2026-04-22 00:07:43

这三个参数都用于控制大模型输出的随机性和多样性，是调整模型行为最重要的超参数，但机制不同。简单理解：

• Temperature（温度）：控制概率分布的“陡峭”程度，影响整体随机性。

• Top-p（也称核采样）：限制候选词的累积概率范围，动态过滤掉极不可能的选项

• Top-k：截断采样策略，用于控制模型生成 token 时的候选词范围

Temperature（温度）

作用：控制输出分布的"尖锐度"

模型在生成每个 token 时，会先计算所有候选词的概率分布。Temperature 会对这个分布做如下变换：

P'(word) ∝ P(word)^(1/T)

Temperature 值 / 效果 / 适用场景

T = 0（或极低） — 始终选概率最高的词，输出完全确定 · 代码生成、数学计算、需要确定性答案的任务

T = 0.1~0.3 — 高度保守，几乎总是选最优解 · 事实问答、信息抽取、严格格式输出

T = 0.5~0.7 — 平衡随机性，主流默认值 · 通用对话、写作辅助、大多数场景

T = 0.8~1.0 — 明显增加多样性 · 创意写作、头脑风暴、角色扮演

T > 1.0 — 高度随机，可能产生无意义内容 · 艺术创作、探索性实验（不推荐日常使用）

本质： 低温度让分布更"尖锐"，高温度让分布更"平缓"。

Top_p（Nucleus Sampling / 核采样）

作用：动态截断低概率词

与 Temperature 固定缩放不同，Top_p 按概率从高到低累加，直到累计概率达到 p 值，只保留这些词，从保留的这些词中采样：

例如 top_p=0.9：
选词 A(40%) + B(30%) + C(20%) = 90% → 保留
词 D(10%) 被截断

Top_p 值 / 效果 / 特点

0.1 ~ 0.3 — 极度保守，只选最高概率词 · 类似低 temperature，但更动态

0.7 ~ 0.9 — 主流推荐值 · 在多样性和质量间取得平衡

0.9 ~ 0.95 — 允许更多低概率词 · 创意性更强，偶尔会跑偏

1.0 — 不做截断，等价于关闭 · 不推荐，可能采样到无意义词

优势： 比 Temperature 更"智能"——当模型很确定时自动收窄，不确定时自动放宽。

使用建议

通用原则

• 需要精确、低风险 → 低 temperature（0.1~0.3）+ 低 top-p（0.1~0.5）

• 需要创意、多样性 → 高 temperature（0.8~1.2）+ 高 top-p（0.9~1.0）

• 平衡模式（多数日常对话）→ temperature 0.7~0.8，top-p 0.9

常见场景推荐

通用默认配置

temperature = 0.7
top_p = 0.9

这是大多数 API 的默认值，适合 80% 的场景

注意事项

1. 不要同时设极值：T=0 + top_p=0.1 会导致输出极度单调

2. Temperature 优先调：多数情况下调 T 就够了，Top_p 保持 0.9 不动

3. 需要确定性时用 T=0：此时 Top_p 失效（贪婪解码优先）

4. 不同模型敏感度不同：同样参数在不同模型上效果可能差异较大

5. batch 生成时注意：同一 prompt 多次调用，参数相同也会得到不同结果

快速记忆

• Temperature → "敢不敢冒险"：越低越保守，越高越大胆

• Top_p → "备选池多大"：越低选择越少，越高越自由

• 两者配合 → T 定基调，Top_p 做微调

大模型 top_k 参数详解

在基于 Transformer 的大语言模型（如 GPT、LLaMA 等）文本生成中，top_k 是一个常用的采样参数，用于控制输出 token 的随机性和多样性。它直接限制了模型每一步可选的候选词范围。

1. 基本定义

top_k：在每一步生成时，只保留概率最高的 k 个 token，然后在这 k 个 token 中重新归一化概率并进行采样（或配合其他策略比如温度采样）。

• 如果 top_k=1，则退化为贪婪搜索，每次都选最高概率的 token。

• 如果 top_k 很大（比如等于词表大小），则等价于不做 top_k 过滤（仅靠温度等控制）。

注意：top_k 是一个“硬截断”机制——不考虑 k 个候选之外的所有 token，即使它们的概率也没有低到微不足道。

2. 工作原理示意

假设词表中有 10 个 token，模型原始输出的 logits（未归一化分数）经过 softmax 得到概率分布：
token: A B C D E F G H I J
prob: 0.3 0.2 0.15 0.1 0.08 0.05 0.04 0.03 0.03 0.02

设置 top_k=3：

1. 选择概率最高的 3 个 token：A(0.3), B(0.2), C(0.15)

2. 对这三个概率重新归一化（除以和 0.65）：
   A: 0.462, B: 0.308, C: 0.231

3. 根据这个新的分布随机采样得到下一个 token。

3. 常见使用场景

4. top_k 与 top_p 的区别

示例对比（依然用上面的概率分布）：

• top_k=3 → 固定 3 个候选

• top_p=0.6 → 从高到低累加概率：A(0.3) → B(0.5) → C(0.65) 超过 0.6，所以选中 A+B，候选池大小=2

实际建议：常同时使用 top_k 和 top_p，例如 top_k=50 + top_p=0.95，先按 top_k 截断，再按 top_p 过滤，可以使候选更加稳妥又不过于机械。

5. 与 temperature 的交互

• temperature 在 softmax 前对 logits 做缩放：低温度使概率分布更陡（偏向高概率 token），高温度使分布更平坦。

• top_k 作用于缩放后的概率分布。
  如果温度很低，原始概率已经尖锐，再应用 top_k 可能只剩下 1~2 个候选（近似贪婪）。
  如果温度很高，分布平坦，top_k 可以排除长尾中的极低概率词，防止生成完全随机的无意义内容。

常用组合：

• 创意写作：temperature=0.9，top_k=50，top_p=0.95

• 精确问答：temperature=0.2，top_k=10，top_p=0.9

• 完全确定性：top_k=1（忽略 temperature）

6. 优缺点分析

优点：

• 简单有效，能显著降低生成“无意义词”的概率。

• 计算成本低（只是截取前 k 个，重新归一化）。

• 直观易调：k 越大，多样性越高。

缺点：

• 固定大小的 k 不能适应不同分布形状。当概率质量异常集中时，k 个 token 中后面的 token 可能概率极低，仍会选到；当分布非常平缓时，k 个 token 会漏掉大量中等概率的合理词。

• 需要手动调整，不同任务最优 k 不同。

7. 实践建议

8. 库函数示例（HuggingFace transformers）

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("gpt2")
tokenizer = AutoTokenizer.from_pretrained("gpt2")

inputs = tokenizer("The quick brown fox", return_tensors="pt")
outputs = model.generate(
    **inputs,
    max_new_tokens=20,
    do_sample=True,      # 启用采样，否则 top_k 无效
    top_k=50,            # 只从概率最高的 50 个 token 中选
    top_p=0.95,          # 可选，配合使用
    temperature=0.8
)

9. 总结

• top_k 是控制生成多样性与连贯性的一个简单但强大的参数。

• 通过限制每一步的候选 token 数量，可以有效剔除极端低概率的无意义词。

• 与 top_p、temperature 组合使用可以更精细地调节输出质量。

• 没有绝对最优值，通常需要通过实验针对具体任务调参。

理解 top_k 的本质后，就可以根据模型行为（是否出现不合理 token、是否重复、是否缺乏创意）来快速调整该参数，并与其他采样策略配合达到最佳生成效果。

2026-04-19 21:39:24

Hermes Agent是个啥？

Hermes Agent 是 Nous Research（Hermes 模型背后的团队）开发的自改进（self-improving）AI Agent，核心创新在于内置学习闭环（closed learning loop）：

• 持久多层记忆：使用 SQLite + FTS5 全文搜索 + LLM 自动总结，跨会话永久记住你的偏好、风格和历史，不会“健忘”。

• 自动技能进化：任务完成后自动生成 Markdown Skill 文件，下次直接调用；还会自我迭代优化 Skill。

• 自主执行力：支持终端命令、浏览器、文件操作、代码生成、Web 搜索等工具，可在 CLI 或 Telegram/Discord 等平台运行。

• 模型超灵活：支持 OpenRouter（200+模型）、OpenAI、Anthropic、Nous Portal、本地 Ollama 等，几乎零切换成本。

• 完全开源免费：MIT 协议，可在 $5 VPS、本地、Docker、Modal 等环境运行。

简单说：普通AI是工具，Hermes是会自己进化的私人AI助手。用得越久，它就越像你的"数字分身"。

官方文档：https://hermes-agent.nousresearch.com/docs/

最近AI圈爆火的Hermes到底是什么？
OpenClaw vs Hermes：一文深入理解两大通用 Agent

安装

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# 安装完成后重载 shell：
source ~/.bashrc  # 或 source ~/.zshrc

2026-04-14 00:02:14

socat（SOcket CAT）是一个基于命令行的实用程序，其核心原理是在任意两个独立的数据通道之间建立双向传输的桥梁。它本身不解读或处理应用层协议（如HTTP），只是忠实地在指定的源和目的地之间转发原始字节流。这种"数据搬运工"的特性，使其成为构建轻量级网络代理的理想工具。有点类似于netcat (即nc命令)，nc是单纯面向网络的，而socat连接的更多。

socat安装

# CentOS/RHEL
yum install socat
# Debian/Ubuntu
sudo apt-get install socat
# macOS (Homebrew)
brew install socat

socat进阶配置

在实际使用时，为了让代理更稳定、安全，你还可以关注以下选项和要点：

• 基础命令格式：socat [options] <源地址> <目标地址>。

• 常用选项：

• -u 或 -U：设定数据流为单向（从源到目标或反之）。

• range=<ip-range>：限制允许连接代理的客户端IP范围，例如range=192.168.1.0/24。

• su=<user>：让socat进程以指定低权限用户（如nobody）运行，增强安全性。

• 启动与保持：

• 默认命令会在前台运行，按Ctrl+C终止。

• 如需在后台运行，可以在命令末尾添加 & 符号。

• 对于需要长期运行的代理，建议配合 systemd 或 supervisor 等进程管理工具使用。

socat使用场景

下面的表格总结了socat作为代理的几种常见用途、对应命令和典型场景：

使用参考：

• 官网：http://www.dest-unreach.org/socat/

• 使用示例：http://www.dest-unreach.org/socat/doc/socat.html#EXAMPLES

• socat(1) - Multipurpose relay (SOcket CAT)

• Getting started with socat, a multipurpose relay tool for Linux

• socat ，连接不同数据源的中继转发程序-腾讯云开发者社区-腾讯云

• Set Up a Basic TCP Proxy with socat

• SSH Access Proxy with Socat: A Practical Guide

• Access Proxy with Socat: Simplifying Network Access Control

• MVP Socat is the fastest way to move network data where you need it

• SOCAT as a Polymorphic Networking Tool | Cybrary

使用systemd、supervisor启动socat

使用 systemd 或 supervisor 来管理 socat 进程，能确保其稳定运行、开机自启和方便管理。下面分别是两种方式的配置示例。

方案一：使用 Systemd 托管

核心思路：将 socat 包装成一个系统服务。

1.创建服务文件
以用 socat 将本地 8080 端口转发到 192.168.1.100:80 为例，创建文件：

vim /etc/systemd/system/socat-proxy.service

2.写入配置
将以下内容写入上述文件，注意根据实际情况修改 ExecStart 命令和 User 等参数：

[Unit]
Description=Socat TCP Proxy (8080 -> 192.168.1.100:80)
After=multi-user.target
Requires=network.target

[Service]
Type=simple
# 以低权限用户运行，提升安全性（可选）
User=nobody
# 关键：此处替换为你的socat转发命令
ExecStart=/usr/bin/socat TCP4-LISTEN:8080,fork,reuseaddr TCP4:192.168.1.100:80
ExecReload=/bin/kill -HUP $MAINPID
Restart=always
RestartSec=5
MemoryHigh=1G
MemoryMax=8G
LimitNOFILE=65536
LimitMEMLOCK=infinity
StandardOutput=journal
StandardError=journal

[Install]
WantedBy=multi-user.target

3.启用并启动服务

# 重载systemd配置
sudo systemctl daemon-reload
# 设置开机自启
sudo systemctl enable socat-proxy
# 立即启动服务
sudo systemctl start socat-proxy
# 查看服务状态和日志
sudo systemctl status socat-proxy
journalctl -u socat-proxy -f

方案二：使用 Supervisor 托管

核心思路：将 socat 作为由 supervisor 监控的常驻进程。

1.安装 Supervisor（以Ubuntu/Debian为例）

sudo apt update && sudo apt install supervisor

2.创建进程配置文件
以同样的转发任务为例，创建文件：

vim /etc/supervisor/conf.d/socat-proxy.conf

3.写入配置

[program:socat-proxy]
command=/usr/bin/socat TCP4-LISTEN:8080,fork,reuseaddr TCP4:192.168.1.100:80
autostart=true
autorestart=true
startretries=3
user=nobody
# 可选：指定工作目录
directory=/tmp
# 可选：重定向日志，方便排查
stdout_logfile=/var/log/supervisor/socat-proxy.log
stderr_logfile=/var/log/supervisor/socat-proxy-err.log
stdout_logfile_maxbytes=10MB
stdout_logfile_backups=3

4.启用并启动进程

# 重载supervisor配置
sudo supervisorctl reread
sudo supervisorctl update
# 启动指定进程
sudo supervisorctl start socat-proxy
# 查看进程状态
sudo supervisorctl status socat-proxy

重要提示与建议

• 命令测试：在写入配置文件前，务必先在终端直接运行 socat 命令，确保其按预期工作。

• 路径确认：使用 which socat 确认 socat 的安装路径是否为 /usr/bin/socat，如果不是请在配置中修改。

• 选择依据：

• Systemd 通常是Linux系统首选，与系统集成度高，管理命令统一。

• Supervisor 更适合管理用户级、非系统服务，或者在一个系统上集中管理多个业务进程的场景，其Web界面有时更方便。

• 安全考虑：示例中使用了 User=nobody 来降低权限。如果你的转发涉及特权端口（如80、443），可能需要调整权限（如 setcap 或 authbind），但更推荐的做法是监听非特权端口（如8080），再用反向代理（如Nginx）转发。

两种方式都能很好地完成任务。通常，如果你的服务是系统基础服务的一部分，优先选用 systemd；如果是一个独立的用户应用进程，Supervisor 的进程管理界面可能更友好。

总结

socat是一个功能强大且灵活的"瑞士军刀"。它最适合用于快速搭建临时性代理、调试网络问题、跨协议中继或为简单服务增加SSL层。它的优点在于命令简单、无需复杂配置、资源占用少。

对于需要高性能、负载均衡、用户认证、复杂日志审计或长期稳定运行的生产级代理场景，socat可能不是最佳选择，而应选用专门的代理软件如Nginx、HAProxy等。

参考：Systemd 入门到精通：编写一个生产级的 Service 配置文件

2026-04-08 17:18:05

上篇文章中我分享了一些常用的沟通方式：尊重、倾听和情绪控制，并给出了几个我认为很不错的沟通技巧，比如：引起对方的兴趣；过滤信息，简明扼要地表达；用数据和实例说话。这篇文章中，我来分享几个关键的沟通技术，相信掌握了这几大沟通法宝，你的沟通水平会大幅提升。

逻辑

你的逻辑能力一定要强。因为中国人从小就不学逻辑学，所以讲话不注重逻辑，而我们理科生尤其是学过数学的程序员是懂逻辑的，所以，对于我们程序员来说，我们是可以用缜密逻辑疯狂地碾压别人的。

逻辑是一门科学，也是一门数学。谁是谁的充分条件、必要条件或充要条件，以及有没有关联关系，有没有因果关系等，这些东西你要做到心中有数，当对方的表达中出现逻辑错误时，你可以随时指出来。比如，这两个事儿没有因果关系，我们不要把它们放在一起谈。

有一次，我就跟一家公司的产品团队 PK 了一下。这家公司的产品有一个视频下载功能，但他们统计数据发现，有大约 40% 的用户下载到一半就取消下载操作了。于是他们就想提高用户的下载体验，解决办法是模仿微信的绿色进度条的做法：让进度条的 90% 嗖地过去，然后最后的 10% 则对应实际剩下的下载进度。

我们通过逻辑分析，不难发现这样做是不能赢得用户的。他们的逻辑是：“用户看到已经下载 90% 了，然后会想那 10% 很快就能下载好，所以会愿意多等一会儿。而不是下载 10% 就让用户等了半天，那他就不想等了。”这里的前置条件是用进度条欺骗用户，后置条件是用户愿意等待下载。

但是不是进度条这样设计了以后，用户就真的愿意等到下载完成呢？不是的。不需要试验，我们脑补一下，当我们的微信打不开网页，或者打开速度超过我们的心理忍受限度时，无论那个进度条是多少，我们都不会等的。有这么一个逻辑在这里卡着。

基于这种逻辑，我跟他们说，这种进度条设计会导致更低的下载率。因为视频通常比较大，下载的总时间是很长的，绝大多数用户对这个速度是没有概念的。打开网页的时间是很短的，90% 的网页在 3、4 秒内就打开了，只有少数偶尔需要 5 秒到 10 秒才能打开（因为移动网络的问题）。

这时，我可以通过这种“就快完”的手段把用户多留下来一会儿。但是，视频下载无论怎样优化，至少需要半分钟，才能下载下来。此时，如果进度条不能反映真实进度的话，用户对总的打开时间是没有合理预期的，90% 的进度提前到了，剩下的 10% 花那么久，很容易让人认为是下载卡死了，从而放弃，乃至在多次重试无果后对应用和平台都失去兴趣。

所以，这样的进度条设计只是用户愿意等一小下（15 秒以内）的充分条件（还不一定是必要条件），并不是用户愿意等待直到视频下载完成的充分条件或必要条件。

在这样的逻辑面前，产品经理立马取消了这个功能的排期，说还需要想一想。你看，你可以用你的一些逻辑推理去分析问题的前因后果和条件，然后用这个条件来说服他。

在逻辑层面说服对方，是一种非常高级的手段，就像懂微积分的人来解数学题一样，那些不懂微积分的只有被碾压的份儿了。

信息

信息要全面、准确。这里重点提一下 X/Y 问题。X/Y 问题是一件非常讨厌的事情。有时候我们拿着 Y 问题去找别人，问到一半才知道，我们原来要问的是 X 问题。

Stack Overflow 上有个问题，问的是“怎么截取一个字符串的最后三位？”大家给了一堆答案。突然有个人问：“你为什么要截取字符串的后三位？”他说：“我要找文件的扩展名”。实际上，文件的扩展名不一定是 3 个字符，而且有专门的函数干这个事儿，不需要自己写。这里，取文件的扩展名，这叫 X，取文件名的最后 3 个字符，这叫 Y。他想知道 X，但不知道该怎么说，于是就说成了 Y，导致别人都去解决一个不存在的问题。这叫 X/Y Problem。

我可以告诉你，这个世界上到处都是 X/Y 问题。有些公司找我说，我们要做分布式架构，我们要做大中台，我们要做线下线上融合……这些问题都是 Y 问题。我都要反问，你为什么要做分布式架构？为了大规模营销，为了稳定性，还是为了加快开发速度？做大中台，你是为了什么？ 是为了打通各个业务线，为了快速开发，还是为了技术输出？等等。要解的真实问题才是 X 问题，手段都是 Y 问题。只有你真正了解了 X 问题，你才能真正明白整个事。

当你了解了 X 问题后，你就要到源头，来质疑或是改良他的 Y 问题，甚至提出 Z 方案，而对方会陷入被动，被你牵着鼻子转。

维度

我们想一下，人与人不同都是细节上的不同，比如：身高、体重、手机号等，人与人的相同点都是在宏观上相同，比如：国籍，性别……这告诉我们，如果你要找不同就要到细节上去，如果你要找共同，就要到大局上去。

所以，在和人争论时，如果要反驳，那一定是低维度反驳，越细节越好。而在说服对方时，则要在高维度说服对方，越宏观越好，比如从公司的大目标出发。高维度讲究的是求同存异。你跟别人相同的东西一定是高维度的，这就是大同，而你跟别人不同的一定是非常细节的东西。大同的东西，更容易让人产生共鸣，从而容易达成默契和共识。

因此，能够站在更高的维度来沟通是我们需要努力的目标。我们经常会听到类似的话：“哎呀，大家都没有恶意。我们虽然争论成这样，但是大家都是为公司好，只不过我们的路径不对。”或者“我们的目标是一样的，但是我们的方式不一样。”能感觉到吧？气氛一下子就缓和了好多。

站在更高的维度上讨论问题，可以让你有大局观，对方就会显得很小气，导致对方也会不好意思，于是就会出现“六尺巷”的故事中所描述的那种场景。

共同

这里讲的是共情，共享，共利，共识以及换位思考。如果你能站在对方的角度思考问题，那么你所想的问题以及所想沟通的内容，一定会跟只想自己有很大不同。同时，你会神奇地发现，换位思考能帮助你更为全面地理解并解决问题。

寻找“共同”的过程，其实也可以理解成为化“敌”为“友”的过程。我们不妨想象一下，沟通双方剑拔弩张，随时一触即发的情况，和沟通双方有共同的目标一起思考和解决问题的状态，哪种更能获得更好的结果。而共同该怎样找，跟我们在维度中提及的很相似，就是从高维度，寻找共同之处。

首先是共情，跟对方相互分享各自的情感，这是一种拉近距离最有效的手段，然后是相互共享自己的观点，在观点中寻求双方共同的利益点，然后不断地循环，一点一点地达成共识。

三本书

此外，我还想强调一点，无论干什么，你一定要有一个非常犀利的观点，也就是金句。如何得到这些金句呢？一定要多看书。你到那些公众号或者知乎里面看一些抖机灵的内容是没有用的。抖机灵的金句没有用。一定要是有思想深度的金句，才有力量。推荐你看三本书《清醒思考的艺术》、《简单逻辑学》和《重来》。

我是先被《重来》洗脑了，这本书帮我开拓了眼界，打破了我既有的思维模式，让我反思过去习以为常的每一件事。同时书中给出了实用、可操作的建议，让我头一次从心底感受到，原来世界还可以如此不同。

然后，我看了《清醒思考的艺术》，这本书作者以显微镜般的观察发现人们常犯的 52 个思维错误，并一一列出。帮人们认识到错误的思维是如何发生，从而避免掉入思维陷阱中。看这本书的过程中，我能明显感觉到自己的思维方式在被重新构造。

随后是《简单逻辑学》。逻辑学是很枯燥的，但这本书的作者以其简练而又充满趣味的笔触，将逻辑学活化为一种艺术，从它的基本原理，到论证，到非逻辑思维的根源，再到 28 种就发生在人们身边的非逻辑思维形式，带领我们进入这个精彩无比的逻辑世界，体会妙趣横生的思维交锋，跨过无处不在的逻辑陷阱，让人沉醉其中，欲罢不能。

这三本书对我影响很大，也建议你好好读读，能改善你的思维，炼就你的火眼金睛。你会发现自己跟和别人不在一个频道上，你能看到事物更多的侧面，在阐述观点时，会比别人更加深刻、犀利和有见地。一些金句也会在你跟人互动交流时，随机地冒出来。你自己都能明显感觉到自己的气场要比其他人足。

小结

总结一下今天的内容。我们讲了沟通的四大关键技术：逻辑、信息、维度和共同。

有逻辑的表达，更容易说服对方。信息全面准确，更有利于让沟通的双方清楚定位问题，从而更高效地解决问题。

维度是个很有趣的事儿，有的时候要站在高维度去碾压对方；有的时候要站在低维度去碾压对方。如何把握这个度很重要。如果站在客户的角度，最好用高维度。但如果站在技术细节的角度，这是低维度。高维度容易拉拢对方，而在低维度更容易说服对方。只不过低维度容易爆发冲突，要恰当地控制好度。

最后一点是共同，其实寻找共同的过程就是化“敌”为“友”的过程，帮助大家在共赢的大思路和环境下，共同思考问题的解，从而实现高效沟通。此外，我强调了金句的重要性，以及如何获得这些金句。答案是没有捷径可走，唯有多读书，多思考，才能慢慢获得。

来源：《左耳听风专栏：高效沟通》

2026-04-02 03:02:37

Chrome开启同步功能时忘了先备份本地书签，导致保存的书签全部被覆盖，赶紧呼叫AI，Mark一下。

在Mac上，若Chrome同步功能覆盖了本地书签，最快恢复方法是利用Bookmarks.bak备份文件。切勿在此期间关闭Chrome。在访达中进入 ~/Library/Application Support/Google/Chrome/Default，将 Bookmarks.bak 重命名为 Bookmarks 覆盖原文件。 

1. 保持Chrome打开状态： 不要关闭浏览器，以免备份文件被更新。

2. 查找书签文件：

• 在Mac中打开“访达”（Finder）。

• 按下 Cmd + Shift + G，输入：~/Library/Application Support/Google/Chrome/Default。

• 找到 Bookmarks（当前覆盖后的书签）和 Bookmarks.bak（原来的书签备份）两个文件。

• 如果 Bookmarks.bak 文件较小且没有更新，说明它还存有旧数据。

• 退出Chrome。

• 删除 Bookmarks 文件。

• 将 Bookmarks.bak 重命名为 Bookmarks。

参考：

• 误删google chrome的书签应该如何恢复（WIN和MAC必学）
  

• 谷歌浏览器书签因为同步误删怎么办