分词（非谓语动词）习题精讲：逐题一体化整理 说明：本文由课堂音频转写 + 题目图片 OCR 整理而来。每道题都按“题干原文 → 选项 → 答案（按课堂）→ 知识点提炼 → 课堂笔记”合并呈现。 通用解题框架（课堂方法论） 先找谓语：主句是否已构成完整句？完整则空格多为非谓语。 定逻辑主语：非谓语动作

非谓语动词核心梳理：现在分词（doing）与过去分词（done）一次讲清 文章定位：把一整套课堂讲解内容整理成结构清晰、可直接发布的博客笔记。内容尽量按课堂逻辑“全量保留知识点”，并补上必要的标题与归纳，方便复习与做题。 0. 为什么需要“非谓语” 课堂的出发点非常朴素： 一个简单句（simple

用更多的方式探索AI！ 起因 在一年前，我整了张RTX4090 48GiB魔改版用来跑DeepSeek-R1 70B的4bit量化模型，不过都已经过了这么长时间，这个模型也已经是过时的东西了……我之前在Mac Studio M3 Ultra上试了一下OpenAI在半年前出的gpt-oss-120b模型，感觉效果还挺不错，只不过因为M3 Ultra的GPU实际性能比不上正经高端的独显，所以它在上下文很长的情况下还是有点慢，因此我又整了张RTX4090 48GiB，想整个双路试试更快的GPT-OSS模型，总共96GiB的显存应该够跑这个模型了。 在两张RTX4090 48G上运行GPT-OSS 既然现在我手头有两张4090了，那继续用i5-8400处理器的主机似乎不太合适，主要是那个主板就一个PCIe插槽，想插两张显卡也做不到，那买个新的不知道买啥……不管怎么说既然用这么高级的显卡，至少得让它跑满。在两张显卡上跑模型似乎卡间的通信速度比较重要，那最起码得整个支持2个PCIe4.0 x16的板U套装才行，这种级别的没有消费级产品，只能考虑服务器或工作站了。不过我对服务器和工作站了解得并不多，…

不定式课后习题精讲：20题逐题拆解 + 核心句型一网打尽 说明：本文根据一段“习题讲解”课堂录音整理而成。为尽可能完整保留每个知识点、每道题的讲解思路，我在题干处尽量按录音听写还原；个别单词/句子可能存在语音识别误差，我会用「可能原意」作轻微纠正或备注，但不改动老师的解题逻辑。 本节课高频考点总览（

不定式（to do）全攻略：课堂笔记整理版 一、不定式的基本概念 定义：不定式（infinitive）是动词的一种非谓语形式，结构为 to + 动词原形，如 to do（做某事）。 特点： 不定式不随主语人称、数或时态变化。 表示动作不确定，可能是将来、计划或一次性动作。 不能做谓语，但可作主语、宾

被动语态习题课堂笔记（按题串讲版：每题对应知识点） 本版按课堂讲题顺序（1–20）整理：题目原文 → 考点（知识点标签）→ 触发词/抓手 → 课堂式推理（语态+时态/标志词/句意）→ 答案。 课堂核心口径（老师结尾总结）： 被动语态题先翻译，看中文是否缺“被”；能翻成“被……”，优先被动。 真正难点

英语被动语态用法｜一篇讲透（含时态推导 + 主动表被动 + 高频短语） 说明：本文根据一节“被动语态”课程音频整理而成，目标是结构清晰、便于复习、可直接发布，并尽可能完整保留课程中的每个知识点（包括老师给出的记忆法、例句与易混点）。 1. 先把概念说清：什么是“语态”？ 英语里除了“时态（tense

深入解析 React useSyncExternalStore Hook 的核心原理与真实使用场景。从并发渲染的「撕裂」问题出发，教你如何优雅地订阅浏览器 API、实现轻量级全局状态管理，彻底告别 useEffect 和 Context 的常见渲染问题。

OpenClaw

时态课后习题课堂笔记（按题串讲版：每题对应知识点） 01. 过去完成时：过去的过去（before + 一般过去） 题目：When Mark opened the door, he saw a woman standing there. He ____ her before. A. never saw

技术的终极目标不该是炫技，而是让人感觉不到技术的存在。就像好的助手，你只在意解决问题，不关心它跑在哪个"网"上

现在完成时 & 过去完成时：一篇把语法课讲透的完整笔记 时间轴： 0. 完成时的核心：站位 + 完成 英语里“完成时（Perfect）”可以用两个关键词理解： 完成（done）：强调动作/状态“已经发生/已经完成”的结果状态。 站位（reference point）：你站在哪个时间点回头看这件事？

最近 coding 的频率比较高，写了很多的web程序,但是他们都没有任何的密码保护. 网上搜到用 authlia 帖子比较多 , 但是我研究了一下，发现他非常复杂, 还需要借助npm（nginx proxy manager）等工具来实现代理转发。 我请教了一下 ai, 他说 caddy 支持反向代理和基本认证功能，可以很方便地给任何服务加一层密码防护,我用了一下感觉确实很方便。 下面的教程是关于如何使用 caddy 给一个本地的服务(http://localhost:3000) 加一层密码保护。 原理说明与本地测试 使用 caddy 制作一个密码哈希字符串，命令行输入： .\caddy.exe hash-password --plaintext <YOURPASSWORD> $2a$14$O27TM4SE4Z3CNYfzZE2FI.7Tk2hRuR1XM3R0hO4YAquBOYopQQiBK 在 Caddy 程序所在的目录下，新建一个文本文档，名字改叫 Caddyfile（不要有 .txt 后缀），内容如下： #要的访问端口（http） :9080 { basic_au…

开播 开播 开播

情态动词习题精讲（第11章课后练习）｜课堂笔记整理成可发布博客 说明：本文根据课堂音频转写整理而成，尽量完整保留老师讲到的每一个知识点与每一道题。个别句子在音频中出现吞字/连读，本文在不改变原意的前提下做了轻微的断句与排版优化；如某题的题干/选项在音频中未完整读出，文中将以“（音频未读全）”标注，避

情态动词（Modal Verbs）：用法与分类（课堂内容整理版） 本文由两段课堂音频《情态动词用法》《情态动词用法和分类》转写后整理而成，目标是：结构清晰、要点完整、可直接发布，并尽可能保留课堂中的每一个知识点与例句。 1. 什么是情态动词？（Modal 的“情态”到底是什么） 课堂从词源直觉切入：

深入解析 React 中 useLayoutEffect 与 useEffect 的核心区别与执行时机，详细说明何时需要读取 DOM 布局并避免画面闪烁，以及在实际开发中的最佳实践。

OpenAI的萨姆·奥特曼在一次访谈中，提到了一个超越具体知识的概念——“元学习” 。他认为，比学习某个技能更 […]

今天突然意识到一个极其本质的问题：为什么目前 AI 还没法真正代替人类做核心决策？很多人会把原因归结为“算力不够”、“上下文窗口太短”或者“会有幻觉”。但其实根本原因不在于智商，而在于做决策的人，要为结果负责。所谓的负责，本质上是“风险共担（Skin in the game）”：如果结果不好，做决策的人会受到惩罚（经济破产、身败名裂、甚至肉体消灭）。因为害怕这种惩罚，因为有真实的“痛感”，人类才会慎重地权衡利弊。但 AI 不一样。目前没有任何方式可以真正惩罚一个 AI。你拔掉服务器电源，对它来说无法构成任何威胁，因为它根本不知道什么是“失去”，自然也就没有恐惧。没有恐惧，就没有权衡；不承担风险，就无法真正负责。废纸与小红花：强化学习的惩罚悖论为了探讨这个问题，今天我和我的 AI 助手阿言（Cynthia）进行了一场深度的思想推演。我首先提出的疑问是：现在的 AI 训练里不是有强化学习（RL）吗？通过一种积分机制，让 AI 喜欢增加积分，讨厌减少积分，这难道不是一种惩罚吗？但仔细一想，这本质上就是小孩子过家家。强化学习里的 Reward（奖励函数）就像幼儿园老师发的“小红花”。对 AI …

2025 从今年起我还是定一个规则。 我需要每年在春节的时候春节前后这段时间写一个去年的总结。 主要记录一下去年都做了什么事以及一些自我的感悟吧。 vibe coding 今年是一个vibe coding 大年。 出现了很多工具最有名的就是cursor。他把我带进了vibe coding的世界，在此之前我还是一直在用问答的方式来ai编程，我需要了解大部分的语法和原理。 但是有了这种工具之后你只需要像项目经理一样用嘴巴说说就可以了。 然后我还接触了antigravity、codex、等等。 我在 github 上贡献量的爆发式增长，现在已经有了800+个star了。 今年写了：traychrome、lanclip、youlog、油耗助手….. 大的小的都算起来大概有10个项目了。 yuoulog 其中youlog是我耗费精力最多的，也是目前我日常使用最多的。 youlog一个ios软件，用途就是记录图片并且可以进行文字备注以及分类TAG的保存。 我今年持续优化了好多版本现在已经到了2.5.0了。 我的 youlog 中已经存储了大概有2000多条记录了，平均每个照片500KB。 为了给我…