Completions 接口（两种协议的差异贯穿整个请求-响应链路：请求体的字段结构与语义不同，流式传输中的 SSE 事件命名和数据结构也不同。如果直接把某个 Chat 格式的 base URL 写入 Codex 配置，常见的症状包括模型列表加载异常、接口返回 404 或 400，以及流式响应无法被 Codex 侧正确反序列化。CC Switch的本地路由正是为了解决这一协议断层而设计的。

第一反应是——是不是很多操作没有 GPU 路径，PyTorch 悄悄把计算挪回了 CPU？为了搞清楚这件事，我写了一个简单的 Python 脚本。如果某个操作直接报错，或者输出跑到了 CPU，那就值得深挖一下。

深度学习框架上面的代码中，首先定义了模型的组件结构，其次forward是模型的流程结构。这是一个经典的“特征提取分类器”双阶段结构，分为两个阶段。第一阶段：特征提取（卷积神经网络），负责把像素变成“语义特征”。卷积层 1(Conv1)：初级特征提取（边缘、线条）in_channels=1 : 输入是灰度图（1个通道）out_channels=32: 派出32个不同的“侦探”（滤波器）kernel_

SwiGLU 让 FFN 具备“选择能力”，MoE 让 FFN 具备“分工能力”，而现代大模型的真正智能核心，其实是 FFN 系统。x → Linear(升维) → GELU(激活函数) → Linear(降维) → y。Transformer 的本质是“FFN 驱动的系统”，Attention 是辅助结构。所以我们结合上面一系列的讲解,应该就能明白模型的“知识”，主要压缩在 FFN 权重里。At

需要先初始化webview.WebMessagePort，然后一个ets使用，发送一个端口给html去用。这里的流程蛮有意思的，画个图解释一下。

有一个类, 我不想让它被实例化, 也不想让它被用于传参 (包括不允许引用和指针), 但有很多类都要继承它, 那么我就把这个类写成超级基类. 超级基类可以有虚函数, 可以有纯虚函数, 也可以没有虚函数, 可以继承一个超级基类, 只要不实例化且不做参数就行.消除 ub 是消除 ub, 不是变的安全. 消除 ub 不会变的安全, 消除 ub 也能提高开发效率和运行效率. 我始终认为 c++ 是个危险的语

整个构建流程就结束了，整体步骤还是比较简单，主要是编写cri-o.spec时可能需要反复调试来解决构建中的报错。后续我想写个skill通过openclaw来实现自动构建，但经尝试，用AI生成的.spec文件的内容大部分都是旧版本的字段和指令，但后续通过识别rpmbuild的报错也能自动进行一些问题的修改，但是估计搞一个包就得token爆炸。。。

整个构建流程就结束了，整体步骤还是比较简单，主要是编写cri-o.spec时可能需要反复调试来解决构建中的报错。后续我想写个skill通过openclaw来实现自动构建，但经尝试，用AI生成的.spec文件的内容大部分都是旧版本的字段和指令，但后续通过识别rpmbuild的报错也能自动进行一些问题的修改，但是估计搞一个包就得token爆炸。。。