教程实战

360 个正样本对、300 个同题材困难负样本，横向跑 Jaccard、余弦 TF-IDF、SimHash、MinHash 五种中文近似重复检测。三种集合类算法在误报率 1% 时检出率 100%，SimHash 只有 92.78%，改到 30% 更掉到 50%。根因是它的正负样本分数区间交叉，阈值怎么定都救不回来。

18 条手写畸形 JSON 实测 5 种解析写法。json.loads 直接解析只过 1 条，只截大括号 7 条，正则修补 13 条，自己写的字符状态机反而只有 10 条，括号配对加修补 14 条。另有 4 条谁都救不回，还有一条 5 种写法全部不报错但值是错的。

150 篇正文 24.6 万字做敏感词过滤实测：词库 20 条时逐词 in 只要 2.6 毫秒，Aho-Corasick 要 26.1 毫秒，慢 10 倍。要到 500 条才反超，2000 条时快 6.94 倍。正则自始至终没赢过逐词 in。

120 张真实照片做成 base64 内嵌页：明文膨胀 33.33%（精确等于 4/3），开 gzip 后按「服务器总共要吐多少字节」的公平口径重算，只多 0.31%。但二次访问外链 6,300 字节、内嵌 3,395,655 字节，差 539 倍；首屏按带宽模型算差 27 倍；gzip-9 压 23MB 页面要 1235 毫秒 CPU。文末列了四项没测的。

6 张 1200×800 的真实照片，用 Pillow 各存成 JPEG、WebP、AVIF、PNG。按各自的默认质量比，WebP 只有 JPEG 的 88.2%，但 PSNR 低了 3.8 dB。用二分法把画质对齐后反过来：WebP 变成 JPEG 的 114.9%，AVIF 是 80.7%，代价是编码从 20.5 ms 涨到 2561 ms。文里给了每张图的明细和我最后的取舍。

报价单只写每百万 token 多少钱，不会告诉你那篇稿子是多少 token。完整三步：装 tiktoken、三行代码数、把 token 换算成钱。附十五种写法的经验值、中英文提示词的实测差（旧分词器 1.51 倍，新 1.08 倍），以及四个我没有验证的地方。

三步查清谁在爬你的站：数总量、按 UA 分组、查 IP 归属，再结合访问行为判断是不是真人。附实际跑通的 PowerShell 命令、我踩过的静态资源日志盲区，以及 robots.txt 怎么写才真的有用。

我爸给我发微信从来不超过四个字。上个月他发来一条六十秒语音，转成文字一百九十三个字，最后一句是"你妈说别打扰你，我就一次说完"。这篇从这件事说起，把语音输入、方言识别、适老化设置和三条隐私提醒讲清楚。

央视报道了一起物流领域的软敲诈案，团伙用 AI 合成人脸盗取货运平台账号，冒充司机接单后恶意加价、扣货要挟，16 人被抓，48 批滞留货物被返还。这篇按报道把事情的经过讲一遍，再给出货主现在就能用上的几条做法。

美国蓝十字蓝盾协会算了一笔账：医院用 AI 写病历，两年多让医疗支出多出 9.42 亿美元。病历里复杂病症的人数急升，编码和治疗脱了节。这篇用一个家属结账的真实经历，讲清 AI 写的字为什么不能直接签，并给出五步核对清单，病历、合同、报告、表单都用得上。

Opus 5.5 发布后，跑 Agent 的开发者发现它干长活爱汇报、干一半就停。Anthropic 官方指南点名这种半路溜号：API 返回 end_turn 被旧逻辑误当成任务完成。这篇用一次连夜迁移代码库的真实经历，讲清原因，并给出三条能让它把活干完的设置。

美团上线 LongCat-2.5-Preview，1.6T 参数，主打长程任务与多模态；小米 MiMo-V3、月之暗面 Kimi K3.1 也在路上。参数越卷越大，普通人却只关心一件事：能不能早点下班。这篇用三件真实的活实测国产大模型，给出三条判断标准，并说明哪三类工作可以放心交给它。

法国龚古尔奖把一部被指用AI创作的小说移出初选名单。周三下午4点，我用AI写了3000字季度汇报，领导红笔圈出「深入一线」，问我上周三去过现场吗。这篇拆解AI写的东西一眼可辨的7个痕迹，给出4条立刻能改的动作，并说明哪三种材料绝对不要整篇代笔。

IMF说2026年全球AI投资可能突破2万亿美元。同一天我点开微信扣费服务：视频25、音乐15、网盘25、AI工具145，一个月210。一个在天上飞，一个在地上抠。这篇把账算给你看：订阅制怎么养习惯、免费额度怎么收紧，以及普通人省钱能立刻做的4步。

同事花2800块买的AI眼镜，戴进地铁15分钟就摘了，买回来的不是未来，是别人的防备。Meta 刚推了没有摄像头的版本，听着像进步，其实是认怂。这篇按人群说清楚哪5类人这个月别买、买了会尴尬在哪，以及现阶段怎么判断值不值。