2026-10-01 00:00:00
Omarchy Screenshot 马上要支持任意位置、任意程序的长截图了。
Omarchy 社区那些截图工具的长截图交互设计简直反人类，总要问用户一些莫名其妙的问题。所以我想把这个功能的交互做得更简单、更自然。
我的做法是，一旦进入滚动截屏，程序就会自动探测与截取区域交叉的窗口，让用户选一个窗口进行长截图。
整个操作过程也很简单：点击按钮后，程序自动滚动，滚动以后点一下空白处，就进入编辑模式了。
编辑模式里还可以放大缩小。整个过程就像手机上的长截图一样，真的超级方便。
2026-09-30 00:00:00
最近移植了40 多个 AI 大模型，已经小有心得，这两天也深入研究了 TensorFold 这个框架，和大家分享一下 vLLM 和 TensorFold 这两个框架的优缺点
TensorFold 的优点：同样配合 DFlash2 草稿模型的情况下，单流的解码速度， TensorFold 大概是 vLLM 的 130% ~ 180% 的水平，取决测试的是稠密模型还是 MoE 模型
TensorFold 的第一个缺点：Prefill的性能会变成 vLLM 的 1/3 ~ 1/2, 一般来说 vLLM 配合英伟达的芯片 Prefill 在 3000 ~ 4000 TPS， TensorFold 的 Prefill性能不优化在400 TPS左右，如果用 FP8 做 Prefill 优化， 性能可以达到 1500 TPS 左右，但是代价是额外增加 10 ~ 20 GB的显存
TensorFold 的第二个缺点： TensorFold 这种框架会尽量把大多数东西都塞进 KV 里面，同样的AI模型，TensorFold占用的显存相比 vLLM 要多得多，这样就会导致 TensorFold 的上下文非常低，Qwen 3.8 27B 128GB 显存 vLLM 可以做到900K， 但是 TensorFold 只能做到 265K
所以说结论：
同样一台 128GB 的机器，如果你平常项目所需的上下文很低，对 Prefill 要求不高， TensorFold 的单流解码性能绝对要比 vLLM 好，一般来说好30%左右是没问题的
但是如果你对上下文超过 265K， 而且对 Prefill 的性能很敏感， 还有多并发的性能有要求， vLLM 绝对是更好的选择
2026-09-30 00:00:00
我的第十二个 Omarchy 插件
Omarchy 生态的截图工具做的太垃圾了：
我就想要一个简单的QQ截图一样的工具，随时随地标注， 不用区分截图和标注的状态，同时支持多显示器截图，简简单单，不炫技，最高效率
所以，Omarchy Screenshot 发布了，源码按照 GPL 3.0 发布，在评论区，只需要 yay -S omarchy-screenshot 就可以一键安装啦， Enjoy!
2026-09-27 00:00:00
我的第十一个 Omarchy 插件
家里的多显示器，每次启动都需要手动在习惯的屏幕启动制定的应用，做了一个启动管理程序，可以方便的控制应用在制定的显示器和制定的工作区启动，节省自己的开发时间
为什么要自己重新写一个，因为 Omarchy 商店的启动管理程序我都实验过了，太垃圾了，要用户手动填写应用的启动路径，我懒得去终端敲which命令，直接快速搜索了
还有就是社区的启动插件让我先管理显示器的名称，再管理启动程序列表，我要管理显示器的名称干嘛？我直接鼠标点击选择不就知道了？ 程序直接告诉我显示器的位置，我不用去记忆HDMI和DP的序号啊
2026-09-27 00:00:00
问题
@manateelazycat 好奇一个细节：模型移植/优化这种长任务，AGENTS.md 里最关键的约定是哪条？我跑代码类 agent 最怕长任务中途自由发挥，一个约定没写清楚就开始改不该改的东西。你们这种跑几小时的场景怎么防跑偏？
回答
世界很多事情是反过来的，不是你还不会移植模型之前，你写一个AGENTS.md去约束AI，你怎么能够约束一件你自己都不会的事情？
正确的方法是，你就手工移植，当你移植了很多AI模型后，让AI把你手工移植过程中各种纠偏的手段，总结成 AGENTS.md，这个总结的秘籍才是自动化移植其他AI模型的正确方法
实战出真知
