你永远碰不到墙——但你离墙的距离趋向于零。这就是极限。 定义（直观版）数列极限：lim⁡n→∞xn=A\lim\limits_{n\to\infty}x_n = An→∞lim​xn​=A 当且仅当：对任意小的距离 ε>0\varepsilon>0ε>0，总能找到一个 NNN，使得 n>Nn>Nn>N 时 ∣xn−A∣<ε|x_n - A|<\varepsilon∣xn​−A∣<ε。 函数极限：lim⁡x→af(x)=L\lim\limits_{x\to a}f(x)=Lx→alim​f(x)=L ...

一、一个违反直觉的事实开放螺旋桨的推进效率已经很高，为什么还要在外面加一个环？ 答案是：涵道在悬停状态下可以将推力提升 30-80%，而且在相同推力下桨盘面积更小。 这个数字来自 Pereira[1] 的实验测量——在相同输入功率下，10英寸涵道风扇的静推力比同直径开放螺旋桨高出约 50%。 这违反常规直觉。直觉会说”加一个环增加了重量和阻力，效率应该更低”。但涵道不是简单的环——它改变了经过桨盘的气流结构。 二、涵道推力的物理解构 2.1 推力不是来自一个地方传统螺旋桨的推力来自桨叶对气流做功。涵道风扇的推力来自两个独立物理来源： Ttotal=Trotor+Tduct T_{\text{total}} = T_{\text{rotor}} + T_{\text{duct}} Ttotal​=Trotor​+Tduct​ 其中 TrotorT_{\text{rotor}}Trotor​ 是旋翼推力（与开放螺旋桨相同），TductT_{\text{duct}}Tduct​ 是涵道壁面上的压力积分产生的额外推力。 更准确的三分分解（Kriebel[2] 模型）： Tduct=Tl...

一、为什么需要六旋翼四旋翼无人机是最常见的多旋翼构型，但它有一个致命缺陷：任何单个电机或螺旋桨失效，飞行器必然失控坠毁。 这不是工程优化问题，而是数学约束问题。 一个四旋翼有 4 个独立旋翼，产生 4 个控制输入（推力 f1,f2,f3,f4f_1, f_2, f_3, f_4f1​,f2​,f3​,f4​），而刚体飞行器在三维空间中有 6 个自由度（位置 x,y,zx, y, zx,y,z 和姿态 ϕ,θ,ψ\phi, \theta, \psiϕ,θ,ψ）。但由于多旋翼的欠驱动特性，4 个旋翼实际可控的自由度只有 4 个（通常为总推力 + 三个力矩），恰好满足悬停和基本机动的必要条件。 四旋翼一旦失去一个电机，控制输入数降到 3，无法独立控制三个力矩轴——飞行器必然失控。这是 Freddi 等[1]严格证明过的结论。 六旋翼有 6 个独立旋翼，产生 6 个控制输入，而悬停和姿态控制只需 4 个虚拟控制量（u1u_1u1​ 总推力，u2,u3,u4u_2, u_3, u_4u2​,u3​,u4​ 三轴力矩）。多余的两个自由度就是容错空间——即使某个旋翼完全失效，剩余 5 个旋翼仍...

本文适合谁：完全不知道 3DGS 是什么的读者。读完你能理解它为什么让学术界和工业界同时兴奋——从只能靠神经网络慢慢查询，进化到用”高斯颜料球”直接往屏幕上泼。 一、这门技术解决了什么问题你的手机拍了一张照片。照片是一张二维的图像，记录的是相机在那个位置、那个角度看到的东西。换个位置——哪怕只挪半米——拍出来的就是另一张完全不同的照片。 新视角合成（Novel View Synthesis, NVS） 解决的问题是：给你若干张从已知位置拍的照片，你能生成从任意新位置、新角度看到的画面吗？ 听起来像科幻。但是：能。而且 2023 年之后，能实时做了。 3DGS 之前的王者是 NeRF（Neural Radiance Fields, Mildenhall et al., ECCV 2020）——用神经网络记住一个场景。查询摄像头光线上每个点的颜色和透明度，然后把一整条光线上的点”捏合”成像素。效果惊艳，但一个致命问题：渲染一帧需要几秒甚至几十秒。原因是每条光线要跑几百次神经网络——这是个几百次MLP前向传播的问题。 3DGS 换了条完全不同的路。问的不是”这条光线经过哪些点”，...

34.6万字，14章，雷军30年创业心法的首次系统输出。 读完《小米创业思考》，最大的感受是：这本书不是一本”成功学”，而是一本工程学。 雷军写这本书的方式，和他做产品的方式完全一致——拆解、定义、量化、迭代。全书的核心可以浓缩为两句话：用互联网思维做制造业，用效率革命击穿价格壁垒。下面从几个维度谈谈读后感。 一、七字诀不是口号，是操作系统专注、极致、口碑、快——这四个词被无数互联网公司挂在墙上，但真正像小米一样把它们当作操作系统来运行的，少之又少。 雷军在书中对”七字诀”的拆解是全书最精彩的部分： 专注不是什么都做，而是”在关键点上饱和攻击”。小米早期只做三款产品（手机、MIUI、米聊），把所有资源集中到一个针尖上。这种”少即是多”的逻辑，来自雷军在金山时期”什么都想做、什么都没做好”的血泪教训。 极致不是堆料，而是”把自己逼疯，把对手逼死”。书中举了MIUI每周更新的例子——在Android厂商普遍半年更新一次系统的年代，小米坚持每周迭代。这不是技术问题，是意愿问题。 口碑的核心不是营销，而是”超越预期”。雷军有一句话印象深刻：口碑的真谛是，你做的比用户想的多一点点。...

一、一个团队，一年四篇顶刊2026 年，上海交通大学 Danping Zou 和 Wenxian Yu 团队在四旋翼可微仿真领域密集输出了四篇论文，覆盖了从理论框架到真实部署的完整链路。加上 2025 年发表在 Nature Machine Intelligence 上的《Back to Newton’s Laws》，这支团队在可微物理+四旋翼这个方向上已经建立了体系化的方法论。 四篇论文不是孤立的工作——它们是一套逐渐完善的技术栈： 论文 arXiv 核心贡献 E2E-Fly 2604.12916 完整训练-部署系统：可微物理→渲染→域随机化→真机 High-Fidelity Diff Sim 2604.10548 深度图直接映射体速率，替代传统感知→规划→控制管线 VisFly-Lab 2603.21123 统一可微框架：悬停/追踪/着陆/竞速，修正 BPTT 梯度 Gap Traversal 2604.02779 SE(3) 可微仿真，零样本穿越不规则缝隙 下面逐一拆解。 二、E2E-Fly：从可微物理到真机部署...