2026年7月底至今：最近这段时间，一直在默默进行 NewVFX 的一次深度优化与升级。

十多年积累的网站，需要的不只是新增内容，更需要重新整理过去的知识资产。这次主要完成了：修复搜索引擎抓取问题，优化网站结构，清理大量低价值标签，统一标签英文链接，并重新规划专题体系；同时完善 Rank Math SEO 数据，优化文章标题、描述，让更多历史内容能够被搜索引擎正确理解。

另外，针对论坛系统也进行了专项优化，修复部分 SEO 输出问题，让 Topic、Post 等核心内容拥有更好的展示效果。

这些工作不会立刻带来变化，但会影响未来几年 NewVFX 的发展。希望通过这次整理，让这个陪伴大家十多年的社区，变得更稳定、更专业，也让更多优秀内容重新被发现。
继续建设中。

2026年8月7日：过去很长一段时间，NewVFX 更关注内容、技术与社区建设，希望把更多精力投入到平台本身，而不是频繁进行外部沟通。但这些年，社区中一直有很多朋友希望能够直接联系，进行技术交流、项目合作、服务咨询，或者分享关于视觉与创作的新想法。

因此，我们重新整理了联系渠道：微信、飞书、Email / iMessage、XChat 等方式，让创作者、开发者与合作伙伴可以更方便地找到 NewVFX。

联系我们

Weixin Gateway 升级后连接故障修复方案

📋 问题描述
Herms 系统升级后，Weixin 网关无法连接，Gateway 启动失败。

🔍 错误信息

ERROR: weixin: open policy without allow-all opt-in

– Weixin 的 `dm_policy/group_policy` 设置为 `’open’`
– 缺少必需的用户授权环境变量

✅ 解决方案日志

步骤 1：检查当前 Gateway 状态

cat /Users/xbaby/.hermes/gateway_state.json
输出显示：gateway_state: “startup_failed”

步骤…[查看更多]

把上面的参数设置好了就足够训练lora了，参数已经非常全了，目前没有观察到需要设置其他的参数。

macOS系统中微信等软件已授权截图与录像权限，但使用时仍反复弹出授权请求。

排查过程：尝试通过Codex环境自动检测，但因底层执行器故障（无法启动shell进程），未能直接读取或修改系统授权数据库。

原因分析：典型TCC隐私授权记录卡死、应用路径/签名变更，或tccd服务缓存异常。

修复步骤（已指导用户手动执行）：
1. 完全退出微信及相关截图/录屏工具。
2. 打开终端，执行重置命令：
/usr/bin/tccutil reset ScreenCapture
/usr/bin/tccutil reset Microphone
（若仅针对微信，可执行：

/usr/bin/tccutil reset ScreenCapture com.tencent.xin…[查看更多]

AI 大模型省 Token 技巧大全：9 个降低 API 成本与提升效率的方法

尽可能使用 CLI、规划任务、减少不必要的 Skill”非常切中要害，这些都是针对 Multi-Agent（多智能体，如 OpenAI Swarm 等框架）或自动化工作流的优秀优化策略。

在实际开发和调教大模型（尤其是多智能体/Swarm 架构）时，还可以从以下几个维度把 Token 压到极致：

4、善用 Prompt Caching（提示词缓存）

做法： 现代大模型（如 DeepSeek、GPT-4o）都支持缓存。在编写 System Prompt 或工具描述时，保持头部内容完全一致。

效果： 命中缓存的输入 Token 价格能打 1~2 折，能极大…

[查看更多]

2026年3月-6月11日：北京、朝阳。今年，我将主要精力聚焦于AI模型在内容与具体服务场景中的深度应用，而非对NewVFX进行更多的底层开发。

在技术学习方面，我着重掌握了SD系列模型，大幅提升了图片创作与精细化编辑的能力；同时，深入探索了Step ace 1.5模型在音乐制作上的潜力，并熟练应用了TTS（文本转语音）及Whisper（语音识别）等模型，有效打通了多模态内容生成的链路。

在业务实践上，我将大量时间投入到Agent（智能体）的应用落地中，致力于通过AI Agent优化具体服务流程，提升内容产出的效率与交互体验。这一策略转变让我更贴近实际业务需求，也为未来NewVFX的智能化服务升级积累了宝贵的实践经验。

对应M1至M5系列芯片的性能数据： Llama 7B 模型在不同量化精度下的性能测试数据
Apple M系列芯片 Llama 7B 性能对比表

1. M1系列 (第一代Apple Silicon)

型号

GPU核心

内存带宽 (GB/s)

F16 PP (t/s)

F16 TG (t/s)

Q8_0 PP (t/s)

Q8_0 TG (t/s)

Q4_0 PP (t/s)

Q4_0 TG (t/s)

M1

8

68

–

[查看更多]

这些参数是控制acestep.cpp（Turbo 模型） AI 音乐生成效果的核心“旋钮”。下面拆解这些参数的物理含义和调整建议。

一、 DIT FLOW MATCHING (DiT 扩散模型参数)

这是决定“声音质量”的引擎。

Inference Steps (推理步数)
意义：扩散模型去噪的次数。步数越多，细节越细腻，但越耗时。
Turbo 模型建议：官方预设是 8，你设为 12 是合理的，能稍微增加一点稳定性。不需要过高，否则反而可能产生噪音。

Guidance Sca…[查看更多]