部署：

bash
展开代码
# 使用vLLM启动
python -m vllm.entrypoints.openai.api_server \
    --model /mnt/jfs6/model/UI-TARS-72B-DPO \
    --served-model-name ui-tars \
    --host 0.0.0.0 \
    --port 8000 \
    --trust-remote-code \
    --max-model-len 8192 \
    --gpu-memory-utilization 0.9 \
    --tensor-parallel-size 8

crawl4ai

bash
展开代码
docker run -d   -p 9045:11235   --name crawl4ai-local   --shm-size=1g   unclecode/crawl4ai:latest

使用：

bash
展开代码
    "crawl4ai": {
      "url": "http://101.126.150.28:9045/mcp/sse",
      "description": "Crawl4AI网页爬取和处理服务 - 支持网页爬取、截图、PDF生成、JavaScript执行等"
    }

MCP 四种服务传输类型详解：STDIO、SSE、Streamable HTTP 与 InMemory

引言

Model Context Protocol（MCP）是 Anthropic 推出的开放标准协议，旨在标准化 AI 应用与外部工具、数据源和系统之间的连接方式。就像 USB 标准统一了计算机外设接口一样，MCP 试图解决 AI 集成中的"M×N 问题"——将 M 个不同的 AI 应用与 N 个不同工具的集成从 M×N 个独立实现简化为 M+N 个标准化实现。

在 MCP 架构中，传输层（Transport）是实现客户端与服务器通信的基础。本文将深入探讨 MCP 的四种主要传输类型及其应用场景。

确保所有 tmux 进程已终止：

bash
展开代码
sudo pkill -f tmux

https://forum.cursor.com/t/ctrl-c-will-not-copy/70657

edit keybindings.json to add:

mkdir -p ~/.cursor/User

bash
展开代码
[
    {
        "key": "ctrl+c",
        "command": "workbench.action.terminal.copySelection",
        "when": "terminalFocus && terminalProcessSupported && terminalTextSelected"
    },
    {
        "key": "ctrl+shift+c",
        "command": "workbench.action.terminal.sendSequence",
        "args": { "text": "\\u0003" },
        "when": "terminalFocus"
    }
]

https://hf-mirror.com/

bash
展开代码
git lfs pull

访问 Node.js 官方网站 (https://nodejs.org) 。通常，官网会直接推荐最新的长期支持 (LTS) 版本，这个版本更稳定，非常适合大多数用户。直接点击页面上的推荐版本进行下载即可。

✅ 验证安装

分别输入以下两条命令并执行：

• node -v：此命令会显示已安装的 Node.js 的版本号。
• npm -v：此命令会显示 npm（Node Package Manager）的版本号，它通常随 Node.js 一同自动安装。 如果两个命令都返回了版本号（例如 v18.17.0 和 9.6.7），就说明安装成功了。

https://github.com/xpzouying/xiaohongshu-mcp

前Manus产品经理对Agent的思考: https://mp.weixin.qq.com/s/tewBKHgbyrjxUjAOmkXI7A

总结其核心内容：

核心观点

Agent的本质：AI Agent的强大不在于模型本身的智力提升，而在于我们为其设计的"认知流程"。这套流程让AI从"一次性生成答案"进化为"动态解决问题"。

五个成长阶段（用学霸比喻）

1. 原生天才（基础LLM）：直接输出答案，但无法验证可靠性
2. 思考者（CoT-思维链）：将复杂任务分解为线性推理步骤
3. 细心人（Reflexion-自我反思）：能复盘错误并迭代优化
4. 战略家（Planning-规划）：先制定计划再执行
5. 学者（ReAct-工具使用）：通过"思考→行动→观察"循环与外界交互

流程的三重价值

1. 用"结构"对抗"混沌"：通过规划和思维链为AI建立逻辑脚手架
2. 用"迭代"对抗"遗忘"：通过反思机制压缩和提炼关键信息
3. 用"交互"对抗"虚无"：通过工具调用获取真实世界的反馈

理论基础

• 控制论：闭环系统通过反馈机制不断逼近目标
• 信息论：通过获取信息降低不确定性（熵减）

未来方向

文章呼吁开发者从"提示词工程师"转变为"Agent流程架构师"，关注：

• 智能工作流编排
• 多Agent协同（规约驱动）
• 动态代码生成能力
• 性能优化（并行化、模型特化、高效记忆架构）

关键洞察：Agent与Chatbot的区别不在于"调用几次"，而在于是否具备目标导向的、可自我修正的动态流程

https://huggingface.co/deepseek-ai/DeepSeek-OCR

DeepSeek-OCR：光学压缩技术开辟文本处理新范式

引言

在大语言模型(LLM)处理长文本时面临的计算挑战日益凸显，DeepSeek-AI团队提出了一个创新性的解决方案——DeepSeek-OCR。这项研究探索了通过视觉模态实现文本信息高效压缩的可行性，为解决长上下文处理问题开辟了全新的技术路径。