如若不燃

Undertale 传说之下

Armyja — Wed, 18 Jan 2017 15:16:22 GMT

第一次了解 Undertale，是在网易云音乐听到其 OST「Stronger Than You」。这是一款打破常规的另类 RPG，且乐评率在 Steam 排名第一，是 2015 Steam 最佳游戏之一。好奇心促使我对它一探究竟。

「Stronger Than You」

第一遍没看攻略，走了中立路线。一路上杀了所有主要人物，除了羊爸。我饶恕了他，最后等到的却是 Flowey 大魔王的奸笑。Flowey 吸收了羊爸先前占有的 6 个人类灵魂，变身绿巨怪发射全屏弹幕，这里我被折磨 n 遍才通关，想屎的心都有了。

第二遍开始走善良路线，幻想着自己可以绝对完美地走完一切，然后迎来 happy ending。然而路途上，npc 居然记得你曾经杀过它，纳闷为什么你看它的眼神像在看一个灵魂。它会戳穿你没有穿 Old Tutu 的谎言。总之，你的言行不一，都会被敏锐的 npc 察觉到，可谓本游戏细思恐极之处。一般而言，玩家觉得自己是游戏的主宰，而在这里，你的人性仿佛被游戏看穿。

另外，尽管最后没有变态绿巨怪 Flowey 出现，但是前面小 Boss 们的脱战方式的难度也不小。因为你不能杀死他们，每个 Boss 的脱战方式需要自己摸索好久……也只有唯有 stay determined（无限复活），不断提升自己的躲避技巧，才能战胜他们。

除了中立路线与和平路线，还存在第三种屠杀路线：你必须杀光所有随机遇到的小怪，神挡杀神，佛挡杀佛。若如此作，所有普民包括商店老板会逃跑，你能毫不费力获得回复道具及强力武器。最后，你终于走进「Stronger Than You」的情节：Sans 了解你厌倦了一次次地走和平路线，企图杀戮所有人的决心，决定誓死也要阻止你。虽然屠杀能使你获得大量 LOVE，能毫不费力的升满 19 级并获得最强武器，但面对攻击力和防御力均为 1 的 Sans，你只能感受到绝望。相比之前，你失去了受伤后的无敌时间，若稍显失误，你就挂在他的连续攻击之下，接着 stay determined，重新开始战斗。而他每次都能 Miss 你的攻击，令人抓狂。个人觉得这样过于残忍，着实不敢走这条路。

开全屏玩这款游戏，听 BGM ，场景代入感十分强烈。每个小怪都有自己的性格、故事和其对应风格的曲子，讨人欢喜。尤其是和羊妈重逢的时候再次响起和羊妈在一起时的 BGM，有种游子归家的感动。若是重玩这款游戏，有趣的 BGM 依然值得回味。

羊妈家 BGM

Edge 浏览器复制粘贴 URL 显示网站标题

Armyja — Wed, 27 Apr 2022 15:04:41 GMT

<meting-js id="1922188998" type="song" server="netease" fixed="false" mini="false" autoplay="false" theme="#255579"></meting-js>

问题描述

与预料的不同，当把 Edge 浏览器地址栏中的 https://collection.armyja.cn/v/front-end/ 粘贴到 Notion 时，显示的是超链接【前端笔记 - Collection (armyja.cn)】。这是为什么呢？

把 https://collection.armyja.cn/v/front-end/ 粘贴到记事本，再粘贴回 Notion，发现只显示超链接 https://collection.armyja.cn/v/front-end/ ，符合预期。

分析过程

打开 Chrome Debugger，添加事件侦听器断点，勾选 paste，如下图所示。粘贴网址，进断点。由于 js 文件是混淆过的，挤在一行不好分析，于是点击下图左下角的【{}】按钮，展示为 format 后的代码内容。

首先进入到 injectGlobalHook.js，如下图所示。因为 _intercept 变量值为 false，所以函数没有做任何操作。所以这里不需要分析。

接着跳到下一个断点监听，如下图所示。

到这里就比较难推进了，因为每在函数内部调用一次函数就要手动定位函数位置并打断点。有没有更快的办法呢？注意到 clipboardData 有 3 个 type。参考 https://developer.mozilla.org/en-US/docs/Web/API/ClipboardEvent/clipboardData 、 https://developer.mozilla.org/en-US/docs/Web/API/DataTransfer/getData ，提到 clipboardData 的类型为 DataTransfer，有方法 getData(format)。 format 为 data types。

Example data types are text/plain and text/uri-list.

于是在控制台尝试拿到粘贴内容。

> i[0].clipboardData.getData('text/html')
< '<html>\r\n<body>\r\n\x3C!--StartFragment--><a href="https://collection.armyja.cn/v/front-end/">前端笔记 - Collection (armyja.cn)</a>\x3C!--EndFragment-->\r\n</body>\r\n</html>'

> i[0].clipboardData.getData('text/link-preview')
< ''

> i[0].clipboardData.getData('text/plain')
< ''

顺藤摸瓜，既然粘贴的内容类型是 text/html，那么 js 一定有针对这一类型做特殊处理。在这个文件搜索 text/html，打上断点，果然程序停在这里，距离上个分析点直接越过 10 余个堆栈元素，如下图所示。

回溯到中间的堆栈可以看到返回有语义的 json 结构，如下图所示。

总结

当把 Edge 浏览器地址栏中的网址粘贴到 Notion 时，js 存储的粘贴内容由浏览器决定， data type 为 text/html。
从记事本拷贝链接，js 存储的粘贴内容 data type 为 text/plain。

在 Edge 浏览器的 设置 - 共享、复制和粘贴 里说明了，默认 Ctrl-V 是粘贴链接， Ctrl-Shift-V 为粘贴纯文本，详细说明参见 https://go.microsoft.com/fwlink/?linkid=2136809 。

GAMES104 笔记

Armyja — Mon, 30 May 2022 07:23:59 GMT

<meting-js id="33367012" type="song" server="netease" fixed="false" mini="false" autoplay="false" theme="#255579"></meting-js>

GAMES104 课程简介

Pilot Engine

本课程将介绍现代游戏引擎所涉及的系统架构，技术点，引擎系统相关的知识。通过该课程，你能够对游戏引擎建立起一个全面且完整的了解。如果你动手能力足够强，你将能够跟随课程，从 0 到 1 搭建起一个完整的迷你游戏引擎。如本课程适合相关专业领域的学生、研究者，以及所有对游戏引擎设计和开发感兴趣的人。

课程网址：https://games104.boomingtech.com/

作业

PA01:Build and Run Pilot Engine

作业说明 PDF

作业说明：

Build and run Pilot ✔️

笔者安装 Visual Studio 2022，安装选项附带了 CMake，所以为了在命令行使用 CMake，添加用户环境变量：X:\Program Files\Microsoft Visual Studio\2022\Community\Common7\IDE\CommonExtensions\Microsoft\CMake\CMake\bin

Execute the build_windows.bat, and then open Pilot.sln with Visual Studio

错误提示：

fatal: unsafe repository ('D:/project/Pilot' is owned by someone else)
To add an exception for this directory, call:

    git config --global --add safe.directory D:/project/Pilot

这个问题似乎与 https://github.blog/2022-04-12-git-security-vulnerability-announced/ 相关。暂时不理会。

PA02:Rendering

作业说明 PDF

作业说明：

在 Pilot 小引擎代码中找到 pilot/engine/shader/glsl/color_grading.frag，补充此 shader 代码中的 main 函数，以实现 ColorGrading 功能。若代码编译成功且实现方法正确，则可以看到进行 ColorGrading 渲染之后的结果。 ✔️
使用自定义的 LUT 图，并修改相应代码，实现具有个性的 ColorGrading 的效果。 ✔️
（提高项，可选）添加一个新的 Pass 实现某个自己感兴趣的后处理效果 ❌
- 调整 PMainCameraPass::setupRenderPass 添加一个新的 Vulkan Subpass。
- 调整 PVulkanManager::initializeDescriptorPool 增加相关 Descriptor 的数量。【这里用了 Magic Number，不清楚如何统计，可能和 Vulkan 相关】

LUT 贴图路径：engine\asset\texture\lut，默认配置为

"color_grading_map": "asset/texture/lut/color_grading_lut_01.png"

配置文件在 engine\asset\global\rendering.global.json。

LUT Table Texture Generator

Python script for generating neutral LUT tables of different sizes. It supports both Unreal Engine style LUT (top down) and the Unity style LUT (bottom up).

Based on a GitHub gist by Koki Ibukuro.

Samples

Size Unreal Engine Unity

256x16

1024x32

Pilot 使用 Unreal Engine 的格式。

修改 engine\shader\glsl\color_grading.frag，参考 V1tozzZ 的实现：GAMES104 作业 2 基础部分

#version 310 es

#extension GL_GOOGLE_include_directive : enable

#include "constants.h"

layout(input_attachment_index = 0, set = 0, binding = 0) uniform highp subpassInput in_color;

layout(set = 0, binding = 1) uniform sampler2D color_grading_lut_texture_sampler;

layout(location = 0) out highp vec4 out_color;

void main()
{
    // 这里的 LUT 贴图为单行排列
    highp ivec2 lut_tex_size = textureSize(color_grading_lut_texture_sampler, 0);
    // 纵向值，同时表示格子的数量，一般取值 16，32，64
    highp float _COLORS      = float(lut_tex_size.y);
    // 横向值，为纵向值的平方
    highp float xsize        = float(lut_tex_size.x);

    // rgba 的取值范围: 0 ~ 1.0
    highp vec4 color       = subpassLoad(in_color).rgba;

    // 先得到 rgb 在 lut 颜色数量上的映射（可以理解为在单个格子里的偏移量）
    highp float bluemapped          = (_COLORS-1.0)*color.b;
    highp float redmapped           = (_COLORS-1.0)*color.r;
    highp float greenmapped         = (_COLORS-1.0)*color.g;

    // 用蓝色确定从左至右第几个颜色格子，加上红色确定格子上x坐标 取得u坐标
    // 映射后的蓝色可能是小数 那么就取小数前后两个格子
    highp float rbmapped1 = redmapped + floor(bluemapped)*_COLORS;
    highp float rbmapped2 = redmapped + ceil(bluemapped)*_COLORS;
    highp float u1 = rbmapped1/xsize;
    highp float u2 = rbmapped2/xsize;

    // 用绿色取v坐标
    highp float v = greenmapped/_COLORS;
    highp vec2 uv1 = vec2(u1,v);
    highp vec2 uv2 = vec2(u2,v);
    highp vec3 mappedcolor1  =   texture(color_grading_lut_texture_sampler, uv1).xyz;
    highp vec3 mappedcolor2  =   texture(color_grading_lut_texture_sampler, uv2).xyz;

    //混合两个格子的颜色 fract(bluemapped)表示用小数部分决定两个格子占比权重
    highp vec3 mixedcolor   =   mix(mappedcolor1,mappedcolor2,fract(bluemapped));

    out_color = vec4(mixedcolor,color.a);

}

Pilot 引擎技术点

反射

Pilot 引擎使用静态反射框架，用户通过 定义数据结构 与提供对应的 配置文件，框架利用元编程技术生成读取接口。

可以在 engine\source\_generated\serializer\all_serializer.ipp 看到序列化/反序列化代码，由 engine\source\precompile\precompile.cmake 定义的预编译流程生成。

#include "D:/project/Pilot/engine/source/_generated/serializer/global_rendering.serializer.gen.h"
namespace Pilot{
    // ...
    template<>
    PJson PSerializer::write(const GlobalRenderingRes& instance){
        PJson::object  ret_context;
        ret_context.insert_or_assign("skybox_irradiance_map", PSerializer::write(instance.m_skybox_irradiance_map));
        ret_context.insert_or_assign("skybox_specular_map", PSerializer::write(instance.m_skybox_specular_map));
        ret_context.insert_or_assign("brdf_map", PSerializer::write(instance.m_brdf_map));
        ret_context.insert_or_assign("color_grading_map", PSerializer::write(instance.m_color_grading_map));
        ret_context.insert_or_assign("sky_color", PSerializer::write(instance.m_sky_color));
        ret_context.insert_or_assign("ambient_light", PSerializer::write(instance.m_ambient_light));
        ret_context.insert_or_assign("camera_config", PSerializer::write(instance.m_camera_config));
        ret_context.insert_or_assign("directional_light", PSerializer::write(instance.m_directional_light));
        return  PJson(ret_context);
    }
    template<>
    GlobalRenderingRes& PSerializer::read(const PJson& json_context, GlobalRenderingRes& instance){
        assert(json_context.is_object());
        if(!json_context["skybox_irradiance_map"].is_null()){
        PSerializer::read(json_context["skybox_irradiance_map"], instance.m_skybox_irradiance_map);
        }
        if(!json_context["skybox_specular_map"].is_null()){
        PSerializer::read(json_context["skybox_specular_map"], instance.m_skybox_specular_map);
        }
        if(!json_context["brdf_map"].is_null()){
        PSerializer::read(json_context["brdf_map"], instance.m_brdf_map);
        }
        if(!json_context["color_grading_map"].is_null()){
        PSerializer::read(json_context["color_grading_map"], instance.m_color_grading_map);
        }
        if(!json_context["sky_color"].is_null()){
        PSerializer::read(json_context["sky_color"], instance.m_sky_color);
        }
        if(!json_context["ambient_light"].is_null()){
        PSerializer::read(json_context["ambient_light"], instance.m_ambient_light);
        }
        if(!json_context["camera_config"].is_null()){
        PSerializer::read(json_context["camera_config"], instance.m_camera_config);
        }
        if(!json_context["directional_light"].is_null()){
        PSerializer::read(json_context["directional_light"], instance.m_directional_light);
        }
        return instance;
    }
}

2024 第一篇博客

Armyja — Sun, 31 Mar 2024 15:17:00 GMT

加油

你好棒

来听音乐吧 <meting-js id="2118754864" type="song" server="netease" fixed="false" mini="false" autoplay="false" theme="#255579"></meting-js>

Cody介绍

Armyja — Thu, 04 Apr 2024 13:12:00 GMT

Cody 是一个 AI 编码助手，负责编写、修复和维护您的代码。它使用 AI 和对代码库的深刻理解来收集上下文，帮助您更快地编写和理解代码。

它是 Sourcegraph 旗下的产品。Sourcegraph 是一个代码智能平台，可以深入理解您的代码，无论代码有多大或托管在何处，都能为现代开发人员体验提供支持。
1、AI 代码助手：使用 Cody 更快地读取、写入和理解整个代码库
2、代码搜索：搜索所有分支和所有代码主机的所有存储库
3、代码智能：导航代码、查找引用、查看代码所有者、跟踪历史记录等
4、修复和重构：跨存储库同时推出和跟踪大规模更改和迁移

我使用 Cody 的原因，是以前习惯在 Sourcegraph 看 Github 网站的源码，浏览比较方便。并且每月会员 Cody 比 Copilot 便宜一点。
在 VSCode 安装 Cody AI 后，推荐两个配置：
1、自定义输出的语言

{
    "cody.chat.preInstruction": "Answer all my questions in Chinese."
}

2、配置用户级别的自定义指令。在 ~/.vscode/cody.json 设置自定义指令

{
  "commit-message": {
    "description": "Commit message for current changes",
    "prompt": "Suggest an informative commit message by summarizing code changes from the shared command output. The commit message should follow the conventional commit format and provide meaningful context for future readers.",
    "context": {
      "selection": false,
      "command": "git diff --cached"
    }
  },
  "current-dir": {
    "description": "Explain current directory",
    "prompt": "At a high level, explain what this directory is used for.",
    "context": {
      "currentDir": true,
      "selection": false
    }
  }
}

做了如上配置后，可以在 VSCode 使用预置命令用中文解释代码、用自定义命令解释当前文件夹的代码、生成提交说明，体验非常好。

QueryDSL源码阅读

Armyja — Thu, 04 Apr 2024 14:32:00 GMT

导语

QueryDSL是一个强大的框架,它使Java开发人员能够以类型安全的方式构建SQL查询。以下是我喜欢QueryDSL的一些原因：

QueryDSL让我们摆脱了编写原始SQL字符串的麻烦,这种做法容易出错且难以维护。相反,QueryDSL提供了一个优雅的API,让我们可以像在Java代码中一样构建查询。这不仅提高了代码的可读性,还消除了SQL注入的风险。
QueryDSL支持多种持久层框架,如JPA、SQL、MongoDB和Lucene等。无论使用何种持久层技术,QueryDSL都能提供统一的查询API,这极大地简化了跨框架的代码移植。
QueryDSL查询是完全类型安全的,编译器会检查错误,避免了许多运行时错误。这使得重构变得更加容易和安全。
QueryDSL查询也更易于维护。相比晦涩的SQL字符串,QueryDSL查询的代码结构更清晰,注释也更易于编写和理解。

总之,QueryDSL让我们能够以一种现代、类型安全和面向对象的方式来构建查询,极大地提高了生产力和代码质量。它是Java持久层编程中非常有价值的工具。

关于QueryDSL的使用示例，可以参考 Jay Kim 的文章和代码仓库。

模块分析

从 querydsl-core 开始看起，关注 DSL expression types。com.querydsl.core.types.dsl 包含了Querydsl核心类型的定义和实现。Querydsl是一个用于构建类型安全的SQL查询的框架,这些类型定义了Querydsl查询中使用的各种表达式和操作的接口和实现。

一些主要的类型包括：

Expression: 定义了通用的类型化表达式接口。
Constant: 表示常量表达式。
Operation: 表示常见的操作和函数调用。
Path: 表示变量、属性和集合成员访问。
FactoryExpression: 用于基于行的结果处理。

这些接口和类为Querydsl提供了构建查询的基础抽象和实现。通过这些类型,Querydsl能够以类型安全的方式构造复杂的查询,并将其翻译为不同的查询语言(如SQL、MongoDB查询等)。

总的来说,这个目录定义了Querydsl查询构造的核心模型,是整个Querydsl框架的基础。

`ToStringVisitor.java` 代码片段

对于 FactoryExpression 类型,构造一个新对象的字符串表示,包括类名和参数列表。

@Override
public String visit(FactoryExpression<?> e， Templates templates) {
  final StringBuilder builder = new StringBuilder();
  builder.append("new ").append(e.getType().getSimpleName()).append("(");
  boolean first = true;
  for (Expression<?> arg : e.getArgs()) {
    if (!first) {
      builder.append(", ");
    }
    builder.append(arg.accept(this, templates));
    first = false;
  }
  builder.append(")");
  return builder.toString();
}

对于 Operation 类型,根据操作符查找对应的模板,并按模板的元素顺序拼接字符串,处理操作数的优先级。

@Override
public String visit(Operation<?> o, Templates templates) {
  final Template template = templates.getTemplate(o.getOperator());
  if (template != null) {
    final int precedence = templates.getPrecedence(o.getOperator());
    final StringBuilder builder = new StringBuilder();
    for (Template.Element element : template.getElements()) {
      final Object rv = element.convert(o.getArgs());
      if (rv instanceof Expression) {
        if (precedence > -1 && rv instanceof Operation) {
          if (precedence < templates.getPrecedence(((Operation<?>) rv).getOperator())) {
            builder.append("(");
            builder.append(((Expression<?>) rv).accept(this, templates));
            builder.append(")");
            continue;
          }
        }
        builder.append(((Expression<?>) rv).accept(this, templates));
      } else {
        builder.append(rv.toString());
      }
    }
    return builder.toString();
  } else {
    return "unknown operation with operator " + o.getOperator().name() + " and args " + o.getArgs();
  }
}

Constant

Constant接口代表一个通用的常量表达式。它继承自 Expression 接口,并定义了一个 getConstant() 方法来获取包装的常量值。

与之相关的主要类有:

ConstantImpl
这是 Constant 接口的实现类,它包装了实际的常量值。在 ConstantImpl 中,有一个泛型字段 constant 用于存储常量值。

Expressions
这是一个工具类,提供了创建常量表达式的静态方法 constant(T value)。它内部调用了 ConstantImpl.create(value) 来构造常量表达式。

一些测试用的常量类
在测试代码中,有一些继承自 ConstantImpl 的常量类,如 TimeConstant、DateConstant、StringConstant、NumberConstant 等,用于测试不同类型的常量表达式。

总的来说,Constant 接口定义了常量表达式的契约,ConstantImpl 是其实现,而 Expressions 工具类提供了创建常量表达式的便捷方法。在查询DSL中,常量表达式可以用于构建查询条件、投影等。

Path

Path接口代表一个路径表达式。路径表达式指的是对变量、属性和集合成员的访问。它继承自 Expression 接口。

Path 接口定义了以下几个主要方法:

getMetadata()：获取该路径的元数据。
getRoot()：获取该路径的根路径。
getAnnotatedElement()：获取与该路径相关的注解元素。

与 Path 接口相关的主要类有:

PathMetadata：封装了路径的元数据信息,如路径类型、父路径等。
PathImpl：Path 接口的默认实现类。
一些具体的路径类,如 SimplePath、BeanPath、CollectionPath、MapPath 等,分别代表不同类型的路径。
这些具体的路径类通常作为查询的起点,例如:
```
QEmployee employee = QEmployee.employee;
employee.firstName // 代表 employee 对象的 firstName 属性路径
```

在查询DSL中,路径表达式用于构建查询条件、投影等。通过路径表达式,可以方便地访问对象的属性、集合元素等。Path 接口定义了路径表达式的基本契约,而具体的路径类型由不同的实现类来表示。

洞洞谱制作器

Armyja — Thu, 09 May 2024 16:04:41 GMT

<!DOCTYPE html> <html>

<head> <title>洞洞谱制作器</title> <meta name=viewport content="width = device-width, initial-scale = 1"> <style> .l { writing-mode: vertical-rl; letter-spacing: 0.2ch; } #p_title { font-size: 1.2em; font-weight: bold; } #box>input,#box>button,#box>textarea { border: 1px solid #ccc; } </style> </head>

<body> <div id=box> <select id="type"> <option value="5">全按作5</option> <option value="1">全按作1</option> </select> 标题：<input type="text" id="title"> <br /> 简谱（1、(5)、[3]、[[1]]...） <br /> <textarea id=content></textarea> <button id='btn'>生成</button> <br /> <br /> <div id=p> <div id="p_title"></div> <div id="p_type"></div> <br /> <div id="preview"></div> </div> </div> <script> normal = { ' ': '<span class="l"> </span>', '\n': '<br/><br/>' } one = { '1': 'bbbbbb', '2': 'bbbbbw', '3': 'bbbbww', '4': 'bbbwww', '5': 'bbwwww', '6': 'bwwwww', '7': 'wwwwww', '[1]': 'wbbbbb+', '[2]': 'bbbbbw+', '[3]': 'bbbbww+', '[4]': 'bbbwww+', '[5]': 'bbwwww+', '[6]': 'bwwwww+', '[7]': 'wwwwww+', '[[1]]': 'wbbbbb+', } five = { '(5)': 'bbbbbb', '(6)': 'bbbbbw', '(7)': 'bbbbww', '1': 'bbbwww', '2': 'bbwwww', '3': 'bwwwww', '4': 'wbbwww', '5': 'wbbbbb+', '6': 'bbbbbw+', '7': 'bbbbww+', '[1]': 'bbbwww+', '[2]': 'bbwwww+', '[3]': 'bwwwww+', '[4]': 'hwwwww+', '[5]': 'wbbbbb+', } const c_h = '◐' const c_b = '●' const c_w = '○' for (let k in one) { one[k] = one[k].replaceAll('b', c_b).replaceAll('w', c_w) if (one[k].length < 7) { one[k] += ' ' } } for (let k in five) { five[k] = five[k].replaceAll('b', c_b).replaceAll('w', c_w).replaceAll('h', c_h) if (five[k].length < 7) { five[k] += ' ' } } btn.onclick = function () { updateContent() updateTitle() updateType() } function updateTitle() { p_title.textContent = title.value } title.onchange = updateTitle function updateType() { p_type.textContent = type.options[type.selectedIndex].text } type.onchange = updateType; function updateContent() { let str = content.value.trim() let arr = parse(str) let html = gen(arr) } content.onchange = updateContent function gen(arr) { let ret = '' for (let s of arr) { if (s in normal) { ret += normal[s] continue } let current = type.value === '1' ? one : five; if (s in current) { ret += <span class="l">${current[s]}</span> } } preview.innerHTML = ret; } function parse(str) { let arr = []; for (i = 0; i < str.length; i++) { if (str[i] === '[') { if (str[i + 1] === '[') { arr.push(str.substr(i, 5)); i += 4; continue; } arr.push(str.substr(i, 3)); i += 2; continue; } if (str[i] === '(') { arr.push(str.substr(i, 3)); i += 2; continue; } arr.push(str[i]) } return arr; } </script> </body>

</html>

网易云音乐工具[安卓]

Armyja — Sat, 26 Oct 2024 02:10:00 GMT

<meting-js id="2610226440" type="song" server="netease" fixed="false" mini="false" autoplay="false" theme="#255579"></meting-js>

软件说明

开发这个软件的初衷，是因为笔者习惯在手机下载音乐，遇到了几个痛点：

网页版的NCM转换工具，不支持给音乐加上封面；
从一些第三方音源下载下来的音乐文件没有标签，手动添加标签太麻烦。

软件特性

把ncm里面的图片url下载内嵌到音乐标签，最后再导出音乐文件。只要选择一个文件夹就将该目录下的所有ncm文件做处理，原地保存新文件。
修改标签功能支持手动和半自动。半自动的意思是：先在APP打开歌曲的修改tag弹框，接着点击网易云音乐的分享歌曲链接按钮，然后回到APP，APP会自动监听剪贴板里的网址并自动解析（或者手动点击读取剪贴板按钮），一键填写标签和封面。
在APP点开修改弹窗后会自动播放歌曲，这样在播放过程中就可以切到网易云音乐APP听歌识曲，通过识曲的结果定位音乐，从而得到分享链接。

软件BUG

如果既通过剪贴板导入封面，又马上修改图片，可能出现图片不符合预期的情况。返回主界面，重新扫描重新导入本地图片即可。
ncm转换后的文件名，可能和原文件的文件名不一致。如果不一致，会重复生成如同(1) (2)的音乐文件。建议只生成一次然后手动迁移或删除已处理的ncm文件。

应用截图

下载方式

https://www.ilanzou.com/s/qdgys29f
提取码：orck
解压密码：52pojie

Windows WSL2 部署 OpenClaw 全攻略

Armyja — Sun, 08 Feb 2026 13:40:00 GMT

引言

在 Windows 环境下想要运行一个强大的 AI 助手，又不想放弃 Linux 的命令行体验？WSL2（Windows Subsystem for Linux 2）是最佳选择。本文将详细介绍如何在 WSL2 中部署 OpenClaw，并配置 Telegram 频道进行交互。

WSL2 环境准备

1. 启用 WSL2 功能

# 以管理员身份运行 PowerShell
wsl --install

这会自动安装 Ubuntu（默认发行版）和 WSL2。安装完成后需要重启系统。

2. 解决 WSL 启动错误（踩坑 💥）

如果启动 WSL 时出现错误代码 0xc03a0014：

Installing, this may take a few minutes...
WslRegisterDistribution failed with error: 0xc03a0014

解决方案：

打开 Windows 设备管理器
找到 Microsoft 虚拟驱动器枚举器
右键 → 启用设备
重新进入 WSL，输入用户名和密码即表示成功

3. 更新系统

⚠️ 重要： WSL 里的基础软件默认装不了，必须先更新软件源！

sudo apt update && sudo apt upgrade -y

4. 安装必要工具

# 安装 curl、git、nodejs 等
sudo apt install -y curl git wget build-essential

5. WSL 网络模式配置（踩坑 💥）

如果主机使用了 V2RayN 等代理软件，NAT 模式下 WSL 无法直接访问主机的代理。

解决方案：启用镜像模式 + 自动代理

编辑 Windows 用户目录下的 .wslconfig 文件（如果没有就创建）：

# C:\Users\你的用户名\.wslconfig
[wsl2]
networkingMode=mirrored
autoProxy=true

然后重启 WSL：

wsl --shutdown
# 重新打开 WSL 终端

效果：

WSL 可以直接使用主机 IP 127.0.0.1 访问代理
Telegram 等需要代理的 channel 收发消息正常

安装 OpenClaw

1. 使用 npm 全局安装

sudo npm install -g openclaw

2. 启动引导程序

openclaw onboard

引导程序会引导你完成以下配置：

工作区目录：选择存放配置和文件的目录
模型配置：配置 AI 模型提供商（如 MiniMax、OpenAI 等）
Telegram 集成：配置 Telegram Bot Token

3. 配置 Telegram Bot

3.1 创建 Bot

在 Telegram 中搜索 @BotFather
发送 /newbot 创建新 Bot
按照提示设置 Bot 名称和用户名
获取 Bot Token

3.2 配置 OpenClaw

编辑配置文件：

nano ~/.openclaw/openclaw.json

关键配置项：

{
  "channels": {
    "telegram": {
      "botToken": "你的Bot Token",
      "dmPolicy": "pairing",
      "groupPolicy": "allowlist"
    }
  }
}

3.3 配对用户

用户需要在 Telegram 中与 Bot 对话，然后管理员批准配对请求：

openclaw telegram pair

配置详解

基础配置示例

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "minimax-portal/MiniMax-M2.1"
      },
      "verboseDefault": "on",
      "workspace": "/home/用户名/.openclaw/workspace"
    }
  },
  "commands": {
    "bash": true
  },
  "channels": {
    "telegram": {
      "dmPolicy": "pairing",
      "groupPolicy": "allowlist",
      "streamMode": "partial",
      "groups": {
        "群ID": {
          "requireMention": false,
          "groupPolicy": "open"
        }
      }
    }
  }
}

命令配置

{
  "commands": {
    "native": "auto",
    "nativeSkills": "auto",
    "bash": true
  }
}

开启 bash 命令后，可以在对话中直接执行 Shell 命令。

常用工具配置

1. VS Code 连接 WSL（推荐）

1.1 安装步骤

在 Windows 上安装 VS Code（不是 WSL 里！）
- 下载地址：https://code.visualstudio.com/download
- 安装时勾选 "添加到 PATH"
安装远程开发扩展包
- 打开 VS Code
- 按 Ctrl+Shift+X 打开扩展面板
- 搜索并安装 "Remote - WSL"（属于 ms-vscode-remote 扩展包）
WSL 里先更新软件源
```
sudo apt update
```

1.2 打开 WSL 项目

方式一：命令行（推荐）

cd /你的项目目录
code .

方式二：VS Code 里连接

Ctrl+Shift+P 打开命令面板
输入 WSL
选择 "WSL: Reopen Folder in WSL"

1.3 扩展安装注意事项

只需装一次（主题、UI 扩展）
需要单独装（Python、调试器、linting 等）- 在 WSL 里装

⚠️ 如果 WSL 里没装扩展，VS Code 会显示 ⚠️ 图标，点击 "在 WSL 中安装" 即可。

安装 GitHub CLI

sudo apt install gh -y
gh auth login --web

OpenClaw 高级配置

1. 配置系统代理（踩坑 💥）

如果使用了 V2RayN 等代理软件，需要让 OpenClaw Gateway 服务使用代理，否则 Telegram 无法收发消息。

方案一：编辑 systemd 服务文件

sudo systemctl edit openclaw-gateway.service

添加以下内容：

[Service]
Environment="HTTP_PROXY=http://127.0.0.1:代理端口"
Environment="HTTPS_PROXY=http://127.0.0.1:代理端口"
Environment="ALL_PROXY=http://127.0.0.1:代理端口"

方案二：直接编辑服务文件

sudo nano /etc/systemd/system/openclaw-gateway.service

在 [Service] 段落下添加：

Environment="HTTP_PROXY=http://127.0.0.1:端口"
Environment="HTTPS_PROXY=http://127.0.0.1:端口"

重启服务使配置生效：

sudo systemctl daemon-reload
sudo systemctl restart openclaw-gateway.service

2. 验证代理是否生效

# 查看服务环境变量
sudo systemctl show openclaw-gateway.service | grep Environment=

3. Telegram 群聊配置

在群聊中无需 @ 提及即可自动回复：

{
  "channels": {
    "telegram": {
      "groupAllowFrom": ["*"],
      "groups": {
        "-100123456789": {
          "requireMention": false,
          "groupPolicy": "open"
        }
      }
    }
  }
}

内存搜索

启用长期记忆功能：

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "enabled": true,
        "sources": ["memory", "sessions"]
      }
    }
  }
}

测试与使用

1. 启动 OpenClaw

openclaw

2. Telegram 交互

私聊：直接发送消息
群聊：无需 @ 提及（配置后）
命令：使用 /help 获取帮助

3. 常用命令

# 查看状态
openclaw status

# 重启服务
openclaw restart

# 查看日志
openclaw logs

常见问题

Q1: WSL2 与 Windows 文件互通

# 在 WSL 中访问 Windows 文件
cd /mnt/c/Users/你的用户名/

# 将 WSL 项目链接到 Windows 桌面
ln -s ~/.openclaw/workspace /mnt/c/Users/你的用户名/Desktop/openclaw

Q2: 代理配置

如果需要代理：

export HTTP_PROXY="http://代理地址:端口"
export HTTPS_PROXY="http://代理地址:端口"

Q3: Telegram 连接问题

检查 Bot Token 是否正确
确认网络可以访问 Telegram API
检查 dmPolicy 和 groupPolicy 配置

总结

通过 WSL2，我们可以在 Windows 上享受完整的 Linux 开发和运维体验，同时通过 OpenClaw 获得强大的 AI 助手能力。配合 Telegram 频道，可以实现随时随地的智能交互。

参考资源

OpenClaw 官方资源

WSL2 官方文档

拼图任务的价值：为什么AI无法完美拼图？

Armyja — Tue, 17 Feb 2026 15:17:00 GMT

这是一篇与 Kimi AI 探讨拼图任务价值的对话记录整理。通过这个看似简单的问题，我们触及了视觉大模型的核心局限、计算复杂性理论的本质，乃至于AI能力的边界。

问题的起点：视觉大模型能否完成拼图？

一切起源于这个看似简单的问题：现在的视觉大模型可以完成拼拼图的任务吗？为什么现在的顶尖测试都没有把拼拼图列进去呢？是太简单了还是太难了呢？

这确实是一个非常敏锐的观察。当我们谈论视觉语言模型（VLM）的能力时，往往关注的是图像分类、目标检测、视觉问答（VQA）等任务，却很少听到有人提及"拼图"这个看似基础的能力。

空间推理是公认的短板

多项2024-2025年的研究一致表明，空间推理是VLMs的系统性弱点：

基础空间关系识别困难：在What'sUp基准测试中，18个主流VLM（包括BLIP、CLIP、LLaVA等）在区分"左/右"、"上/下"等基本空间关系时，准确率仅56%，而人类达到99%
心理旋转能力薄弱：SpatialEval基准显示，VLMs在物体旋转、折叠等任务上经常表现不如随机猜测
缺乏真正的空间理解：模型往往依赖语言先验（如"杯子通常在桌子上"）而非视觉分析来做判断

拼图任务的特殊挑战

拼图任务对VLMs来说既不太简单，也不仅仅是难，而是涉及多重能力缺陷：

拼图所需能力	VLM现状	具体困难
边缘匹配	❌ 极弱	无法精确比对形状轮廓的连续性
纹理/图案衔接	⚠️ 中等	可以识别图案，但难以判断"是否对齐"
全局空间布局	❌ 弱	缺乏整体构图的3D理解
旋转对齐	❌ 极弱	心理旋转任务表现差
试错与回溯	❌ 弱	长程规划能力不足

最新的研究（2025年3月）指出，VLMs存在语义-几何错位（semantic-geometric misalignment）问题——模型能识别物体，但无法建立一致的3D空间表征。这正是拼图任务的核心要求。

为什么顶尖测试不包含拼图？

主流基准（如MMMU、MMBench、SEED-Bench等）没有将拼图列为评测项，不是因为太简单，而是因为：

1. 任务设计层面的"不公平性"

拼图是一种低语义、高几何的任务：

主流VLM架构（CLIP-like）本质上是语义对齐的——将图像映射到语言概念空间
拼图需要的纯几何匹配与当前训练目标（图像-文本对比学习）脱节
测试拼图会被批评为"架构偏见"而非"能力缺陷"

2. 评测的可操作性难题

答案格式不标准化：拼图结果是一个空间排列，难以像VQA那样自动评分
难度梯度难以控制：3片 vs 300片拼图是完全不同的复杂度
与核心能力关联性争议：拼图能力是否反映"智能"存在学术争议

3. 更根本的原因：空间推理评测已被"分解"

学术界不是不关注拼图类能力，而是将其拆解为更基础的子任务分别测试：

SpatialEval：测试关系推理、导航、心理旋转、物体计数
SRBench：涵盖空间关系、方向导航、心理旋转、空间可视化
What'sUp：严格控制的物体位置关系识别
VSI-Bench：视频空间推理

这些基准比传统拼图更严格地测试空间认知，且避免了拼图任务的工程复杂性。

拼图的经济价值与战略意义

你的追问触及了AI研发中一个核心的战略选择问题。

拼图作为任务的"死亡"，拼图作为能力的"重生"

传统拼图（把碎片拼成完整图片）确实在消退，但拼图背后的空间推理能力正成为万亿级市场的核心：

市场领域	2025-2030年规模	核心能力需求与拼图的关系
具身智能（Embodied AI）	$230.6亿（CAGR 39%）	实时空间导航、物体操作——拼图=静态版机器人操作
视觉语言模型（VLM）	$417.5亿（CAGR 26.95%）	视觉-语言-行动（VLA）对齐——拼图=空间理解的基础测试
工业质检	缺陷减少30%，效率提升20%	微观对齐、模式匹配——拼图=宏观版边缘匹配
空间计算/数字孪生	高速增长	3D环境理解——拼图=简化版场景重建

关键洞察：拼图任务本身没有商业价值，但拼图所要求的"几何-语义对齐"能力正在制造、物流、医疗等领域创造数百亿美元的增量价值。

为什么基准测试"回避"拼图？——技术路线的分歧

主流基准不测试拼图，不是因为没价值，而是因为拼图暴露了当前架构的根本局限：

当前VLM的"作弊"能力：

在VQA任务中，模型可以通过语言先验（"天空在上方"）回答空间问题
在拼图任务中，这种作弊完全失效——必须真正理解几何关系

学术界的"鸵鸟策略"：

测试拼图 = 承认当前架构（CLIP+LLM）存在不可修复的缺陷
这会导致投资信心下降（VLM市场正在爆发期）

所以，不是拼图不重要，而是测试拼图会打断商业叙事。

视频生成与拼图的深层联系

你的观察非常敏锐——视频生成中的"不合情理"确实与拼图能力共享同一个底层缺陷。

视频生成的"幻觉"与拼图的同源性

1. 共同的失败模式：几何-语义错位

当前视频生成模型（Sora、Runway、Pika等）的"不合情理"现象，与VLM在拼图任务上的失败共享同一个根源：

视频生成中的问题	拼图任务中的对应	共同根源
物体变形/闪烁（如手突然多手指）	碎片边缘无法对齐	缺乏精确的几何约束
物理违反（如穿墙、反重力）	强迫不匹配的碎片拼接	缺乏物理先验的显式建模
时序不一致（人物服装突然变色）	图案纹理不连续	跨帧/跨碎片对应关系学习不足
镜面反射错误	无法处理对称/重复图案	缺乏多视角一致性理解

2. 架构层面的同构性

视频生成和拼图任务在技术上高度同源：

视频生成 = 时序维度上的"拼图"
- 每一帧是一个"碎片"
- 时序一致性 = 边缘匹配
- 长程依赖 = 全局布局
拼图 = 空间维度上的"视频生成"
- 每个碎片是一帧"关键帧"
- 边缘匹配 = 帧间一致性
- 完整图像 = 视频序列

为什么视频生成"看起来"更成功？

关键区别：容错率与幻觉容忍度

维度	拼图任务	视频生成
错误可见性	极高（错位一目了然）	中等（人眼对时序不一致有容忍度）
评估标准	精确几何匹配（硬约束）	感知合理性（软约束）
幻觉空间	极小（必须严丝合缝）	较大（只要"看起来像"即可）
商业应用	低	极高

这就是为什么视频生成可以"作弊"——它不需要真正的3D理解，只需要统计上的时序平滑，而拼图无法作弊——要么对齐，要么不对齐。

解决了视频生成，拼图更容易？

这是一个非常反直觉的问题。恰恰相反：视频生成更容易，拼图更难。

核心悖论：维度与约束的权衡

维度	视频生成	拼图
信息丰富度	高（时序连续性提供线索）	低（静态碎片，无上下文）
约束类型	软约束（统计平滑即可）	硬约束（必须精确匹配）
容错空间	大（微小错位人眼难察觉）	零（错位即失败）
评估标准	主观（"看起来对"）	客观（"确实对齐"）

为什么视频生成"解决"了，拼图反而更难？

1. 视频生成的"作弊"本质

当前视频模型依赖的是统计平滑，而非几何理解：

视频生成的成功公式：
海量数据 + 扩散模型 + 时序注意力 = "看起来像真的"

拼图需要的公式：
几何约束求解 + 全局优化 + 精确边缘匹配 = "确实是对的"

2. 拼图是"纯几何"任务，剥离了所有语义拐杖

当前VLM的强项是语义-视觉对齐（"这是猫"），弱项是纯几何推理（"这两块边缘曲率一致"）。

拼图恰好是去语义化的：

你不能说"这是天空碎片，应该放上面"（语义捷径）
你必须说"这块边缘的曲率是y=0.3x²，与那块匹配"（几何硬算）

这正是为什么VLM在What'sUp基准（空间关系识别）只有56%准确率，而人类99%——几何推理与语言理解是不同的认知模块。

3. 视频生成的"解决方案"不迁移到拼图

2024-2025年视频生成的突破确实引入了3D约束，但这些方法：

视频生成方法	拼图适用性	原因
时序一致性损失	❌ 不适用	拼图无时间维度
多帧光流约束	❌ 不适用	单张静态图像
3D高斯溅射	⚠️ 部分适用	需多视角，拼图只有单视角
物理引擎约束	❌ 不适用	拼图是2D几何，非物理模拟

视频生成解决的是"时序连贯性"，拼图需要的是"空间精确性"——两者正交。

更深层的认知科学视角

你的问题假设了一个线性进步模型：

解决视频生成（难） → 拼图（易）自然解决

但实际情况是能力解耦：

人类认知：
视觉理解 ─┬─→ 语义识别（这是什么）
         └─→ 几何推理（这在哪里、如何旋转）

当前AI：
视觉理解 ─┬─→ 语义识别 ✅（CLIP、DINO很强）
         └─→ 几何推理 ❌（仍是盲区）

计算机能否完美解决拼图问题？

这是一个触及计算本质的问题。

理论答案：不能（在一般情况下）

核心结论：拼图是NP完全问题

根据MIT、斯坦福等机构的最新理论研究：

定理（Demaine et al., 2025）：即使是最简单的拼图变体——1×n的边匹配拼图（edge-matching puzzle）——也是强NP完全的。

这意味着：

没有已知的多项式时间算法能在所有情况下完美求解
如果P ≠ NP（计算机科学最核心的未解猜想），那么不存在高效精确算法
即使允许近似解，近似到0.999999762以内也是NP难的

为什么NP完全性如此致命？

问题规模	穷举搜索时间	实际意义
10片	10! × 4^10 ≈ 1.2亿种	计算机可处理
25片	25! × 4^25 ≈ 10^40种	超过宇宙原子数
100片	100! × 4^100 ≈ 10^200种	绝对不可解

实践答案：可以（在特定条件下）

虽然理论上是NP完全的，但实际算法在受限场景下表现良好：

方法	适用场景	成功率	关键限制
OpenCV传统算法	方形、规则边缘、25片以下	80-95%	需要特定摄影条件、背景对比度高
深度学习+形状匹配	标准拼图、已知模板	90%+	依赖参考图像（hint）
纯几何求解	无提示、仅边缘形状	60-80%	对噪声敏感、无法处理模糊匹配

三种"完美"的定义

完美级别	定义	可实现性	技术路线
L0：理论完美	对所有可能的拼图输入都正确	❌ 不可实现（除非P=NP）	需要指数时间算法
L1：工程完美	对真实世界拼图（有唯一解、标准形状）100%正确	⚠️ 接近可实现	深度学习+约束求解+传感器融合
L2：感知完美	人类无法察觉错误	✅ 已实现	当前商业软件可达到

NP完全问题到底是什么？

通俗定义（用拼图解释）

想象你在解决一个1000片的拼图：

问题类型	定义	拼图对应
P问题	能快速解决的问题	验证拼图是否完成（看一眼就知道）
NP问题	能快速验证解的问题	有人给你拼好的图，你能快速检查对错
NP完全问题	所有NP问题都能归约到它	找到拼图的解法

核心悖论：验证容易，求解困难。如果你有一个拼好的拼图，很容易验证它是否正确。但如果没有参考图，自己拼出来就极其困难。

形式化定义

一个问题是NP完全的，当且仅当：

属于NP：解可在多项式时间内验证
NP-hard：所有NP问题都能归约到它（多项式时间转换）

关键性质：如果任何一个NP完全问题有多项式时间算法，那么所有NP问题都有，即P=NP

围棋 vs 拼图：谁更难？

复杂度层级对比

问题	复杂度类	难度定位	关键特征
拼图（边匹配）	NP完全	极难，但可验证	解存在时，验证快；搜索空间大
围棋（日式规则）	EXPTIME完全	更难	需要指数时间，且需要指数空间
围棋（中式规则）	猜想：EXPSPACE完全	极难	可能需指数空间

为什么围棋比拼图"更难"？

1. 交互性 vs 静态性

维度	拼图	围棋
信息完全性	完全信息（所有碎片可见）	不完全信息（对手策略未知）
动态性	静态（一次性求解）	动态（双方交替，路径爆炸）
解的长度	固定（拼好即可）	不固定（可能无限对弈）
验证方式	几何匹配	胜负判断需模拟至终局

2. 计算复杂度的本质差异

拼图 = 组合优化问题
     = "找到满足所有约束的排列"
     → NP完全（验证解容易）

围棋 = 博弈树搜索问题
     = "在对手干扰下找到必胜策略"
     → EXPTIME完全（验证策略本身需要指数时间）

关键区别：拼图的解是一个静态配置，验证只需检查边缘匹配；围棋的解是一个策略（函数），验证需要模拟所有可能的对手应对，这可能需要指数时间。

为什么AlphaGo能击败人类，但拼图算法不完美？

这是一个深刻的反差：

领域	人类水平	AI水平	原因
围棋	职业九段	超越人类（AlphaGo）	虽理论EXPTIME难，但启发式搜索+深度学习可有效逼近
拼图	轻松完成	不完美（尤其无提示时）	NP完全问题的组合爆炸更难以启发式规避

悖论解释：

围棋虽复杂度更高，但具有结构化启发式：

局部模式（定式）可学习
价值函数可近似（神经网络评估局面）
蒙特卡洛树搜索可剪枝

拼图虽"仅"NP完全，但缺乏有效启发式：

边缘匹配是硬约束（要么对，要么错，无中间状态）
局部决策（两片是否匹配）无法独立评估（需全局一致性）
深度学习学到的是统计相关性，而非几何精确性

核心洞察：复杂度 ≠ 实际难度

复杂度类	典型问题	实际求解难度
P	排序、最短路径	容易
NP完全	拼图、SAT、旅行商	启发式可处理中等规模
PSPACE完全	广义象棋（n×n棋盘）	更难，但有限内存可处理
EXPTIME完全	围棋（标准19×19）	理论极难，但特定规模可被AI攻克
EXPSPACE完全	围棋（中式规则，理论上）	几乎不可解

关键结论：围棋的EXPTIME完全性是针对"任意大棋盘"的渐近结论。对于固定的19×19棋盘，实际复杂度被常数因子限制，使得深度学习+大规模计算可逼近最优解。拼图的NP完全性则意味着：即使对于固定规模（如100片），只要碎片形状足够复杂，就不存在通用高效算法。

总结

问题	复杂度	核心难点	AI现状
拼图	NP完全	组合爆炸、硬几何约束	不完美（尤其无提示）
围棋	EXPTIME完全	博弈树深度、对手不确定性	超越人类（特定规模）

你的直觉需要反转：围棋虽理论复杂度更高，但其结构化特性使深度学习有效；拼图虽"仅"NP完全，但其纯组合本质和硬约束使当前AI难以完美求解。

这也是为什么拼图仍是计算复杂性理论的经典案例，而围棋已成为AI工程的胜利——理论难度与实际可解性并不总是一致的。

最终答案：

在理论上：不能（除非P=NP，这将颠覆整个计算机科学基础）
在工程上：可以接近（对标准拼图达到99%+成功率，但无法保证100%）
在哲学上：这揭示了计算复杂性与人类直觉的深刻差异——人类解决拼图依赖模式识别和物理直觉（"这块感觉应该在这里"），而计算机被限制在离散组合搜索的框架中

拼图问题之所以重要，正是因为它是NP完全问题的物理化身——谁能高效解决它，谁就能解决蛋白质折叠、密码破解、物流优化等无数实际问题。这也是为什么Eternity II拼图（256片边匹配）曾悬赏200万美元，至今未被完全解决。

拼图只是表象，几何-语义对齐才是核心战场。

Size	Unreal Engine	Unity
256x16
1024x32