在 tabby 终端安装了 background 插件后可以自定义背景图，不用整天盯着黑白终端敲代码了，但问题来了，安装插件设置好背景图是这样的： 看着确实非常不错，但是...一切回终端页，就变成这样了： 设置页背景图很漂亮，一进终端区域就被一大块白板盖住，爽感直接没了。询问gemini，改透明度之

之前为了图稳定，用的 halo版本是 2.20，结果发现应用市场很多插件用不了，用了一段时间发现这个项目非常成熟，用起来很舒服，便果断打算更新到目前最新的版本——2.24.2。 回首看自己以前写的部署教程，发现当时是用一行长长的 docker run 命令把博客给“裸跑”拉起来的。没有配置文件，没有

📅 记录时间： 2026-05-21 🔄 当前状态： 🚧 提交 PR，等待 Review 🔗 关联归档： Issue #3023 | PR #3024 终于，我也在开源世界的代码库里留下了自己的足迹！ 作为一个极其依赖 AI 辅助编程的开发者，我每天都会在终端里高频使用 Claude Cod

之前在网页上使用阿里云远程连接功能连接服务器，发现它居然集成了AI自然响应，试用了一下非常舒服，如下图所示： 当时是直接叫它教我linux命令，边实战边学习，学起来非常舒服。但我发现关闭再打开之后，之前的记忆就都丢失了，而且web端使用有一点小卡顿，不是很跟手，就想着能不能直接把我的服务器改造成类似

读完了《DDIA》的第二章，这一章没有讲太多底层的代码，而是拔高了一个维度，向我们展示了一个核心理念：数据模型决定了我们如何思考问题和编写软件。整章内容可以说是一场精彩的“三国演义”，通过三场理念对决，彻底重塑了我对各种数据库的认知。在这里记录下我的阅读感悟。 1. 结构之争：关系模型 vs 文档模

Gemini目前在各大排行榜上都是“情绪价值最高（最爱拍马屁）”的 AI。因为它在 Google 的实验室里经历了成千上万次的 RLHF（基于人类反馈的强化学习）。 在训练阶段，“热情、安全、极度友善”被赋予了极高的 Reward（奖励得分）。这导致它一看到用户分享代码或者表达观点，底层的神经网络就

第一章的核心其实是为整本书搭建一个评估数据系统的宏观框架：可靠性、可扩展性与可维护性。在边读边思考的过程中，我产生了许多“顿悟”时刻，在这里以博客的形式记录下来，希望能给同样在啃这本书的朋友一些启发。 1. 可靠性（Reliability）：不仅仅是“没崩”，甚至要主动“搞破坏” 在过去，我有时会把

（注：本贴为记录贴，仅记录做这个实验时的完整的整个过程，非教程！里面从零开始把我遇到的各种坑以及解决方法全贴上来了） 任务要求： 1. 3台机器，一台安装k8s，两台安装Kubeedge 2. 发布一个pipeline任务，分别运行在两个端上（运行时间足够长） 3、断开k8s与其它两个机器的网络 4

Halo绑定邮箱有什么用？ 即使博客程序完全跑在云服务器上，Halo 作为一个标准的 Web 应用程序，绑定邮箱依然有非常关键的业务作用： 密码找回：万一哪天把 Halo 后台的账号密码忘了，系统只能通过给这个绑定的邮箱发重置链接来让你改密码。如果不绑定，忘了密码就只能去连 MySQL 数据库强行改

Halo 默认使用 H2 数据库。H2 是一个轻量级的嵌入式数据库，如果遇到服务器突然强制断电，或者后续博客访问量大了，它的数据文件比较容易发生损坏。因此我准备趁着现在还没开始大量写文章，直接在服务器上装一个 MySQL，在 Halo 的 application.yaml 中把数据库源改成 MySQ