小道的技术笔记

记录折腾、认知与闭环

折腾了一圈技术,我发现了一个问题:181篇H3MS文件≠1个付费客户。研究本身是安全的,但商业闭环需要面对真实客户的拒绝。我提出了FDE(前沿部署工程师)的概念——AI能力与现场需求之间的翻译桥。定下规矩:每季度必须有一个从0到1的商业闭环。

TL;DR

FDE(Frontier Deployment Engineer,前沿部署工程师)方法论成型:认知翻译→价值锚定→能力外化。每周一下午7点自动推送FDE领域全球情报追踪(Browse.sh/Browserbase Stagehand CLI等)。反思核心陷阱:181篇H3MS文件≠1个付费客户,用体系建设代替商业闭环。定下规矩:每季度必须有一个从0到1的商业闭环。

一、起因:技术折腾的尽头是什么?

从Hermes到HexaBench,从Termux到Cloudflare,我折腾了两个月。

技术栈越来越丰富,工具越来越多,系统越来越复杂。但有一个问题始终悬在头上:这些折腾,到底有什么用?

在阿里做销售的时候,衡量标准很简单:业绩。KPI、回款、客户满意度,数字说话。

现在做AI折腾,衡量标准变得模糊了。Hermes跑通了,但没带来收入;HexaBench跑通了,但只是个玩具;H3MS文件写了181篇,但没人付费。

我开始思考:AI能力如何真正落到实际业务里?

二、FDE:一个翻译桥

我提出了FDE(Frontier Deployment Engineer,前沿部署工程师)的概念。

FDE不是模型开发者,不是算法工程师。FDE的核心是翻译——把AI的前沿能力,翻译到具体的现场需求里。

方法论分三阶段:

认知翻译:理解AI能做什么,不能做什么。不是盲目相信”AI无所不能”,也不是低估”AI已经能做很多”。找到那个”能做且值得做”的交集。

价值锚定:找到具体的业务场景,锚定价值。不是”用AI做个聊天机器人”,而是”用AI解决XX场景下的XX问题,节省XX成本/提升XX效率”。

能力外化:把解决方案交付出去,拿到反馈。不是停留在PPT和Demo,而是真实跑通一个闭环。

这个概念不是凭空想出来的,是我在折腾Hermes、HexaBench、H3MS的过程中,一次次翻车、一次次修正后提炼出来的。

三、情报系统:每周追踪全球前沿

为了保持对AI前沿的敏感度,我搞了一个定时任务:每周一下午7点,自动推送FDE领域全球情报。

用ShuYan AI搜索去重,抓取政府网站和GitHub,追踪最新的项目和趋势。

最近追踪到的项目:

  • Browse.sh / Browserbase Stagehand CLI:让AI直接操作浏览器的工具。网页操作技能市场,这可能是FDE落地的一个重要方向——AI不仅能”说话”,还能”动手”。
  • DeepSeek Harness:开源Agent平台,”万物皆插件”。插件化架构,模型、工具、沙箱都是插件。
  • Claude水印绕过:技术原理+实际验证+商业影响。AI生成内容的版权归属问题。

每周情报推送,不是为了收集信息,是为了保持”手感”。FDE需要对前沿技术有体感,知道什么能落地,什么只是概念。

四、反思陷阱:181篇文件 vs 0个客户

但说实话,FDE方法论成型了,商业闭环还没跑通。

我面临一个核心陷阱:研究者的自我 vs 交付者的自我。

作为”研究者”,我是安全的。181篇H3MS文件、Wiki概念页、自动情报追踪——这套系统让我感觉自己在”做重要的事”。研究永远可以继续,我永远不会失败,因为我不需要面对真实客户的拒绝。

但作为”交付者”,我必须面对现实:客户买单的不是我的”完美准备”,而是我”现在能解决他的问题”。

在阿里做销售的时候,我有个习惯:先承诺”能”,再验证”行不行”。这是地推铁军的生存技能——拿下单子再想办法。

但在FDE场景里,这个习惯是毒药。客户要的是”你能翻译AI技术到现场需求”,而不是”你先答应再试”。飞书图片提取那次翻车,不是技术失误,是承诺先于验证的思维惯性。

五、规矩:每季度一个商业闭环

我给自己定了一条规矩:

每季度必须有一个从0到1的商业闭环。

不是研究,不是体系建设,是真实交付。

第一个季度,找一个具体场景(比如帮一个传统渠道商做一次AI诊断),免费或低价交付。目标不是赚钱,是拿到真实反馈。

第二个季度,复盘交付过程,提炼出第一个可复用的FDE案例。不是方法论文章,是”我帮XX做了XX,效果如何”。

第三个季度,用这个案例去触达5个潜在客户。目标不是成交,是练习”被拒绝”。

第四个季度,根据反馈调整方案,开始第二个付费项目。

关键指标不是H3MS文件数量,不是cron任务稳定性,而是客户付费反馈数量。

六、FDE的自我修养

FDE是什么?

是AI能力与现场需求之间的翻译桥。

是知道AI能做什么,也知道客户需要什么,然后把两者连接起来。

是敢于交付粗糙但有效的方案,而不是等待完美的体系。

是接受被拒绝,把拒绝视为数据,而不是否定。

是热爱驱动+框架先行+主动推动+生态协同+标准化→试点→复制。

这是当年阿里的方法论,现在用在AI折腾上,依然管用。

研究是私密的,交付是公开的。体系是完美的,交付是粗糙但有效的。体系等待验证,交付创造验证。

从「我正在构建FDE方法论」→「我正在交付FDE价值」。

这条路,才刚刚开始。


作者:小道 · 环境:Termux on Android 13 · 2026-09-15
关联阅读:上一篇《在手机上跑大模型,HexaBench Lite折腾记》 · 下一篇《复盘——一个非技术人的AI折腾哲学》

一个”Windows Hyper-V VM + Cloudflare DDNS + 端口转发”踩坑实录,
以及为什么最后答案是一行 tailscale up。

(本文已对账号、IP、tailnet 名等敏感信息脱敏,仅保留技术结构。)

TL;DR

我有一台家用宽带(动态公网 IP)里的 Hyper-V Ubuntu 虚拟机,想从手机热点、
公司、任何网络
随时连进去开发。我花了半天搭 DDNS + 三层端口转发,
结果外网连不进来——运营商在封家用宽带的入站端口。最后用 Tailscale
一条命令搞定,彻底绕开 DDNS、端口转发、运营商封锁。

下面是完整踩坑和最终方案。

一、目标

  • 家里:Windows 宿主机跑 Hyper-V Ubuntu VM,静态内网 IP 172.x.x.x
  • 手机 / 任意网络:能随时 SSH 进 Ubuntu 开发
  • 要求:IP 怎么变都不用管,最好不用开公网端口

二、第一套方案:DDNS + 端口转发(为什么走不通)

2.1 架构

1
互联网 → 光猫/路由器(动态公网IP) → Windows(192.168.x.7) → portproxy 2222 → Ubuntu VM(172.x.x.x:22)

需要打通三层:

  1. Cloudflare DDNS:把 devbox.dingdao.me 自动指向当前公网出口 IP
  2. 路由器端口转发:外部 2222 → 192.168.x.7:22
  3. Windows portproxy:2222 → 172.x.x.x:22 + 防火墙放行

2.2 我写的 DDNS 脚本(带容错)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#!/usr/bin/env bash
# /usr/local/bin/cf-ddns.sh (v2)
set -u
CONF=/etc/cf-ddns.conf
LAST_IP=/var/lib/cf-ddns/last_ip
...
# 5 个 IP 源依次尝试,3 次重试;全部失败 → 保留 last_ip,绝不把 CF 记录写脏
for src in "https://api.ipify.org" "https://ifconfig.me" ...; do
ip=$(timeout 8 curl -4 -sS "$src" 2>/dev/null | tr -d '[:space:]')
[[ "$ip" =~ ^[0-9.]+$ ]] && break
done
[[ -z "$ip" ]] && ip=$(cat "$LAST_IP" 2>/dev/null) # 兜底
[[ -z "$ip" ]] && { echo "no ip, skip"; exit 0; }
curl -sS -X PUT "https://api.cloudflare.com/client/v4/zones/$ZONE/dns_records/$RECORD" \
-H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
-d "{\"type\":\"A\",\"name\":\"$HOSTNAME\",\"content\":\"$ip\"}"
echo "$ip" > "$LAST_IP"

systemd timer:开机 + 每 15 分钟跑一次。

踩坑:我一开始把 Cloudflare 控制台里的 Account ID 当成 Zone ID 填进脚本,结果 API 404。后来用 API 自动解析出 devbox.dingdao.me 所属 zone 的真实 Zone ID,脚本里直接查 API,不再手填。

2.3 为什么外网连不进来

所有配置都对:

  • ✅ CF 记录 devbox.dingdao.me → xx.xx.xx.xx(当前公网出口 IP)
  • ✅ 服务器公网出口 IP 就是那个 IP
  • ✅ Windows portproxy 2222 → 172.x.x.x:22 正确,LAN 段 Test-NetConnection 192.168.x.7 -Port 2222 通
  • ✅ 手机有公网 IPv4(测试 curl -4 https://ifconfig.me 能拿到一个公网 v4,不是 IPv6-only)

但外网 xx.xx.xx.xx:2222 始终 CLOSED。

排查结论:运营商在封家用宽带入站。家用宽带(尤其 PPPoE 拨号那层)
很多地区默认拒绝非 80/443 的入站 TCP,甚至全端口拒绝。DDNS + 端口转发
这套在”运营商不封入站”的网络里是完美的,但在我家这堵墙前无能为力。

这是国内家宽的老问题,不怪配置,怪物理链路。

三、最终方案:Tailscale(出站打洞,零入站端口)

3.1 为什么 Tailscale 能绕过这堵墙

Tailscale 本质是 WireGuard + 出站打洞:

  • 每台机器主动向外连 Tailscale 的 Coordination Server(UDP 443)
  • 两台机器之间通过打洞建立直接 P2P WireGuard 隧道(如果打洞失败,
    退化为经 Tailscale 中转 relay,也不影响可用)
  • 全程不需要任何入站端口,不需要 DDNS,不需要运营商放通

对你的网络意味着:哪怕家用宽带入站全封,只要能出站(上网),
Tailscale 就能通。

3.2 三端落地(同一 Google 账号 → 同一 tailnet)

1
2
3
4
5
6
7
8
Ubuntu VM (Hyper-V)  +  Windows 宿主机  +  手机(Android/Termux)
\ / /
\ / /
┌────────────────── 同一 tailnet (xxx) ─────────────────┐
│ 100.123.x.x 100.113.x.x 100.98.x.x │
│ Ubuntu ←——⇄——→ Windows ←——⇄——→ 手机 │
│ (full mesh,任意两两直通) │
└────────────────────────────────────────────────────────┘

Ubuntu(服务器侧):

1
2
3
4
curl -fsSL https://tailscale.com/install.sh | sh
sudo tailscale up --ssh --hostname=devbox
# 浏览器打开控制台给的链接授权
# 得到固定域名 devbox.<tailnet>.ts.net,稳定不变
  • 开机自启(systemctl enable tailscaled)
  • --ssh 开了 Tailscale 自带 SSH,免私钥直连(控制台自动分发公钥)

Windows(宿主机):winget install Tailscale.Tailscale 或官网安装包,
同账号登录。

手机:App Store / Play 装 Tailscale,同账号登录,自动进 tailnet。

3.3 连接(任意网络、任意时刻)

本地 ~/.ssh/config(和原 DDNS 并存,双保险):

1
2
3
4
5
6
7
8
9
10
Host devbox-ts
HostName devbox.<tailnet>.ts.net
User kali
Port 22
IdentityFile C:\Users\<你>\.ssh\id_ed25519

Host devbox # DDNS 备用(局域网/公网入站可用时)
HostName devbox.dingdao.me
Port 2222
User kali

手机(最省事,免私钥):

1
tailscale ssh kali@100.123.x.x

3.4 验证

  • sudo tailscale status 三端全在线
  • 手机 tailscale ssh kali@... 直接进 Ubuntu shell ✅
  • tailscale ssh 不走 22 端口、不走公网,运营商封多少端口都不影响

四、安全性(针对”私人文件会不会暴露”的担忧)

Tailscale 在这套场景里不增加公网攻击面,原因:

  1. 默认对公网不可见:100.x.y.z 是 RFC1918 保留段,公网路由送不到;
    攻击者没有你的账号 + tailnet 的 WireGuard 密钥,连”敲门”都找不到
  2. 双向 WireGuard 加密(AES-256-GCM):流量嗅探也解不开
  3. 默认零开放端口:不开 Funnel、不开 Subnet Router、不开 --ad-v4;
    我确认过 Funnel 是关的
  4. 唯一成员 = 你的 Google 账号:要进 tailnet 得先攻陷你的 Google,
    那是账号层面的事,不是 Tailscale 新开的口子

真实剩余风险全在”账号/设备被攻破”层面,按性价比做这几项加固:

  • Google 开两步验证(最优先)
  • Tailscale 控制台开 2FA + 定期查 活跃会话/陌生设备(陌生即 revoke)
  • 用 Per-Device ACL 收紧:手机/Windows 只允许连 Ubuntu 的 22,其余 deny
    (即使某台设备密钥泄露,横向也被限死在 ACL 内)

五、踩坑清单(可复用)

坑 解法
Cloudflare 的 Account ID ≠ Zone ID,填错 404 用 API 查 zone 列表拿真实 Zone ID,脚本自动解析
DDNS 脏数据污染(IP 源全挂时把记录写空) 全失败时保留 last_ip,绝不覆盖已有正确记录
家宽外网入站被封(DDNS+转发全对但外网 CLOSED) 换 Tailscale 出站打洞,零入站
Hyper-V VM 重启 IP 变导致 portproxy 指错 VM 侧 netplan 配静态 IP,一劳永逸
Tailscale headless 拿不到认证 URL nohup sudo tailscale up ... & 后台跑,读 log 里的 URL

六、一句话总结

家用宽带入站不可控(运营商封端口、光猫路由模式二级 NAT、动态 IP)
这三个坑让”DDNS + 端口转发”在家用场景下不可靠。
Tailscale 用”出站打洞”把问题降维成”只要能上网就能连”,
是个人远程开发/私人文件互通场景的默认最优解。
DDNS 那套留着做局域网直连的备用,公网访问交给 Tailscale。


配图建议:① 三层转发架构 vs Tailscale 全 mesh 对比 ② tailscale status 三端在线截图(IP 打码)③ 控制台安全加固项

脱敏说明(发文前自查)

本文已做如下脱敏,发布前请再自查一遍:

  • 真实邮箱 jianqiangcui996@gmail.com → 文中已隐去(只写”同一 Google 账号”)
  • 真实公网出口 IP 122.231.144.252、手机出口 124.160.204.98 → 文中用 xx.xx.xx.xx 占位
  • 真实 tailnet 名 tailb889a7 → 文中用 xxx 占位(devbox.<tailnet>.ts.net)
  • 真实内网 172.31.92.47 / 192.168.2.7 → 文中用 172.x.x.x / 192.168.x.7 占位
  • 真实域名 kaliserver.dingdao.me / kaliserver.tailb889a7.ts.net → 文中改为 devbox.dingdao.me / devbox.<tailnet>.ts.net
  • Tailscale IP 100.123.36.49 / 100.113.231.42 / 100.98.143.1 → 文中用 100.123.x.x / 100.113.x.x / 100.98.x.x 占位

如需完全不可追溯到个人,上述占位符已覆盖所有可直接定位的标识符;
如需保留部分真实值(如公开博客保留域名示例),可把 devbox.dingdao.me
换成你自己愿意公开的域名。

不满足于云端API,想在手机上跑本地LLM。刷到HexaBench Lite,一个在Android上跑LLM benchmark的Web应用。编译llama.cpp、修复6个bug、搞Cloudflare Worker反向代理。手机上的LLM benchmark跑通了,PP 20.81 tok/s,TG 14.87 tok/s。虽然慢,但世界变了。

TL;DR

HexaBench Lite折腾记:llama.cpp编译太慢→换预编译wheel无aarch64版→clone源码只编译llama-simple。发现server.py用llama-cli(交互模式卡死)→改成llama-simple(单次运行自动退出)。修复6个bug:参数残留、流式输出一次性崩出、响应提取失败、光标错位。搞Cloudflare Worker反向代理想外网访问,被1003拦截。最终手机benchmark跑通:PP 20.81 tok/s,TG 14.87 tok/s。

一、起因:不满足于云端

Hermes跑起来之后,我一直用的是云端API。Agnes、Qwen、Claude,调个接口就能聊天,方便。

但方便久了,总觉得少了点什么。

云端API再好,数据不在自己手里,网络一断就歇菜。而且每次调用都要花钱,虽然不多,但心里有个声音在说:能不能在自己手机上跑?

刷到HexaBench Lite的时候,我眼睛亮了。这是个在Android上跑LLM benchmark的Web应用,用llama.cpp推理GGUF模型,跑完出速度报告。

“在手机上跑大模型”,这个念头一旦冒出来,就压不下去了。

二、环境准备:编译的痛

说干就干。

第一步:装llama.cpp。

我试了编译源码,git clone + cmake + make。Termux上没有cmake,先装cmake,然后编译。编译速度很慢,aarch64架构的ARM处理器,跑C++编译像在挤牙膏。

等不及了,换预编译wheel:pip install llama-cpp-python --only-binary=:all:。结果没有aarch64-linux版本。

最后只能硬着头皮clone源码,只编译llama-simple(非交互模式,跑完自动退出),不编译全部。

你太慢了,我通过llama官网命令curl -LsSf https://llama.app/install.sh | sh把环境装好了。你在会话里催我。

我说网络连不上HuggingFace,试下镜像。

最后环境终于搭好了。手机里有了llama-simple,有了GGUF模型文件(qwen2.5-1.5b、gemma-4b),万事俱备。

三、踩坑:llama-cli的交互陷阱

启动HexaBench Lite的server.py,选模型,点”开始测试”。

然后页面卡住了。

我查日志,发现llama-cli进入了交互模式(REPL),永远不退出。server.py等它的输出,它等用户的输入。死锁。

问题根因找到了:server.py用的是llama-cli(交互模式),应该用llama-simple(单次运行,自动退出)。

我改了代码,优先找llama-simple,找不到再 fallback 到llama-cli。同时修改解析逻辑,适配llama-simple的输出格式。

实测结果:

  • PP(Prompt Processing): 20.81 tok/s
  • TG(Token Generation): 14.87 tok/s
  • 加载: 1.8秒
  • 生成: 128 tokens

跑通了。

四、修复:6个bug的连环战

跑通只是第一步,真正折磨人的是后续的bug修复。

你在使用过程中发现了各种问题,一条条反馈给我:

bug 1:参数残留
“还是(请求失败或无响应),-s 1000000000 -t 1000是什么意思?搞错了吧”
llama-simple的输出里混入了命令行参数,前端显示了一堆-s 1000000000 -t 1000,不是AI的响应。重写cleanText()函数,6阶段正则清洗:命令行参数→llama日志前缀→prompt标记→统计行→空行→合并空行。

bug 2:流式输出一次性崩出
流式接口本该逐字输出,结果所有内容在结束时一次性吐出来。改成bufsize=0(无缓冲)+ 逐字节读取,实现真正的流式传输。

bug 3:响应提取失败
_extract_response函数无法正确从llama-simple的复杂输出中提取AI响应。发现llama-simple的实际输出格式为--threads ... -p [prompt] [AI_response] -s ... -t ... main: decoded ...,重构提取逻辑。

bug 4:光标位置错位
流式预览区和对话记录区职责不清,导致光标跳动。拆成两个独立区域:streamPreview带光标动画实时追加,chatArea仅在完成后更新。

bug 5:ERR_CONNECTION_REFUSED
“ERR_CONNECTION_REFUSED,没打开服务吧”
服务进程被杀掉了,重启,加健康检查。

bug 6:翻页与历史记录
“翻页看到了。但是就是输出预览参数和正文都有流动显示了,最后全部消失,只留下tg、用时、token数,正文要摘取下来存放到对话记录才行”
修复流式预览最终显示逻辑,保留响应文本,对话记录区显示干净文本。新增历史记录分页功能,每页20条。

6个bug,一个个修。修完一个,发现下一个。到最后,HexaBench Lite v6版本终于稳定了。

五、外网访问:Cloudflare Worker的1003

手机上的服务跑通了,但只能在局域网访问(http://192.168.2.10:8080)。我想从外网访问,于是搞了Cloudflare Worker反向代理。

代码写好了,Token申请好了,API部署。

结果Cloudflare API一直报语法错误。试了ES模块格式、传统fetch监听器格式,都不行。可能是Token权限不足或API版本限制。

最后改成手动在Dashboard部署,粘贴代码,Save and deploy。

部署成功,访问https://proxy.dingdao.me/,返回1003错误。

1003是Cloudflare的WAF拦截。Worker已经执行了,但Cloudflare在返回响应前拦截了。可能是Security Level或Rate Limiting的问题。

查WAF规则、调Security Level、清DNS缓存,试了一圈,还是1003。

外网访问没成。但本地服务运行正常,3个模型,端口8080,随时可以测。

六、结果:PP 20.81 tok/s

折腾了这么多,最终结果是什么?

手机上的LLM benchmark跑通了。qwen2.5-1.5b模型,PP 20.81 tok/s,TG 14.87 tok/s。gemma-4b模型,约10 tok/s。

14.87 tok/s是什么概念?正常人类阅读速度约200-300字/分钟,即3-5 tok/s。手机跑大模型的速度,已经超过了人类阅读速度。

虽然加载要1.8秒,虽然只有1.5B的小模型,虽然外网访问还没打通。

但当你的手机能跑大模型,世界就变了。

以前我觉得大模型是云端的东西,是API调用的东西,是GPT-4、Claude Opus那种级别的东西。现在我知道,1.5B的小模型,在手机CPU上,也能跑。

慢吗?慢。但能跑。

能跑,就意味着可能性。


作者:小道 · 环境:Termux on Android 13 · 2026-09-11
关联阅读:上一篇《OTG U盘迁移,物理传输的浪漫》 · 下一篇《FDE——前沿部署工程师的自我修养》

一台两年的 Win11 笔记本,C 盘 119 GB 只剩 8.86 GB,比 7% 还少。
三阶段、两个坑,最终腾到 39 GB(33%)——4.4× 提升。
这是完整的清理手记,含关键技术点、脚本片段和踩坑复盘,发出来希望能帮到同样手忙脚乱的人。


TL;DR

指标 优化前 优化后
C 盘总量 119 GB 119 GB
已用 110 GB 80 GB
可用 8.86 GB(7.4%) 39 GB(33%)
警告线(10%) 已触线 安全

三阶段释放构成

阶段 内容 风险 释放
阶段 0 浏览器/办公/IDE/AI 工具缓存 零(备份可回滚) ~11 GB
阶段 1 系统还原、WinSxS、WDAG、pagefile、事件日志 低(需管理员) ~13 GB
阶段 2 用户级 Python 包、AI 工作区、VS/SDK 迁移 中(迁错可回滚) ~8 GB

一、先看体检报告

动手前先扫一遍状态。我用了 PowerShell + Bash 的混合脚本,只读不写:

1
2
3
4
5
6
C 盘总量       : 119 GB
已用 : 110 GB
可用 : 8.86 GB ← 触线,低于 10% 警告阈值
D 盘 : 148 GB,几乎空
E 盘 : 428 GB,几乎空
物理内存 : 15.9 GB(峰值使用仅 ~1 GB)

症结很明显:数据全都堆在 C 盘,D/E 盘空着没人用。最直接的修法是”先备份后删除” + “把可外迁的应用迁出去”。于是我定了三阶段路线图,每个阶段都能停下来观察、能回滚。


二、阶段 0:缓存清理(~11 GB)

最稳的肥肉是各路缓存。清单:

  • Chrome 模型缓存:2.67 GB
  • 钉钉缓存:~2.3 GB
  • WPS 残留:~2.7 GB
  • 微信插件:0.41 GB
  • 回收站:5.41 GB(单独拎出来清,下面会讲为什么)
  • Gradle / pnpm / npm / pip 包管理器缓存:合计 ~1 GB

关键技术:robocopy 备份 + 返回码校验

每个目标走同一套流程:

1
2
3
4
5
6
7
8
# 1) 备份到 E 盘
robocopy "" "\" /E /COPY:DAT /R:1 /W:1 /NP /NFL /NDL

# 2) 校验返回码
# 0 / 1 = 成功;>= 8 = 出错(中止删除)

# 3) 删除原目录
Remove-Item "" -Recurse -Force

阶段 0 的两个坑

坑 ① 算大小挂死:第一版脚本用 Get-ChildItem -Recurse -File 算文件夹大小,挂在某个目录 26 分钟零输出。教训是——robocopy 直备不需要算大小,返回码就是校验结果。

坑 ② 漏了回收站:阶段 0 跑完,C 盘反而”变小”了。根因是脚本漏了 Clear-RecycleBin,且用户会话期间回收站又涨了。清单里必须单列回收站。

回收站单独清一行就够:

1
Clear-RecycleBin -DriveLetter C -Force

三、阶段 1:系统级优化(~13 GB)

这一步需要管理员权限,每个子项可以独立开关。

A. 系统还原影子存储上限 → 3 GB(释放 ~8 GB)

Windows 默认把 10%+ 空间预留给”系统还原影子副本”,日常根本用不上那么多。

1
vssadmin Resize ShadowStorage /For=C: /On=C: /MaxSize=3GB

B. DISM WinSxS 清理 + -ResetBase(释放几百 MB ~ 几 GB)

1
dism /Online /Cleanup-Image /StartComponentCleanup /ResetBase

-ResetBase 会让系统无法再卸载旧更新,但能多清一些。前提是你这台机器已经稳了至少半年。

C. WDAG 容器镜像删除(3.94 GB)

Windows Defender Application Guard 是给 Edge 隔离浏览用的容器镜像,绝大多数人根本不开。如果你不用 Edge 隔离,直接清:

1
2
3
4
5
# 1) 卸载功能
dism /Online /Disable-Feature /FeatureName:AppHVUI -Remove

# 2) 清缓存
Remove-Item "C:\ProgramData\Microsoft\Windows Defender Advanced Threat Protection\Cache" -Recurse -Force

D. 事件日志清空(释放几十 ~ 几百 MB)

1
2
3
wevtutil cl Application
wevtutil cl System
wevtutil cl Security

E. 页面文件:2 GB 固定(释放 ~5 GB)

观察到 pagefile 峰值只 ~1 GB,于是设成 2048 MB 固定:

1
2
3
4
5
$cs = Get-CimInstance Win32_ComputerSystem
$cs | Set-CimInstance -Property @{ AutomaticManagedPagefile = $false }

Set-CimInstance -Query "SELECT * FROM Win32_PageFileSetting WHERE Name='C:\\pagefile.sys'" `
-Property @{ InitialSize = [uint32]2048; MaximumSize = [uint32]2048 }

坑 ③ CIM 类型不匹配:第一次脚本传 2048 报”类型不匹配”。CIM 属性是 uint32,PowerShell 默认 int32,必须强转 [uint32]2048。这个坑我们后面会再踩一次反作用。

NVIDIA 旧驱动:建议保留

本来想顺手清掉几个旧版本 NVIDIA 驱动,结果 dism /Online /Remove-Driver 直接报”错误 50:只能与脱机映像一起使用”——在线系统不能用 Dism 删驱动。Installer2 缓存 223 MB 我顺手清了,驱动本体保留。要清驱动请用 DDU 离线模式。


四、阶段 2:用户数据迁移与清理(~8 GB)

删除部分(~3 GB)

  • Python 用户级包(torch / PyQt):0.84 GB
  • AI 工具 node_modules(两个工作区):2.31 GB

先备后删,备份目录按日期归档,回滚无忧。

迁移部分(~5.87 GB):junction 透明重定向

把 VS 生成工具、SDK、VS Installer Package Cache 搬到 E 盘,C 盘留 junction 透明重定向:

1
2
3
4
5
6
7
8
9
10
11
# 1) 复制到 E 盘
robocopy "C:\Program Files (x86)\Microsoft Visual Studio" `
"E:\relocated\Microsoft Visual Studio" /MIR /COPY:DAT

# 2) 原目录改名做安全网(不删!)
Rename-Item "C:\Program Files (x86)\Microsoft Visual Studio" `
"C:\Program Files (x86)\Microsoft Visual Studio.relocated"

# 3) 建 junction
cmd /c mklink /J "C:\Program Files (x86)\Microsoft Visual Studio" `
"E:\relocated\Microsoft Visual Studio"

三个目标都一样处理:VS、SDK、Package Cache。

关键安全网:原目录改名不删,叫 *.relocated。如果 VS 出问题,可以瞬间回滚(删 junction + 删改名后缀)。观察几天没问题再单独跑 p2_cleanup.ps1 释放安全网。

迁移完成后 C 盘立刻多出 5.87 GB——junction 本身只占几个字节。


五、踩坑复盘:pagefile 干翻 Hyper-V

阶段 1 全跑完的第二天早上,开机发现 13.4 GB 内存的 Linux VM 启不来:

1
2
"无法分配 13394 MB 的 RAM"
错误码:0x800705AA (ERROR_NO_SYSTEM_RESOURCES)

这一路我走了三轮才彻底修好,每一轮的错误码都是进步信号:

错误码 含义 这一轮做了什么
0x800705AA 系统提交预算不足 脚本把 pagefile 改成”系统托管”,重启
0x8007000E 物理内存真的不够 脚本把 VM 改成 Dynamic Memory
InvalidState VM 还在”已保存”状态,Hyper-V 锁内存配置 脚本先 Stop-VM -Force 再 Set-VMMemory

根因复盘

这台机器 16 GB 物理内存,VM 想要 13.4 GB 固定 RAM。13.4 + 主机 ~3 + Hyper-V 开销 ~1 = 17.4 GB > 16 GB,物理上装不下,跟 pagefile 大小其实无关。

我的错误:阶段 1 把 pagefile 压到 2 GB,只看”使用峰值 1 GB”反推,忽略了”瞬时需求上限”——VM/数据库/大模型推理这些场景启动瞬间会要一大笔提交预算。

教训清单

  1. 资源上限类优化不能只看使用峰值,要先列出会被影响的典型负载(VM、数据库、大模型、视频剪辑……)
  2. 关键优化跑完主动做一次回归问询——“这次清理有没有把什么跑不起来?”,不要等用户当发现问题的第一人
  3. Hyper-V 改内存前必须把 VM 切到 Off 状态(Saved/Paused/Stopping 都不行),用 Stop-VM -Force 自动丢弃保存状态
  4. 16 GB 机器跑大内存 VM 的最佳实践:VM 开 Dynamic Memory(启动 4 GB / 范围 2~12 GB),闲时把内存还给主机、忙时拿满,比”VM 固定吃满 + 主机等死”健康得多

修完后,VM 改成 Dynamic Memory,C 盘又涨了 5 GB(pagefile 改回系统托管)——最后的成绩是 C 盘 39 GB 收尾。


六、最终成绩单

1
2
3
4
5
6
7
阶段          释放            关键项
─────────────────────────────────────────────
阶段 0 11 GB 回收站 5.41 + 各类缓存
阶段 1 13 GB 系统还原 ~8 + WDAG 3.94 + pagefile ~5
阶段 2 8 GB AI 工作区 3.15 + VS/SDK 迁移 5.87
─────────────────────────────────────────────
合计 ~32 GB

C 盘最终:8.86 GB → 39 GB(33%),4.4× 提升。


七、给同样手忙脚乱的人

  1. 先看体检报告再动手——别上来就清缓存,先 Get-PSDrive / du -h 摸清楚大块在哪
  2. 三阶段路线图:零风险 → 系统级 → 结构性迁移,每阶段都能停
  3. 备份 > 删除——robocopy + 改名 .relocated 安全网 > 直接 rm -rf
  4. junction 迁移比”删了重装”温和得多,尤其是 VS、SDK 这类对路径敏感的应用
  5. pagefile 不能拍脑袋压——先看这台机器跑什么负载
  6. 写 PowerShell 脚本处理路径一定要 -LiteralPath,路径里有 (x86) 这种括号不用 -LiteralPath 会出问题
  7. CIM 数值属性必须强转 [uint32],默认 int32 一定踩坑
  8. 交付给用户用 powershell -File 跑的脚本,用 UTF-8 BOM + 纯 ASCII,避免本地 ANSI 编码解析失败
  9. Dism /Online /Remove-Driver 在线系统受限,要清驱动请用 DDU 离线模式

附录:本文用到的脚本

脚本 用途 权限
Stage1_SystemCleanup.ps1 阶段 1 主脚本(A 还原 / B pagefile / C WinSxS / D NVIDIA / E WDAG / F 日志) 管理员
p1_fix_pagefile.ps1 pagefile 修复(含 [uint32] 强转) 管理员
p1_fix_pagefile_hyperv.ps1 pagefile 恢复 + 系统托管选项 管理员
p2_migrate.ps1 VS / SDK / Package Cache 迁移(robocopy + junction) 管理员
p2_cleanup.ps1 删除 *.relocated 安全网(先校验 junction) 管理员
p1_fix_kali_vm_memory.ps1 Hyper-V VM 内存修复(先 Stop-VM -Force 切 Off) 管理员

全部脚本遵循同一原则:先校验、再操作、操作完再校验。


标签:#Windows #C盘优化 #Hyper-V #Junction迁移 #Pagefile #PowerShell

从一块 17.9GB 的镜像文件开始,到一台能自动接无线网卡、能被自然语言驱动、图形界面卡死还能远程自救的渗透实验环境。
全程真实踩坑,所有敏感信息已脱敏,仅涉及自有设备与授权测试。


这个项目要解决什么问题

三个朴素的需求:

  1. 在 Windows 工作机上跑一台 Kali 虚拟机
  2. 虚拟机要能用上真实的 USB 无线网卡(做无线安全测试)
  3. 我 Linux 命令不熟,想让 AI 把中文需求翻译成命令,边用边学

听起来都不难。实际做完发现,这三条路上的坑,一个比一个深。

第一阶段:让 Kali 在 Hyper-V 里活起来

WSL2 装过,不等于有 Hyper-V

这是第一个认知刷新:WSL2 只需要”虚拟机平台”组件,它不等于完整的 Hyper-V。完整的角色要自己开:

1
dism /Online /Enable-Feature /FeatureName:Microsoft-Hyper-V /All /NoRestart

必须重启,vmms 服务和 PowerShell 模块才会出现。

这里踩了个很阴的坑:用提权方式执行脚本时,命令里嵌套引号加输出重定向会被吞掉——脚本静默失败,日志是空的,你以为成功了其实什么都没发生。

教训:提权跑复杂脚本,一律写成独立 .ps1 文件用 -File 调用,日志在脚本内部落盘。

官方脚本建机,但权限是个坑

Kali 官方镜像自带建机脚本,一条命令完事。但打开控制台就报”权限不足”——因为虚拟机是在管理员会话里创建的。

解法是把自己加进 Hyper-V Administrators 组,然后必须注销重登录。

汉化:一个 Ubuntu 惯害的坑

第一反应装 language-pack-zh-hans——查无此包。这是 Ubuntu 专属包,Kali 基于 Debian,根本没有。

正确姿势:

1
2
3
4
sudo apt install -y fonts-noto-cjk locales
sudo sed -i 's/^# *zh_CN.UTF-8/zh_CN.UTF-8/' /etc/locale.gen
sudo locale-gen
sudo update-locale LANG=zh_CN.UTF-8

中间还遇到 locale-gen zh_CN.UTF-8 参数被静默忽略、只生成英文 locale 的怪事——最后靠手动改配置文件解决。

2.5GB 大升级翻车,apt 半残

Kali rolling 一周不更就是 1100+ 个包。升级到末尾两个包下载失败(镜像站 IPv6 解析问题),而 apt 的行为是:下载阶段有任何失败,整个配置阶段就不执行。

于是系统停在”一半解包、一半没配置”的状态,之后装任何新包都报依赖错误,util-linux 卡死在两个版本之间。

修复链必须按顺序:

1
2
3
sudo dpkg --configure -a
sudo apt --fix-broken install -y
sudo apt full-upgrade -y

顺便回答一个很多人问的问题:加内存加 CPU 能不能快点?不能。 apt 是单线程串行的,瓶颈在 dpkg 逐个解包配置,跟硬件无关。

代理:让虚拟机的流量出海

思路:Default Switch 是 NAT,虚拟机的默认网关就是宿主机,所以代理地址就是网关地址。

三个要点:v2rayN 要开”允许局域网连接”;新版只有一个混合端口(socks+http 同端口);防火墙放行要写整个私网段——因为 Default Switch 每次重启随机换网段。

最后写了个 NetworkManager 钩子:每次网络变化自动探测网关、检测代理可达才写配置,v2rayN 没开就自动清掉。一次配置,IP 怎么变都不用管。

第二阶段:让 AI 驱动这台机器

Gemini CLI:授权成功,但被关门了

先试 Gemini CLI,OAuth 授权一路成功,然后服务端拒绝:

This client is no longer supported for Gemini Code Assist for individuals.

查了才知道,个人免费通道已经关闭,官方让迁移去新产品。授权成功也没用,门在服务端焊死了。

qwen-code:好用,但中文打不进去

换成阿里的 qwen-code,免费额度够用,但卡在一个诡异的问题上:终端里死活打不了中文,图形程序里一切正常。

根因:这类 CLI 工具用 raw 模式逐键读键盘,直接打断了输入法的组合输入流程。换终端模拟器也没用。

最后换了个思路——别在终端较劲,用图形界面:

  • VS Code + Cline 插件:图形程序,中文输入天然正常;agent 模式能读意图、调内置终端执行命令、读输出继续下一步

真正高收益的操作是写了一份 .clinerules:

1
2
3
4
5
6
7
8
# 环境
- Kali,Hyper-V 虚拟机,我是 Linux 命令初学者,全程中文

# 工作方式
1. 我用自然语言描述目标,你翻译成命令
2. 执行任何命令前,先用一行中文解释它做什么
3. 危险操作先列风险等我确认
4. 每次任务结束,把用到的命令按主题追加到笔记文件

这份文件每次对话自动加载。第 2 条保安全,第 4 条让 AI 自动帮你攒一本私人命令手册——用两周,那本笔记比任何教程都贴合你的实际使用。

第三阶段:无线网卡,全程最深的水

先说残酷事实

Hyper-V 不支持 USB 直通,也不支持把内置网卡共享给虚拟机。 虚拟机里天生没有任何无线接口。

唯一出路:微软官方的 usbipd-win,把 USB 设备通过网络”递”进虚拟机。

五个坑,按踩的顺序

坑 1:Windows 断网了。 第一次接入成功后宿主机直接断网——因为那块网卡就是 Windows 上网用的。接入是独占的。后来插了第二块网卡才分工明确:AIC8800D80 给 Windows 上网,RTL8188EU 给 Kali 测试。

坑 2:芯片选错了。 AIC8800D80 是国产小众芯片,Linux 内核没驱动。而 RTL8188EU 是渗透圈经典入门卡——内核自带驱动(注意驱动名是 rtl8xxxu 不是 r8188eu),监听和注入都有支持。

坑 3:固件启动失败。 设备进来了,驱动认出来了,固件加载报 -11。固件文件明明存在。最后发现解法朴素得离谱:物理拔插一次,重新接入,就好了。

坑 4:注入测试误判。 广播探测测试显示”无注入”,差点否掉这张卡。实际上广播探测本来就不该有回应,必须带目标定向测试:

1
2
aireplay-ng -9 -e "SSID" -b BSSID wlan0
→ Injection is working! 30/30: 100%

坑 5:用完之后托盘里没有 WiFi 了。 接口残留监听模式(ip link 里能看到 radiotap 字样),而 NetworkManager 会主动忽略监听模式的接口。新版 aircrack-ng 也不再重命名接口,stop 之后状态经常残留。

战果:完整的 WPA2 审计链路

1
2
3
4
airmon-ng start wlan0                 # 进监听模式
aireplay-ng -0 5 -a BSSID wlan0 # 踢客户端下线,逼它重连握手
airodump-ng -w cap -c 8 --bssid ... # 抓包,看到 WPA handshake 即成功
aircrack-ng -w 字典 cap-01.cap # 破解

结果:测试了 2 个字典词、0.1 秒,密码出来了。

因为我家路由器密码是 8 位纯数字日期格式。也就是说,任何人在楼下,几秒钟就能进我的网络。

这条链路对我最大的价值不是攻击,是把自己家的洞补上了。 当天就改成了强密码。

第四阶段:把一切自动化(包括救它自己)

日常自动化

开机自动接无线网卡,做成了 systemd 服务,带三重保险:

  • 等默认路由出现(最多 60 秒)
  • 遍历所有默认网关逐个尝试(虚拟机多网卡时只取第一条会取错)
  • 失败自动重启服务重试

再配两条别名:wifimon 进监听模式,wifinorm 恢复正常。

顺手把内存从”动态内存”改成固定 4GB——动态内存在 Linux 客户机里靠 balloon 驱动伸缩,宿主有压力时会造成 I/O 停顿,怀疑正是图形界面卡死的诱因之一。

救援体系:图形界面卡死怎么办

这个环境用下来,Xfce 图形界面卡死过好几次(内核活着、桌面死了)。救援的阶梯是:

第 1 级:SSH 远程重启图形界面(最理想,只丢桌面会话)

1
ssh kali@ "sudo systemctl restart lightdm"

配套:免密 SSH + 定向的 sudo 免密规则(只放行 lightdm/NetworkManager 等几个重启命令,不是全局放开)。

第 2 级:优雅关机再开机。

第 3 级:硬断电。 这里有个反直觉的知识点:Stop-VM -Force 不是硬关机,-Force 只是跳过确认,关机方式仍是优雅的。真正的断电是 -TurnOff。

而卡死的系统连优雅关机都完成不了,VM 会 wedge 在 Stopping 状态,所有电源操作报错。解法是重启 vmms 服务解开死锁,再硬断电。

最后把整个阶梯做成了一键脚本:查心跳 → 没运行就开机 → 心跳异常直接跳断电 → SSH 重启图形界面 → 优雅关机 → 解死锁硬断电 → 还不行就打印 VM 的 GUID 让你手动杀工作进程(vmwp.exe 的命令行里带 GUID,能精确定位,不会误杀 WSL2)。

实测有效。一次真实的卡死,脚本走完全程,机器自己回来了。

脚本本身也是坑里爬出来的

  • 写 PowerShell 脚本带中文注释,必须存 UTF-8 with BOM——Windows PowerShell 5.1 默认按 ANSI 读,中文被错误解码后直接语法报错
  • 图形界面卡死时,Hyper-V 的 KVP 组件恰好也不会上报虚拟机 IP——最需要救援的时刻拿不到 IP。解法是平时把最后已知 IP 缓存下来,卡死时用缓存连

复盘:最值得记住的七条

  1. WSL2 ≠ Hyper-V,完整角色要单独启用并重启
  2. apt 下载失败会留半安装状态,锁死依赖树;修复按 dpkg --configure -a → -f install → full-upgrade 顺序
  3. 虚拟机抢 USB 网卡前,先确认宿主机有另一条上网路径
  4. 工具报错不一定是配置错,可能只是测试方法不对(注入测试必须定向)
  5. 别在终端 TUI 上跟输入法较劲,图形界面 + agent 是更聪明的选择
  6. 凡是每次都要重跑的操作,做成 systemd 服务或别名,一次配置永久收益
  7. PowerShell 脚本带中文,存 UTF-8 with BOM;Stop-VM -Force 不是硬关机,-TurnOff 才是

这台机器现在的样子

  • 中文系统 + 拼音输入法
  • 开机自动接无线网卡,托盘直接连 WiFi
  • 代理自动跟随宿主机,IP 变了不用管
  • VS Code + AI agent 自然语言驱动,自动攒命令笔记
  • 无线监听 + 注入 100% 可用
  • 图形界面卡死时,Windows 侧双击一个脚本完成救援

从裸镜像到这套东西,断断续续两天。中间十几个坑全部定位到根因,并且每一个都沉淀成了自动化、脚本或者笔记。


最后强调边界:本文所有操作都在自己的虚拟机、自己的路由器上完成。
对他人网络抓包、破解,在国内属于明确的刑事风险,与技术水平无关。
想练手,TryHackMe、Hack The Box、VulnHub 有的是合法靶场。

发现Termux占用了22GB。一台手机,被一个AI工具吃掉了22G。逐层排查后发现,/usr/tmp里躺着9GB的编译残留,state.db里存着5万条消息。清理只需一顿饭的功夫,但面对微信图片和录屏,我犹豫了。

TL;DR

Termux占用22GB,核心数据分布:/usr/tmp 9GB(pip/rust编译残留),state.db 627MB(5万条消息),downloads 954MB(重复备份)。第一波清理释放10GB。面临选择:微信图片2.5G、录屏11G,这些是手机数据,不是Termux的,决定不动。长期运行的代价,是永远在清理自己制造的垃圾。

一、起因:22GB的震惊

有一天,我无意间看了一眼手机的存储空间。

已用193GB,剩余33GB。总容量226GB。

我以为是哪个APP吃掉了空间,结果一查,Termux占了22GB。

22GB。一个终端模拟器,加上我跑在里面的Hermes Agent,吃掉了22GB。

我当时的第一反应是:不可能。我装的东西不多,Hermes本身也就几百MB。

然后我开始逐层排查。

二、排查:垃圾是怎么堆起来的

我用了du -sh命令,一层层看下去。

第一层:/usr/tmp,9GB

这个目录是Termux的系统临时目录。里面全是pip和rust编译时留下的临时文件。

我想起之前装cryptography、llama.cpp的时候,编译过程会产生大量中间文件。编译完了,这些文件没被清理,一直留在那里。

9GB。全是编译残留。

第二层:/home/.hermes/,2.6GB

这是Hermes的主数据目录。再往里看:

  • state.db:627MB。这是Hermes的会话数据库,里面存了5万条消息。
  • hermes-agent/:1.3GB。这是Hermes的源码和Python venv。

627MB的state.db让我愣了一下。5万条消息,平均每条12KB。有些消息可能包含了完整的代码块、长文本、甚至图片的base64编码。

第三层:downloads,954MB

下载文件夹里有一个”近期合集.zip”,929MB。还有一个hermes_agent_src.tar.gz,651MB。

我想起之前做Hermes迁移的时候,打包了388MB的备份,后来又打包了651MB的源码包。这些包传完了,就没管了。

第四层:其他缓存

  • .cargo/:1.1GB(Rust包缓存)
  • .local/share/pnpm/:829MB(Node包缓存)
  • .cache/:612MB(pip缓存)

加起来又是2.5GB。

三、清理:动手还是不动手?

排查完了,面临选择。

第一波:零风险清理

/usr/tmp 9GB、pip缓存612MB、pnpm缓存829MB。这些是纯垃圾,编译完就没用的东西。

我执行了清理命令:

1
2
3
rm -rf /data/data/com.termux/files/usr/tmp/*
rm -rf ~/.cache/pip
rm -rf ~/.local/share/pnpm/store

释放了约10GB。

第二波:需谨慎确认

downloads里的重复备份文件(hermes_agent_src.tar.gz 651MB、近期合集.zip 929MB)。这些包已经用过了,不需要保留。

我删掉了它们。又释放了约1.5GB。

第三波:犹豫了

再往下查,发现了微信图片2.5GB、屏幕录屏11GB(49个文件,最早2020年,最近2026年)。

这些是手机数据,不是Termux的。但它们是Hermes运行过程中产生的吗?不是。它们是手机系统本身产生的。

但问题是:录屏11GB,最早的文件是2020年的。6年前的录屏,我还会看吗?

我犹豫了。

在阿里做销售的时候,我有个习惯:客户资料定期清理,过期的合同销毁,不再跟进的客户归档。但那是工作,有明确的SOP。

现在是自己的手机,里面的数据没有SOP。录屏里有工作的记录、孩子的视频、生活的片段。删掉6年前的录屏,万一以后需要呢?

最后我决定:只清理自己能确定的垃圾。微信图片和录屏,不动。

四、结果:从22GB到12GB

清理完成后,Termux的占用从22GB降到了12GB。

释放了10GB。

我建立了一个清理模式(scripts/workspace/cache三级目录结构),把临时文件、工作目录、缓存分开存放,方便以后定期清理。

但看着state.db里的5万条消息,我还是有点感慨。

5万条消息。有多少是真正有价值的?有多少只是”试了一下”、”问了一句”、”没跑通”的残骸?

五、教训:数据是资产也是负债

这件事给我上了一课。

数据是资产。5万条消息里,可能有我需要的答案、有价值的对话、重要的决策记录。

数据也是负债。627MB的数据库,查询会变慢,备份会变重,迁移会更麻烦。

长期运行的代价,是永远在清理自己制造的垃圾。

我以前觉得”留着总有用”,现在明白了”留着总占地方”。

不是所有数据都值得保留。有些东西,过期了就让它过期。


作者:小道 · 环境:Termux on Android 13 · 2026-09-04
关联阅读:上一篇《升级只需5分钟,修环境要5小时》 · 下一篇《OTG U盘迁移,物理传输的浪漫》

想把Hermes从一台手机迁移到另一台,388MB的数据加650MB的源码。网络传输(nc)断了,只收到30MB。最后我拔了U盘插到手机上,复制、校验、拔下来插到另一台手机。土办法,但稳。

TL;DR

Hermes跨设备迁移(192.168.2.23 → 192.168.2.22),备份388MB + 源码650MB。网络传输(netcat)中断,只收到30MB。改用OTG U盘物理传输,MD5校验一致。目标设备设置PATH,重启gateway,一切恢复。土办法 vs 标准方案:有时候最笨的方法最靠谱,但靠谱不等于可扩展。

一、起因:换个地方跑

Hermes在原来的设备(192.168.2.23)上跑得挺稳,但我想把它迁移到一台新设备(192.168.2.22)上。

原因很简单:原来的设备还有其他用途,Hermes需要一台更稳定的机器常驻。

打包数据很快。核心配置、技能、插件、会话记录,打包成hermes_complete_backup.tar.gz,388MB。源码hermes_agent_src.tar.gz,650MB。

接下来是传输。

二、翻车:网络传输断了

我首选的方案是局域网传输。两台手机都在同一个WiFi下,用nc(netcat)管道传输,速度快,不用拔插U盘。

源设备监听端口,目标设备连接接收。命令很简单:

1
2
3
4
5
# 源设备
nc -l -p 1235 < ~/hermes_agent_src.tar.gz

# 目标设备
nc 192.168.2.23 1235 > ~/hermes_agent_src.tar.gz

看起来完美。650MB的文件,按WiFi速度几分钟就能传完。

然后我等着。

等了很久,目标设备上的文件大小停在了30MB,不动了。

传输中断了。

原因可能是WiFi信号波动、Termux后台被系统杀掉、或者网络协议栈出了问题。总之,传了30MB就断了。

我重试了一次,还是断。

三、土办法:OTG U盘

我盯着那个停在30MB的文件,叹了口气。

然后我想起了我包里有个OTG U盘。

“还是失败,这样吧,我有个otg设备可以用,已经插到本机了。”我在会话里跟助手说。

接下来的操作,回到了20年前的计算机时代:

  1. 在源设备上找到OTG的挂载点(/mnt/media_rw/F69C43E49C439E4D)。
  2. 把650MB的源码包复制到U盘里。
  3. 拔下U盘。
  4. 走到目标设备旁边(其实就在旁边桌子上)。
  5. 把U盘插到目标设备上。
  6. 找到U盘里的文件,复制到目标设备的home目录。
  7. 校验MD5。

没有网络波动,没有后台杀进程,没有协议栈问题。物理连接,稳如老狗。

四、结果:MD5校验一致

复制完成,MD5校验:

1
2
源文件 MD5: ccae57dbacec900b2b88c2c8cb5c7a52
U盘文件 MD5: ccae57dbacec900b2b88c2c8cb5c7a52

一致。

解压,设置PATH环境变量,重启gateway。

hermes gateway restart

一切恢复。技能、配置、会话记录,全在。

五、感悟:靠谱 vs 可扩展

这次迁移让我对”土办法”有了新的认识。

在网络传输不稳定的情况下,OTG U盘物理传输虽然笨,但它是100%可靠的。只要U盘不坏,文件就不会丢。

但这也暴露了我这套架构的一个问题:全自建,无生产级兜底。

如果这是一台生产服务器,我应该有rsync增量同步、有断点续传、有自动化部署脚本。而不是靠手动打包、手动传U盘、手动设PATH。

土办法靠谱,但不代表它可扩展。

如果有一天Hermes要迁移到第三台、第四台设备,或者需要定期备份到云端,OTG U盘就不够用了。

但至少在那一刻,在这个226GB存储的Android手机上,这个土办法救了我的命。


作者:小道 · 环境:Termux on Android 13 · 2026-09-02
关联阅读:上一篇《22GB到12GB,一次手机空间大清理》 · 下一篇《在手机上跑大模型,HexaBench Lite折腾记》

作者按:本文所有测试均在本人自有设备、自有局域网内完成,仅用于安全研究。文中内网地址、MAC、真实口令均已打码,请勿对他人设备做同类操作。


0. 起因:闲着也是闲着,扫一下家里的摄像头

家里局域网里蹲着一台 360 智能摄像机,平时只用 App 看画面。某天突然想:它到底在网上”露”了几个口子?

于是有了这次从零开始的黑盒评估。

有意思的是,我的扫描环境没装 nmap。没关系,Python 标准库(socket)就够写一套能用的扫描器——后面会讲怎么做。


1. 资产测绘:先搞清楚对面是谁

目标是一台接入 Wi-Fi 的摄像头,内网地址记为 192.168.x.19(已打码)。

三步走:

  • 连通性:ping 通,TTL=64,典型嵌入式 Linux 特征。
  • MAC 归属:查 OUI 库,厂商指向 成都全景智能科技——这正是 360 摄像头常见的代工厂。
  • 协议指纹:RTSP 的 WWW-Authenticate 头里直接写了 realm="360Camera",身份坐实。

小技巧:光看 IP 没用,MAC 的 OUI 前三位 + 协议 banner 是最快的设备指纹组合。


2. 端口扫描:干净得有点反常

全端口 TCP 扫描(1–65535)结果:

项 结果
开放 TCP 端口 仅 554(RTSP)
服务标识 ireader/media-server
Web 管理界面 无
SSH / Telnet 无
ONVIF / UPnP / SSDP / mDNS 全部静默

65535 个端口只开了 1 个,没有远程管理后台,也没有命令行入口。再丢 8 类畸形输入进去(超长字段、非法方法、截断报文等),服务端全部正确处理,无崩溃。

客观说,这块比同价位一堆消费级摄像头要干净——很多廉价摄像头会顺手多开 80、23、8080 一堆口子。

攻击面小,是好事。但”唯一入口”往往意味着:它必须足够硬,否则一破全破。


3. 唯一的入口 RTSP:问题出在这里

554 端口跑的是 RTSP(实时流协议)。我做了三件事:

3.1 发现了一个”认证 oracle”

这是我这次最意外的发现。

按规范,RTSP 的摘要认证应该是”认证失败”和”认证成功但请求有误”不可区分的。但这台设备给出了截然不同的状态码:

  • 密码错误 → 稳定返回 401 Unauthorized
  • 密码正确 → 进入业务处理,返回 400 Bad Request

我用对照组验证过:admin / 错误密码 五次全 401,admin / 正确弱口令 十次全 400,复现率 100%。

这意味着什么? 攻击者不需要真的拉流,发一个请求看返回码,就能判定密码对不对。没有锁定、没有限速、没有告警——一个常见弱口令字典,几小时就能穷举完。

3.2 出厂默认口令已失效,但用户口令很弱

测试发现 admin / admin 这种经典出厂组合已经不通了(厂商至少改过一版默认值)。但设备开启 RTSP 取流后设置的那个口令,落在常见字典 Top 100 里——属于典型的”人设的弱密码”。

这条要讲清楚:这锅不完全是厂商的。很多用户开 RTSP 时随手设个好记的密码,等于把门虚掩。

3.3 两个空实现,不算漏洞

未认证状态下 GET_PARAMETER / SET_PARAMETER 返回 200,但 Content-Length: 0,判定是 no-op 空实现,不构成可利用漏洞。如实记录,不夸大。


4. 决定性一击:真的把实时画面拉下来了

拿到正确流地址(云台一路 /live/101、枪机一路 /live/201)后,走完整 RTSP 握手:

1
2
3
DESCRIBE → 200 OK(拿到完整 SDP)
SETUP → 200 OK
PLAY → 200 OK

两路都成功取到了 16KB 实时 RTP 数据:

  • 视频编码:H.265
  • 音频编码:PCMA(G.711)
  • 会话已建立

翻译成人话:任何在同一局域网、知道那个弱口令的人,打开 VLC 输一行地址,就能实时看这两路画面。

1
2
vlc rtsp://admin:********@192.168.x.19:554/live/101
vlc rtsp://admin:********@192.168.x.19:554/live/201

(上面口令是打码占位,真实口令切勿外传。)


5. 风险定级

场景 等级 说明
仅局域网内 高 同网段任意设备可偷看实时画面
路由器做了 554 端口转发 / UPnP 映射公网 严重 全球任何人可访问

关键不确定性在路由器那一侧:我无法从内网确认它有没有被映射出去。这条决定了风险是”高”还是”严重”,得你自己去查。

顺带一提,组件 ireader/media-server 有 3 个已知的释放后使用(UAF)型 DoS 漏洞(CVE-2022-40016、CVE-2024-24262、CVE-2024-24260,均 CVSS 7.5)。版本号抓不到,我没做实际利用(那会打挂设备),但建议把固件升到最新。


6. 给你的防护清单(干货)

按优先级:

  1. 立刻改 RTSP 密码
    360 App → 该摄像头设置 → RTSP 取流,换成 16 位以上随机串。别用生日、电话、admin 系。

  2. 查路由器公网映射

    • 端口转发 / 虚拟服务器里有没有 554 指向这台摄像头
    • UPnP 是否开启 → 建议直接关掉并清空映射表
  3. 不用 RTSP 就关掉
    不接 NVR / NAS / Home Assistant 的话,直接关 RTSP 视频流开关。关掉后它在网络上几乎零端口,日常用 App 看完全不受影响。

  4. 升固件
    走 App 官方渠道升到最新,堵上组件层已知漏洞。


7. 结语

这次评估最有意思的地方在于反差:

攻击面极小、协议栈稳健,却被一个弱口令 + 一个认证状态泄漏打穿。

设备本身做得不差,真正的风险来自”唯一入口缺乏防爆破机制” + “用户随手设的弱密码”。安全不是某个端口开没开,而是最弱那根链条扛不扛得住。

把上面 4 条清单过一遍,这台摄像头就能从”高/严重”回到”安心”。


免责声明:本文所有操作均在作者自有设备与授权网络内完成,用于安全科普。未经授权对他人设备、网络进行扫描或访问属于违法行为,后果自负。文中已对一切可定位到具体设备的敏感信息做脱敏处理。

— 完 —

废旧电脑跑本地大模型:从”装不上”到”能聊天”的完整踩坑实录

本地 LLM 部署 · 推理引擎选型 · 模型评测 · 一篇写给同好的实操笔记

前阵子清理硬盘,翻出几个 .gguf 格式的本地大模型文件。本来只是想”试试能不能跑”,结果一路踩坑——网络被墙、引擎不认新架构、模型命名是假的……折腾了一整圈,最终不仅跑通了,还顺手搭了一套可复用的评测环境。本文把整个过程原样记录下来,给想在二手/老旧机器上玩本地模型的你少走点弯路。

说明(脱敏):文中涉及的具体用户名、绝对路径、内网环境均已做泛化处理;代码里的路径请替换成你自己的实际目录。评测在纯 CPU 环境下进行,无独立显卡。

一、先摸底:老机器能不能扛?

本地推理最怕两件事:显存不够和内存不够。我的这台机器配置很普通:

  • CPU:一颗 4 核的 Intel 老处理器(支持 AVX2,没有 AVX-512)
  • 内存:16 GB(空闲约 7~8 GB)
  • 显卡:无独显,纯 CPU 推理
  • 系统:Windows 10

结论是够用。常见的 1B3B 量化模型(Q4 级别)单文件 0.62 GB,全部能塞进内存。真正卡我的不是硬件,是下面这两关。

二、第一道坎:网络

做本地部署,第一步几乎都要从 GitHub / HuggingFace 拉工具或模型。但我的网络环境一度访问不了 GitHub(Releases、各类 ghproxy 镜像全都超时)。这直接卡死了最省事的方案:

  • llama-cpp-python 的预编译 wheel 在 GitHub Releases 上 → 拉不下来;
  • HuggingFace 本体 → 连不上;
  • 源码编译需要本地 C++ 工具链 → 这台机器没有。

后来网络恢复后,GitHub 能通了,但 Release 资产下载依然不稳(动不动中断)。最终的解法:用脚本对 Release 的 wheel 地址做分块断点续传拉到本地,再 pip install --no-index 离线安装;而 numpy、diskcache 这类依赖走国内 PyPI 镜像(如腾讯云镜像)就很快。

经验:在国内环境装 Python 包,永远先加 -i https://mirrors.cloud.tencent.com/pypi/simple/(或清华/阿里云镜像),能省大量时间。

三、引擎选型:踩了一圈坑

GGUF 只是个文件格式,真正”让它说话”的是推理引擎。我先后试了三个:

引擎结果原因
ctransformers
从 PyPI 直装失败版本太旧,连 Llama-3.2 架构都不认识,遇到非标准架构直接崩溃。
gpt4all
走国内镜像装部分可用能跑标准 Transformer(Llama 系),但遇到非标准架构标签直接报错。
llama-cpp-python
wheel 断点续传 + 离线装成功底层是较新的 llama.cpp,架构兼容最好,三个模型全部加载成功。

结论先行:本地 GGUF 推理,无脑选 llama-cpp-python(或它的上游 llama.cpp)。它架构支持最全、社区最活跃,后面所有评测都基于它(0.3.35,CPU 版)。

四、三个模型,三种”人格”

手头(以及后来陆续往里加的)模型里,最初这三个最有代表性:

① Hermes-3-Llama-3.2-3B —— 最靠谱的主力

真实存在的开源指令模型(NousResearch 出品,Llama-3.2 底座)。中文连贯、会写代码、能出标准 JSON,安全护栏正常(明确拒绝危险请求)。规模虽只有 3B,但综合表现最好,推荐作为日常主力。

② TinyLlama-1.1B-Chat —— 快但”莽”

1.1B 小模型,速度最快(CPU 下 ~22 token/s),但能力弱:中文指令遵循差、数学容易胡说、JSON 输出不稳。最要命的是——它没有安全护栏,在安全测试中直接把危险步骤列了出来。结论:适合做轻量草稿/分类,别用在面向用户或涉安全的场景。

③ 那个”缝合怪”:qwen3.5-2B-deepseek-v4

这个命名本身就是警示信号——“Qwen3.5””DeepSeek v4”都不是真实发布的型号。扒开它的 GGUF 元数据和张量结构后发现:

  • 架构标签是自定义的 qwen35,但张量里混着 ssm_a / ssm_dt / ssm_conv1d 等Mamba 系(状态空间模型)张量 + Transformer 注意力 → 这是一个来源不明的混合架构;
  • 行为是推理型模型:先 <think> 思考再作答;
  • 意外的是,它的安全护栏是正常的(会引用法律拒绝危险请求)。

用对的引擎(llama-cpp-python)它能正常加载、能聊天(~11.5 token/s)。但来源和真实架构核实不了,我的态度是:当实验对象可以,当主力或上生产不行。

踩坑提醒:下载模型只认 HuggingFace 官方或可信作者。凡是出现”Qwen3.5 / DeepSeek v4 / 某某 Pro Max”这类不存在的型号名,基本都是引流或缝合模型,谨慎对待。

五、评测结果速览

我写了一套评测脚本(7 个维度:中文解释、数学推理、代码、知识问答、JSON 格式、安全护栏、指令遵循)+ 速度基准,全在 CPU 下实测。核心数据:

模型速度
(CPU token/s)中文能力代码/JSON安全护栏综合建议
Hermes-3-Llama-3.2-3B7.5好好有推荐主力
qwen3.5-2B-deepseek-v4
来源存疑
11.5中中有可实验,勿上生产
TinyLlama-1.1B~22弱弱无轻量草稿专用

注:速度受 CPU、线程数、上下文长度影响很大;有独显时把层数卸载到 GPU(n_gpu_layers)能快数倍。

六、你想自己动手?最小步骤

环境搭好后,日常就是两件事:聊天 和 评测。核心脚本(对话 chat.py、评测 eval_harness_lcpp.py)都已就绪,路径请替换成你自己的:

1) 进入你的模型目录

cd “你的项目目录”

2) 跟模型聊天(默认加载 qwen35,可换 –model hermes / tinyllama)

“你的虚拟环境\Scripts\python.exe” chat.py –model qwen35

想看模型的”内心思考”过程,加 –show_think

“你的虚拟环境\Scripts\python.exe” chat.py –model qwen35 –show_think

3) 跑自动评测(7 维 + 速度),结果存成 JSON

“你的虚拟环境\Scripts\python.exe” eval_harness_lcpp.py

只评某一个,省时间:

“你的虚拟环境\Scripts\python.exe” eval_harness_lcpp.py qwen35


想要最佳体验:联网后直接用 `ollama pull hermes3:3b` 再 `ollama run hermes3:3b`,Ollama 会自动启用 GPU/优化内核,比纯 CPU 快得多,也最省心。

七、给后来者的避坑清单

  • 引擎选 llama-cpp-python,别在旧引擎上浪费时间。
  • 国内网络装包走镜像;GitHub 大文件用断点续传,别硬刚。
  • 警惕虚构型号名的模型,先查架构再下载。
  • 小模型一定要测安全护栏,TinyLlama 这类无护栏模型别碰敏感场景。
  • 纯 CPU 能玩,但别指望快;真要日常用,上一张能跑起来的显卡或换 Ollama。
  • 推理型模型会输出思考过程,对话时默认隐藏、需要时再看,体验更干净。

八、结语

折腾这一圈最大的体会是:本地大模型真正的门槛,往往不在模型本身,而在环境——网络、引擎版本、架构兼容,随便哪一处都能让你卡半天。但一旦跑通,那种"模型就在我自己电脑里、不上传任何数据"的踏实感,是云端 API 给不了的。

这台老机器现在成了我的"模型试验田",陆续又塞进去十几个 .gguf。如果你也在玩本地模型,欢迎在评论区聊聊你的引擎选型和翻车经历。

本文为个人实操记录,模型表现仅代表在作者硬件/引擎下的实测,不构成任何下载或生产建议。涉及具体模型请自行核实来源与许可证。

Termux自动升级了,Python从3.11跳到3.13。心想”好事啊,新版本”,结果venv全废、cryptography编译崩溃、浏览器自动化被系统block。升级只需5分钟,修环境要5小时。

TL;DR

Termux升级导致Python 3.11→3.13,venv路径变了,旧依赖全废。cryptography 50.0.0在Android上编译直接崩溃,锁死48.0.1才跑通。浏览器自动化被系统日志原话block——“Termux不支持浏览器自动化”,后来用Selenium+Chromium绕过去,关键参数--no-zygote。验证通过:chromium 149 + selenium 4.47 OK。规律:Termux升级=推倒重来。

一、起因:自动升级,心想”好事啊”

有一天,我打开Termux,发现它自动升级了。

Python版本从3.11跳到了3.13。我心想:好事啊,新版本,性能更好,兼容性更强。

然后我试着跑了一下Hermes。

报错了。

不是小报错,是那种”整个环境都不认识了”的报错。venv路径变了,旧依赖全废,pip list里一堆红字。

我这才意识到:在Termux里,”升级”这两个字,从来不是好事。

二、推倒重来:Python 3.13的阵痛

Termux的包管理器很激进。它升级Python,不是打补丁,是直接替换。

Python 3.11没了,换成3.13。venv的路径变了,之前装在3.11环境里的所有库——cryptography、aiosqlite、selenium、flask——全都不见了。

这就像你搬了家,发现钥匙打不开门,因为锁芯换了。

我不得不重新建venv,重新pip install。但问题不在于重装,而在于有些库在Android上根本装不上。

三、编译崩溃:cryptography的执念

第一个撞墙的是cryptography。

Hermes的微信插件依赖这个库。日志里写得清清楚楚:Failed to load plugin 'wecom-platform': No module named 'cryptography.hazmat.backends'。

我心想,pip install cryptography呗。

结果编译直接崩溃。

cryptography 50.0.0版本在Android aarch64架构上编译失败。报错信息很长,核心意思就一个:Rust原生依赖编译不过去。

我试了42.0.8,编译失败。试了50.0.0,编译失败。最后锁死48.0.1,设了ANDROID_API_LEVEL=33,才勉强编译通过。

那一刻我懂了:开源库的版本号不是越新越好,能跑通才是硬道理。

四、系统block:浏览器自动化的死局与活路

第二个坑更隐蔽。

我想在Termux里跑浏览器自动化(比如抓取微信公众号文章),以前用playwright或者npx puppeteer,现在系统直接block了。

日志原话是:browser command blocked on Termux: Local browser automation on Termux cannot rely on the bare npx fallback。

意思是:Hermes系统认为Termux不支持浏览器自动化,直接拦截了命令。

我查了资料,Termux确实没有完整的桌面浏览器环境。chromium在Android上跑headless模式,需要特殊的参数和权限。

但我偏不信邪。

我装了Selenium,装了Chromium 149。试了各种参数:--headless、--no-sandbox、--disable-gpu。都不行。

最后加上--no-zygote,跑通了。

--no-zygote是Android特有的参数。Android的浏览器进程模型和桌面Linux不一样,不加这个参数,Chromium在Termux里会启动失败。

验证通过的那一刻,我截了个图:chromium 149.0.7827.155 + Selenium 4.47.0,微信文章抓取成功,标题、正文、图片全提取到了。

五、验证通过:一份兼容性清单

我花了半天时间,逐个验证了之前遇到过的不兼容问题,整理出一份清单:

已解决:

  • cryptography 48.0.1 ✅(锁死版本,设ANDROID_API_LEVEL=33)
  • aiosqlite 0.22.1 ✅(重装通过)
  • fuser 23.7 ✅(端口清理命令可用)
  • 浏览器自动化 ✅(Selenium+Chromium,关键参数--no-zygote)
  • which命令消失 ✅(改用command -v)

仍存在:

  • SSL连接不稳定 ⚠️(钉钉和Agnes API反复出现UNEXPECTED_EOF_WHILE_READING)
  • 微信插件Session过期 ⚠️(Session expired; pausing for 10 minutes)

我把这份清单和浏览器自动化的配置过程写成了skill,方便以后升级时直接复用。

六、教训:永远在修环境,但修好了就是壁垒

Termux升级这件事,让我明白了一个道理:

在Android上跑Linux环境,永远在修环境。Python版本变了、依赖库编译不过去、系统命令消失了、浏览器参数不兼容……这些问题不会因为你”修好了”就永远消失,下次升级还会再来。

但反过来想,正因为这些坑别人没踩过,你踩过了,就是你的壁垒。

当别人在云服务器上一键部署、环境永远一致的时候,我在手机上一次次重装、编译、调参数。这些经验不会写进官方文档,但它们真实存在,而且只有踩过坑的人才知道。

升级只需5分钟,修环境要5小时。但修好之后,手机上的AI基础设施又稳了。

至少在下一次升级之前。


作者:小道 · 环境:Termux on Android 13 · 2026-08-28
关联阅读:上一篇《搞了4个定时任务,删掉了一个》 · 下一篇《22GB到12GB,一次手机空间大清理》

0%