Panda-Web-Scrcpy是一款基于Web技术的远程控制解决方案，它允许用户直接通过浏览器界面实时查看并操作Android设备的屏幕，无需安装额外客户端软件。

该工具的核心优势在于其便捷的访问方式，用户仅需使用现代浏览器即可连接和管理安卓手机或平板设备。

在线体验平台地址为：https://pandatestgrid.github.io/panda-web-scrcpy，用户可以直接访问以测试基本功能。

安装与配置方法

通过Docker Compose进行部署是最为简便的安装方式，只需创建相应的配置文件即可快速启动服务。

services:  
  panda-web-scrcpy:  
    image: heizicao/panda-web-scrcpy:latest  
    container_name: panda-web-scrcpy  
    ports:  
      - 3000:3000  
    restart: always

详细使用步骤

在浏览器地址栏中输入 http://NAS的IP:3000 即可访问工具的主界面。

初次使用时点击“设置设备”按钮，若从非本机网络访问，系统通常会提示WebUSB功能不受支持。

重要提示：由于WebUSB API的安全策略限制，页面必须通过http://localhost（或127.0.0.1）或HTTPS协议进行访问。以下步骤将演示如何使用netsh命令创建端口映射，从而实现本地主机访问远程服务。

打开Windows系统的CMD命令行终端，输入以下命令（请将IP地址替换为实际NAS设备的网络地址）：

netsh interface portproxy add v4tov4 listenaddress=127.0.0.1 listenport=3000 connectaddress=192.168.31.90 connectport=3000

映射设置成功后，在浏览器中输入 http://localhost:3000 即可重新加载工具界面。

此时再次点击“设置设备”选项，之前出现的功能限制提示应该已经消失。

点击“添加USB设备”按钮（操作前请确保手机已启用USB调试模式，并使用数据线连接至电脑）。

正常情况下，设备列表中将显示连接的手机型号，点击“连接”按钮进行配对。

在出现的设备选择界面中进行配对操作，同时需要注意手机屏幕上会弹出信任提示，需要手动确认允许连接。

当界面出现实时手机屏幕图像及相关设备信息时，表明远程连接已成功建立。

左侧的预览窗口支持直接触控操作手机界面，实际体验中画面传输流畅度表现良好。

界面旁边的工具栏提供多种实用功能：包括屏幕截图、视频录制、全屏切换、通知栏控制、音量调节、电源键模拟以及菜单栏访问。

右侧面板则展示手机硬件的详细信息，包括处理器型号、系统版本等多项数据。

点击底部导航栏，可以快速跳转到不同的功能管理页面。

电池剩余电量、存储空间使用情况和运行内存占用率都能以可视化方式清晰呈现。

切换到“应用管理”功能模块后，可以对设备上安装的应用程序进行集中管理。

该模块支持应用安装、本地文件导入以及现有应用的卸载删除操作。

工具还提供访问终端的高级功能，用户可以直接输入命令行指令与设备进行交互。

系统运行日志查看功能允许用户监控设备状态和调试信息。

综合使用评价

仅需通过浏览器就能轻松建立与安卓设备的连接！不仅能够流畅地远程操控手机屏幕，还集成截图捕捉、屏幕录制、应用管理等丰富功能，甚至可以通过终端访问执行高级命令。无论是办公环境中便捷操作手机内容，还是日常开发调试与设备管理，该工具都展现出极高的实用价值！

在AI辅助小说创作领域，我之前分享过的MuMuAINovel，不知有多少朋友已经借此实现了创作梦想，或正稳步走在实现梦想的道路上？

然而，最近我又留意到一位开发者推出了一款全新的开源AI小说项目——Author，于是马不停蹄地将其分享给大家！这个项目虽然设计得十分轻量，但丝毫未影响其卓越的实用性（我个人认为它比之前的工具更为出色）。

项目开发者的初衷，并非仅仅是为了打造一个提升写作效率的AI工具，更像是致力于为创作者们保留一片相对自由和独立的创作空间。

AI技术或许越来越擅长“定义人”，却未必越来越精通“刻画人”。真正优秀的文学创作，关键不在于将人物分析得多么透彻，而在于能否生动地写出人性的复杂、内在的矛盾以及生命的温度。技术固然可以辅助我们更好地表达，但文学世界里最珍贵的宝藏，始终是那些只属于人类自身的独特感受与体验。项目作者在README中也明确写道，他创建这个项目，是希望AI不再仅仅是机械地生成文本，而是能够尽可能地帮助我们保住自己语言中那份鲜活的火种。

Author项目全面解析

完整的项目名称为：YuanShiJiLoong/author，您可以直接在GitHub上进行搜索。

Author是一款专为小说作者量身定制的AI辅助创作工具。它创造性地将专业的富文本编辑器、智能化的AI写作助手以及一个完整的世界观管理系统融合为一体，旨在为创作者提供一站式、高效率的写作体验。

关于其核心功能模块，可以通过下图获得直观的了解。

安全与数据注意事项

本地存储（安全保障）

您所有的创作数据，包括章节内容、设定集、系统快照等，均100%存储在您个人浏览器的本地数据库（IndexedDB）中，不会上传到任何远程服务器。

用于调用AI服务的API密钥，则安全地存储在浏览器的localStorage中。

⚠️ AI功能的数据流向说明

当您使用AI相关功能时（例如文本续写、内容改写、智能对话等），以下两类数据会经由部署者所搭建的服务器转发至对应的AI供应商：

您所配置的API Key

您发送给AI模型进行处理的具体文字内容

其数据传递路径清晰如下：

您的浏览器 → 部署者的服务器 → AI供应商（例如智谱AI、Google Gemini、DeepSeek等）

详细部署流程指南

本文依旧以威联通（QNAP）NAS为例，演示通过Docker Compose方式部署Author。使用其他平台（如群晖NAS或普通Linux服务器）的用户，操作流程基本相似，主要需根据实际情况调整映射端口。

部署所需的Docker Compose配置代码如下：

services:
  author-app:
    image: yuanshijiloong/author:latest
    container_name: author-studio
    ports:
      - "3000:3000" # 左侧宿主机端口可根据需要修改
    environment:
      - NODE_ENV=production
      - HOSTNAME=0.0.0.0
    restart: always

在威联通NAS上，打开Container Station应用，点击“创建”并选择“创建应用程序”，将上述代码粘贴至编辑区。

功能使用与界面一览

部署成功并启动容器后，在您的浏览器地址栏输入NAS的IP地址:3000即可访问Author的Web服务界面。

首次进入将看到欢迎页面，系统支持浅色与深色两种视觉主题，并且可以随时在设置中切换。

界面内贴心配置了分步式新手引导，对于初次接触此类AI写作工具的用户非常有帮助。

全部的核心设置与功能入口，都整合在编辑器主界面左下角的图标工具栏中。点击书本形状的图标，即可打开详尽的帮助文档。

点击齿轮图标进入系统配置界面。关于小说世界观、人物等设定，支持逐项手动添加，也支持批量导入TXT或Word文档，系统具备一定的自动识别能力。建议使用格式清晰的纯文本文件，以便工具更准确地抓取信息。这些设定将作为后续AI辅助创作的首要依据。

项目的GitHub主页提供了作者推荐的设定模板格式，可供参考。

Author支持接入的大模型平台种类相当丰富。因近期在MiniMax平台有使用额度，故以此为例进行展示。其他模型（如OpenAI、Claude等）的配置方式与常见AI项目类似。

API密钥等信息填写完毕后，务必使用内置的测试功能检查连通性。

偏好设置中较为关键的一项是配置“自定义系统提示词”，这相当于为AI助手设定全局创作原则与角色背景。

GSWXY 是一个基于 Docker 容器技术封装的魔兽世界私人服务器解决方案，它允许用户通过简单的配置步骤快速搭建属于自己的游戏服务器，从而重温魔兽世界的经典游戏体验。该项目优化了部署流程，适合想要在本地或局域网环境中运行怀旧版本的玩家尝试。

由于游戏客户端文件体积较大，建议提前下载客户端资源以节省时间。一个可用的下载链接为：https://pan.baidu.com/s/11uNbSvC2ry7i20VMSCFBzQ?pwd=n40z。请注意，本教程内容仅限用于个人学习与技术测试目的，请务必尊重原始游戏的知识产权，不得将相关资源用于任何商业用途。

环境部署与配置

首先，通过 Docker Compose 配置文件来启动服务器容器。创建一个 docker-compose.yml 文件，并填入以下服务定义：

services:  
  gswxy:  
    image: gswxy/gswxy:1.3  
    container_name: gswxy  
    ports:  
      - 8085:8085  
      - 3306:3306  
      - 3724:3724  
      - 8080:80  
      - 8022:22  
    restart: always

执行部署命令后，容器将开始运行。接下来，打开容器的终端界面以便进行后续配置调整。

在终端连接成功后，输入以下命令来编辑服务器的主要配置文件 config.php：

vi /var/www/html/application/config/config.php

找到文件中的 baseurl 参数，按下 i 键进入编辑模式，将其值修改为你的实际服务器 IP 地址和端口号。例如，如果本地 IP 是 192.168.31.90 并使用 8080 端口，则设置为 192.168.31.90:8080。

完成编辑后，按下 Esc 键退出编辑模式，输入 :wq 保存文件并退出编辑器。

配置文件修改完毕后，需要重启 Docker 容器以使更改生效。通过容器管理界面或命令行执行重启操作。

下一步是配置数据库连接。推荐使用 Navicat for MySQL 这类数据库管理工具。具体安装方法可参考：https://blog.csdn.net/qq_40209464/article/details/136784763。使用该工具连接服务器上的 MySQL 数据库。

Arya是一款基于Vue2和Vditor框架构建的在线Markdown编辑器，它集成了众多高级功能，能够支持用户绘制流程图、甘特图、时序图、任务列表，同时内置echarts图表、五线谱渲染、PPT预览模块、视频音频解析工具，以及将HTML自动转换为Markdown的实用特性，为内容创作者提供了全方位的编辑体验。

该编辑器所支持的核心功能相当丰富，具体包括以下方面：

• 🎉 全面覆盖标准Markdown解析器所提供的基础解析与渲染能力；
• 🍀 无缝集成流程图、甘特图、时序图与任务列表的绘制与编辑功能；
• 🏁 支持将粘贴的HTML内容智能且自动地转换为规范的Markdown格式；
• 💃🏻 内置原生Emoji表情库，并允许用户自定义常用表情列表以便快速调用；
• 🚑 编辑过程中的内容会自动保存至本地存储，有效防止因意外关闭导致的数据丢失；
• 📝 提供实时预览模式，主编辑窗口大小可自由拖拽调整，并配备字符计数显示；
• 🛠 支持包括Tab缩进在内的常用编辑快捷键，以及代码块的快速添加与一键复制功能；
• ✨ 能够导出带有完整排版样式的PDF文档、PNG图像及JPEG图片等多种格式文件；
• ✨ 通过升级Vditor核心，新增了对echarts动态图表的创建与嵌入支持；
• ✨ 集成RevealJs库，从而增加了对演示文稿（PPT）的实时预览支持；
• 👏 提供Markdown语法检查与自动格式化工具，帮助输出更专业、规范的文档；
• 🦑 支持五线谱的编辑与渲染，并能解析部分主流站点的视频和音频链接；
• 🌟 增加了所见即所得（WYSIWYG）编辑模式，可通过快捷键（⌘-⇧-M）快速切换；
• 🌟 新增了专门针对微信公众号等平台的格式优化与一键复制周边功能；
• 🌟 支持从本地直接导入以 .md 为扩展名的Markdown格式文件进行编辑；

详细安装指南：使用Docker Compose轻松部署

通过Docker Compose可以极为便捷地完成Arya编辑器的部署。只需创建一个 docker-compose.yml 配置文件，并填入以下服务定义：

services:
  markdown-editor:
    image: nicejade/markdown-online-editor:latest
    container_name: markdown-editor
    ports:
      - 8080:80
    restart: always

保存文件后，在终端运行 docker-compose up -d 命令，即可自动拉取镜像并启动容器服务。

功能使用详解：从导入到导出的全流程操作

启动服务后，在浏览器地址栏输入 http://NAS的IP:8080 即可访问Arya编辑器的主界面。

常规的使用方法是将已有的Markdown内容直接复制粘贴到左侧的编辑区域，或者通过文件选择功能导入本地的Markdown格式文档。

当然，用户也完全可以在编辑器内直接进行在线创作与编辑，所有操作都会实时同步到预览窗口。

例如，导入一篇从语雀导出的Markdown文章后，用户可以选择目标发布平台（如微信公众号）进行格式优化。

使用“复制到公众号”功能后，可以初步查看渲染效果。个人体验是整体效果尚可，但偶尔会存在一些格式细节问题，例如代码块的样式可能未能完全匹配，或者段落前后的空行处理不够精准。

在编辑器工具栏的最右侧，提供了主题切换功能，用户可以根据偏好选择不同的界面主题。

此外，编辑器还支持将文档导出为多种格式，满足不同场景下的使用需求。

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。