博文

流媒体和ai解锁测试

网站分流测试 https://ip.skk.moe/ gpt测试连接网站 https://chatgpt.com/cdn-cgi/trace 系统重装 https://cnb.cool/bin456789/reinstall#%E5%8A%9F%E8%83%BD-1-%E5%AE%89%E8%A3%85--linux 1、安装 BBR 拥赛控制算法 Debian / Ubuntu / CentOS 推荐脚本 wget -N --no-check-certificate "https://raw.githubusercontent.com/chiakge/Linux-NetSpeed/master/tcp.sh" && chmod +x tcp.sh && ./tcp.sh 重装系统DD命令： 网址： https://github.com/bin456789/reinstall 下载： curl -O https://raw.githubusercontent.com/bin456789/reinstall/main/reinstall.sh || wget -O ${_##*/} $_ 运行命令： bash reinstall.sh debian 13 2、安装 3x-ui 面板 bash <(curl -Ls https://raw.githubusercontent.com/mhsanaei/3x-ui/master/install.sh) 3、VPS 流媒体与 AI 解锁测试 bash <(curl -sL IP.Check.Place) 4、流媒体测试网站 https://github.com/lmc999/RegionRestrictionCheck bash <(curl -L -s check.unlock.media) 5、vps路由测试 需要用wsl中的root才行， sudo -i 进入root root@wang ~ # nexttrace -T -p 443 1.1.1.1
发表评论
Read more »

服务器安装tmux

 你完全可以在 普通用户权限 下安装 tmux-3.4 ，不需要 root 👍。核心思路是： 把 tmux 编译并安装到你自己的 home 目录 。 我一步一步给你讲清楚👇 ✅ 一、解压源码包 tar -xzf tmux-3.4.tar.gz cd tmux-3.4 ✅ 二、准备安装目录（关键！） 比如安装到你自己的目录： mkdir -p $HOME/local/tmux ✅ 三、配置（指定安装路径） ./configure --prefix=$HOME/local/tmux 👉 这一步的意思是： 把 tmux 安装到你自己的目录，而不是系统目录 /usr/bin ⚠️ 四、如果报错（常见依赖问题） tmux 依赖： libevent ncurses 如果系统没有，你也可以 用同样方式本地安装依赖 ： 👉 方法（推荐顺序） 先装 libevent 再装 ncurses 最后再装 tmux 例如： ./configure --prefix=$HOME/local/libevent make && make install 然后 tmux 编译时加上路径： ./configure \ --prefix=$HOME/local/tmux \ CFLAGS="-I$HOME/local/include" \ LDFLAGS="-L$HOME/local/lib" ✅ 五、编译 & 安装 make -j$(nproc) make install ✅ 六、配置环境变量（非常重要） 把 tmux 加到 PATH： echo 'export PATH=$HOME/local/tmux/bin:$PATH' >> ~/.bashrc source ~/.bashrc ✅ 七、验证安装 tmux -V 如果看到： tmux 3.4 说明成功 🎉 🚀 一句话总结 👉 普通用户安装核心就是： 用 --prefix 指到 home 目录 必要时手动编译依赖 配置 PATH 💡 额外技巧（更简单的方法） 如果你嫌编译麻烦，可以试： 1️⃣ 用 conda（如果有） conda install -c conda-forge tmux 2️⃣ 用 Linuxbrew（无需 r...
发表评论
Read more »

申请证书

图片
一键申请SSL证书 bash <(curl -fsSL https://raw.githubusercontent.com/slobys/SSL-Renewal/main/acme.sh) ✅ Cloudflare 支持代理的端口列表（截至目前） 🔒 HTTPS（TLS）端口（自动代理） 443 （标准 HTTPS） 2053 2083 2087 2096 8443 增加请求头为域名，server name也使用域名，然后使用公钥和私钥
发表评论
Read more »

量化指标计算

✅ 1. 多模态教培资源处理准确率 ≥ 85% 📌 定义： 衡量系统对文本、图像、视频、3D课件等非结构化资源的实体识别、语义标注和粒度化再构建的准确程度。 📈 目的： 确保教培资源经过处理后，信息抽取结果与人工标注一致度高，保证质量。 🧮 公式： 处理准确率 = 正确处理的资源数量 / 总处理资源数量 × 100% 💡 说明： 正确处理的资源数量 ：系统处理结果与人工标注（或标准答案）一致的样本数量。 例如实体识别中，识别出“避雷器”并正确标注为“设备名称”，算1个正确处理。 总处理资源数量 ：参与评估的全部样本数量，包含不同模态。 实际评估可使用 F1-score （精准率+召回率综合指标）进行补充说明，尤其适合文本处理任务。 ✅ 2. 系统处理延时 ≤ 2秒 📌 定义： 衡量系统完成一次教培资源处理任务所需的时间。 📈 目的： 确保系统响应足够快，适用于实时应用场景。 🧮 公式： 处理延时 = T_响应完成 − T_请求提交 💡 说明： T_响应完成 ：系统输出处理结果（如完成视频剪辑、实体识别）的时间戳。 T_请求提交 ：用户或系统发起处理请求的时间戳。 通常采用 平均延时 或 P95延时 （95%任务处理时间不超过该值）来衡量性能。 ✅ 3. 员工学习进度识别准确率 ≥ 85% 📌 定义： 评估系统能否正确判断员工是否完成学习任务、是否达标等。 📈 目的： 确保学习过程监测的智能化和准确性。 🧮 公式： 识别准确率 = 正确识别的学习状态数量 / 总学习状态数量 × 100% 💡 说明： 学习状态 ：如“已完成”、“学习中”、“未完成”或具体行为（如某视频是否观看满80%）。 正确识别指系统输出与事实一致。 可参考 LMS（Learning Management System）日志 + 人工对照表校验。 ✅ 4. 能力差距智能分析误差 ≤ 10% 📌 定义： 衡量系统对员工能力评估结果与人工（专家）评估结果之间的误差。 📈 目的： 验证能力分析的精确度，保障后续培训内容推荐的准确性。 🧮 公式（平均相对误差）： 误差 = (1/N) × ∑(|系统评估值_i − 标准值_i| / 标准值_i) × 100% 💡 说明： 系统评估值_i ：系统对员工第i项能力的评分（如变电检修能力=0.75） 标准值_i ：专家评估或人工打...
发表评论
Read more »