邮件代理第二版:优化了邮箱发件人逻辑,现在能自定义地址前缀了
本文介绍了 一个功能完善的邮件代理项目,该项目提供了一个集成的邮件收发解决方案。它基于 Python 语言实现,旨在解决初版邮件代理只能使用单个发件人地址的限制,现在允许客户端自定义发件人地址,只要该地址可用即可。在邮件发送功能上,该代理通过 SMTP 协议将邮件转发到 Resend 服务,实现了邮件的可靠投递。在邮件接收和查询功能上,它实现了 IMAP 代理,能够读取和提供缓存的邮件消息。代码中包含了详细的 SMTP 处理器和 IMAP 连接处理逻辑,支持 FETCH、SELECT 等标准 IMAP 命令,并实现了邮件的缓存和检索机制。该代理系统同时支持 SMTP 监听在 0.0.0.0 : 2525,IMAP 监听在 0.0.0.0 : 2143,提供了一个完整的邮件收发和管理接口,为用户提供了一个可自行部署的邮件服务。
写了个邮件代理:在任意的邮件客户端中,使用来自 Resend 的域名邮箱
本文描述了旨在解决现有邮件服务(例如 Resend 不支持 IMAP,或 QQ 邮箱需要 VIP 才能使用自定义域名)所存在的功能限制。该代理的核心功能是提供一个支持 IMAP 和 SMTP 的统一邮件接口,允许用户使用苹果的邮箱客户端进行登录和操作。该系统通过在本机启动两个独立的端口来实现功能:一个用于 SMTP 接收和发送,另一个用于 IMAP 协议交互。在 SMTP 流程中,所有发出的邮件请求都会被转发到 Resend 服务进行实际发送。同时,为了让苹果客户端能够感知到“已发送”的状态,系统会在本地的 ~/.sent 目录下维护一份发件箱的邮件缓存。IMAP 功能则专注于提供一个“已发送邮件”的视图。它不依赖于真实的收件箱功能,而是通过读取本地缓存的邮件文件来响应 IMAP 的 SELECT 和 FETCH 等命令。收件箱功能则通过 Cloudflare Routing 间接实现。从技术实现上看,这是一个高度定制化的 Python 项目,使用了 aiosmtpd 库来处理邮件协议。作者提到,整个代码的设计过程使用了 Codium 和 Aider,并且最终通过 Nuitka 进行了编译,使其运行效率接近 C 语言编写的程序。该代理系统成功地将外部的云服务(Resend)与本地的缓存机制结合起来,提供了一个功能完整的、满足特定需求(如需要 IMAP 证明发送记录)的邮件解决方案。该项目展示了如何通过底层协议的实现,构建出高度定制化的基础设施。
在 Codium 中使用 Aider:想要图形化,试试 Aider Composer 插件吧
本文介绍了在 Codium IDE 中集成外部 AI 助手 Aider 的具体过程和方法。文章指出 尽管 Codium 是一个现代编程工具,但它本身缺乏内置的 AI 助手功能,而传统的 TUI 小助手使用起来体验不佳,且容易造成 Agent 和 IDE 之间的割裂。为了弥补这一功能缺失,作者选择通过社区插件 Aider Composer 来实现 AI 问答、编码和规划功能。这个过程需要创建一个独立的依赖环境,具体使用了 Python 3.11 版本,并在 ~/.aider-composer/ 目录下创建了虚拟环境。随后,作者在该环境中安装了 aider-chat 和 flask 两个必要的模块包,并完成了插件环境路径的配置。完成基础设置后,还需要在 Aider Composer 的聊天界面中填入模型名称和 API 相关配置。最后,为了优化用户体验,作者将 AI 聊天框从默认的左侧位置拖动并移动到了 Codium 的右侧边栏,从而实现了 AI 辅助功能与主流软件习惯的统一。
从 Trae 到 Codium:用开源编辑器替代 Trae,我的心路历程是这样的
本文介绍了 Trae 和 Codium 之间的差异,并探讨了程序员在选择编辑器时,除了功能和界面外,对个人编码习惯和“心流”体验的重视。作者通过自己更换编辑器的经历,强调了 Trae 提供的集成化生态位,将其比喻为《我的世界》中的“整合包”。Trae 的优势在于它默认集成了许多基础但关键的插件,例如 Remote SSH 和 AI 助手,从而提供了一个开箱即用、功能完备的开发环境。相比之下,Codium 更像是“纯净版”,用户需要手动下载和配置 AI 对话类插件和颜色主题。文章指出,这种集成化设计极大地提升了使用者的编码体验,避免了手动配置的繁琐过程。作者认为,对于那些高度关注自身编码习惯和使用感受的程序员来说,Trae 提供了更顺畅、更少担忧的开发环境。因此,本文旨在帮助那些注重个人使用体验而非纯粹功能对比的开发者,了解这两种编辑器各自的特点和适用场景。
把 Python 脚本变成静态文件:你值得脚本包装好,试试这两款工具吧
本文介绍了 将 Python 脚本转换为可执行文件的多种需求、方法以及核心工具 Nuitka 和 PyInstaller 的工作原理和异同。 这种需求源于三种不同的思维模式:商业思维(需要混淆和版权保护)、开发者思维(追求便捷部署)和项目思维(追求 C 语言级别的运行速度)。 Nuitka 满足了前者的商业需求,它能够将 Python 脚本编译成 C 语言的可执行文件;而 PyInstaller 则服务于中间的开发者思维,它将脚本连同所有依赖库打包成一个可执行文件。 这两种工具的工作机制截然不同。 PyInstaller 采用的是纯粹的打包方式,没有编译过程,程序在运行时会解压所需依赖;而 Nuitka 则是真正的编译过程,它将 Python 脚本翻译成 C 文件,再将这些 C 文件编译成最终的程序。 尽管 PyInstaller 操作简单,但运行起来较为费劲;而 Nuitka 虽然参数繁多,但最终编译出的文件速度更快。 作者强调,选择哪种工具取决于项目的具体需求和开发者所能接受的复杂程度。最终,开发者应根据自身项目的实际情况,选择最适配的工具来完成脚本的转换工作。
又是一年国庆节:去年在闲鱼开的技术小店,被英伟达项目狠狠折磨
本文描述了作者在国庆节期间,通过一个闲鱼店铺的意外订单,经历了一次从本地编译的挫败到利用 GitHub Actions 解决复杂技术难题的成长历程。作者最初接到一个复杂的任务,要求编译一个源自 NVIDIA 社区的开源项目,该项目旨在为 NVIDIA 嵌入式设备提供精简系统。面对这个挑战,作者最初尝试在自己的 RTX 游戏本上安装 WSL 的 Ubuntu 子系统进行编译,但耗费了大量时间,最终仍未能成功完成任务,深刻体会到仅凭个人本地环境的局限性。这次失败的经历促使作者反思,意识到解决大型开源项目问题,需要更高效、更流程化的协作机制。随后,作者开始参与另一个 GitHub 开源笔记项目的开发,并尝试使用 GitHub Actions 编写自动化流程进行实战练习。通过这种云端任务配置的方式,作者成功完成了编译,并获得了明确的反馈。日志显示,问题并非出在编译环境,而是原始 NVIDIA 项目的脚本中存在一个非常细微的地区命令格式错误。作者最终决定删除这一行地区相关的代码,成功获得了预期结果。这次事件不仅解决了技术难题,更让作者深刻认识到开源项目的复杂性,以及代码背后可能存在的“人性局限性”。本文展示了作者如何从最初的硬件局限,转向了现代化的 DevOps 工具链,从而完成了对一个复杂嵌入式系统的成功编译和分析。整个过程记录了从个人技术探索到利用自动化工具提升效率的完整技术旅程。
外网文件下载问题:资源下载速度太慢,直链加速下载与分发的探讨
本文介绍了 获取一款名为 0 A.D. 的开源游戏所面临的资源困境,以及在技术限制下进行的理性选择和未来解决方案。文章描述了游戏资源分布的复杂性,包括官方网站的跨国访问难度和 GitHub 上缺乏完整发布版本的问题。作者面临着两种非理想的下载途径:依赖 Torrent 协议或使用直链下载。然而,由于无法在 Mac 操作系统上进行游戏编译,导致编译过程的存储和资源消耗成本极高,这构成了一个技术硬性限制。在“慢速直链”和“资源消耗巨大的编译”之间,作者最终基于成本效益选择了直链下载。为应对传统缓存服务的稀缺,作者转而使用了 Aria2 这种专业的下载工具进行多线程下载。展望未来,文章提出了一个更高级的自动化分发方案:利用 GitHub Actions 脚本,将游戏文件下载、缓存,然后进行分段处理并上传到 GitHub Releases 页面,实现从传统下载模式向现代、分布式、自动化分发模式的演进。这种模式能够解决非主流外网文件在基础设施缺失下的获取挑战。
从 Codex 换到 Aider:Aider 的强控制力,如何在 Mac 安装 Aider
本文介绍了 Aider 这款简洁且可控性强的人工智能 Agent 工具,它为本地部署的大语言模型提供了一种高效的协作方式。Aider 与市面上许多使用 Node.js 编写的 Agent 不同,它采用 Python 语言编写,并默认采用“一轮人、一轮 AI”的传统对话模式,强调用户的主导地位。其核心优势在于原生支持 Git 功能:在每次对话产生代码更改后,Aider 会自动执行 AI Commit,将修改保存为标准的差异文件,极大地提升了代码更改的可靠性。对于没有 Git 仓库的项目,它则使用搜索替换和任务记录。Aider 的使用高度依赖于命令行指令,用户可以通过输入 `/add`、`/read-only` 或 `/edit` 等命令来控制 AI 对特定文件的操作,甚至可以使用 `/web` 命令让 AI 读取网页内容,该过程需要 Pandoc 等工具将网页转换为 Markdown 格式。此外,文章还详细描述了 Aider 的安装过程,例如在 macOS 上使用 Homebrew 进行安装,以及如何通过配置命令参数(如指定 `--model` 和 `--openai-api-base`)来连接和使用大语言模型。Aider 这种模式被认为非常适合需要精细控制和人工干预的开发场景。
从 DeepSeek 换到 Gemma:AI 涨价后,本地部署 Gemma4 省钱了
本文描述了作者如何应对其 AI 写作工具链面临的成本和技术挑战,并成功完成了从外部 API 切换到本地化部署的流程。最初,作者使用 DeepSeek V4 Flash 运行 AI 脚本,用于文章的自动打标签和标题优化。然而,由于 DeepSeek V4 Pro 的取消以及 DeepSeek V4.1 Flash 价格的显著上涨(高峰期可达 1 元),作者无法继续依赖高成本的 API 服务来维持高频内容更新。因此,作者决定将整个工作流迁移到本地环境,使用 Ollama 在 MacBook 上部署大语言模型。为了充分利用 M 芯片的性能,作者必须选择带有 MLX 标识的优化模型。在尝试了通义千问后,作者选择了 Gemma4 模型(后缀为 e4b-mlx),因为它在总结和打标签任务中表现更高效,没有出现过度“思考”导致的 Token 浪费。通过这种本地化部署,作者不仅实现了 AI 任务的隐私保护,还显著降低了运营成本,成功地将文章的元数据处理任务交给了 Gemma4 完成。
DeepSeek TUI 初尝试:尝试开源社区的命令行工具,体验与分享
本文介绍了作者作为 DeepSeek 忠实用户的长期使用体验与最新发现。作者最初被 DeepSeek 吸引,因其开源特性带来代码透明与掌控权,API 按量付费模式对个人开发者极为经济,相比 Claude Code 等按月订阅方案更为灵活。近期因 Trae 引入高价排队机制而放弃使用,转而重新关注 iFlow CLI 但渴望更优的开源替代品。在社交媒体上发现由非专业出身的开发者 Hunter Bown 创建的 DeepSeek TUI,这是一款开源社区出品的命令行 Agent 工具。安装通过 npm 一行命令完成,初始化界面支持语言选择与 API Key 输入,默认使用 DeepSeek V4 Pro 并自动根据任务切换至 V4 Flash 以节省成本。其左侧面板实时展示 AI 当前操作、错误信息及 Token 预估费用,透明化设计让用户清楚每一步进展。作者利用该工具解决了之前由同一模型在 iFlow CLI 中编写的有问题的 PJAX 友链代码,实现了“自己修复自己 Bug”的效果。最后作者计划用 DeepSeek TUI 基于 SMTP 和 RSS 为静态网站搭建文章更新邮件提醒功能,旨在提供更纯粹、不依赖第三方平台的订阅体验,并充分利用闲置的邮箱地址。全文展现了开源工具链的自由度与社区创新的价值。



