MoreRSS

site iconManatee LazyCat修改

懒猫微服CEO,Linux, Emacs开源社区从业二十余载。
请复制 RSS 到你的阅读器,或快速订阅到 :

Inoreader Feedly Follow Feedbin Local Reader

Manatee LazyCat的 RSS 预览

AI快速构建的方法

2026-08-13 00:00:00

1. 调研

一定要用 Grok 调研,Grok 数据最新,它还知道社区评价哪个最好。让 Grok 给你做技术调研最靠谱,它会告诉你根本没听过、但别人已经实现的 GitHub 项目。

2. 设计图

先把界面用 AI 搭建好,不要做任何功能开发。手机和电脑的布局和 UX 都想好,UI 主要让设计师把配色方案定好。

3. AI

Grok 调研的项目直接丢给 Codex,直接让 GPT 5.6 Max 去蹬。

这样组合拳,你的项目一出来就是顶级能力,后期调节一下 UI 细节就可以快速发布了。

跨平台真正难的是底层 API 兼容

2026-08-12 00:00:00

跨平台不光是界面要长得一样,跨平台的差异性恰恰是底层 API 的访问方式不一样。

跨平台真正难的是绘制下面不同 API 的调用,这些底层 API 的行为、系统版本都不一样,兼容性才是跨平台,不光是画得一样。真正的跨平台不光绘制要统一,还要底层 API 统一。

Windows、Mac、Linux 这么多系统,各自还有这么多版本,它们自己都很难统一。你要跨所有操作系统统一,本身就是乌托邦。因为这些厂商还活着,每天都要整活、整创新。

Flutter 只解决了绘制问题

Flutter 这种只是解决了跨平台的绘制问题。

我不看好 Flutter,不是因为它技术不强,而是平台相互竞争,会不断做出不一样的 API。每个平台有新版本和新 API,就一定有适配过程,这就是商业不稳定的潜在因素。

Flutter 做复杂应用一直被人诟病,有各种坑和小 bug。

Qt 的问题是生产力

Qt 主要是生产力不行,跟前端差太远。AI 之前,要做好看的界面就得做很多自绘工作,花很大功夫,一般人没有自绘能力。

AI 之后我也不建议用 Qt,除非做工控设备、硬件资源有限或对性能要求高。前端既有代码比 Qt 多很多,数据量大很多倍的时候,AI 写代码比 Qt 快很多。

很多开发者说可以用 Qt 加 WebView,恰恰是你们的业务不需要真正全平台覆盖,不需要服务那些旧版本操作系统的用户。

真正商业化的跨平台

WebView 和 WebEngine 写个 demo 或简单应用肯定没问题。

但真正商业化的跨平台,不是只支持最新的 Windows、Mac、Linux 就行。有很多古老的 Windows,也有很多不同底层 API 的 Mac,跨平台要支持很多不同系统的不同版本,这些都要做到才能商业化。

这也是 Electron 这么多年积累版本兼容性的关键。PC 端的差异性基本上被 Electron 抹平了。

很多人说用 Web 解决绘制统一,再针对不同系统、不同版本的 API 做兼容,装个中间层就行。

那不就是 Electron 吗?

Electron 的臃肿不是开发者想搞成臃肿,真正做成你们认为的跨平台,臃肿就是代价,因为臃肿就是兼容性。

没有什么技术又不臃肿又能优雅跨操作系统,除非这些操作系统厂商都死掉了。

我发现推特过一段时间就有人说 Electron 各种不行。注意看,正反双方辩论都还围绕着“拿一个绘制引擎就能解决问题”。

但真正用 Electron 做商业化的人是不参与讨论的,参与讨论的都是很少做跨平台商业化的,都是个人项目自己用,以个人项目的论点在说话。

AI 时代应该怎么做跨平台

AI 时代之前,大家愿意用跨平台技术,适配再慢也比人工写多份代码强。这些跨平台技术解决的都是效率和经济问题。

但 AI 时代以后,工作量已经不是问题了。

你把一个平台的产品细节做完美,再让 AI 用另一个平台的原生语言重写一遍,其实不是问题。用原生 API,所以非常稳定。

AI 能很好地用原生去复制另一个平台的时候,我们为什么还不用原生技术写 APP 呢?

所以在 AI 时代,最好的选择还是我上一个帖子说的:PC 端老老实实用 Electron,移动端老老实实用 AI 调原生应用,各写各的。

我的所有结论都基于商业化。超级复杂的应用一定要稳定的用户体验,不要给用户小 bug。

如果大佬们自己写小工具,触发不了这种 bug,或者自己用,另当别说😂

最后还是那句话,没有做过商业化,被毒打的太少了,才会觉得自己可以🤡

你眼中的别人才是你

2026-08-11 00:00:00

别人眼中的你不是你

因为别人不了解你,所以不用为别人的言论所累。

你眼中的自己也不是你

每个人都会多多少少自恋,用完美形象包装和欺骗自己,所以有时候并不真实。

你眼中的别人才是你

你怎么看别人,其实就是你内心最潜意识的镜子反射。善良的人看所有人都是好人,邪恶的人看所有人都觉得别人是 SB,所以这种视角最真实。

常常用第三种视角自省,会让自己对自己有清晰的认识,保持谦虚和进步。

顶级售后服务团队的三个核心方法

2026-08-10 00:00:00

周末被用户夸了,说我们的售后服务是世界顶级的(我们的产品也很好,好吧?用料都是一线品牌)

今天不讲产品,今天跟大家分享一下,一个创业公司要怎么建立一个顶级的售后服务团队

4 年的实战经验,市面上的书是不讲这个事情的

  1. 顶级的人才:其实世界上大多数的科技公司建售后的时候都犯了错误,他们找了很多声音很好听的妹子去服务科技用户。其实科技用户不管是电话还是微信找到你的时候,他其实是想让你帮他解决问题的。你的声音如果再好听。如果不能帮他解决问题。用户最终还是会不满意的。所以我们的售后工程师都主要从写代码和做运维的两方面来招人才,技术要求就是对 Linux 要很了解,平常玩 Linux 要很深入,要比我们 80% 的用户的水平要高,只有这样才能在最短的时间之内解决用户的问题,让用户认可我们的专业能力

  2. 积极主动:我们给可以用户提供 7x18 个小时的售后服务(当然我们是有倒班的,我们的售后工程师也从不加班)用户遇到的问题,第一时间要先去响应用户,先不要去看是谁的问题,要站在用户的角度去解决问题,而不要去管公司有什么制度。所以我们经常会遇到这种情况,就是用户经常其实是自己的问题,但是他不懂就向我们发火,我们最后帮他解决问题以后呢,双方变成了好朋友。我们甚至有很多用户,他家里买什么路由器,他的电脑坏了,都会找我们的售后工程师,当成了习惯。当然我们只要用户有问题,我们就帮用户解决问题,即使不是懒猫微服的问题,我们也积极响应用户。因为在这个时候,我们建立的不是甲乙双方的关系,而是一个相互帮助的朋友关系。当我们建立了信任以后,用户会特别感动,甚至会推荐他的好朋友买我们的设备

  3. 强大的心脏,我面试售后的同事,最喜欢问的一个问题,就是说我们的用户大多数都是技术高手,大多数用户都是比较友好的。但是有一少部分用户,他们并没有恶意,只是说话欠缺考虑,然后比较难听。这个时候会不会影响你的生活?当然,大多数人都会说,这个是工作呀,肯定要把工作和生活分开。其实我并不是在找这个问题的答案,而是在找当售后工程师回答这个问题的时候,是不是在笑。是不是在乐观的去看这个事情?如果当一个人的家庭或者他的心理状态是非常好的时候,他才能扛得住。这种负面情绪,而不是要用理智或者说专业知识去扛,只有一个积极乐观的人才能感染我们的用户,让他们也变得更乐观

上面这 3 点就是我建立顶级售后团队的方法,技术专业人才、主动解决问题、积极乐观。当你真正的建立这样的售后团队的时候,其实他们也是一种销售团队,因为他们通过服务用户来传递我们的口碑

希望我的分享可以帮助到很多创业团队。创业团队技术和产品是你出圈和启动的基础,而营销和高质量的售后才是你真正能走多远的决定性因素

不要回忆委屈来限制自己的人生

2026-08-08 00:00:00

最近看一本书,真的写的太好了,分享给大家

委屈,是人最隐蔽的傲慢,委屈的潜台词,是我本不该受苦,沉浸委屈,便是困在受害者思维

我们下意识认定世人皆亏欠自己,别人的误解,只是映照内心的镜子

镜中所见,是未曾化解的高傲执念,苦难从来不由旁人单方面造成

执念 “我该被优待“ 才是痛苦源头,小我最爱借委屈博取同情与道理,一旦停止为自我边界,委屈消散

外界人与事无法真正惊扰本心,扰乱心绪的从来只有只身执念,不必对抗外界所有不顺与伤害,接纳无常,放下等价回报期待,一点点降服内心傲慢与计较

心中乌对立,世界便无与你对立之人,执念消融,人生只剩从容自在

用AI识别扫描PDF中表格和示意图的方法

2026-08-06 00:00:00

今天有一个懒猫微服的用户提出了建议:很多技术PDF书籍里面有大量的表格和示意图,PDF转换成EPUB的时候,能否把这些表格和示意图截取出来放到EPUB中?

如果是可编辑的PDF就比较好处理,因为可以通过MuPDF这个库来分别提取文字和图片,但是扫描版的PDF,不管是文字还是表格示意图其实都是整张图的一部分,无法通过PDF库来识别,必须靠AI模型来识别后并采用截图的方法才能做到

本来我是没有抱希望的,所以,我就和GPT探讨是否有我上面想的这种方案? 用AI模型来识别扫描版PDF的表格和示意图部分,没想到GPT说,真的有这种模型,而且CPU跑就行了,不用GPU

下面是我拿了一本500页的扫描图书实测的效果: AI模型:PicoDet-S_layout_3cls CPU:Ryzen AI 9 HX PRO 370,12 个线程 推理模式:Paddle MKL-DNN 全书模型检测:9.557 秒 平均:17.31 ms/页

效果也很明显,看图3, 大部分表格和示意图的地方都被标注出来了

懒猫读书已经是扫描版PDF转换EPUB最好的整体解决方案了,喜欢读书的老板欢迎采购懒猫微服,我亲自给你写代码服务

检测配置与结果概览

逐页检测结果

扫描书页面标注示例