shadowyw

Typora

建议关注这个项目 https://github.com/jundot/omlx, 能充分发挥 mlx 系列模型的缓存机制, 加速本地 llm 编码

公网 ipv4 地址已经耗尽了, 运营商手上也没多少资源可卖了

@KingCoding 需要保留思考过程, 可以考虑换成新鲜出炉的 deepseek-r1-0528-qwen3-8b, 据说其能力与 Qwen3-235B-thinking 相当. 每次推理的过程也保存到数据库中当作分析日志

如果让我做的话:
1. 换 qwen3-32B (或者 qwen3-30B-A3B) 关闭思考模式,
2. 将工单原始内容通过消息队列依次提交给模型分析打标, 生成格式化数据写入数据库
3. 全部工单打标完成后, 模型用 MCP 连接数据库, 查询目标标记, 汇总分析

另外一种低成本的方式, backblaze 无限量备份服务, 优点成本低, 只要 USD 99/年, 缺点数据恢复慢

由于主要的数据是蓝光原盘和无损音乐, 是不是可以换个思路, 例如注册几个 PT 大站, 将这部分数据作为资源发布, 利用 PT 机制实现分布式存储.
优点是成本很低, 缺点是稳定性无法一劳永逸, 需要定期维护帐号和种子. 如果本地 NAS 故障导致数据丢失, 从 PT 站下载恢复

如果'需求有且只有一个就是尽量稳', 排名靠前的公有云商提供的对象存储服务应该是稳的. 2 个不同 region 的 buckets 做镜像, 应该很少有更稳的云备份方案
但是从关键词 PikPak 上看, 您的最优先的需求明显是成本低......