ZiShu | 子舒修改

2026-09-23 08:00:00

做视频的人大概都遇到过这种小事：视频已经剪完了，只差把字幕贴上去，但为了这么一点收尾工作，还得打开一个不算便宜的剪辑软件，或者把文件传到某个在线网站，等处理、等下载，顺便担心视频会不会留在别人服务器上。

今天我刚好就遇到了这么一个问题，公司需要录制几段简单的教程视频，等我录制完准备添加字幕的时候发现，我找了一圈没找到特别顺手的工具，不是要登录注册就是要上传字幕文件等。

我的需求很简单，就是给一段视频填写几段字幕说明，这么一个简单的需求，硬是折腾了我半天，最后我使用了口播的方式去解决了。但是当我坐下来休息的时候开始思考，为什么没有这么简单的工具，大概率是有的，只是我没找到而已。

想了半天决定自己动手。

于是我做了“字幕工作室”：一个完全运行在浏览器里的视频字幕编辑和烧录工具。拖进一个本地 MP4，在时间轴上分段、写字、调样式，预览满意后直接导出带字幕的视频。不用注册，不用后端，也没有水印。

它不是一个完整的视频剪辑器，定位很窄，就是处理字幕这件事。

时间轴是核心。视频播放到某个位置，添加一个字幕段，再编辑文字和起止时间。字幕段可以拖动、复制、删除，预览区会按照当前播放时间实时把字幕叠加到画面上。样式可以统一设置，也可以单独覆盖某一段，比如大部分字幕都放底部，只有个别说明文字放顶部。颜色、字号、透明度、位置和对齐方式都能调。

真正麻烦的部分其实在导出。浏览器里播放视频很简单，但要把字幕重新画进每一帧，再编码成一个新的 MP4，并不只是截几张图。这里用到了浏览器提供的 WebCodecs，通过 VideoDecoder 逐帧解码原视频，把画面和字幕一起绘制到画布上，再用 VideoEncoder 编码，最后交给 mp4-muxer 封装。音频如果原本是 AAC，就直接转封装进新文件，尽量避免重新处理。

原视频的解析交给 mp4box。导入后先读取分辨率、时长、编码和音轨这些信息，导出时也据此决定能否走完整流程。听着像一条很自然的流水线，实际写起来要处理不少细节：编码器可能延迟返回元数据，解码和编码队列需要一边消费一边背压，视频帧用完必须及时释放，浏览器不同版本对 H.264 的支持也会有差异。很多工作不是“能不能实现”，而是怎样让长视频在内存和性能都有限的情况下尽量稳定。

这个工具坚持本地处理，不是为了显得技术先进，而是因为视频文件本来就适合留在本地。整个过程中视频不会上传，编辑状态和最近使用的视频通过 IndexedDB 存在浏览器里，下次打开可以继续。代价也很明确：缓存依赖浏览器配额，清空站点数据就会丢失；超大视频仍然受设备内存和编码器限制。目前最稳妥的环境还是桌面版 Chrome 或 Edge，Safari 和部分视频编码格式会受到平台能力约束。

我比较喜欢这种形态。它没有后端，没有账号体系，也没有复杂的协作功能，打开网页就能完成一件具体的事。用完关掉页面，项目留在自己的电脑上，不需要考虑文件什么时候会被删除，也不需要为了一个边缘需求维护一整套服务器。

欢迎体验，可以提一些意见和改进方案。

当前更新，支持本地识别音频，转为文字自动生成字幕到对应的时间节点，然后可以手动调节内容（毕竟识别也不是 100% 准确）。

GitHub: https://github.com/anghunk/video-transcript
在线使用：https://video-transcript.zishu.me

2026-09-22 08:00:00

代理用久了，想法会变

上一篇文章写了怎么把 Trae 桌面端的模型变成本地 OpenAI 兼容接口。当时脑子里想的还是“代理”：Trae 的私有协议进来，标准的 OpenAI 协议出去，能调通就行。

用了一段时间之后，想法慢慢变了。

因为我发现自己在调的不只是 Trae。DeepSeek 的官方 key、Kimi、智谱、本地 Ollama，甚至偶尔用一下 Anthropic 和 Gemini——每个都有自己一套地址、key、模型名。Trae 这边有两个区域，代理还得开两个端口。客户端里塞了四五套配置，每次换工具都要重新填一遍。

所以后来重写的时候，方向就不是“把 Trae 转发得更稳”，而是“把本地所有模型渠道收拢成一个入口”。也就是一个本地大模型网关。

网关和代理的区别

代理做的是“翻译”：上游是什么，就尽量原样透传成什么。

网关做的是“收口”：不管上游是 Trae、OpenAI 兼容服务、Anthropic、Gemini 还是 Ollama，对客户端来说都只是同一个地址、同一个模型列表、同一套鉴权。

具体到现在的项目：

所有渠道都注册在同一个网关里，模型 id 统一带前缀，比如 trae-cn/glm-5.3、deepseek/deepseek-chat、ollama/llama3.1。客户端只认一个 baseURL，配一把 key，从 /v1/models 拉到什么就调什么，不需要知道模型背后是哪家。

网关自己负责拆模型 id、选渠道、转发、记录用量。Trae 登录态这种只有本机能拿的东西，也成了其中一个渠道，而不是整个项目的全部。

顺带解决的那些小事

做成网关之后，很多以前“凑合能用”的地方自然就有了答案。

之前 key 只有“有”和“没有”两种状态，现在可以限制某个 key 只能访问某些渠道、某些模型。之前用量全靠猜，现在每次请求都会落到 SQLite，管理台能看到汇总、分布和最近记录。之前想给 CC Switch、opencode 配置，得手动填地址和 key，现在管理台直接唤起官方导入，opencode 也有脚本自动写入实时模型目录。

这些功能单个看都不算复杂，但合在一起才像“网关”而不是“脚本”。

一点感受

这个项目做到后面，最大的变化不是代码变多，而是看待它的方式变了：Trae 只是模型来源之一，真正的产品是本地那个统一的 /v1 端点。

如果你只是想偶尔在别的工具里用一下 Trae，一个轻量代理就够了。但如果你想在自己的电脑上长期维护一个“什么模型都能接、所有客户端都只配一次”的入口，网关这个思路更顺。

参考与许可

实现思路和部分代码参考：

• dingminhua/dsh-connect-trae（MIT）
• weixiaokuan123/trae-proxy（MIT）
• Wang-JQ77/dsh-trae-api（MIT）

版权与署名见仓库的 LICENSE 与 THIRD_PARTY_NOTICES.md。

Github: https://github.com/anghunk/trae-proxy

提醒：本项目只适用于自己已登录的账号，请遵守 Trae 的服务条款，不要用于绕过计费或多人共享。

2026-09-21 08:00:00

起因

Trae 桌面端登录后能用一批模型，但只能在它自己的界面里用。我想在别的工具里也调这些模型——不想再单独买 API key，也不想把凭据复制来复制去。

于是就有了 trae-proxy：一个纯 Node、零第三方依赖的本地代理，把 Trae 桌面端已登录的模型暴露成标准的 OpenAI 兼容 API。任何支持 OpenAI 协议的客户端、IDE 插件、SDK、CLI，填上 baseURL + apiKey 就能用。

国内版（cn）  http://127.0.0.1:39303/v1
国际版（ai）  http://127.0.0.1:39304/v1

一个进程同时服务两个区域，各自用独立的持久 bearer key 做本地鉴权。

整体思路

Trae 桌面端的登录态是加密存在本地 storage.json 里的，对话走的是私有 SSE 事件协议。所以代理要做三件事：

1. 离线解密本地登录态。只用 node:crypto：硬编码盐 + AES-128-CBC + SHA-512 KDF，不需要安装 Trae 之外的任何东西。
2. 复刻客户端请求。设备指纹头（machineId / deviceId / appVersion 等）、Cloud-IDE-JWT 鉴权、SOLO 通道的请求体格式。
3. 桥接 SSE。把 Trae 私有事件流转成标准 /v1/chat/completions 增量，包括 tool_calls 和 usage。

有一个刻意的设计：token 刷新只在进程内存里做，绝不写回桌面端文件、不落地副本。代理只读登录态，也不提供账号切换——避免把「读」变成「改」。

运行门槛也压到了最低：Node 22.19+ / 24+，靠原生类型擦除直接跑 TypeScript，不用构建、不用 npm install。

踩过的四个坑

这部分才是真正费时间的地方。

一、上游悄悄加了两个必填字段

某天开始，所有对话请求都失败，但表现非常具有误导性：

• 公开网关：HTTP 200，只回一个 error 事件，4011 requests have exceeded the rate limit（看起来像被限流）
• 企业网关：HTTP 200，4001 the param is invalid（看起来像参数写错）

实际原因是上游协议更新，请求体新增了 request_id / session_id 两个必填字段，老客户端不传就被拒。而且服务端用 HTTP 200 + error 事件来报错，状态码完全帮不上忙。

修法很简单——逐请求生成两个 UUID（去掉横杠）。但从「限流」这个误导性错误码反推到「缺字段」，绕了不少路。

二、企业版账号必须走企业网关

我用的不是私有部署，是购买的企业版 SaaS 套餐。这类账号的 storage.json 里会有一个 iCubeHostInfo：

"iCubeHostInfo": {
  "consoleHost": "https://console.enterprise.trae.cn",
  "apiHost": "https://console.enterprise.trae.cn"
}

企业版账号在公开网关上会被拒（就是上面那个假的 4011）。所以代理的做法是：

每个请求实时读取当前登录态的 iCubeHostInfo，自动选路——探测到企业网关就整体切过去（对话和模型目录都是），普通账号回落公开网关。

好处是切换账号不用重启进程。这也是为什么文档里要同时说明普通版和企业版都支持。

三、模型目录是分层的，不是一个接口

Trae 的模型不是从单一接口拿的，而是分散在多个 directory function 下。代理的策略是按优先级 union 所有能拉到的结果，first-wins——同一个模型出现在多个 function 里时，第一个命中的决定调用时该带哪个 function 字段。

因此一个很实际的问题：CN 区最初漏了 solo_agent 这个目录，导致客户端里有、代理里没有几个模型。把 solo_agent 追加到目录列表末尾（借 first-wins 保证不影响已有模型）后，一次性多出 4 个可用模型。

四、客户端能选的模型，服务端不一定有

这是最反直觉的一个。

现象：DeepSeek-V4.1-Flash 在 Trae 客户端里能正常选择、能正常生成，但走代理转发就稳定报 4001 the param is invalid，其他模型全部正常。

排查过程（穷举）：

• 换 function：solo_work_lite / solo_work_remote / solo_agent / chat_v3 / builder_v3 / builder —— 全部 4001
• 换网关：企业网关目录 42 个模型、公开网关目录 73 个模型 —— 两个都没有这个模型
• 换版本号 / agent_type / mode_type 组合 —— 目录数量不变
• 换模型名写法：__dev、__max、全小写、-Official —— 全部 4001

最后换到客户端 builder 用的 create_agent_task 通道，服务端终于给出了直白的错误：

config item is empty for config opt:
{"Function":"solo_agent","ConfigName":"DeepSeek-V4.1-Flash",...}

服务端配置表里就没有这个模型。

那客户端为什么能用？因为 Trae 桌面端的 native 二进制内置了一份 fallback 模型表。客户端本地缓存里确实有 DeepSeek-V4.1-Flash，但它缺少服务端下发时才有的 encrypted_model_params 字段——说明它来自本地内置表，而不是网关下发。客户端自己也清楚这一点，日志里会回退：

legacy recent selection unresolved before fallback
{"legacyModelKey":"1_-_DeepSeek-V4.1-Flash","fallbackApplied":true}

结论：这是客户端「内置了模型」和「网关服务端还没开通」之间的时间差。代理侧无能为力，只能等后台开通。

一点反思

这个项目里最花时间的不是写代码，而是从误导性的错误码里反推真实原因。HTTP 200 + 业务错误事件、假的「限流」、客户端有服务端没有的模型，这几件事凑在一起，每一步都能把人引到错误的方向。

我的经验是：当同一个请求「状态码正常但内容不对」时，不要相信错误信息本身，要去构造对照实验——固定其他变量只换一个，看哪个变量真正改变了结果。上面那条 config item is empty 就是这么逼出来的。

参考与许可

这个项目是站在别人肩膀上的。实现思路和部分代码参考了：

• dingminhua/dsh-connect-trae（MIT）
• weixiaokuan123/trae-proxy（MIT）
• Wang-JQ77/dsh-trae-api（MIT）

版权与署名见仓库的 LICENSE 与 THIRD_PARTY_NOTICES.md。

Github: https://github.com/anghunk/trae-proxy

提醒：本项目只适用于自己已登录的账号，请遵守 Trae 的服务条款，不要用于绕过计费或多人共享。

2026-09-19 08:00:00

出了什么问题

升级 Xcode 27 后，在 HBuilderX 里运行到 iOS 模拟器基座，直接报错：

Command failed: open -a Simulator
Unable to find application named 'Simulator'

Xcode 26 及以前一直正常，这是 Xcode 27 才出现的问题。

什么原因

Xcode 27 起不再附带 Simulator.app，模拟器界面并入了新的 DeviceHub.app：

ls /Applications/Xcode.app/Contents/Applications/
# DeviceHub.app 在这里，Simulator.app 没了

模拟器本体没坏（simctl、运行时、设备都正常），但 HBuilderX 启动模拟器时写死执行 open -a Simulator，系统里已经没有叫这个名字的应用，于是启动失败。这是 DCloud 论坛的已知问题，官方暂未适配。

怎么解决

在 /Applications 下创建一个名为 Simulator.app 的转发壳，把 open -a Simulator 转给 DeviceHub：

mkdir -p "/Applications/Simulator.app/Contents/MacOS"

cat > "/Applications/Simulator.app/Contents/Info.plist" <<'EOF'
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
	<key>CFBundleName</key>
	<string>Simulator</string>
	<key>CFBundleDisplayName</key>
	<string>Simulator</string>
	<key>CFBundleIdentifier</key>
	<string>com.local.simulator-launcher</string>
	<key>CFBundleExecutable</key>
	<string>SimulatorLauncher</string>
	<key>CFBundlePackageType</key>
	<string>APPL</string>
	<key>CFBundleShortVersionString</key>
	<string>1.0</string>
	<key>CFBundleVersion</key>
	<string>1.0</string>
	<key>LSUIElement</key>
	<true/>
	<key>LSMinimumSystemVersion</key>
	<string>13.0</string>
</dict>
</plist>
EOF

cat > "/Applications/Simulator.app/Contents/MacOS/SimulatorLauncher" <<'EOF'
#!/bin/bash
# Xcode 27 起不再附带 Simulator.app，模拟器界面由 DeviceHub 承担，
# 把 open -a Simulator 转发给 DeviceHub。
exec /usr/bin/open -a "/Applications/Xcode.app/Contents/Applications/DeviceHub.app" "$@"
EOF

chmod +x "/Applications/Simulator.app/Contents/MacOS/SimulatorLauncher"

# 注册到 LaunchServices
/System/Library/Frameworks/CoreServices.framework/Frameworks/LaunchServices.framework/Support/lsregister \
  -f /Applications/Simulator.app

验证一下：

open -a Simulator   # DeviceHub 正常打开即可

然后重启 HBuilderX，重新运行到 iOS 模拟器即可恢复和以前一样的流程。如果 DeviceHub 里没自动弹出模拟器画面，在它左侧设备列表点一下对应的 iPhone。

想撤销的话，删掉 /Applications/Simulator.app 就行；等 HBuilderX 官方适配 Xcode 27 后也可以删。

2026-08-14 08:00:00

昨天晚上 DeekSeek Harness 发了预览版本，我也是第一时间安装了，它提供了两种安装方式，下载源码运行或者通过 npm 运行。

Github: https://github.com/deepseek-ai/deepseek-harness

Npm: https://www.npmjs.com/package/@deepseek-ai/dsh

跟传统的 Agent 工具不同的话，它目前不包含客户端、cli 端，运行方式是在终端执行 dsh web 或者下面这个方式，在本地起一个服务，然后浏览器访问。

xxx@abcdeMacBook-Air ~ % npx @deepseek-ai/dsh web
dsh web: http://127.0.0.1:3080

它与大多数"以 LLM 调用为核心的框架"不同：整个产品由插件构成，没有任何特权核心。模型适配器、工具注册表、会话日志、Agent 循环、沙箱、Web 界面……每一个能力都是一枚 Cordis 插件，都能在配置层被替换、被拦截、被扩展。这种"一切皆插件"的架构让 dsh 拥有极强的可组合性。

这也是我对他很感兴趣的地方，它抛弃了 Skills、Tools、MCP、Hooks 这些概念，把一切内容都插件化，做成可插拔的形式，沙箱你不满意，OK 直接重写一个；权限控制不满意，重写一个。几乎是提供了一个骨架，然后你可以任意扩展，同时默认已经给你搭配好了。

还有一个很大的特色就是看到每条对话的思维轨迹，我觉得在学习 Agent 运行原理时非常有用。可以清除的看到每次会话，AI 都做了什么，调用了什么工具等等。

打个比方说，别的 Agent 是一辆新能源电车，你可以自己装冰箱彩电大沙发，但是不论你怎么改造，它本质上还是一辆车；但是我认为 dsh 抛弃了这套做法，他可以是一辆车，也可以是一艘船，或者一架飞机，这完全取决于开发想要怎么去搭配它。

今天玩了一天，感触很深，虽然目前还是预览阶段，但是它的生态已经初见端倪，随着时间的推移，这份生态必定会越发庞大，我非常看他好它的前景。这不只是一个 Agent 工具，更像是一个新的概念在创造。

然后我让 DeekSeek Harness 它自己读了一遍自己源码，写了一份源码解析指南，分享出来：

《DeepSeek Harness 源码解析指南》 (作者：DeekSeek Harness)

2026-08-10 08:00:00

我目前使用的 AI 工具是 Zcode，然后搭配 Opencode Go 套餐里面的 deepseek-v4-flash 模型。性价比很高，速度和模型能力都非常棒，所以被我当成主力模型。

但是它存在一个巨大的问题就是不支持多模态，官网目前好像是支持视觉识别了，但是我是调用了 api 在第三方客户端。而我恰好非常需要这个场景，所以我就想了一个办法，如果能在不更改当前会话模型的情况下，进行图片识别，那就很完美。

首先我想到了利用 skills，调用多模态模型工具去识别图片，把识别到的结果返回给当前会话模型。

这个思路听着简单，但一开始我也有点拿不准：skill 这东西，说白了就是给模型的一份 Markdown 说明书，它本身不会"跑在别的模型上"。真正干活的是当前模型——它照着说明书，用自己手头的工具（比如跑个 Python 脚本）去调外部 API。

也就是说，关键不是 skill 本身多厉害，而是它能不能把"调用外部多模态模型"这件事，变成当前模型随手就能做的动作。

于是整个流程就成了这样：

1. 使用者发给客户端一张图，但当前模型没眼睛，图片直接被省略，只留下一个文件路径
2. 模型发现自己看不了图，翻开这份说明书：哦，要先跑一下 analyze_image.py
3. 脚本把图片 base64 编码，POST 给多模态模型（我用的是 DashScope 的 qwen3.7-plus，走 Anthropic 兼容接口）
4. 多模态模型看完图，返回一段文字描述
5. 当前模型拿着这段文字，继续帮使用者干活

整个链路对使用者来说来说是无感的，图还是那张图，任务还是那个任务，中间只是多了一个"帮我看了看"的环节。

代码上其实就两个文件：一个 SKILL.md 负责告诉模型"什么时候该用、怎么用"，一个 analyze_image.py 负责真正调 API。配置放在 config.json 里，填上 API key 就行。

而且兼容了不同 API 格式，不管是 OpenAI 格式还是 Anthropic 都可以兼容，参考下面的说明文档即可。

我目前搭配的是阿里百炼的 qwen3.7-plus，效果非常不错。可以手动下载，也可以通过指令下载

具体代码我也已经开源出来了，下载到你的 AI Agent 目录下即可，README 中也有详细说明，如果有类似的需求可以试试看。

Github: https://github.com/anghunk/image-analysis-fallback

git clone https://github.com/anghunk/image-analysis-fallback.git ~/.zcode/skills/image-analysis-fallback