好资源和短想法
我会每次跟人说「下次约吃饭啊」的时候在手机 Calendar 里把准备去跟这个人约时间的时间标注一下,并且设成响铃提醒。这样就不会只是口头说说要约饭,但就没有然后了。

—— 月野耕 (科创社区建设者、活动运营)

阅读原文
Reader by Readwise 做得太棒了!

把一个 Youtube 链接丢到这个工具里,然后它自动就把视频里的音频转成文字了。

用户就能直接阅读下面的文本做标注了。

我猜可能其他用户已经收藏这个视频到 Readwise 了,所以我一贴链接进去,直接就有下面的文本了

https://read.readwise.io
#iOS #iPhone #APP

🕹 ActionMate — Action Button 的好伙伴?

🔗App Store

💰 免费,Pro 版本 2.99 美元

🪄 自 iPhone 15 Pro 系列发售以来,不少玩家都已经将 Action Button 用得「出神入化」:例如,根据设备当前所处的 方向(横屏、竖屏,或者是屏幕朝上、朝下),开启不同的 app 或功能;或者是按一次 Action Button 和按两次 Action Button 执行不同的操作;更有 第三方 app 将 Action Button 纳入了 app 内部的操作流程中 —— 总之是很酷,不像我这种只是打开一个新的菜单而已。

🔢 ActionMate 正是在 Action Button 连接快捷指令操作的风口中出现的一款 app,来自 Cuto Wallpaper 的开发团队 Potatso Lab。ActionMate 提供一系列可以在快捷指令 app 中可以直接调用的 app 操作,将 Action Button 与包含这些操作的快捷指令搭配使用,便可以通过简单的 Action Button 操作实现更多功能。

🔧 目前,ActionMate 支持:识别音量变化、检测设备手势、检查当前设备是否锁定、获取设备方向以及播放特定音效等 5 种操作。可以在快捷指令 app 中添加相关的操作,然后将设置好的快捷指令关联到 Action Button,就可以使用它来实现一些功能了 —— 例如,按下 Action Button 后摇晃手机,即继续执行某个操作;或者,按下 Action Button 后 1s 内按下音量 +/- 按钮(即音量升高/降低),即继续执行某个操作。

🔗 因此本质上,ActionMate 提供了一系列我们可以用来配合 Action Button 进行触发的设备状态条件,按下 Action Button 后如果设备满足某个状态条件,即会触发后续的对应快捷指令操作。一定程度上,这一点能够扩展我们使用 Action Button 所能执行的功能数量,而且不牺牲 Action Button 的「盲操」属性(也即无需查看设备屏幕即可成功执行操作)。

⚙️ 如果你也关注 Action Button 的使用方式,或许你还听说过 Actions 这款 app —— 它提供了一系列的快捷指令扩展,其中不少也是类似如今 ActionMate 所能提供的条件触发判断操作,而且数量要比 ActionMate 更多。不过,相对于 Actions,ActionMate 更加人性化的一点是,针对每一种触发条件,它都提供一个用作示例的快捷指令,我们可以直接加入快捷指令 app 并进行编辑,一定程度上降低了对快捷指令不熟悉的用户的使用门槛;而且 ActionMate 支持中文。

ActionMate 下载免费,Pro 版本定价 $2.99,解锁「识别音量变化」「检测设备手势」两项动作。官方也说明后续会给 app 更新更多操作以及示例快捷指令。

🤔 个人认为,ActionMate 是 Action Button 的有益补充,但是在 Apple 官方尚未推出更多手势(例如,Action Button 的组合键、其他触发方式等等)之前,Action Button 的自定义或许仅仅能够依靠设备本身的状态条件来触发,还是玩法有限 —— 这可能是第三方 app 无法解决的问题。

频道:@NewlearnerChannel via Kostya's Lair
#文章
昨晚阿里云发生大面积故障,今早以前在阿里工作多年的相关人士就写了一篇文章谈系统稳定性,列举了稳定性涉及到的一些思考:《稳定性,难的不是技术,而是》。
大体就是常说的那些:测试边界、降级、减少依赖、灰度。

我非常同意最后的总结:稳定性工作很难出成果,很难被认可,也很难评估投入产出比。这有点像扁鹊三兄弟的故事:能够防病患的老大,才是医术最好的那个,但却又最不为人所知。
#公告

▎ APPDO数字生活指南 新版网站上线啦!

APPDO数字生活指南全新版网站现已正式上线并运行!

新版网站使用基于 NextJS + Notion API 的NotionNext搭建而成,部署在Vercel上,基本上0成本搭建。也欢迎感兴趣的朋友自行搜索该开源项目尝试,安装非常简单。

▎未来的网站构想

- 逐步将以前的网站文章录入进新网站
- 同步本频道的相关内容
- 作为数码评测类等长文的发布平台
- 会尝试发布一些资源类的内容,拓宽内容类型
- 作为未来的线上互动平台

▎欢迎大家访问新版网站!

👉 https://appdo.xyz/

频道 @AppDoDo
DPS 周刊 122 - 渐进式笔记

https://letters.acacess.com/weekly-122/

读 Tiago Forge 的 PARA 和 Building A Second Brain 时,被他的渐进式笔记 (progressive summary) 所吸引,一直想尝试来着。最近正好读完了 Clear Thinking 这本书,于是参考了 Tiago 的建议,用渐进式总结整理了一下笔记。

渐进式总结一共分为四步:

1 阅读时将有用的部分提取出来;

2 将提取出来的内容进一步进行提炼,可以使用加粗的方式把重要部分提炼出来;

3 再次提炼的时候,可以使用高亮对加粗部分再次提炼;

4 如果这些笔记对你来说异常重要,你可以根据自己的理解写出总结

这里的每一步都是对前面一步的浓缩再加工,求精而不求全。最关键的是,当你之后翻看这份笔记时,可以迅速捡起来,可以迅速找到其中有用的部分。就像你为自己准备了一个充满知识的时光宝盒。

如果你的笔记工具没有高亮或者加粗功能,可以替换成其他格式工具。

以下是 Clear Thinking 的渐进式笔记节选: DPS 周刊 122 - 渐进式笔记
#Github

📦 macOS Containers

Github | 官网

Features

- 在 Mac 上启动 Mac 容器
- 支持 HomeBrew 安装
- 兼容 Docker

在 Mac 上启动 Mac 虚拟机的我们见过了不少,比如 UTM。但是在 Mac 上启动 Mac 容器倒是第一次见。macOS Containers 还可以打包成 Docker 镜像,分享给其他人一起使用。

⚙️ rund

macOS Containers 基于 rund。rund 是一个实验性的 containerd Shim,用于在 macOS 上运行 macOS 容器。rund 在九月底发布了第一个预览版本,最新版本为 0..4。

rund 由于 macOS 内核 API 的限制,无法提供其他操作系统上可实现的常规容器隔离水平。

rund 提供的功能包括:

- 通过 chroot (2) 实现文件系统隔离
- 使用进程组清理容器进程
- 与 OCI 运行时规范兼容
- 仅支持宿主网络模式
- 绑定挂载

为什么 macOS 原生容器很重要?

最常见的 Docker 也并不是 macOS 原生的。主要原因是 macOS 和 Linux 操作系统之间存在差异。并且 XNU 内核缺少多种隔离原语,这些原语是实现具有与其他平台相当功能的容器支持所必需的。

在 macOS 上,Docker 运行在一个虚拟机中,这意味着容器操作比在 Linux 上慢。最明显的差别之一是在共享文件系统上。通过 macOS 中的虚拟机访问大文件或大量文件的性能,将始终不如直接访问来得好。

频道:@NewlearnerChannel
Key OpenAI DevDay Announcements:

GPT-4 Turbo, new cheaper model with massive 128K token context, 3× cheaper input, 2× cheaper output than GPT-4

Assistants API: essentially automates part of the vector-based context-management that everyone's been manually coding up to now. Nice, but not the huge upset to AI agent startups that many were expecting. Actually not all that huge at all.

Custom models: OpenAI finally openly admits that fine tuning the last layer is different from, and vastly inferior to having control over full model training, and says they'll be picking the few lucky winners who will be allowed to do the real, full custom training. I.e. fine tuning is vastly inferior to true custom models.

Verdict:

Appears the only startups who got wrecked today are the countless vector-database-as-a-service startups.

Not as bad as many startups expected.

Rest of the AI startups can rest easy, for now.

As far as features, 128k context is massive, potential gamechanger, but the turbo models in the past have been heavily crippled, so let's see how well this new one does.
新买了相机,拍了一些城市照片