苹果新推出的MacBook Neo，其市场热度似乎超越了早前发布的Mac mini M4。这两款设备我都有亲身使用，客观而言，基础配置的Mac mini M4在性能层面确实显著领先于MacBook Neo。

两者的价位处于同一区间，但Mac mini M4缺少内置屏幕、键盘及电池。相比之下，Neo虽然在性能上稍逊一筹，却因其便携特性更契合移动轻办公的需求。

然而，MacBook Neo的不足之处也相当明显。不仅基础内存仅为8GB，其接口配置也被大幅简化，最高传输速率限制在10Gbps，且起步存储容量仍是256GB。我入手的正是这款256GB的最低配版本。鉴于我已拥有NAS设备，实在没有必要额外花费700元去升级至512GB版本。

总体来看，这一配置足以满足对电脑性能要求不高的用户，或作为备用机使用。当然，如果和我一样拥有一台NAS，实际的使用体验还能得到更进一步的优化。

接下来，我将以自己正在使用的极空间NAS为例，分享几个通过搭配NAS来提升MacBook Neo使用体验的具体方法与功能，供各位参考。需要说明的是，这些技巧不仅限于Neo，几乎适用于所有Mac设备，毕竟Mac与NAS的组合堪称天作之合。

一、 必开功能：时间机器备份

如果您正在使用Mac设备，并且非常看重系统与数据的安全，同时又拥有一台极空间NAS，那么完全可以利用极空间自带的Mac备份功能。它能让您的Mac自动将系统、文件、照片、软件设置等所有重要数据备份到NAS中。日后无论是系统重置需要恢复，还是更换新机迁移旧数据，都将变得异常轻松。

操作流程十分简便。首先，在极空间的管理后台，找到“文件及共享服务”设置，开启其中的SMB协议。

接着，在极空间桌面应用中找到“Mac备份”功能并启用，根据提示设置好备份数据的存储位置、最大使用容量等参数，然后确认即可。

接下来，在Mac电脑上打开“系统设置”，找到“时间机器”选项并进入，将备份磁盘选择为您刚刚设置好的极空间NAS。

输入极空间NAS的账号和密码，点击连接。

如果需要更高的安全性，可以开启加密备份并设置密码；若无需加密，则关闭该选项。同时，可以自定义备份磁盘的使用空间比例。全部设置完成后，点击“完成”。

此后，您便能在时间机器中看到新创建的备份任务。只要Mac处于联网状态，它就会按照您预设的条件自动进行备份，完全无需担心遗忘。当未来需要时，随时可以从中恢复数据。

Mac备份不仅仅是简单的文件拷贝，它相当于为Mac数据购买了一份“保险”，能够实现系统级别的完整恢复。整个过程自动、安全且省心。此外，一台NAS可以为多台Mac设备提供独立的备份空间，非常适合团队协作或家庭成员共同使用。

二、 存储“扩容”：本地挂载硬盘

熟悉苹果产品的用户都清楚其设备存储容量的昂贵，并且无法像大多数Windows笔记本那样自行加装或更换硬盘。升级设备往往意味着连同存储一起更换。对于已经选择了Neo的我而言，更没有必要投入更多成本去追求更大的内置存储。

然而，现实情况是，256GB的存储空间确实容易捉襟见肘。如果仅用于WPS处理文档尚可，但一旦安装PS进行图像处理、下载Final Cut Pro进行视频剪辑，再配合几个提升效率的截图、翻译等工具软件，存储空间很快便会告急。

不过，正如前文所言，拥有NAS便无需焦虑！

将MacBook Neo与极空间NAS搭配使用，可以直接把NAS的存储空间挂载为Mac本地的一个虚拟磁盘，专门用于存放大型文件。此功能在极空间的系统设置中即可一键开启。

首次开启时，需要下载一个小插件，并设置一个本地临时缓存目录。整个设置界面极其简洁明了，操作起来毫无难度。

既然选择MacBook Neo是为了满足移动办公需求，那么在外出使用、处于外网环境时，挂载的磁盘是否还能访问？答案是完全可行。只需在极空间的“文件及共享服务”中，同时开启“远程磁盘挂载”功能即可。

开启本地与远程挂载后，MacBook Neo仅有的两百多GB本地存储几乎可以完全用于安装应用程序。下载的各种文件则可以直接绕过本地存储，保存到NAS上。甚至是从网盘下载的资源，也能直接存入NAS。方法同样简单，借助极空间自带的“网盘备份”或“远程网盘挂载”功能即可实现。

对于通过浏览器下载的文件，大部分浏览器都允许自定义下载保存位置。我个人习惯使用夸克浏览器，并在极空间上专门建立了一个文件夹，将浏览器的下载路径指向此处。这样既便于文件管理，也能及时清理无用内容。

三、 Win+Mac双系统：Windows虚拟机

很多时候，我们既欣赏macOS的简洁优雅，又离不开某些Windows独有的功能或软件。同时购置两台笔记本电脑显得多余且浪费，而通过Mac远程访问家里的Windows台式机虽然可行，却不够便捷。在拥有MacBook Neo的情况下，其实还有另一个优雅的解决方案：在NAS上安装一个Windows虚拟机，随时启动或关闭。

极空间自带的虚拟机功能可以快速部署Windows系统。我的这台Win10虚拟机已经稳定运行了近两年。关于虚拟机的具体安装步骤，如果不太熟悉，极空间官网提供了非常详尽的图文教程，只需跟随指引操作即可，此处不再赘述。

由于极空间NAS支持直接的外网访问，因此在外出办公时，只要Mac设备能够联网，打开极空间客户端就能随时随地访问这台Windows虚拟机。同一个虚拟机也支持被不同的电脑访问，在公共电脑上使用虚拟机处理敏感文件，相比直接在本地操作也更为安全。

当然，如果工作流中需要其他操作系统（如Linux），同样可以通过虚拟机功能进行安装。

四、 工作文件备份：文档同步

对于日常办公中频繁使用电脑的用户而言，通常会积累大量文件，且同一文件可能衍生出多个甚至数十个不同的版本。对于仅有256GB存储空间的MacBook Neo来说，要妥善且高效地管理这些文件，压力不小。但有了“文档同步”功能，局面将大为改观。

极空间的文档同步支持两种模式：单向备份和双向同步。单向备份是指将电脑上的文件同步到极空间NAS中，即使后续在电脑上删除了原文件，NAS上的备份副本依然会保留。

想象一下，你的家庭网络附加存储设备不仅用于存放文件与媒体，还能化身为一个在本地运行的智能助手。这一切可以通过一款名为 LocalAI 的开源工具实现。下面将详细介绍如何将其部署在NAS上，并开启私有的AI对话体验。

LocalAI是一款遵循开源协议、完全免费且以本地运行为优先的AI推理框架。它的核心目标在于提供一个与OpenAI API规范高度兼容的本地REST API接口，同时也能适配Elevenlabs、Anthropic等其他服务的协议。该框架支持在消费级硬件上私有化部署大语言模型、图像生成与音频合成等多种AI能力，其突出特点是无需依赖独立GPU也可顺畅运行，并能兼容多种模型架构。

核心特性解析

• API 高度兼容：作为OpenAI API的即插即用式替代方案，任何基于OpenAI API开发的现有应用程序都可以低成本、无缝地迁移至本地环境。
• 彻底的本地化部署：支持在普通的消费级硬件上运行，即使没有独立显卡也能正常工作。所有数据处理均在本地完成，数据无需上传至外部服务器，充分满足用户对隐私保护和数据合规性的严格需求。
• 支持多模态能力：不仅局限于大语言模型的文本推理，其功能范畴还扩展至图像生成、文本转语音等音频合成领域，提供了一个较为全面的本地AI工具箱。
• 丰富的模型生态：内置了“模型画廊”，支持通过命令行或API便捷地安装来自HuggingFace等平台的模型。默认提供了大量采用宽松许可协议的模型库，同时也允许用户添加自定义的模型仓库地址。
• 灵活的后端支持：其底层设计兼容多种由不同语言（如C++、Go、Python）实现的后端引擎，能够灵活适配不同AI模型对运行环境的特定要求。
• 强大的扩展性：可与LocalAGI（用于AI智能体编排）、LocalRecall（知识库系统）、Cogito（LLM工作流程库）等关联工具组合使用，共同构建起一套功能完整的本地人工智能基础设施套件。

安装部署指南

部署过程非常简单，尤其适合通过Docker容器化进行。以下是一个适用于纯CPU环境的基础Docker Compose配置示例：

services:
  localai:
    image: localai/localai:latest
    container_name: localai
    ports:
      - 8080:8080
    volumes:
      - ./models:/models
    restart: always

将上述配置保存为docker-compose.yml文件，在相同目录下执行docker-compose up -d命令即可启动服务。其中，./models目录将用于持久化存储所有下载的AI模型文件。

实际使用体验

服务启动后，在浏览器中输入 http://你的NAS的IP地址:8080 即可访问LocalAI的Web管理界面。

界面提供了清晰的上手引导。基本使用流程分为三步：首先浏览并选择所需的模型，然后将其下载安装到本地，最后即可开始对话或调用其功能。

LocalAI的内置模型库提供了相当丰富的选择，涵盖不同参数规模和用途的模型，大部分可以直接在线下载。请注意，下载过程需要相对稳定流畅的网络环境，有时可能会遇到模型列表暂时加载不出的情况，通常等待一段时间或重试即可。

实用提示：系统也支持离线模型。你可以将从其他渠道获取的兼容模型文件（通常是GGUF格式）直接放入之前映射的./models目录中，刷新界面后即可识别并使用。

你可以根据需求（如对话、代码生成、创意写作等）筛选模型。对于主要依赖CPU运行的NAS环境，建议优先选择参数量较小、对硬件要求更低的模型。

选中模型后，点击下载安装。由于我们假设在CPU环境下运行，此处示例选择了一个体积较小的模型。

另一个重要提示：模型下载过程有时可能因网络问题而中断或失败，确保NAS设备连接至良好的网络是成功下载的关键。

模型安装完成后，便可以进入对话界面开始使用了。

在对话框中输入文字，AI助手便会开始生成回复。在纯CPU环境下，生成速度可能不会太快（例如实测可能只有每秒3-4个token），但对于不追求实时响应的本地化应用而言，这个体验仍然是可以接受的。

受限于小模型的认知能力，其回答的深度和广度自然无法与云端超大规模模型相媲美。然而，其最大的优势在于完全的本地运行，无需互联网连接，所有交互内容都私密地保留在自家设备中。

在API调用层面，LocalAI完美模拟了OpenAI的接口规范。这意味着你可以将本地服务的地址（http://NAS-IP:8080/v1）直接配置到支持OpenAI API的各种第三方客户端或自行开发的程序中，实现无缝替换。

对于有更高性能要求的用户，LocalAI甚至支持在多台设备上部署形成集群，进行混合推理以加速处理过程。

除了基础的对话功能，LocalAI还集成了图像生成、音频处理等众多功能，有兴趣的用户可以深入探索其完整的潜力。

关于资源占用，以一个20亿参数的小模型为例，其在运行时会占用大约3.5GB的内存。在进行文本生成时，CPU的利用率通常会达到接近满载的水平。

总结与评价

总体而言，LocalAI带来了极其友好的入门体验，其可视化Web界面极大地降低了普通用户在本地部署AI模型的技术门槛。该方案支持完全离线部署，即使在无网络环境中也能提供可用的生成能力；仅依赖CPU即可运行的特性，使其对硬件异常包容；同时，对OpenAI API规范的兼容性让现有生态应用能够轻松迁移。此外，其对GGUF格式模型的良好支持，使用户能便捷地获取和尝试最新的社区模型。

ownCloud是一个开源的平台，专门用于文件同步、共享和内容协作。它使用户能够在私有服务器上建立自己的云存储服务，从而确保数据的完全控制和隐私保护。

安装步骤：使用Docker Compose快速部署

Docker Compose（自带数据库）配置示例如下：

services:  
ownCloud:  
    image: dlandon/owncloud:latest  
    container_name: ownCloud  
    privileged: true  
    ports:  
      - 8443:443  
    environment:  
      - PGID=1000  
      - PUID=1000  
      - TZ=Asia/Shanghai  
      - DB_PASS=owncloud  
    volumes:  
      - ./config:/config  
      - ./data:/data  
    restart: always

关键参数说明如下（更多参数建议查阅官方文档）：

• PGID（环境变量）：表示用户组ID，用于设置用户组权限。
• PUID（环境变量）：表示用户ID，用于设置用户权限。
• TZ（环境变量）：用于配置时区，例如Asia/Shanghai。
• DB_PASS（环境变量）：设置数据库的访问密码。
• /config（路径）：该目录用于存储配置文件和数据库文件。
• /data（路径）：该目录用于存储用户上传的数据和文件。

使用指南：从配置到高级功能

在浏览器中输入https://NAS的IP:8443即可访问界面，请注意使用HTTPS协议（初始启动可能需要一些时间加载）。

首先创建管理员账号，填写必要的用户名和密码信息。

建议将数据目录修改为“/data”以匹配挂载卷（此步骤可选，但能优化存储管理）。

配置数据库时，使用以下预设参数（该Docker镜像已封装数据库）：

• 数据库用户名：root
• 数据库密码：owncloud
• 数据库名：owncloud
• 数据库主机：localhost

确认无误后点击安装按钮，系统可能需要短暂加载以完成初始化设置。

加载完成后，输入之前设置的管理员账号和密码进行登录。

作为老牌应用，ownCloud支持全平台客户端，包括Windows、macOS、Linux以及移动设备。

整体界面设计简洁大方，没有过多复杂元素，注重功能实用性。

点击界面上的“➕”按钮，可以创建新文件夹、文本文件或直接上传本地文件。

支持批量上传功能，用户可以直接将文件拖拽到网页区域完成快速上传。

图片文件可以在线预览，方便用户快速浏览内容。

TXT文本文件同样支持在线预览，便于直接查看和编辑。

PDF文件可以在线预览，但常见的Word、Excel、PPT格式可能不支持；不过可以通过安装ONLYOFFICE等插件来扩展功能。

本文将详细介绍一款名为Wolfcha的AI驱动单人狼人杀游戏。在这款游戏中，你将作为唯一的人类玩家，与9位拥有独立性格与策略的AI角色共同参与一场完整的狼人杀对局。这些AI角色能够根据实时的游戏局势进行复杂的逻辑推理、公开发言、投票决策，甚至实施欺骗行为。

你可以通过其在线演示站立即体验：https://wolfcha.a3e.top

部署安装步骤

使用Docker Compose是部署该服务最简便的方式。具体配置如下：

services:
  wolfcha-web:
    image: heizicao/wolfcha-web:v1
    container_name: wolfcha-web
    ports:
      - 7860:7860
    restart: always

详细使用指南

完成部署后，在浏览器地址栏中输入 http://你的NAS_IP地址:7860 即可访问游戏主界面。

进入界面后，首先点击右上角的设置按钮进行游戏配置。

在设置菜单中，你可以自由选择游戏难度和玩家数量，初次体验使用默认配置即可。

接下来，在下方输入你的玩家名称，点击开始按钮即可创建对局。

提示：游戏需要配置大语言模型API。本文演示使用的是硅基流动的API服务，你可以通过此邀请链接注册（可获得2000万Tokens的赠送额度）：https://cloud.siliconflow.cn/i/1kFLquql

在设置中填写你选择的API服务商信息，模型选择默认选项即可（语音合成功能非必需，如需使用需额外注册MiniMax账号）。

配置完成后系统需要一些时间进行初始化，请耐心等待游戏加载。

加载完毕后游戏正式开始，你将随机抽取并获得本局游戏的身份角色卡。

提示：如果你是首次接触狼人杀游戏，也无需担心，游戏内提供了简洁明了的新手教程指引。

必须承认，这款游戏的整体制作水准相当精良，界面与交互设计都很出色。

与传统脚本化的狼人杀游戏最大的不同在于，融合了AI技术的本作拥有极高的自由度和动态性。例如，游戏中的对话并非预设选项，而是充满了AI根据语境实时生成的不确定性，这正是其核心乐趣所在。

在游戏过程中，如果你担心遗忘某些关键信息或发言，可以随时点击界面右下角的笔记功能进行记录。

游戏结束后，系统会公布所有玩家的真实身份（偶尔可能因数据格式问题导致显示略有异常，但不影响结果判定）。

根据实测，完成一局游戏大约消耗价值1.5元人民币的API Tokens，不过由于平台赠送的额度，实际体验成本可以忽略不计。

体验总结与评价

这款游戏确实兼具趣味性与创新性，其核心魅力在于AI能够深度理解对话上下文并进行动态分析，使得玩家与AI之间的互动感非常强。在完成本指南的编写后，笔者自己也忍不住连续体验了数局。即便是选择普通难度，对于新手玩家而言也颇具挑战。个人感受是，游戏中的狼人AI显得智商超群且团队协作紧密，相比之下，好人阵营的AI有时则较为沉默。在笔者的对局中，拿到好人身份时胜率较低。我们强烈建议感兴趣的玩家亲自尝试，这款游戏堪称AI与桌游结合的典范，提供了独特且沉浸的体验。

综合推荐指数：⭐⭐⭐⭐⭐（极力推荐，真正展现了AI与游戏结合的优秀潜力）

使用体验评价：⭐⭐⭐⭐（整体体验流畅，制作精良）

部署难易程度：⭐（部署过程极为简单）

今天我们来探讨一个近期在GitHub上颇为热门的AI项目：MiroFish。初次见到这个名字时，一种奇特的联想涌上心头——难道我们NAS社区也迎来了自己的“库洛·里德”，拥有了能够预知未来的数字占卜师？这个项目的核心理念在于，它将新闻动态、舆论风向、社会关系与各类事件统统纳入一个复杂的系统中，驱使一群自主的智能体（Agent）进行推演与分析，最终生成一份形似“未来预言”的结果报告。

实际上，同期我也尝试过另一个侧重于舆情监控方向的项目，但实际体验下来，其信息更新往往存在明显的滞后性。相比之下，MiroFish这种带有“电子预言家”特质，致力于模拟与推演的项目，反而显得更具新意与探索价值。当下正值人工智能浪潮汹涌之际，本文便顺势为大家分享如何动手部署这一有趣的MiroFish系统。

项目概述

项目的完整名称是 666ghj/MiroFish，以下内容提炼自其官方页面介绍：

MiroFish是一款基于多智能体技术构建的新一代AI预测引擎。它通过提取现实世界中的种子信息（例如突发新闻、政策草案、金融信号等），自动构建出一个高保真度的平行数字世界。在这个虚拟空间内，成千上万个拥有独立人格、长期记忆与行为逻辑的智能体进行自由交互与社会演化。使用者可以透过“上帝视角”动态注入变量，从而精准推演事件未来的可能走向——让未来在数字沙盘中预先上演，助力决策在百般模拟后赢得先机。

• 您只需：上传初始材料（可以是数据分析报告，也可以是引人入胜的小说故事），并用自然语言描述您的预测需求。
• MiroFish将返回：一份详尽的预测分析报告，以及一个可供深度交互的高保真数字世界。

设计愿景

MiroFish致力于打造一个能够映射现实的群体智能镜像，通过捕捉个体互动所引发的群体涌现现象，旨在突破传统预测方法的局限：

• 宏观层面：它旨在成为决策者的预演实验室，让政策制定与公关策略能够在零风险的环境中进行试错与优化。
• 微观层面：它试图成为个人用户的创意沙盘，无论是推演小说情节的多种结局，还是探索天马行空的脑洞设想，都能变得有趣、好玩且触手可及。

从严肃的商业政治预测到轻松的个人趣味仿真，MiroFish的目标是让每一个“如果”都能被看见结果，让预测万物成为可能。

Docker Compose部署指南

以下以威联通（QNAP）NAS为例，演示通过Docker Compose部署MiroFish的完整流程。部署代码的核心部分如下所示，所需的环境变量将在后续列出，您可以根据自身情况将其直接补充进部署代码中，或选择创建独立的.env环境变量文件进行调用。

services:
  mirofish:
    image: ghcr.io/666ghj/mirofish:latest
    # 若拉取缓慢，可尝试使用下方加速镜像地址
    # image: ghcr.nju.edu.cn/666ghj/mirofish:latest
    container_name: mirofish
    # 请将实际路径更改为您NAS上的有效目录
    env_file:
      - /share/Container/mirofish/.env
    ports:
      - "3003:3000" # 端口号可能冲突，请按需修改
      - "5001:5001"
    restart: always
    volumes:
      - /share/Container/mirofish/backend/uploads:/app/backend/uploads # 请修改为您的NAS实际映射目录

接下来是关键的环境变量配置，请将其保存至上述env_file指定的路径（例如/share/Container/mirofish/.env）中：

# LLM API配置（支持任何符合OpenAI SDK格式的LLM API）
# 推荐使用阿里百炼平台的qwen-plus等模型
# 请注意，完整推演消耗较大，建议先进行少于40轮的模拟尝试
LLM_API_KEY=sk-xxxxxx
LLM_BASE_URL=https://api.siliconflow.cn/v1/
LLM_MODEL_NAME=Pro/zai-org/GLM-5

# ===== ZEP记忆图谱配置 =====
# 其每月免费额度足以支撑简单使用，注册地址：https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key_here

# ===== 加速LLM配置（可选） =====
# 注意：如果不使用此加速功能，请确保.env文件中不出现以下配置项
LLM_BOOST_API_KEY=your_api_key_here
LLM_BOOST_BASE_URL=your_base_url_here
LLM_BOOST_MODEL_NAME=your_model_name_here

关于第一部分的大模型API配置，相信经过多期AI项目部署实践的读者已经非常熟悉，此处不再赘述。

项目介绍

本文方案基于 GitHub 上的一个开源项目。该项目提供了一个 Dockerfile，旨在将 TShock 服务端与泰拉瑞亚官方服务器程序（TerrariaServer.exe）一同容器化，从而实现在 Linux 系统环境中便捷运行。通过 Docker 容器技术，用户可以免去在 Linux 系统上手动安装游戏服务器、配置运行环境以及处理各种依赖库的繁琐步骤。

该项目在 GitHub 上的完整名称为：ryansheehan/terraria。

部署流程

我们以威联通（QNAP）NAS 为例，采用 Docker Compose 的方式来部署服务器。这种方法通过配置文件定义服务，使得部署和管理更为清晰和可重复。

以下为 Docker Compose 的部署代码示例，其中已包含必要的配置与说明。

services:
  terraria:
    # 请注意镜像版本应与游戏客户端版本匹配
    # 本文撰写时，最新稳定游戏版本为 v1.4.5，因此拉取对应镜像
    # ‘latest’ 标签可能指向旧版本（如v1.4.4.9），请根据实际情况选择
    # 后续更新时，拉取新版本镜像并重新部署容器即可
    image: ryshe/terraria:vanilla-1.4.5.2
    container_name: terraria
    stdin_open: true # 开启标准输入，用于后续交互式创建世界
    tty: true        # 分配一个伪终端，防止容器自动退出
    # environment:
    #   - WORLD_FILENAME=world.wld   # 可指定加载的特定世界文件
    #   - CONFIGPATH=config.json     # 可自定义服务器配置文件路径（可选）
    ports:
      - "7787:7777"  # 映射端口：主机端口7787 -> 容器内游戏服务端口7777
      - "7878:7878"  # 映射端口：主机端口7878 -> 容器内REST API端口7878
    volumes:
      - /share/Container/terraria/world:/root/.local/share/Terraria/Worlds   # 持久化保存世界文件(.wld)
      - /share/Container/terraria/plugins:/plugins                           # 挂载插件目录
      - /share/Container/terraria/logs:/tshock/logs                          # 持久化日志文件
    restart: always # 设置容器始终重启，确保服务高可用

需要特别注意的是，挂载卷 /terraria/world 目录中若存在 config.json 配置文件，容器启动时会自动加载。若后期需要调整服务器参数，可直接修改此文件。插件文件通常为 .dll 格式，需手动放入对应的挂载目录。

电子书的管理方式似乎总是落后于时代。相信许多朋友已经尝试过Calibre Web、Kavita或Komga这类服务。本期我们将介绍另一款功能强大的图书馆项目——BookLore。它拥有硬核的界面和丰富的功能，特别适合漫画与电子书收藏爱好者用来系统性地整理个人藏书库。

如果你热爱阅读，却又苦于在不同设备间整理与访问书籍的繁琐流程，那么不妨尝试一下这个项目。它能够帮助你轻松地存储、管理各类电子书，并支持直接从浏览器进行同步阅读。倘若你觉得网页版阅读体验尚有不足，还可以将其连接到其他第三方阅读应用，从而获得更佳的阅读感受。

项目概览

该项目的完整名称是 booklore-app/booklore，可以在GitHub上直接搜索到。项目作者在其主页提供了体验Demo，有兴趣的读者可以先行试用一番。

简而言之，BookLore 是一款专为自托管环境打造的数字图书馆Web应用程序。通过它，你可以实现以下一系列功能：

• 上传、分类与整理：支持 PDF、ePub、CBZ、CBR 和 CB7 等多种主流电子书格式。
• 自动抓取书籍元数据：自动从网络获取书籍的封面、作者、简介、评分等信息。
• 多用户协作：支持创建多个用户账户，并可设置不同的操作权限，便于账号管理。
• 内置阅读器：提供可直接在网页中在线阅读的功能。
• 阅读进度跟踪：记录你的阅读进度并提供书籍相关的统计信息。
• 同步与连接：支持通过 OPDS 协议与 Kobo、KOReader 等设备或其他阅读应用同步阅读进度。
• 便捷导入：利用 BookDrop 功能，通过拖放文件即可实现自动导入。
• 全设备响应：在手机、平板和电脑上均能获得良好的浏览体验。

核心亮点与深度功能

1. 智能图书管理体系

BookLore 采用“图书馆 (Library) + 书架 (Shelves)”的层级系统，允许你按照作者、主题、阅读状态等维度自定义分类。其独有的“魔法书架 (Magic Shelves)”功能，能够根据你预设的规则（如“最近添加”、“未读漫画”）动态地更新图书集合。此外，高级搜索功能支持通过关键字和特定元数据字段进行检索，帮助你快速定位目标书籍。

2. 强大的元数据抓取引擎

应用能够自动从多个在线图书信息源抓取书籍的元数据。当然，你也可以随时手动编辑或调整这些自动获取的信息。这一功能对于维护一个外观专业、信息完整的个人图书库而言至关重要。

3. 多格式在线阅读支持

BookLore 内置的阅读器提供了良好的格式兼容性，包括：

• PDF 文档阅读
• ePub 电子书阅读
• CBX / 漫画文件阅读 你无需下载文件即可直接在浏览器中浏览内容，系统还会自动跟踪你的阅读进度。

4. 完善的多用户与权限管理

管理员可以轻松创建多个用户账户，并为不同的用户分配差异化的操作权限，例如上传、编辑或删除书籍的权限。这使得 BookLore 不仅适用于个人用户，也非常适合家庭或小型团队共同使用和管理一个共享书库。

5. 灵活的连接与同步机制

除了支持标准的 OPDS 协议，方便连接各类阅读器客户端外，BookLore 还能够与 Kobo 和 KOReader 等专用阅读设备同步阅读进度。此外，它还提供了通过电子邮件分享书籍的便捷功能。

6. BookDrop 自动导入功能

这是一个极具实用性的特性：你只需将电子书文件拖入NAS上指定的“bookdrop”文件夹，BookLore 便会自动检测到新文件，并完成导入与元数据抓取的全过程，极大简化了书籍添加的步骤。

在之前的分享中，我们探讨了使用 Halo 2.0 搭建个人博客的方法。对于部分用户而言，这类项目功能虽然全面，但整体架构可能略显繁重。相比之下，许多用户更青睐于轻量化、界面简洁，甚至仅需一个能够稳定托管内容的简易站点。

近期，我发现了一个名为 PaperGrid 的新兴博客项目，其整体设计风格倾向于轻量化，完美支持 Markdown 编辑，并且前端视觉效果相当出色！同时，它还具备不错的可定制性与探索空间。本文将简要介绍如何部署并开始使用它。

就我个人而言，博客已经逐渐取代了传统的笔记工具。将思考过程、技术实践与使用心得记录下来，不仅便于日后回顾，也能分享给有共同兴趣的伙伴。像 PaperGrid 这样部署过程相对简单、界面设计也足够清晰的项目，非常适合用来构建一个专属的个人记录空间。

PaperGrid项目概览

完整项目名称：xywml/PaperGrid，可以在 GitHub 上进行搜索。

这是一个基于 Next.js App Router 构建的轻量化个人博客与后台管理系统。它内置了用户认证、文章管理、评论功能和系统设置模块，并支持中文/英文双语界面与深色模式切换。

作者说明：项目目前处于快速开发迭代阶段，欢迎部署使用、给予 Star 评价或反馈建议。

核心功能特性

• 现代技术栈：采用 Next.js App Router 与 React 19。
• 数据管理：集成 Prisma ORM 进行数据库操作。
• 用户认证：使用 NextAuth 实现安全的身份验证。
• 完整后台：提供文章、标签、分类、评论、用户、系统设置及文件管理的后台界面。
• 文件管理：支持本地图片上传、预览、删除以及 URL 自动回填至编辑器。
• 强大内容支持：兼容 MDX 格式，具备代码高亮、数学公式渲染与图表绘制能力。
• 国际化与主题：支持多语言切换，并内置深色模式。
• 多样前端主题：管理员可在后台“样式”设置中一键切换多套前台主题（例如：纸格笔记、终端机能、清透视窗、像素账本）。
• 扩展可能：具备集成智能 AI 助手的潜能。

详细部署步骤

本文以威联通（QNAP）NAS 为例，演示通过 Docker Compose 进行部署的过程。

以下部署代码可实现服务的快速启动，请根据你的环境调整配置：

services:
  papergrid:
    image: ghcr.io/xywml/papergrid:latest
    container_name: papergrid
    ports:
      - "6066:3000"
    environment:
      DATABASE_URL: "file:/data/db.sqlite"
      # 可选：为 AI 向量索引使用单独的 SQLite 文件
      # AI_VECTOR_DATABASE_URL: "file:/data/ai-index.sqlite"
      # SQLITE_JOURNAL_MODE: "DELETE"

      # 初始使用 NAS IP 加端口访问，后续若配置反向代理或域名，需修改此处
      NEXTAUTH_URL: "http://192.168.100.138:6066"
      NEXT_PUBLIC_APP_URL: "http://192.168.100.138:6066"

      # 生产环境务必设置一个足够长且复杂的随机字符串
      NEXTAUTH_SECRET: "请替换成一串足够长的随机字符串"

      # 设置本地媒体文件与缓存存储路径
      MEDIA_ROOT: "/data/uploads"
      NEXT_CACHE_DIR: "/data/.next-cache"

      # 首次初始化容器时的可选配置（用于创建管理员）
      # INIT_ADMIN_TOKEN: "请替换为随机字符串"
      # ADMIN_INIT_PASSWORD: "请替换为强密码"

      # 可先跳过 OAuth / SMTP 配置，待基础服务运行后再补充
      NEXT_PUBLIC_DEFAULT_LOCALE: "zh"
      # 在内网环境且未配置反向代理时，允许信任 Host 头
      AUTH_TRUST_HOST: "true"

    volumes:
      - /share/Container/boke/data:/data

    restart: unless-stopped
    logging:
      driver: "json-file"
      options:
        max-size: "10m"
        max-file: "5"

以下是完整的的环境变量列表，你也可以选择创建独立的 .env 文件进行配置：

今天将介绍一款基于H5技术的棋牌游戏平台。这是一个商用级别的项目，旨在让用户摆脱公共平台的种种限制，创造一个无后台监控、无人工干预、完全公平公正的游戏环境。该平台兼容性强，支持在手机、电脑、平板等任何带有浏览器的设备上运行，真正做到即开即玩。

重要提示：对于初次尝试部署的朋友，强烈建议严格遵循本教程的每一步操作。请勿在没有充分理解的情况下随意修改配置文件，也无需急于配置外网访问，按部就班完成内网部署是成功的第一步。

准备工作

首先，访问该项目的GitHub仓库地址：https://github.com/openinggame/qp，下载整个项目源码。

在你的NAS设备上，创建一个名为openinggame的文件夹，并将刚刚下载的ZIP压缩包放入其中。

解压这个ZIP文件。解压后，你会看到多个文件和文件夹，为了部署清晰，我们只需要保留以下三个核心文件：docker-compose.yml、mongo_data.tar.gz和mysql.tar.gz。可以将其它不必要的文件暂时移开或删除。

接下来，分别解压mongo_data.tar.gz和mysql.tar.gz这两个压缩包。解压完成后，你的文件夹结构应整理成类似下图所示的样子，包含必要的数据库数据目录和配置文件。

目录说明：mongo_data文件夹内部用于存放MongoDB数据库的数据文件。

目录说明：mysql文件夹内部则用于存放MySQL数据库的数据文件。

安装与部署

现在进入部署环节。在你的NAS的Docker管理界面（如Portainer或群晖的Docker套件）中，创建一个新项目（Stack）。选择项目路径为我们刚才准备的openinggame目录，并导入其中的docker-compose.yml文件作为模板。

原始的docker-compose.yml模板内容较为全面，但部分配置可能需要根据你的实际环境进行调整，例如网络配置等。其完整内容如下：

version: "3.0"

services:
  web:
    container_name: web0
    image: openinggame/web:v1
    ports:
      - "80:80"
    environment:
      - API_HOST=<ip address>
    networks:
      - game
    depends_on:
      - server
  server:
    container_name: server0
    image: openinggame/server:v1
    ports:
      - "81:81"
    networks:
      - game
    depends_on:
      - etcd
      - kafka
      - redis1
      - mysql
      - mongodb
  mysql:
    image: mysql:8.0.23
    container_name: mysql0
    command:
      --default-authentication-plugin=mysql_native_password
      --character-set-server=utf8mb4
      --collation-server=utf8mb4_general_ci
    restart: unless-stopped
    environment:
      MYSQL_ROOT_PASSWORD: root
    volumes:
      - /data/mysql:/var/lib/mysql
      - mysqlconf:/etc/mysql/conf.d
    networks:
      - game
  redis0:
    container_name: redis0
    image: redis:latest
    volumes:
      - redisdata0:/data
    command: redis-server --requirepass 123456
    networks:
      - game
    depends_on:
      - etcd
  redis1:
    container_name: redis1
    image: redis:latest
    volumes:
      - redisdata1:/data
    command: redis-server --requirepass 123456
    networks:
      - game
    depends_on:
      - etcd
  redis2:
    container_name: redis2
    image: redis:latest
    volumes:
      - redisdata2:/data
    command: redis-server --requirepass 123456
    networks:
      - game
    depends_on:
      - mysql
      - etcd
      - redis1
  zookeeper:
    container_name: zookeeper
    image: wurstmeister/zookeeper
    restart: always
    networks:
      - game
  kafka:
    container_name: kafka0
    image: wurstmeister/kafka:2.12-2.3.0
    environment:
      - KAFKA_BROKER_ID=0
      - KAFKA_ZOOKEEPER_CONNECT=zookeeper:2181
      - KAFKA_ADVERTISED_LISTENERS=PLAINTEXT://kafka0:9092
      - KAFKA_LISTENERS=PLAINTEXT://0.0.0.0:9092
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock
    restart: always
    depends_on:
      - zookeeper
    networks:
      - game
  etcd:
    image: quay.io/coreos/etcd:v3.2.32
    container_name: etcd0
    environment:
      ETCDCTL_API: 3
    command:
      - etcd
      - --name=etcd0
      - --data-dir=/data/etcd-data
      - --advertise-client-urls=http://etcd0:2379
      - --listen-client-urls=http://0.0.0.0:2379
    restart: always
    volumes:
      - etcd0_data:/etcd-data
    networks:
      - game
  mongodb:
    container_name: mongodb0
    image: mongo:4.4.4
    restart: always
    volumes:
      - /data/mongo_data:/data/db
      - mongodb_logs:/data/logs
    command: --auth
    networks:
      - game
    depends_on:
      - etcd
volumes:
  mysqlconf:
  mongodb_logs:
  etcd0_data:
  redisdata0:
  redisdata1:
  redisdata2:
networks:
  game:
    external:
      true

为了简化部署过程，我使用了一个经过调整的模板。这个简化版主要修改了卷的挂载方式（使用相对路径./），并移除了自定义网络声明，让Docker Compose自动管理。你唯一需要修改的地方就是将environment中的API_HOST值，替换为你自己NAS在内网中的实际IP地址。

本文将介绍如何将您的网络附加存储设备（NAS）转变为一个功能强大的个人流媒体中心。通过部署 E 视界（可视为冬瓜 TV 的增强与重构版本），您可以获得媲美主流平台的观影体验。E 视界是一款基于现代 Node.js 与 Vue 3 技术栈构建的流媒体聚合播放器，其设计理念强调智能化与沉浸感。

该软件的核心优势在于其双引擎架构与高度智能化的资源管理。一方面，它深度整合 TMDb（The Movie Database），为影视内容提供高质量的海报、背景图、评分、剧情简介及演职员表等元数据，界面风格向 Netflix 看齐。另一方面，它集成了超过 48 个第三方资源站点的 API（基于 Maccms），并具备自动测速与失效源过滤机制，确保播放线路的可用性与流畅度。

在搜索体验上，E 视界采用了实时流式搜索技术，搜索结果会即时呈现，无需等待所有源站返回。系统能自动将同一影片的不同播放线路进行分组与合并，并在卡片上动态显示可用源的数量。所有搜索记录与元数据均通过内置的高性能 SQLite 数据库进行缓存，实现秒级响应。

播放功能也经过精心设计。全新的影院模式播放页采用暗色系布局，支持剧集网格化选择。播放前会进行线路测速，并在播放失败时自动切换至下一个可用源，无需人工干预。软件还支持 DLNA/AirPlay 投屏功能。

针对中国大陆用户可能遇到的网络问题，E 视界进行了专门优化。它采用双重 IP 检测机制来准确判断用户地域，并自动切换至 TMDB 反代模式以保障元数据正常加载。所有核心前端依赖库均已本地化部署，彻底避免了因公共 CDN 访问不畅导致的加载缓慢问题。项目提供一键式安装脚本，简化配置流程。

在设备兼容性方面，E 视界表现全面。它提供专为 Android TV 或电视盒子优化的 APK 安装包，完美适配遥控器操作。移动端应用封装精良，支持沉浸式状态栏，提供接近原生应用的流畅体验。同时，它也支持 PWA，可添加到设备主屏幕快速启动。

安全管理功能包括可选的全局访问密码，支持长达一年的记住登录状态，兼顾安全与便利。此外，还支持从远程 URL 加载配置文件，便于多实例的统一管理。

请注意，本教程内容仅限用于技术学习与交流目的。在使用相关软件与服务时，请您务必严格遵守所在地的法律法规及各平台的使用协议，切勿将其用于任何商业用途或非法领域。

前期准备工作

在开始部署之前，您需要完成两项关键配置：准备采集源配置文件 db.json 以及获取 TMDb API 密钥。

配置采集源文件 (db.json)

影视资源的获取依赖于 db.json 文件中定义的采集源（站点）。配置的采集源越多，理论上可检索到的资源范围就越广。请注意，公开分享具体的采集源地址可能涉及侵权风险，因此需要您自行寻找和添加。

项目在首次运行时通常会尝试自动生成 db.json 文件。如果未能生成，建议您手动创建该文件。文件内容结构如下：

{
  "sites": [
    {
      "key": "unique_key1",       // 每个站点的唯一标识符（英文字母，不可重复）
      "name": "站点名称1",         // 在软件界面中显示的名称
      "api": "https://...",      // Maccms V10/JSON 接口地址
      "active": true             // 是否启用该站点
    },
    {
      "key": "unique_key2",
      "name": "站点名称2",
      "api": "https://...",
      "active": true
    }
    // 您可以继续添加更多站点
  ]
}

获取 TMDb API Key

TMDb 的 API 密钥用于拉取影片的详细信息、海报和评分等元数据，这对于提升界面美观度和使用体验至关重要。获取步骤如下：