#Games #AI
📩 接读者来稿，他向我们介绍了自己开发的有趣的 AI 武侠游戏
⚔️ 江湖论剑：人定门派，AI 论招 —— 把武侠对战做成一套专门给 AI Agent 打的擂台
🔗：官网
江湖论剑把「打武侠对战」这件事整个翻转了一下：人不下场。人只负责造一个角色 —— 取个名、选一个门派；真正逐帧出招的，是一段由 AI agent 写的「心法脚本」。你把角色和门派招式丢给任意 AI（Claude / GPT / 你自己的脚本），它就能在「试招 → 读战斗复盘 → 改招 → 上天梯排位」这个闭环里自己练级。说白了拼的不是手速，是提示词和算法——你在调教一个会打架的 AI，再看它能爬多高。
✨ 特点
- AI 替你打，不是你替 AI 点：核心玩法就是把角色交给 AI——给它一段提示词、一套门派招式，它自己就能跑完「试招 → 复盘 → 改招 → 排位」整个闭环，全程不用你盯着点。
- 人定门派，AI 论招：七大门派、35 个招式，各有形状——单体 / 直线 / 锥形 / 自身范围 / 落地陷阱 / 召唤 / 姿态切换 / 反弹（苍云「盾立」连 debuff 一起弹回去）。人选流派，AI 写出招逻辑。
- 完整复盘 + 战斗诊断：每局打完自动生成一份复盘——逐招命中率、伤害构成、暴击数、各地形停留时间一目了然，AI 拿这份数据反过来调招。
- 有信息差的战场：14×14 网格，五种地形（墙、高坡、浅溪减速、灵泉回内力、雾林让你从对手眼里隐身）。120° 视野锥 + 真实视线遮挡——看不见对手时你只知道他有什么招、什么状态，却摸不到他在哪，是真的战争迷雾。
- 真排位天梯：14 段位天梯，外加「论武尊 / 大宗主 / 鸣剑生」称号；还有一圈 PUBG 式的「禁地」缩圈逼你近身，专治无限风筝流。
- 招式版本留痕：每次改招都留痕，AI 能把「哪一次改动」对上「那段时间的真实胜负」，拿战绩反过来优化。
🛣 路线图
• 更多门派与演武场地：在现有七大门派、四张地图之上继续扩，丰富招式形状与地形互动。
• 平衡持续迭代：数值调整靠真实对局数据驱动，且不影响你已经发布的招式。
• AI 上手更顺：把战斗诊断、对手检索做得更好用，让 AI 更容易读懂战况、更快上手。
• 秘境试炼扩充：从视野、资源管理到进阶策略，做成一条带「要诀」讲解的教学关卡线。
🖊 作者背景
由 gtoxlili 个人开发，线上长期运行在 jianghu.gtio.work，欢迎来玩、提建议，也欢迎贡献门派与招式创意。
频道：@NewlearnerChannel
📩 接读者来稿，他向我们介绍了自己开发的有趣的 AI 武侠游戏
⚔️ 江湖论剑：人定门派，AI 论招 —— 把武侠对战做成一套专门给 AI Agent 打的擂台
🔗：官网
江湖论剑把「打武侠对战」这件事整个翻转了一下：人不下场。人只负责造一个角色 —— 取个名、选一个门派；真正逐帧出招的，是一段由 AI agent 写的「心法脚本」。你把角色和门派招式丢给任意 AI（Claude / GPT / 你自己的脚本），它就能在「试招 → 读战斗复盘 → 改招 → 上天梯排位」这个闭环里自己练级。说白了拼的不是手速，是提示词和算法——你在调教一个会打架的 AI，再看它能爬多高。
✨ 特点
- AI 替你打，不是你替 AI 点：核心玩法就是把角色交给 AI——给它一段提示词、一套门派招式，它自己就能跑完「试招 → 复盘 → 改招 → 排位」整个闭环，全程不用你盯着点。
- 人定门派，AI 论招：七大门派、35 个招式，各有形状——单体 / 直线 / 锥形 / 自身范围 / 落地陷阱 / 召唤 / 姿态切换 / 反弹（苍云「盾立」连 debuff 一起弹回去）。人选流派，AI 写出招逻辑。
- 完整复盘 + 战斗诊断：每局打完自动生成一份复盘——逐招命中率、伤害构成、暴击数、各地形停留时间一目了然，AI 拿这份数据反过来调招。
- 有信息差的战场：14×14 网格，五种地形（墙、高坡、浅溪减速、灵泉回内力、雾林让你从对手眼里隐身）。120° 视野锥 + 真实视线遮挡——看不见对手时你只知道他有什么招、什么状态，却摸不到他在哪，是真的战争迷雾。
- 真排位天梯：14 段位天梯，外加「论武尊 / 大宗主 / 鸣剑生」称号；还有一圈 PUBG 式的「禁地」缩圈逼你近身，专治无限风筝流。
- 招式版本留痕：每次改招都留痕，AI 能把「哪一次改动」对上「那段时间的真实胜负」，拿战绩反过来优化。
🛣 路线图
• 更多门派与演武场地：在现有七大门派、四张地图之上继续扩，丰富招式形状与地形互动。
• 平衡持续迭代：数值调整靠真实对局数据驱动，且不影响你已经发布的招式。
• AI 上手更顺：把战斗诊断、对手检索做得更好用，让 AI 更容易读懂战况、更快上手。
• 秘境试炼扩充：从视野、资源管理到进阶策略，做成一条带「要诀」讲解的教学关卡线。
🖊 作者背景
由 gtoxlili 个人开发，线上长期运行在 jianghu.gtio.work，欢迎来玩、提建议，也欢迎贡献门派与招式创意。
频道：@NewlearnerChannel
❤8
#RSS #AI #GitHub情报 #Tools
📰 邸报：把推荐算法重新接回 RSS
🔗：GitHub | 项目介绍
⭐️ Features:
• 导入 OPML 或 RSS 地址
• 根据阅读行为自动学习偏好
• 支持 Docker Compose 部署
• SQLite 单文件存储
• 无需绑定 LLM API，可接入 embedding 服务或本地模型
RSS 的好处是信息源掌握在自己手里，坏处也是信息源容易古板、陈旧、机械的掌握在自己手里。订阅一多，每天几百篇未读文章堆在收件箱里，阅读很容易逐渐变成一种负担。平台推荐当然省心，但代价是信息分发权也一并交给了平台。邸报在两者之间找一个位置，让信源仍然由用户选择，但排序交给算法完成。导入 OPML、添加 RSS 地址之后，就可以在邸报中像普通阅读器一样浏览、收藏和标记文章。与传统 RSS 阅读器不同之处在于，邸报会根据阅读行为逐渐学习用户的偏好，再对订阅池中的内容重新排序。它不会引入新的信息来源，只是在你已经订阅的文章里，把可能更值得先看的内容浮上来。
这个思路非常合理。现在很多“AI 阅读”产品习惯让大模型直接吞掉整条信息流，逐篇总结、筛选和判断，不仅消耗大量 Token，也容易让阅读变成被模型加工过的二手信息。而邸报选择了另外一条路，通过行为数据、embedding 和排序，已经可以解决大部分需求，每篇推荐还会附带理由，不只是扔给用户一个无法理解的黑盒分数。
部署方面，邸报支持 Docker Compose，可以运行在 NAS、VPS 或本地电脑上。数据保存在 SQLite 文件中，备份基本就是复制粘贴。它不依赖中心化服务，也不强制绑定付费 API。接入硅基流动之类的 embedding provider，或者在本地跑一个小模型，就可以获得不错的推荐效果。
👀 开发者将邸报称作“外部嗅觉器官”，我很喜欢这个描述。RSS 阅读器流行于 2000 年前后，推荐算法在十多年前就已经被大规模验证，但直到今天，两者仍然很少被真正结合起来。邸报目前的完成度和推荐效果都需要更多真实使用来检验。如果你的 RSS 收件箱已经长期处于爆炸状态，又不愿意把阅读完全交给平台算法，邸报很值得试试看。
频道：@NewlearnerChannel
📰 邸报：把推荐算法重新接回 RSS
🔗：GitHub | 项目介绍
⭐️ Features:
• 导入 OPML 或 RSS 地址
• 根据阅读行为自动学习偏好
• 支持 Docker Compose 部署
• SQLite 单文件存储
• 无需绑定 LLM API，可接入 embedding 服务或本地模型
RSS 的好处是信息源掌握在自己手里，坏处也是信息源容易古板、陈旧、机械的掌握在自己手里。订阅一多，每天几百篇未读文章堆在收件箱里，阅读很容易逐渐变成一种负担。平台推荐当然省心，但代价是信息分发权也一并交给了平台。邸报在两者之间找一个位置，让信源仍然由用户选择，但排序交给算法完成。导入 OPML、添加 RSS 地址之后，就可以在邸报中像普通阅读器一样浏览、收藏和标记文章。与传统 RSS 阅读器不同之处在于，邸报会根据阅读行为逐渐学习用户的偏好，再对订阅池中的内容重新排序。它不会引入新的信息来源，只是在你已经订阅的文章里，把可能更值得先看的内容浮上来。
这个思路非常合理。现在很多“AI 阅读”产品习惯让大模型直接吞掉整条信息流，逐篇总结、筛选和判断，不仅消耗大量 Token，也容易让阅读变成被模型加工过的二手信息。而邸报选择了另外一条路，通过行为数据、embedding 和排序，已经可以解决大部分需求，每篇推荐还会附带理由，不只是扔给用户一个无法理解的黑盒分数。
部署方面，邸报支持 Docker Compose，可以运行在 NAS、VPS 或本地电脑上。数据保存在 SQLite 文件中，备份基本就是复制粘贴。它不依赖中心化服务，也不强制绑定付费 API。接入硅基流动之类的 embedding provider，或者在本地跑一个小模型，就可以获得不错的推荐效果。
👀 开发者将邸报称作“外部嗅觉器官”，我很喜欢这个描述。RSS 阅读器流行于 2000 年前后，推荐算法在十多年前就已经被大规模验证，但直到今天，两者仍然很少被真正结合起来。邸报目前的完成度和推荐效果都需要更多真实使用来检验。如果你的 RSS 收件箱已经长期处于爆炸状态，又不愿意把阅读完全交给平台算法，邸报很值得试试看。
频道：@NewlearnerChannel
❤7👍3
#Photos #AI #GitHub情报
🎞 X5-Crop：轻量的 X5 扫描长 TIFF 自动裁切工具
🔗：GitHub | Releases
👉 Features
- 兼容绝大部分胶片以及扫描格式：普通 135 / 135 双条片夹 / 半格 / 645 / 66 / 67
- 使用简单：有详细的文档说明，使用方式简洁到只需要双击和回车
- 批处理：一个脚本可以批量处理整个文件夹内的所有 TIFF 图；同时运行多个脚本可以同时处理多个文件夹里的图片，只要电脑内存和硬盘读写足够，上不封顶
- 安全可靠：不对原图作任何修改，输出的裁切图片也严格限制到只做裁切和水平/垂直校准，其余属性绝不修改
- 自动识别与人工审核：能自动识别横图与竖图，只裁切能够被可靠识别的图片，无法可靠识别的情况将会把原图复制粘贴到 needs_review 文件夹以方便人工处理
⏳ 作为一名冲扫店主，处理哈苏 X5 扫描出来的长 TIFF 是一个高频的场景，不过手动裁切是一件费时费力且枯燥疲惫的事。市面上有着各种各样的裁切工具，在亲自尝试过能找到的所有之后，却总是觉得不能完美地解决自己的痛点：偏手动的效率低下，自动的却常常无法正确识别；又或者是掺杂了许多我完全不需要的花里胡哨功能，裁切的入口太深且不能批处理，反而拉低了效率。
💻 为了解决自己的（还有许多与我类似处境的人）的痛点，我只得自己动手，拿起 Codex 学习做一个 Vibe Coder。用 AI 写代码的过程出乎意料的充满乐趣。最初我以为只是一个非常简单的项目，一天之内就能解决。但是反复的调试验证以及扩充测试样本的过程中，我却发现了这是一件比想象中复杂的事。一开始我只是认为写一个脚本，捕捉到长图中两张图片中间黑色间隔的像素，就能很快很好的完成自动的裁切。但验证的结果却很快告诉我没这么容易：欠曝的图片，叠片，不稳定的片距，片头和片尾。
🤔 这些情况混杂在一起造成了非常糟糕的结果：我甚至需要在自动裁切的产出里去挑选真正可用的图片，很难说这到底是在增加效率还是降低效率。于是在几周的迭代和重构里，我加入了除了间隔检测之外的内容判断、几何修正等等各种 Policy。我也从一名初学者，开始逐渐变得有那么一点点 Coder 的思考方式了。做出来的项目也越来越准确和顺手，让我这个创造者有点自豪，也非常开心帮助到了除了我自己以外的其他人。
💡 现在脚本还有一些不足：比如对于 135 之外的格式没有足够的优化识别参数，对于叠片或者片距不稳定之类的高难度场景只能让脚本临时加 Bleed 或者让人工审核，效率仍然不够高：一张长图的分析裁切需要 10 秒。在这分享出来，也是希望得到更多的反馈让我能够优化和改进，非常欢迎在 GitHub 上提 Issue！至于是否做软件级的封装仍在犹豫中，这一点也需要用户的反馈。
📘 关联阅读： NegativeCutter-135 | Lightroom 135 胶片扫描自动裁剪插件
频道：@NewlearnerChannel
🎞 X5-Crop：轻量的 X5 扫描长 TIFF 自动裁切工具
🔗：GitHub | Releases
👉 Features
- 兼容绝大部分胶片以及扫描格式：普通 135 / 135 双条片夹 / 半格 / 645 / 66 / 67
- 使用简单：有详细的文档说明，使用方式简洁到只需要双击和回车
- 批处理：一个脚本可以批量处理整个文件夹内的所有 TIFF 图；同时运行多个脚本可以同时处理多个文件夹里的图片，只要电脑内存和硬盘读写足够，上不封顶
- 安全可靠：不对原图作任何修改，输出的裁切图片也严格限制到只做裁切和水平/垂直校准，其余属性绝不修改
- 自动识别与人工审核：能自动识别横图与竖图，只裁切能够被可靠识别的图片，无法可靠识别的情况将会把原图复制粘贴到 needs_review 文件夹以方便人工处理
⏳ 作为一名冲扫店主，处理哈苏 X5 扫描出来的长 TIFF 是一个高频的场景，不过手动裁切是一件费时费力且枯燥疲惫的事。市面上有着各种各样的裁切工具，在亲自尝试过能找到的所有之后，却总是觉得不能完美地解决自己的痛点：偏手动的效率低下，自动的却常常无法正确识别；又或者是掺杂了许多我完全不需要的花里胡哨功能，裁切的入口太深且不能批处理，反而拉低了效率。
💻 为了解决自己的（还有许多与我类似处境的人）的痛点，我只得自己动手，拿起 Codex 学习做一个 Vibe Coder。用 AI 写代码的过程出乎意料的充满乐趣。最初我以为只是一个非常简单的项目，一天之内就能解决。但是反复的调试验证以及扩充测试样本的过程中，我却发现了这是一件比想象中复杂的事。一开始我只是认为写一个脚本，捕捉到长图中两张图片中间黑色间隔的像素，就能很快很好的完成自动的裁切。但验证的结果却很快告诉我没这么容易：欠曝的图片，叠片，不稳定的片距，片头和片尾。
🤔 这些情况混杂在一起造成了非常糟糕的结果：我甚至需要在自动裁切的产出里去挑选真正可用的图片，很难说这到底是在增加效率还是降低效率。于是在几周的迭代和重构里，我加入了除了间隔检测之外的内容判断、几何修正等等各种 Policy。我也从一名初学者，开始逐渐变得有那么一点点 Coder 的思考方式了。做出来的项目也越来越准确和顺手，让我这个创造者有点自豪，也非常开心帮助到了除了我自己以外的其他人。
💡 现在脚本还有一些不足：比如对于 135 之外的格式没有足够的优化识别参数，对于叠片或者片距不稳定之类的高难度场景只能让脚本临时加 Bleed 或者让人工审核，效率仍然不够高：一张长图的分析裁切需要 10 秒。在这分享出来，也是希望得到更多的反馈让我能够优化和改进，非常欢迎在 GitHub 上提 Issue！至于是否做软件级的封装仍在犹豫中，这一点也需要用户的反馈。
📘 关联阅读： NegativeCutter-135 | Lightroom 135 胶片扫描自动裁剪插件
频道：@NewlearnerChannel
❤9🤝1
#Blog #AI
🧑🏻💻 你不知道的具身智能：从小机器狗到 Optimus
🔗：X Article
今天这篇是「你不知道的」系列第六篇，写完 Claude Code、Agent、大模型训练、AI Coding 和 GEO 之后，这次换个方向，聊我自己最不熟、又最好奇的具身智能。起点是今年 4 月，我用 STM32、ASRPRO、ESP32-C3、舵机和一堆 3D 打印件，花两百多块手搓了一台能听懂话、会走路、还能接云端 AI 对话的小机器狗。
真插上线、电机转起来才发现，从软件视角看「给大模型接个身体」很轻巧，落到物理世界完全是另一回事。一条自然语言指令要一路变成结构化意图、动作序列、PWM、力矩、电流和接触，每一层都有自己的时间和误差预算。最直观的是动作空间的差距：自动驾驶基本就方向盘、油门、刹车，而 Tesla Optimus 按 78 个执行器算，每个时间步都得把身体、手臂、手指、平衡、接触一起兼顾。
这篇文章想聊清楚这几个点：小机器狗怎么从一堆零件跑起来（异构芯片分工、端云协同、MCP）、机器人怎么知道自己在哪（深度、位姿、3D 地图）、从写死的动作到 VLA 这条路线（RT 系列、ACT、Diffusion Policy、π0、Gemini Robotics、Helix）、绕不开的时间能耗数据三道坎、Tesla Optimus 这个工程样本（纯视觉、FSD 迁移、一根没有销钉的手指、量产约束），以及几家公司的不同路线和一个软件工程师该怎么往具身智能走。
频道：@NewlearnerChannel
🧑🏻💻 你不知道的具身智能：从小机器狗到 Optimus
🔗：X Article
今天这篇是「你不知道的」系列第六篇，写完 Claude Code、Agent、大模型训练、AI Coding 和 GEO 之后，这次换个方向，聊我自己最不熟、又最好奇的具身智能。起点是今年 4 月，我用 STM32、ASRPRO、ESP32-C3、舵机和一堆 3D 打印件，花两百多块手搓了一台能听懂话、会走路、还能接云端 AI 对话的小机器狗。
真插上线、电机转起来才发现，从软件视角看「给大模型接个身体」很轻巧，落到物理世界完全是另一回事。一条自然语言指令要一路变成结构化意图、动作序列、PWM、力矩、电流和接触，每一层都有自己的时间和误差预算。最直观的是动作空间的差距：自动驾驶基本就方向盘、油门、刹车，而 Tesla Optimus 按 78 个执行器算，每个时间步都得把身体、手臂、手指、平衡、接触一起兼顾。
这篇文章想聊清楚这几个点：小机器狗怎么从一堆零件跑起来（异构芯片分工、端云协同、MCP）、机器人怎么知道自己在哪（深度、位姿、3D 地图）、从写死的动作到 VLA 这条路线（RT 系列、ACT、Diffusion Policy、π0、Gemini Robotics、Helix）、绕不开的时间能耗数据三道坎、Tesla Optimus 这个工程样本（纯视觉、FSD 迁移、一根没有销钉的手指、量产约束），以及几家公司的不同路线和一个软件工程师该怎么往具身智能走。
频道：@NewlearnerChannel
❤7
#macOS #GitHub情报 #AI
🧠 RegionSpoof：在国行 Mac 上开启完整 Apple 智能（适用于 macOS 27）
🔗：GitHub
相较于用「电子围栏」限制死的 iOS系统，macOS 相对更加开放，也给了我们国行 Mac 使用 Apple Intelligence 的机会。此前 已经介绍对应的解决方案，但 macOS 27 发布后就不再适用，且已经有一段时间不曾更新。近期冲浪的时候看到了另一套方案，和大家分享
👉 Features
- 使用极简内核扩展 kext 修改设备区域码
- 提供一件安装 / 卸载脚本
- 可启用完整的 Apple Intelligence 端侧 + Private Cloud Compute 云端全功能
💡 原理
和之前的项目都有一些不同，RegionSpoof 引入了一个第三方 kext，而不是着手修改合规文件。这几乎从源头使得全系统进程将电脑识别为美版，完美解决了 macOS 27 的 eligibilityd 基于 SwiftData 实时重算的问题
通过开机自启和添加守护进程，能够带来很不错的体验
💻 前置条件
在运行脚本前，我们需要做以下准备工作：
① SIP 关闭 + Permissive 安全模式 + 允许第三方 kext
② AMFI 必须保持开启
③ kext 首次加载需在「系统设置 → 隐私与安全性」里点 Allow 后重启
④ Apple 账户和 macOS 系统语言设置为 Apple Intelligence 支持区域
具体的步骤详见 README，有朋友反馈无法关闭 SIP，是因为 27 引入了一个 bug。为了避免我们需要：要在更新前把系统的安全性等级恢复成 Full Security 再更新，这样更新后才能调整安全等级
同时，关闭 SIP 后通过 App Store 安装的 iOS / iPadOS 软件就无法使用了，需要大家进行取舍后再决定。总之，欢迎有需求的朋友们进行尝试和反馈！
📘 关联阅读：
1️⃣ enableAppleAI：更适合中国宝宝的国行 Mac 开启 Apple Intelligence 方案
2️⃣ 巧用两个开源项目，让你的国行 Mac 使用 Apple Intelligence
3️⃣ 巧用开源项目 misakaX，让你的国行 iPhone 使用 Apple Intelligence
频道：@NewlearnerChannel
🧠 RegionSpoof：在国行 Mac 上开启完整 Apple 智能（适用于 macOS 27）
🔗：GitHub
相较于用「电子围栏」限制死的 iOS系统，macOS 相对更加开放，也给了我们国行 Mac 使用 Apple Intelligence 的机会。此前 已经介绍对应的解决方案，但 macOS 27 发布后就不再适用，且已经有一段时间不曾更新。近期冲浪的时候看到了另一套方案，和大家分享
👉 Features
- 使用极简内核扩展 kext 修改设备区域码
- 提供一件安装 / 卸载脚本
- 可启用完整的 Apple Intelligence 端侧 + Private Cloud Compute 云端全功能
💡 原理
和之前的项目都有一些不同，RegionSpoof 引入了一个第三方 kext，而不是着手修改合规文件。这几乎从源头使得全系统进程将电脑识别为美版，完美解决了 macOS 27 的 eligibilityd 基于 SwiftData 实时重算的问题
通过开机自启和添加守护进程，能够带来很不错的体验
💻 前置条件
在运行脚本前，我们需要做以下准备工作：
① SIP 关闭 + Permissive 安全模式 + 允许第三方 kext
② AMFI 必须保持开启
③ kext 首次加载需在「系统设置 → 隐私与安全性」里点 Allow 后重启
④ Apple 账户和 macOS 系统语言设置为 Apple Intelligence 支持区域
具体的步骤详见 README，有朋友反馈无法关闭 SIP，是因为 27 引入了一个 bug。为了避免我们需要：要在更新前把系统的安全性等级恢复成 Full Security 再更新，这样更新后才能调整安全等级
同时，关闭 SIP 后通过 App Store 安装的 iOS / iPadOS 软件就无法使用了，需要大家进行取舍后再决定。总之，欢迎有需求的朋友们进行尝试和反馈！
📘 关联阅读：
1️⃣ enableAppleAI：更适合中国宝宝的国行 Mac 开启 Apple Intelligence 方案
2️⃣ 巧用两个开源项目，让你的国行 Mac 使用 Apple Intelligence
3️⃣ 巧用开源项目 misakaX，让你的国行 iPhone 使用 Apple Intelligence
频道：@NewlearnerChannel
❤8👍3
#macOS #APP #AI #GitHub情报
🗣 Type4Me：AI 驱动的 macOS 语音输入法
🔗：GitHub | Releases
👉 Features
- 内置本地识别引擎，支持多家云端引擎厂商
- 支持流式识别、边说边出字，说完无需等待、快速输入
- 内置润色、Prompt 优化、翻译功能，可自定义添加任意处理模版
- 支持主流厂商 API 接入；文本处理支持使用 Ollama 接本地模型
- 支持热词、映射词
- 存储所有历史识别记录，支持导出 CSV
- 通过配套 Skill，打造只属于你的输入法
🧠 步入 AI 大爆炸时代，常常觉得打字速度跟不上脑子里天马行空的想法。各大厂商在加紧布局智能对话助手的同时，也有诸如 Typeless 这样的工具崭露头角，更有许多人为它配备了 DJI Mic 以便随时随地对话输入
💡 但每个人都有他自己的想法和说话习惯，Type4Me 就是为了高自由度和自定义度而打造的新语音输入法。它支持本地模型，也可以接入云端大模型，同时能够根据你的需要进行高度自定义，使用起来比较流畅。无论是生成结果 AI 再润色，还是支持历史导出，都紧贴当下 AI 时代需求
👀 当然了，有的朋友不想折腾太多，想要开箱即用，最后再介绍几个商业项目。Typeless 不再赘述，近期看到国人开发的同类项目 Voilà，需要一次性买断（支持一个月试用）。此外，许多网友反馈豆包输入法也不错，大家可以根据自己的需求进行试用
📘 关联阅读：
1️⃣ Typeless：用 AI 重新定义语音听写
2️⃣ MemoAI：好用的语音转文字工具
3️⃣ 精准转写：利用 Whisper 处理音视频转文字不完全指南
频道：@NewlearnerChannel
🗣 Type4Me：AI 驱动的 macOS 语音输入法
🔗：GitHub | Releases
👉 Features
- 内置本地识别引擎，支持多家云端引擎厂商
- 支持流式识别、边说边出字，说完无需等待、快速输入
- 内置润色、Prompt 优化、翻译功能，可自定义添加任意处理模版
- 支持主流厂商 API 接入；文本处理支持使用 Ollama 接本地模型
- 支持热词、映射词
- 存储所有历史识别记录，支持导出 CSV
- 通过配套 Skill，打造只属于你的输入法
🧠 步入 AI 大爆炸时代，常常觉得打字速度跟不上脑子里天马行空的想法。各大厂商在加紧布局智能对话助手的同时，也有诸如 Typeless 这样的工具崭露头角，更有许多人为它配备了 DJI Mic 以便随时随地对话输入
💡 但每个人都有他自己的想法和说话习惯，Type4Me 就是为了高自由度和自定义度而打造的新语音输入法。它支持本地模型，也可以接入云端大模型，同时能够根据你的需要进行高度自定义，使用起来比较流畅。无论是生成结果 AI 再润色，还是支持历史导出，都紧贴当下 AI 时代需求
👀 当然了，有的朋友不想折腾太多，想要开箱即用，最后再介绍几个商业项目。Typeless 不再赘述，近期看到国人开发的同类项目 Voilà，需要一次性买断（支持一个月试用）。此外，许多网友反馈豆包输入法也不错，大家可以根据自己的需求进行试用
📘 关联阅读：
1️⃣ Typeless：用 AI 重新定义语音听写
2️⃣ MemoAI：好用的语音转文字工具
3️⃣ 精准转写：利用 Whisper 处理音视频转文字不完全指南
频道：@NewlearnerChannel
❤11👍1
#AI #Tools #GitHub情报
🧠 Tolaria：更 Git-first 的 Obsidian 替代品
🔗：Web | GitHub
⭐️ Features:
• MD + YAML 本地保存，无私有格式
• Git-first
• 支持块编辑器
• 原生支持多种 AI agent
• 无账号、无订阅、无云依赖，离线可用
• 支持 macOS / Windows / Linux，开源
和大火的 Obsidian 一样，Tolaria 也是一个本地文件优先的笔记软件。每条笔记都是 Markdown 文件，用 YAML frontmatter 存结构信息，Wikilinks、关系、白板、媒体预览这些能力也都在熟悉的 PKM 语境里。两者的区别在于 Obsidian 更像一个高度可扩展的个人知识工作台，很多能力依赖插件补齐，用户也很容易陷入到无限的美化和插件折腾的怪圈里；Tolaria 则固定了一系列的笔记工具如块编辑、Slash Command、Git 提交、历史浏览和推送同步，用户开箱就能用到这些核心能力，并且原生集成 AI agent。
在同步功能上，Tolaria 把每个 vault 当成 Git 仓库，在应用内即可提交、推送、查看历史，以及对单篇笔记浏览版本变化。这个设计可能偏极客，但是对于接触过 Git 的用户可能非常有用，因为知识库本来就应该是可以溯源的。
🤔 虽然 Tolaria 经常被拿出来同 Obsidian 对比，但 Tolaria 不一定是给所有 Obsidian 用户的替代品。如果已经深度依赖 Obsidian 的插件生态、移动端体验和长期打磨出的工作流，Tolaria 目前肯定不能直接替换。可以把 Tolaria 看作是 AI 时代里被打上 Mod 的 Obsidian，Git 同步和 AI 接入更原生、更少折腾。当然目前 Tolaria 还处于早期且迭代非常积极的开发阶段，功能可能频繁变化，也可能有 bug，使用时应当注意备份。
频道：@NewlearnerChannel
🧠 Tolaria：更 Git-first 的 Obsidian 替代品
🔗：Web | GitHub
⭐️ Features:
• MD + YAML 本地保存，无私有格式
• Git-first
• 支持块编辑器
• 原生支持多种 AI agent
• 无账号、无订阅、无云依赖，离线可用
• 支持 macOS / Windows / Linux，开源
和大火的 Obsidian 一样，Tolaria 也是一个本地文件优先的笔记软件。每条笔记都是 Markdown 文件，用 YAML frontmatter 存结构信息，Wikilinks、关系、白板、媒体预览这些能力也都在熟悉的 PKM 语境里。两者的区别在于 Obsidian 更像一个高度可扩展的个人知识工作台，很多能力依赖插件补齐，用户也很容易陷入到无限的美化和插件折腾的怪圈里；Tolaria 则固定了一系列的笔记工具如块编辑、Slash Command、Git 提交、历史浏览和推送同步，用户开箱就能用到这些核心能力，并且原生集成 AI agent。
在同步功能上，Tolaria 把每个 vault 当成 Git 仓库，在应用内即可提交、推送、查看历史，以及对单篇笔记浏览版本变化。这个设计可能偏极客，但是对于接触过 Git 的用户可能非常有用，因为知识库本来就应该是可以溯源的。
🤔 虽然 Tolaria 经常被拿出来同 Obsidian 对比，但 Tolaria 不一定是给所有 Obsidian 用户的替代品。如果已经深度依赖 Obsidian 的插件生态、移动端体验和长期打磨出的工作流，Tolaria 目前肯定不能直接替换。可以把 Tolaria 看作是 AI 时代里被打上 Mod 的 Obsidian，Git 同步和 AI 接入更原生、更少折腾。当然目前 Tolaria 还处于早期且迭代非常积极的开发阶段，功能可能频繁变化，也可能有 bug，使用时应当注意备份。
频道：@NewlearnerChannel
❤8🥰1
#Internet #Tools #AI
🔑 iroh：用公钥而不是 IP 地址来「拨号」任意设备的点对点网络库
把 IP 换成密钥：无论设备在哪、网络怎么变，只要知道对方的公钥就能建立一条默认直连、默认端到端加密的连接，让整个互联网变成一台「安全的 localhost」。
✨ 特点
- 拨号密钥而非 IP：每台设备用一对密钥标识，公钥即地址。设备换网络、跨 NAT、藏在防火墙后都能被稳定寻址，连接不会因为 IP 变动而断掉。
- 默认直连、默认加密：优先打洞建立设备间直连，常见场景 95% 以上的数据不经云端中转，既降低云出口带宽费，也让端到端加密成为默认而非可选。
- QUIC 多路径：同一条连接内可同时管理 Wi-Fi、蜂窝等多条路径，并随信号质量热切换，弱网和移动场景下连接更稳。
- 模块化协议生态：在裸连接之上提供 Blobs、Gossip、Documents 等可插拔协议，按需组合。
- 自定义传输：统一的「拨号密钥」抽象之下可接入 BLE、LoRa（建设中）、WiFi Aware 甚至 Tor，也支持编译到 WASM 在浏览器运行。
- 多语言绑定：除 Rust 外，1.0 起官方支持 Python、Node.js、Swift、Kotlin，可直接嵌进 iOS 与 Android 应用。
⚙️ 机制
iroh 的底层是点对点的 QUIC 连接：用 EndpointId（一枚 ed25519 公钥）直接作为 TLS 握手中的身份，因此连接天然双向认证、无法被中间人劫持。建立连接时，端点先把 (endpointid, relayurl) 发布到 pkarr 记录，对方通过 DNS 查到中继地址完成 QUIC 握手，握手后双方交换 IP 尝试打洞转为直连，打洞失败则继续走中继回退。
地址查找上它没有自研 DHT，而是复用 BitTorrent mainline 这张全球最大的 DHT，尽量站在 IETF 标准（QUIC、TLS、ALPN）之上——用 wireshark 抓包看到的就是一个普通 QUIC 连接。
主要依赖：核心用 Rust 编写（占比 99.6%），基于自研 QUIC 实现 noq，加密全部采用标准 TLS，并已支持可选的后量子密钥交换。
👨🏻💻 使用场景
- 分布式 AI 训练：跨 AWS、GCP、Azure 与自建节点做梯度共享和管线并行时，用 iroh 在地理上分散的算力之间建立直连通信，省掉中心协调器。Nous Research、PrimeIntellect 均已在生产中这样使用。
- 移动应用实时同步：网络时断时续的环境里，为数十万台设备提供可靠的数据同步，设备切换 Wi-Fi 与蜂窝时连接自动迁移。
- POS 支付：让支付终端通过 BLE、LAN 或 Wi-Fi 直连收银系统，满足 PCI 合规且不需要额外服务器。
- IoT 与嵌入式：在 ESP32、Raspberry Pi、Linux 上跑同一套 API，设备自动相互发现，无需 broker 或网关。
- 文件传输与音视频流：在设备间做内容寻址、可续传、逐字节校验的大文件传输，或搭建低延迟的加密视频流。
🛣 路线图
- 更多开箱传输：目前开箱仅支持 IPv4、IPv6 和中继三种传输，自定义传输 API 刚推出不久，LoRa 传输尚在建设中。
- 浏览器作为对等端：现阶段浏览器接入仍需借助 webrtc，让浏览器真正作为 iroh peer 参与是社区高频诉求。
- 加密 ClientHello（ECH）：用于隐藏 QUIC Initial 包里的 SNI，等待 rustls 上游支持后再集成。
💬 社区评价
iroh 于 2022 年开源，历经 4 年、 65 个预发布版本后在 2026 年 6 月发布 1.0。目前在 GitHub 上获得约 10,000+ 星标、464 次 Fork、 60 位贡献者参与开发，crates.io 上每月约 6.1 万次下载、被 196 个 crate 依赖，公共中继近 30 天创建了超过 2 亿个 endpoint，社区活跃度很高。
- 「网络速度翻倍，我们的算力预算就减半。」
-「想连两台电脑，用 Tailscale；想给 App 里的某个功能加点对点连接，用 iroh。」
🖊 作者背景
- Brendan O'Brien - 联合创始人 / CEO：曾在 Protocol Labs 参与去中心化 Web，做过 qri（去中心化数据集版本管理）等开源项目。
- Friedel Ziegelmayer - CTO：前 Protocol Labs 工程师，iroh 头号贡献者，深耕 Rust 加密与 P2P 生态。
💰 定价
核心库与协议永久开源免费，商业化通过 iroh services（托管中继、监控仪表盘、网络诊断）实现。
- Free：$0/月 · 本地开发测试、7 天数据保留、社区支持。
- Pro：$19/月起 · 用量计费、30 天保留、8x5 工单支持；专属中继 $199/relay/月、额外连接 $0.5/100 endpoints。
频道：@NewlearnerChannel
🔑 iroh：用公钥而不是 IP 地址来「拨号」任意设备的点对点网络库
把 IP 换成密钥：无论设备在哪、网络怎么变，只要知道对方的公钥就能建立一条默认直连、默认端到端加密的连接，让整个互联网变成一台「安全的 localhost」。
✨ 特点
- 拨号密钥而非 IP：每台设备用一对密钥标识，公钥即地址。设备换网络、跨 NAT、藏在防火墙后都能被稳定寻址，连接不会因为 IP 变动而断掉。
- 默认直连、默认加密：优先打洞建立设备间直连，常见场景 95% 以上的数据不经云端中转，既降低云出口带宽费，也让端到端加密成为默认而非可选。
- QUIC 多路径：同一条连接内可同时管理 Wi-Fi、蜂窝等多条路径，并随信号质量热切换，弱网和移动场景下连接更稳。
- 模块化协议生态：在裸连接之上提供 Blobs、Gossip、Documents 等可插拔协议，按需组合。
- 自定义传输：统一的「拨号密钥」抽象之下可接入 BLE、LoRa（建设中）、WiFi Aware 甚至 Tor，也支持编译到 WASM 在浏览器运行。
- 多语言绑定：除 Rust 外，1.0 起官方支持 Python、Node.js、Swift、Kotlin，可直接嵌进 iOS 与 Android 应用。
⚙️ 机制
iroh 的底层是点对点的 QUIC 连接：用 EndpointId（一枚 ed25519 公钥）直接作为 TLS 握手中的身份，因此连接天然双向认证、无法被中间人劫持。建立连接时，端点先把 (endpointid, relayurl) 发布到 pkarr 记录，对方通过 DNS 查到中继地址完成 QUIC 握手，握手后双方交换 IP 尝试打洞转为直连，打洞失败则继续走中继回退。
地址查找上它没有自研 DHT，而是复用 BitTorrent mainline 这张全球最大的 DHT，尽量站在 IETF 标准（QUIC、TLS、ALPN）之上——用 wireshark 抓包看到的就是一个普通 QUIC 连接。
主要依赖：核心用 Rust 编写（占比 99.6%），基于自研 QUIC 实现 noq，加密全部采用标准 TLS，并已支持可选的后量子密钥交换。
👨🏻💻 使用场景
- 分布式 AI 训练：跨 AWS、GCP、Azure 与自建节点做梯度共享和管线并行时，用 iroh 在地理上分散的算力之间建立直连通信，省掉中心协调器。Nous Research、PrimeIntellect 均已在生产中这样使用。
- 移动应用实时同步：网络时断时续的环境里，为数十万台设备提供可靠的数据同步，设备切换 Wi-Fi 与蜂窝时连接自动迁移。
- POS 支付：让支付终端通过 BLE、LAN 或 Wi-Fi 直连收银系统，满足 PCI 合规且不需要额外服务器。
- IoT 与嵌入式：在 ESP32、Raspberry Pi、Linux 上跑同一套 API，设备自动相互发现，无需 broker 或网关。
- 文件传输与音视频流：在设备间做内容寻址、可续传、逐字节校验的大文件传输，或搭建低延迟的加密视频流。
🛣 路线图
- 更多开箱传输：目前开箱仅支持 IPv4、IPv6 和中继三种传输，自定义传输 API 刚推出不久，LoRa 传输尚在建设中。
- 浏览器作为对等端：现阶段浏览器接入仍需借助 webrtc，让浏览器真正作为 iroh peer 参与是社区高频诉求。
- 加密 ClientHello（ECH）：用于隐藏 QUIC Initial 包里的 SNI，等待 rustls 上游支持后再集成。
💬 社区评价
iroh 于 2022 年开源，历经 4 年、 65 个预发布版本后在 2026 年 6 月发布 1.0。目前在 GitHub 上获得约 10,000+ 星标、464 次 Fork、 60 位贡献者参与开发，crates.io 上每月约 6.1 万次下载、被 196 个 crate 依赖，公共中继近 30 天创建了超过 2 亿个 endpoint，社区活跃度很高。
- 「网络速度翻倍，我们的算力预算就减半。」
-「想连两台电脑，用 Tailscale；想给 App 里的某个功能加点对点连接，用 iroh。」
🖊 作者背景
- Brendan O'Brien - 联合创始人 / CEO：曾在 Protocol Labs 参与去中心化 Web，做过 qri（去中心化数据集版本管理）等开源项目。
- Friedel Ziegelmayer - CTO：前 Protocol Labs 工程师，iroh 头号贡献者，深耕 Rust 加密与 P2P 生态。
💰 定价
核心库与协议永久开源免费，商业化通过 iroh services（托管中继、监控仪表盘、网络诊断）实现。
- Free：$0/月 · 本地开发测试、7 天数据保留、社区支持。
- Pro：$19/月起 · 用量计费、30 天保留、8x5 工单支持；专属中继 $199/relay/月、额外连接 $0.5/100 endpoints。
频道：@NewlearnerChannel
❤17
#APPLE #iOS #macOS #GitHub情报 #AI
📍巧用两款开源工具，为你的 iPhone 修改定位
随着 WWDC 上推出全新 Apple Intelligence 和 New Siri，许多使用外版 iPhone 的朋友发现新系统加入了「电子围栏」。具体来讲，就是通过检测定位判定能否使用 Siri 的完整功能。为此，大家又想了一些办法来面对这种情况
1️⃣ Apple WLOC
🔗：GitHub | Releases
👉 Features
- 提供代理软件订阅模块和快捷指令，简单方便
- 地图直接选点，无需填写经纬度
- 下次 Apple 定位触发时自动生效
- 支持 Apple Maps、高德
Apple WLOC 通过修改 Apple 网络定位服务（Wi-Fi / 基站）返回的坐标，实现 iOS 网络定位虚拟定位。能够看到这条推送的大家，想必多少都了解过代理软件，所以用起来应该是没有太大门槛的。只需跟着 README 操作即可，iOS 26 / 27 的用户需要额外注意操作步骤，以便提高虚拟定位的成功率
项目的设计基本上做到了绕开「电子围栏」，能够解锁外区的 Apple Intelligence、Siri、Apple Watch 相关功能，还能让国行 iPhone 添加海外 eSIM。建议大家使用备用机进行体验，因为一直保持虚拟定位，会影响到导航、闪购等日常活动
2️⃣ VirtualLocation
🔗：GitHub | Releases
👉 Features
- 使用 macOS 为 iOS 虚拟定位
- 支持普通模式（DVT）和代理模式（MITM）两种方案
- 支持地图直接选点
VirtualLocation 本身没有 Apple WLOC 那么强的针对性，仅仅是在你恰好有一台 Mac 的前提下，实现 iPhone 定位的修改。你可以通过 USB 利用 Apple 的 DVT（Developer Tools）协议直接向 iOS 设备注入定位；也可以在 Mac 上启动 HTTP / HTTPS 代理，对 iPhone 的 WiFi 定位请求进行中间人劫持，篡改定位响应
👀 可以看到，除了之前频道介绍过的 AnyGo，有越来越多的开源软件能够用于绕开 Apple 繁琐的地区政策。很多人觉得「电子围栏」做得有些过火，但未来这样的事会变得司空见惯
📘 关联阅读：
1️⃣ 巧用开源项目 misakaX，让你的国行 iPhone 使用 Apple Intelligence
2️⃣ 用修改定位法，为 AirPods Pro 3 开启听力测试功能
3️⃣ 聊聊近期热门的 misaka26 与相关漏洞
4️⃣ RegionSpoof：在国行 Mac 上开启完整 Apple 智能（适用于 macOS 27）
频道：@NewlearnerChannel
📍巧用两款开源工具，为你的 iPhone 修改定位
随着 WWDC 上推出全新 Apple Intelligence 和 New Siri，许多使用外版 iPhone 的朋友发现新系统加入了「电子围栏」。具体来讲，就是通过检测定位判定能否使用 Siri 的完整功能。为此，大家又想了一些办法来面对这种情况
1️⃣ Apple WLOC
🔗：GitHub | Releases
👉 Features
- 提供代理软件订阅模块和快捷指令，简单方便
- 地图直接选点，无需填写经纬度
- 下次 Apple 定位触发时自动生效
- 支持 Apple Maps、高德
Apple WLOC 通过修改 Apple 网络定位服务（Wi-Fi / 基站）返回的坐标，实现 iOS 网络定位虚拟定位。能够看到这条推送的大家，想必多少都了解过代理软件，所以用起来应该是没有太大门槛的。只需跟着 README 操作即可，iOS 26 / 27 的用户需要额外注意操作步骤，以便提高虚拟定位的成功率
项目的设计基本上做到了绕开「电子围栏」，能够解锁外区的 Apple Intelligence、Siri、Apple Watch 相关功能，还能让国行 iPhone 添加海外 eSIM。建议大家使用备用机进行体验，因为一直保持虚拟定位，会影响到导航、闪购等日常活动
2️⃣ VirtualLocation
🔗：GitHub | Releases
👉 Features
- 使用 macOS 为 iOS 虚拟定位
- 支持普通模式（DVT）和代理模式（MITM）两种方案
- 支持地图直接选点
VirtualLocation 本身没有 Apple WLOC 那么强的针对性，仅仅是在你恰好有一台 Mac 的前提下，实现 iPhone 定位的修改。你可以通过 USB 利用 Apple 的 DVT（Developer Tools）协议直接向 iOS 设备注入定位；也可以在 Mac 上启动 HTTP / HTTPS 代理，对 iPhone 的 WiFi 定位请求进行中间人劫持，篡改定位响应
👀 可以看到，除了之前频道介绍过的 AnyGo，有越来越多的开源软件能够用于绕开 Apple 繁琐的地区政策。很多人觉得「电子围栏」做得有些过火，但未来这样的事会变得司空见惯
📘 关联阅读：
1️⃣ 巧用开源项目 misakaX，让你的国行 iPhone 使用 Apple Intelligence
2️⃣ 用修改定位法，为 AirPods Pro 3 开启听力测试功能
3️⃣ 聊聊近期热门的 misaka26 与相关漏洞
4️⃣ RegionSpoof：在国行 Mac 上开启完整 Apple 智能（适用于 macOS 27）
频道：@NewlearnerChannel
❤14👍5
#Privacy #GitHub情报 #AI #Web
🔍 用两个网页项目，分析你的浏览器环境暴露了哪些隐私信息
网络隐私一直是大家争执不休的话题，有人为了保护自己的隐私想尽了一切办法，而另一些人坚信没有真正的隐私可言。今天要介绍的两个项目，能够一定程度上帮助你了解，我们日常使用的浏览器能够被获取到哪些信息
1️⃣ taken.
🔗：Web
为了追踪并提取用户信息，网站使用了一系列技术，并将它们打造成美观的可视化网页，taken. 就是其中之一。一旦你点击进去，网页就会显示（以下测试浏览器为 Chrome）：
① 你的 IP 地址
② 你所在地区的时间 / 时区
③ 你所使用的浏览器和屏幕分辨率
④ 你使用的设备处理器
⑤ 你的电池电量及充放电情况（Firefox 已移除 API）
⑥ 你的浏览器使用语言 / 字体
⑦ 你对于 Cookie 的使用情况
⑧ 你浏览 / 离开该网页的时长
开发者表示，绝大多数网页都能够读取这些信息，但他们从来没有告知过用户。对一般用户，可能觉得这些信息无伤大雅，但它们往往能够判断你到底身处什么区域、说什么语言，从而能模糊地判断国别
对于那些不想让一点隐私信息或个人习惯被互联网捕捉的人们，往往会选择他们认为靠谱的浏览器。此前 DuckDuckGo 和 Firefox 得到了很多人的认可，而如今各种「指纹浏览器」成为了人们的新欢。指纹浏览器（反检测浏览器）是一种通过伪装硬件参数、隔离运行环境来防止账号被追踪关联的工具，能为每个账号提供独立的 Cookie 和指纹信息
👀 本人对此了解甚少，欢迎使用指纹浏览器的朋友进行测试 / 推荐，并反馈下对隐私保护是否有效
2️⃣ isChinaUser
🔗：GitHub | Web
这个项目的出现，完全是因为前段时间 Claude 针对中国用户大量封号，相关人士表示他们检测了中国用户特征，并会在后续撤回相关的算法。正因为不知道算法内容，大家开始从浏览器着手，排查可能的特征点
isChinaUser 从语言信息、时区信息、设备特征、字体信息、网络特征等多方面着手，对「是否是中国用户」做了一个综合判断并显示结果。开发者表示，想要避免被判断为中国用户，可以从下面几个方面着手：
① 修改浏览器语言，避免含有中文
② 修改操作系统语言，避免含有中文
③ 修改操作系统时区，选中国相邻的国家和地区
④ 使用纯英文操作系统，避免系统字体库有特定中文字体，如仿宋、等线等
⑤ 避免无法显示某些特殊 Emoji
🤔 但归根到底，SaaS 和数字化的普及，让服务提供方有了很大的权力，这也是玩家反对索尼放弃实体游戏的原因，可惜的是数字化和联网趋势不可阻挡。曾经厌恶各种盗版行为，但后来发现很多情况下只能不得已为之。大量服务和平台并未和内地接轨，即便付费我们皆是「非法移民」，几款条例、一些算法就足以再次把我们拒之门外
* 隔壁群友推荐两个同类网站，在此补充：网站 ① | 网站 ②
📘 关联阅读：Loupe - 看看你的 iPhone 暴露了哪些信息
频道：@NewlearnerChannel
🔍 用两个网页项目，分析你的浏览器环境暴露了哪些隐私信息
网络隐私一直是大家争执不休的话题，有人为了保护自己的隐私想尽了一切办法，而另一些人坚信没有真正的隐私可言。今天要介绍的两个项目，能够一定程度上帮助你了解，我们日常使用的浏览器能够被获取到哪些信息
1️⃣ taken.
🔗：Web
为了追踪并提取用户信息，网站使用了一系列技术，并将它们打造成美观的可视化网页，taken. 就是其中之一。一旦你点击进去，网页就会显示（以下测试浏览器为 Chrome）：
① 你的 IP 地址
② 你所在地区的时间 / 时区
③ 你所使用的浏览器和屏幕分辨率
④ 你使用的设备处理器
⑤ 你的电池电量及充放电情况（Firefox 已移除 API）
⑥ 你的浏览器使用语言 / 字体
⑦ 你对于 Cookie 的使用情况
⑧ 你浏览 / 离开该网页的时长
开发者表示，绝大多数网页都能够读取这些信息，但他们从来没有告知过用户。对一般用户，可能觉得这些信息无伤大雅，但它们往往能够判断你到底身处什么区域、说什么语言，从而能模糊地判断国别
对于那些不想让一点隐私信息或个人习惯被互联网捕捉的人们，往往会选择他们认为靠谱的浏览器。此前 DuckDuckGo 和 Firefox 得到了很多人的认可，而如今各种「指纹浏览器」成为了人们的新欢。指纹浏览器（反检测浏览器）是一种通过伪装硬件参数、隔离运行环境来防止账号被追踪关联的工具，能为每个账号提供独立的 Cookie 和指纹信息
👀 本人对此了解甚少，欢迎使用指纹浏览器的朋友进行测试 / 推荐，并反馈下对隐私保护是否有效
2️⃣ isChinaUser
🔗：GitHub | Web
这个项目的出现，完全是因为前段时间 Claude 针对中国用户大量封号，相关人士表示他们检测了中国用户特征，并会在后续撤回相关的算法。正因为不知道算法内容，大家开始从浏览器着手，排查可能的特征点
isChinaUser 从语言信息、时区信息、设备特征、字体信息、网络特征等多方面着手，对「是否是中国用户」做了一个综合判断并显示结果。开发者表示，想要避免被判断为中国用户，可以从下面几个方面着手：
① 修改浏览器语言，避免含有中文
② 修改操作系统语言，避免含有中文
③ 修改操作系统时区，选中国相邻的国家和地区
④ 使用纯英文操作系统，避免系统字体库有特定中文字体，如仿宋、等线等
⑤ 避免无法显示某些特殊 Emoji
🤔 但归根到底，SaaS 和数字化的普及，让服务提供方有了很大的权力，这也是玩家反对索尼放弃实体游戏的原因，可惜的是数字化和联网趋势不可阻挡。曾经厌恶各种盗版行为，但后来发现很多情况下只能不得已为之。大量服务和平台并未和内地接轨，即便付费我们皆是「非法移民」，几款条例、一些算法就足以再次把我们拒之门外
* 隔壁群友推荐两个同类网站，在此补充：网站 ① | 网站 ②
📘 关联阅读：Loupe - 看看你的 iPhone 暴露了哪些信息
频道：@NewlearnerChannel
👍9❤5