WebRTC(Web Real-Time Communication) 是一套通过浏览器收发实时音频/视频 等数据的技术. WebRTC 没有自己从头再弄一套新的技术, 而是充分利用了当时已经存在的技术, 通过一大堆技术 “搭积木” 的方式, 最终组装出来了一套满足需求的技术.SDP(Session Description Protocol) 会话描述协议.这个用于信令。

本文已经很长了, 所以总结就简单点吧. 本文通过绘制一个三角形, 介绍了 vulkan 的初始化和简单使用. 可以看到, 由于 vulkan 更加接近底层硬件, 初始化过程是比较麻烦的.本文使用的系统软件环境: ArchLinux (GNOME). 本文相关的完整源代码请见:vulkan 本身具有很好的跨平台能力, 后续考虑别的平台的 vulkan 初始化, 真正做到 “跨平台”.本文使用 CC-

至此, vulkan 的跨平台能力已经得到了充分验证: GNU/Linux (wayland), Android (手机), Windows (PC) 等操作系统 (平台), 都实现了 vulkan 初始化和绘制三角形. 本文相关的完整源代码请见:vulkan 部分, 底层基于 vulkano 库, 已经封装好了, 属于平台无关代码, 各平台都一样. 窗口系统部分, 每个平台都不一样. 这里我们没

kotlin 代码通过获得一块 “画布”, 然后用 JNI 调用 rust 代码. rust 代码初始化 vulkan 并渲染, 从而在 Android (手机) 画一个三角形. 这个结构实现了把一个 rust vulkan 渲染器 “嵌入” 一个普通的 Android apk 之中.本文进一步验证了 vulkan 良好的跨平台能力. 只需要为每个平台编写少量的适配代码, 大部分代码都是可以直接复

本文介绍了 GTK4 窗口的创建, 获取 GDK4 wayland 连接, 创建 wayland 事件队列, 枚举 wayland 服务, 创建 Subsurface 并初始化, 获取窗口原始指针, 从而为 vulkan 的初始化做好了准备.本文使用的系统软件环境: ArchLinux (GNOME). 本文相关的完整源代码请见:下篇将使用 vulkan 对 Subsurface 进行绘制.本文使

可能是在 Linux 桌面 (1) 使用 blender (2) 的中国人 (3) 太少了吧 (3 个小概率连续相乘), 这个 BUG 挂了 3 年也没人管.于是, 饥不择食的窝只能自己动手了, 用 2 天时间, 修改了大约 10 行 blender 源代码, 从而修复了在 linux 上切换输入法的 BUG, 现在输入中文已经正常了.以后, 窝就可以骄傲的对别人说, 窝也是 blender 开发

在此窝收集了一些国内国外的可以用于存放 git 仓库的免费平台 (网站), 大部分可用于开源项目.

只需 3 张 DVD 光盘, 即可做到在完全 离线 (没网) 的情况下, 安装完整的 ArchLinux 操作系统.本文中方案的好处是, 对当前安装的所有软件包进行 “快照” (备份), 所以所有你喜欢的软件安装包都在, 无需重新下载, 可以直接本地安装. 本次所有安装包的总大小恰好可以放在一张 DVD+R DL (容量约 8GB) 光盘中. 如果有更多的软件包, 只需稍做修改, 使用多张光盘即可

本文使用容器 (podman) 编译了 llama.cpp 的 vulkan 后端和 SYCL 后端, 并成功在 Intel GPU (A770) 运行, 获得了较快的语言模型推理速度.SYCL 后端比 vulkan 后端稍微快一点, 但不多. 使用的模型 (gguf), 生成长度, 软件驱动版本, 运行参数设置等很多因素, 都可能影响模型推理的速度, 所以本文中的运行速度仅供参考.SYCL 比

本文实现了一个很简陋的 AI agent, 可以调用 deepseek API 和上一篇文章中的 MCP 工具 (mcp-run) 来执行任务. agent 的工作原理并不复杂, 主要是一个调用大模型 API 以及 MCP 工具的循环.目前的 AI 本质上不可靠, 所以在虚拟机中运行 AI 可以获得较高的安全程度 (当然也不是绝对安全).让 AI 自举, 也就是用 AI 编写给 AI 调用的 MC