Posts

因为网络原因拉取docker官方镜像经常失败或者速度非常慢，可以考虑通过代理服务器拉取镜像。 配置加速器 vim /etc/docker/daemon.json { "registry-mirrors": [ "https://hub-mirror.c.163.com", "https://mirror.baidubce.com" ] } 注意，一定要保证该文件符合 json 规范，否则 Docker 将不能启动。 之后重新启动服务 sudo systemctl daemon-reload sudo systemctl restart docker docker pull代理 在执行docker pull时，是由守护进程dockerd来执行。 因此，代理需要配在dockerd的环境中。 而这个环境，则是受systemd所管控，因此实际是systemd的配置 mkdir -p /etc/systemd/system/docker.service.d vim /etc/systemd/system/docker.service.d/proxy.conf 在这个proxy.conf文件（可以是任意*.conf的形式）中，添加以下内容： [Service] Environment="HTTP_PROXY=http://192.168.112.57:7890" Environment="HTTPS_PROXY=http://192.168.112.57:7890" Environment="NO_PROXY=localhost,127.0.0.1" 之后重新启动服务 systemctl daemon-reload systemctl restart docker Container代理 用户级代理 vim ~/.docker/config.json { "proxies": { "default": { "httpProxy": "http://192.168.112.57:7890", "httpsProxy": "http://192.168.112.57:7890", "noProxy": "localhost,127.0.0.1" } } } 这种方法默认在所有配置修改后启动的容器生效 容器级代理 容器的网络代理，也可以直接在其运行时通过-e注入http_proxy等环境变量。docker-compose的是要配置environment 格式如下: web: environment: HTTP_PROXY: 'http://192.168.112.57:7890' HTTPS_PROXY: 'http://192.168.112.57:7890' NO_PROXY: 'localhost,127.0.0.1' docker build代理 虽然docker build的本质，也是启动一个容器，但是环境会略有不同，用户级配置无效。 在构建时，需要注入http_proxy等参数 ...

2024-09 运动次数: 14 运动距离: 145.18 km 运动时长: 14:04:05 平均距离: 10.37 km 平均心率: 146 bpm 平均配速: 5:48 / km 2024-09-01 时间： 2024-09-01 07:17:45 距离： 10.04 km 时长： 1:00:00 配速： 5:58 / km 心率： 149 bpm ...

先看看效果展示，实现鼠标点击提示框链接进入跑步详情页面，整体效果 跑步总结。 为了实现提示框可以点击，来回折腾浪费了很长时间，记录下来以备不时之需。 在ECharts的示例编辑里的tooltip配置项内容： "tooltip": { "triggerOn": "click", "enterable": true, "formatter":function (params) { if (params.value[1] <= 3) { return ''; } else { return ( '<a href="/posts/run/' + params.value[2] + '/" target="_blank\">' + params.value[0].slice(-5) + '</a> <br>' + Number(params.value[1]).toFixed(2) + 'km ' ); } } } Hugo编译时报如下错误： Error: error building site: "xx/content/posts/run/run_stats.md:135:1": "xx/layouts/_default/_markup/render-codeblock-echarts.html:6:37": execute of template failed: template: _default/_markup/render-codeblock-echarts.html:6:37: executing "_default/_markup/render-codeblock-echarts.html" at <transform.Unmarshal>: error calling Unmarshal: "_stream.json:5:1": unmarshal failed: invalid character 'u' in literal false (expecting 'a') Hugo编译时会使用transform.Unmarshal校验json内容，formmater的参数内容不符合规范内容。 ...

先看看效果展示，将原来markdown的表格样式展示修改为热力图展示，整体效果 跑步总结。 最初我的需求是，将一年的跑步数据能够像github的提交贡献图进行展示。 日历可以使用ECharts的日历热力图 安装跑步距离显示为不同颜色，与示例的颜色渐变有所区别 可以通过跑步数据进入跑步详情页面 下来说一下我碰到的几个问题。 热力图支持 由于原来使用的是echarts在线定制模式下载的js文件，进入ECharts在线定制 。 图表中增加选择热力图Heatmap 坐标系增加选择日历Calendar 组件增加选择视觉映射VisualMap 颜色分段显示 "visualMap": { "show": false, "type": "piecewise", "pieces": [ { "gte": 15, "color": "#E49A52" }, { "gte": 10, "lt": 15, "color": "#83C67B" }, { "gte": 3, "lt": 10, "color": "#6B9CF0" }, { "lt": 3, "color": "transparent" } ] } type参数设置为piecewise，分段型视觉映射组件 pieces参数可以使用 lt（小于，less than），gt（大于，greater than），lte（小于等于 less than or equals），gte（大于等于，greater than or equals）来表达边界 按照指定维度渲染图形 在ECharts在线示例编辑器中，测试没有问题，后面程序自动生成了结果集，结果集示例如下： ...

2024-08 运动次数: 12 运动距离: 109.93 km 运动时长: 11:02:18 平均距离: 9.16 km 平均心率: 151 bpm 平均配速: 6:01 / km 2024-08-01 时间： 2024-08-01 07:38:34 距离： 7.05 km 时长： 44:15 配速： 6:16 / km 心率： 143 bpm ...

通过yihong0618大佬的running_page实现跑步记录自动生成博文，自动发布的工作核心如下图所示。 graph TB subgraph APP [APP Type] direction LR Garmin ~~~ Nike Nike ~~~ Keep end subgraph run [running_page] direction LR laps_drawer --> running_page running_page --> id1[(data.db)] end APP --> running_page id1[(data.db)] -->|gen_svg gen_md|obsidian obsidian --> |maestral|Hugo 首先简单介绍一下yihong0618大佬的running_page功能，支持Nike、Strava、佳明（佳明中国）及 Keep 等自动备份 GPX 数据，生产静态的网页数据，打造个人跑步主页。它是这样工作。 接下来介绍我是怎么使用，我平时是使用Garmin（佳明）手表，数据会通过APP上传到佳明中国。使用步骤如下： 通过running_page使用Garmin-CN to Garmin功能实现数据同步到本地，还实现了一个很棒的功能将数据同步到佳明全球。这个时候你可以通过在Strava里配置，实现将佳明全球的数据同步到你的Strava账号下。 python3 run_page/garmin_sync_cn_global.py $garmin_cn_secret $garmin_secret 生成跑步路线svg和对应的md文件，示例20240317(21.12 km)，参考running_page的功能，自己编写的一个生成跑步路线的laps_drawer(示例代码)，通过调用gen_svg(示例代码)实现跑步路线的svg文件，然后再统计了一些跑步的统计信息，生产跑步记录md文件。 # gen_svg.py 文件放到running_page工程下的run_page目录，参数参考说明，程序会自动将生成到$blog_path下，需要看代码修改一些相对位置 # laps_drawer.py 文件放到running_page工程下的run_page/gpxtrackposter目录 python3 run_page/gen_svg.py --from-db --title "Running Maps" --type laps --athlete $athlete --track-color "#6B9CF0" --special-color "#83C67B" --special-color2 "#E49A52" --special-distance 10 --special-distance2 15 --min-distance 0.5 --use-localtime --only-run --background-color "#1A1A1A" --animation-time 20 --no-background --blog-dir $blog_path 生成跑步总结统计数据，示例跑步总结，参考running_page的功能，提取跑步信息，结合EChart生成跑量和趋势图。这里也是自己编写的一个python程序gen_md(示例代码)。 # gen_md.py 文件放到running_page工程下的run_page目录，参数参考说明，程序会自动将生成到$blog_path下，需要看代码修改一些相对位置 python3 run_page/gen_md.py --from-db --use-localtime --only-run --min-distance 0.5 --track-color "#6B9CF0" --special-color "#83C67B" --special-color2 "#E49A52" --blog-dir $blog_path Obsidian可以查看生成的md文件，根据文件的位置再调整python程序的相对路径。 通过maestral将新生成的文件自动同步到服务器，然后Hugo编译发布成静态页面。

2024-07 运动次数: 15 运动距离: 136.90 km 运动时长: 13:35:35 平均距离: 9.13 km 平均心率: 149 bpm 平均配速: 5:57 / km 2024-07-01 时间： 2024-07-01 06:59:02 距离： 4.55 km 时长： 27:58 配速： 6:09 / km 心率： 134 bpm ...

1. IINA https://iina.io/ IINA（/ˈiːnə/）是一款基于mpv的自由及开源媒体播放器，以GNU通用公共许可证版本3（GPLv3）发布，用Swift编写，仅支持macOS平台。 Mac 上最万能的视频播放器，是一款非常轻量级的视频播放器。 2. Obsidian https://obsidian.md/ Obsidian，是使用Markdown语法的闭源笔记软件。用户可以在笔记间建立双向链接，并且可以神经网络图的形式将这些链接可视化。该笔记旨在帮助用户以一种灵活的、非线性的方式来组织和构架他们的想法和知识。Obsidian对个人使用免费，对商业许可则需付费。 现在的笔记都迁移到Obsidian了，太爱了，有很多插件可以用。 3. TextMate https://macromates.com/ TextMate是一个由Allan Odgaard开发的macOS系统下的GUI文本编辑器，提供声明式定制、打开多文档、可记录宏、可折叠文字片段和可扩展Bundle等功能。 平时随手记些文字，后期整理到Obsidian，对文件类型支持比较多 4. Raycast https://www.raycast.com/ 功能强大的生产力工具集合在一个可扩展的启动器中。快速、人性化、可靠。 替换了原来的Alfred，插件丰富，还可以支持自己写脚本 5. Easydict https://github.com/tisfeng/Easydict Easydict 是一个简洁易用的词典翻译 macOS App，能够轻松优雅地查找单词或翻译文本。Easydict 开箱即用，能自动识别输入文本语言，支持输入翻译，划词翻译和 OCR 截图翻译，可同时查询多个翻译服务结果，目前支持 有道词典，🍎 苹果系统词典，🍎 苹果系统翻译，OpenAI，Gemini，DeepL，Google，腾讯，Bing，百度，小牛翻译，彩云小译，阿里翻译 和 火山翻译。 结合ChatGPT实用划词翻译的功能太棒了 6. 沉浸式翻译 https://immersivetranslate.com/ 沉浸式翻译：全网口碑炸裂的双语对照网页翻译插件 你可以完全免费地使用它来实时翻译外语网页，PDF翻译，EPUB电子书翻译，视频双语字幕翻译等。 还可以自由选择调用OpenAI (ChatGPT)、DeepL、Gemini等人工智能引擎来翻译上述内容。 在手机上也可以随时随地用哦，真正帮助你打破信息壁垒，选择下方的平台，立刻开始体验:)

2024-06 运动次数: 15 运动距离: 166.24 km 运动时长: 16:21:46 平均距离: 11.08 km 平均心率: 155 bpm 平均配速: 5:54 / km 2024-06-01 时间： 2024-06-01 06:47:29 距离： 15.15 km 时长： 1:34:10 配速： 6:12 / km 心率： 151 bpm ...

最近谷歌在Canary 版本的 Chrome 浏览器里面开放了本地大模型的权限，用户可以访问（https://www.chromium.org/getting-involved/dev-channel/），下载 Canary 浏览器。 用法如下： 打开 chrome://flags/ 将 Prompt API for Gemini Nano 设置为 Enable 将 Enables optimization guide on device 设置为 Enable BypassPerfR 重启 Chrome 浏览器 打开 chrome://components/ 检查是否出现 Optimization Guide On Device Model ，我出现这个选项等了有几天，没有找到好的方法。如果有这个选项，可以检查模型是否成功下载，点击 Check for update ，我目前的版本是Version: 2024.6.5.2205 。 Gemini Nano的模型文件存放在~/Library/Application Support/Google/Chrome Canary/OptGuideOnDeviceModel/2024.6.5.2205 目录下，weights.bin 文件大概1.78GB。 测试AI效果 打开控制台，输入 window.ai 测试是否能有返回AI对象，也可以用下面的代码测试： const canCreate = await window.ai.canCreateGenericSession() if (canCreate !== "no") { const session = await window.ai.createTextSession(); const stream = session.promptStreaming("写一个短篇科幻小说！") for await (const chunk of stream) { console.log(chunk) } session.destroy() } else { console.error("Gemini Nano not ready yet.", canCreate) } 刚刚返回的结果： ...