搜索[WorkBuddy]结果-低调大师优秀个人博客

精选列表

搜索[WorkBuddy]，共4338篇文章

用 WorkBuddy 做了个 Windows 壁纸助手：一个普通用户和 AI 结对开发三天的真实记录

# 用 WorkBuddy 做了个 Windows 壁纸助手：一个普通用户和 AI 结对开发三天的真实记录 > 这不是教程，是一份踩坑清单。所有代码和问题都来自真实项目，已开源。

2026-09-20

#WorkBuddy# 当 AI 助手遇上博图 Openness：SCL 一键导入-编译流水线实战（附完整踩坑清单）

# #WorkBuddy# 当 AI 助手遇上博图 Openness：SCL 一键导入-编译流水线实战（附完整踩坑清单） > 背景：电气工程师，西门子 S7-1200 / TIA Portal V16

2026-09-20

别再截图贴 Word 了：把流程图改成矢量图，体积降到 1/27，放多大都不糊 #WorkBuddy#

**别再截图贴 Word 了：把流程图改成矢量图，体积降到 1/27，放多大都不糊 #WorkBuddy#** 先说一个几乎所有做汇报材料的人都遇到过的窘境：流程图是别处截的图，贴进 Word，看着还行

2026-09-20

#WorkBuddy# 自动化任务从零设置到落地：一篇讲透每一步操作的完整教程

我用 WorkBuddy 跑了大半年的定时任务，每天早上自动采集新闻、整理简报、存知识库，全程不用人盯。但刚开始也踩了不少坑——调度规则不会填、提示词写太笼统、不知道在哪看执行结果。

2026-09-20

WorkBuddy 实战：我给公众号搭了一条全自动内容生产线，含三个踩坑修复记录

# WorkBuddy 实战：我给公众号搭了一条全自动内容生产线，含三个踩坑修复记录 >前排提示：本文全部步骤基于 WorkBuddy 标准版实测，代码可直接复用。

2026-09-19

#WorkBuddy 实战：一个人、一周、四件交付物——公益宣传物料生产线搭建全记录

> 一句话概括：一个非专业开发者，用 WorkBuddy 把「动画短片 + 竖版短视频 + 培训课件 + 线上答题 H5」四件形态完全不同的物料做完了，全程没买视频工具、没写后端、没找设计。

2026-09-18

#WorkBuddy# 模型在加速退役、内存在加速涨价：把 AI 接进流程的人，最该攒的是「换掉它的成本」

![](https://developer.qcloudimg.com/http-save/yehe-12690655/b842a2711cd4c1e21824e02b6dc86f5e.png) 9 月 18 日这一天有两件事挨在一起看，挺刺眼的：一边是 GPT-5.5 的退役日历开始提醒开发者提前迁移，模型迭代周期又被压缩了一轮；另一边是英特尔 CEO 出来预警，说内存价格已经涨到了原来的 5 到 7 倍，很多项目因为拿不到足够的内存被迫延期，中低价位的手机和笔记本尤其难。上面在加速退役，下面在加速涨价。夹在中间的是什么人？是把 AI 真的接进自己流程里的人。我为什么对这两条特别敏感——因为我吃过「绑死」的亏。早先我调一套处理流程，是照着当时那个模型的手感一点点磨出来的：提示词里塞了几句针对它脾气的话，输出格式也默认它会乖乖照做。跑了几个月挺顺，直到那个模型下线（或者说，新版本一上，行为就变了）。那天我才发现，我以为我在维护一套流程，其实我维护的是一份「对这个模型的依赖」。提示词里那些精心调出来的怪招，是最脆的资产，模型一换全废。后来我改了三个习惯，这条建议先收藏，凡是拿 AI 干正经活的人都用得上： **第一，提示词里不写「模型脾气」。** 不再靠「你要特别注意 XX」这种话去哄它，而是把要求写成明确规则，出格了就当它没做到，而不是回头再补一句咒语。 **第二，输出格式固定。** 我要的是结构化字段，不是「让它自由发挥后我再肉眼读」。格式一旦固定，换模型就是换个后端，下游那一整套解析逻辑不用动。 **第三，攒一个自己的回归集。** 这一步是我吃过亏才补上的：挑十几二十个自己业务里最典型的 case，换模型、换机器之后跑同一批，逐条对比。以前我判断「新模型行不行」全靠感觉，感觉经常骗人——有些原来能跑的长任务，新模型会悄悄丢中间步骤，你不拿同一批 case 对着看，根本发现不了。至于硬件那条线更直白：想自己买机器跑模型的人，成本逻辑正在被内存改写。你算的是显卡，涨价的是内存。这不是短期波动，是这一轮基建投入传导下来的结果——大厂在抢产能，抢的东西最后会变成你的采购报价。我的判断是：这轮迭代里，「选对模型」和「买对机器」的价值都在下降，真正拉开差距的是**换掉的成本**。谁的流程能在半天内换一个模型、换一台机器跑通同一批 case，谁就不怕这种新闻；谁把身家都压在某一个模型的手感上，那每一条发布新闻对他都是风险提示。和我一样被模型下线、或者被硬件涨价打乱过计划的，评论区扣个 1，我想看看有多少人踩过这个坑——顺便说说你当时是怎么把流程捞回来的。

2026-09-18

WorkBuddy + IMA 知识库 200 段历史对话知识库查询，从此随搜随有，资产随时沉淀

- **路径 C（最关键·反向调用）：**同步完成后，回到 WorkBuddy 对话框，输入 **@Workbuddy知识库 + 你的问题**，AI 直接基于全部历史记忆作答——你不用离开 WorkBuddy

2026-09-17

用WorkBuddy一句话做出物业催费管理系统：欠费台账 + 催费单 + 数据看板（附实操）

我最近用 WorkBuddy 试了一把：只给了一句需求，它就生成了一套能直接打开用的**物业催费管理系统**（网页版，单文件，无需装环境）。

2026-09-15

《6 个坑，我把 GPT-SoVITS 语音克隆跑通了：一份可直接复制的踩坑记录 #WorkBuddy#》

## 一、为什么要干这件事我想要一个"本地、离线、专属"的语音合成环境——模型在自己硬盘上，文本不经过任何服务器。选 GPT-SoVITS 的理由很直接：社区模型多、支持微调、Windows 一键整合包开箱可用。结果这条路比想象中曲折。整合包本身没问题，**坑全在"怎么把它跑起来"和"怎么把它打包好"上**。下面按踩坑顺序来。 --- ## 二、踩坑记录 ### 坑 1｜用"后台任务"启动 WebUI，进程活着但不监听端口 **现象**：用 Agent 的后台执行方式拉起 `webui.py`，日志只打印到：然后就没有然后了。进程在（`tasklist` 能看到 python.exe），但 `netstat` 里 9874 端口**从来没有 LISTEN**，`curl http://127.0.0.1:9874` 一直连不上。等了 10 分钟、20 分钟，一样。 **根因**：GPT-SoVITS 的 `webui.py`（Gradio）需要一个**真实的交互式终端**。后台/无终端方式启动时，它会在初始化流程里静默卡住，不报错、不退出、不监听——最难查的那种"假活"。 **解决**：不要用后台方式跑它，写一个用户双击的启动器，在真实 cmd 窗口里执行。 **教训**：**凡是交互式/带 UI 的本地服务，别用后台任务的方式托管**。判断一个服务是否"真的起来了"，永远看端口监听，不看进程列表。 --- ### 坑 2｜直接调 `go-webui.bat` 不灵，但换成 runtime 里的 python 就通了整合包自带的 `go-webui.bat` 里做了环境变量拼接、目录切换等一堆事，在某些环境下会中途失败（尤其是从别的 shell 调用时）。 **更稳的写法**：跳过包装脚本，直接指定 runtime 里的解释器： `-I` 是隔离模式，避免当前机器的用户 site-packages 干扰整合包自带环境——这一步很重要，能挡掉一大类"在我机器上跑不通"的问题。 --- ### 坑 3｜第一次启动要等 3–5 分钟，窗口一动不动，很容易误判为卡死模型大约 1.5 GB，首次加载要往内存里搬。这期间： - 窗口没有新输出； - 没有任何进度条； - CPU/内存会有波动，但界面纹丝不动。 **判断标准只有一个**：等到出现在此之前别关窗口、别重复启动（重复启动会抢端口）。超过 5 分钟仍无输出，才需要去看日志。 --- ### 坑 4｜中文路径/中文输出乱码两三行就能解决，但一旦漏了就很抓狂：批处理文件本身也要存成 UTF-8，否则中文注释会直接把脚本解析炸掉。 --- ### 坑 5｜创建桌面快捷方式被安全策略拦了想用 PowerShell 的 `WScript.Shell` COM 创建 `.lnk`，结果 **COM 调用被安全策略直接拦下**（连 `Shell.Application` 也是），返回空或直接失败。 **退而求其次但完全够用的做法**：把 `.bat` 启动器**复制一份到桌面**。双击一样能用，图标丑一点，但零依赖零权限。 **教训**：被环境限制时，不要死磕"正规做法"，**换一个能达到同样效果的土办法**往往更省时间。目标是"用户双击能用"，不是"生成一个真正的 .lnk"。 --- ### 坑 6｜打包含中文名的 zip，解压出来全是乱码（本篇最值得记的一条）这条跟 GPT-SoVITS 无关，但同一次任务里踩到了，而且**极隐蔽**。 **现象**：用系统自带的 `Compress-Archive` 打包一个含中文文件名（如"工作区记忆"）的目录，压缩过程一切正常、大小正常。但**解压后文件名变成 `ÕÀÑõ¢£Õî¦ޫ¦Õ+å` 这种鬼画符**，内容还在，名字全废。 **根因**：`Compress-Archive` 写 zip 时，中文文件名**没有按 UTF-8 写入、也没有设置 UTF-8 标志位**，解压端（尤其是非简体中文环境或某些解压工具）就按本地代码页猜，一猜就错。 **解决**：改用 7-Zip 打包，它写 zip 时中文文件名是标准 UTF-8： **关键动作——打完包必须"回读验证"**：看解压出来的文件名是否完好，再抽查一两个文件的大小是否与原件一致。**"压缩成功" ≠ "能被正确解压"**，这一步不做，等于把坑留给未来的自己。 --- ## 三、最后交付的东西一个复杂的 AI 工具，用户真正需要的不是"安装成功"，而是**双击就开**。最后落地的产物是： |产物|作用| | --- | --- | |启动GPT-SoVITS.bat|双击启动，自动切 UTF-8、检查 runtime、启动服务、45 秒后自动开浏览器| |桌面同名副本|零权限依赖的入口| |使用指南（Markdown）|参数填写规则、可用音色清单、报错排查| 界面里几千个参数，用户真正要填的其实只有四个框：**参考音频路径、参考文本、语种、要合成的文本**。剩下全部保持默认。**把复杂度吃掉，是工具人的职责。** --- ## 四、给同路人的五条总结 1. **交互式服务别用后台任务托管**，判断存活看端口，不看进程； 1. **优先用 `runtime\python.exe -I` 直启**，绕开包装脚本和环境污染； 1. **首次启动慢是正常的**，认准 `Running on local URL` 这一行； 1. **中文名 zip 一律用 7-Zip 打包，并强制解包回读验证**； 1. **被安全策略拦住时，换土办法实现同等效果**，别跟环境较劲。

2026-09-15

#WorkBuddy# AI 把个人能力放大 400 倍？我信，但前提是你得先把经验变成能复用的东西

![](https://developer.qcloudimg.com/http-save/yehe-12690655/64a5747258e7033398ca66521b8fc4b5.png) YC 的总裁 Garry Tan 最近说了句话，我盯着看了半天：靠 vibe coding 和 Agent 编程，今天一个人能顶九个月前的 400 个自己。「400 倍」这种数字，听听就好，大概率是拿最猛的个例乘出来的。但他后面那句才是真东西—— 他说，创业者不该追热点，该追问的是：有什么是你独有、别人没有的认知？还有一句更狠：把一次成功的工作，沉淀成一份可复用的 Markdown 技能文件，让流程可重复、可修复。前半句是鸡汤，后半句是方法。我以前就是典型的反面教材：同一个流程，每次用时都重新跟 AI 描述一遍需求，改来改去，看着挺忙，其实每回都在从零开始。后来我把一个跑顺的流程写成了一份固定的说明——什么时候用它、分几步、每一步的输入输出是什么、哪个地方最容易踩坑——再遇到同样的活儿，直接调出来用。省下的不是几分钟，是「重新想一遍」的那个脑子。说白了，AI 的杠杆根本不在「你用了没有」，而在「你有没有把经验变成能重复调用的东西」。用得再多，每次都从头问，你还是那个你；把一次成功固化下来，你才有第二个你。怎么固化，其实就三步。第一，挑一件你这周真的做完过的事，别挑你觉得「应该能行」的。第二，把它写成一段能照着做的话：触发条件、步骤、每步的产出、已知的坑。不用写漂亮，写清楚就行。第三，下次遇到同类任务，先翻这份东西，别再重新描述。这里我要站个队。Garry Tan 说「别追热点」，我完全同意，而且觉得这点比 400 倍更重要。热点每天都有，跟着跑很累，还攒不下东西；真正稀缺的是你对某个具体场景的理解——那个理解，才是能变成技能文件的原料。（方法不复杂，建议先收藏，下次遇到重复活儿翻出来照着写第一份。）最后抛个问题：你手上有没有一件「每个月都要重做一遍」的事？评论区说一件出来，我挑几个帮你拆成可以复用的流程——顺便看看大家重复劳动的重灾区到底在哪。

2026-09-14

#WorkBuddy# 别再自己攒 Agent 框架了：OpenAI 把 Codex Harness 做成托管服务，独立开发者的账要重算

![](https://developer.qcloudimg.com/http-save/yehe-12690655/33c0a103034da643261967149b260bc7.png) 为了把一个天天重复的活儿交给 AI，我啃了两天 Agent 框架的文档。循环怎么写、工具调用失败怎么重试、上下文超了怎么截断——光这几件事，就够写满一整个文件，还没算调通。结果昨天 OpenAI 直接把这活儿接走了。 9 月 13 日它一口气发了四条产品线，最值得盯的是 Agents API 开放公测。用法简单到有点不真实：你只要交代四件事——任务是什么、用哪个模型、有哪些工具、跑在什么环境——它就把 Agent 给你搭好。长会话怎么压缩、工具怎么调度、多个子 Agent 怎么分工，这些以前的脏活，现在由它自家的 Codex Harness 托管。而且 API 本身不另外收费，只按 token 和工具用量算钱。听起来很香，但我想先泼一盆冷水。自建和托管，其实是在两个东西之间做交易：一个是「控制权」，一个是「省事」。自己攒框架，你能看到每一步、能改每一处、数据不出你的机器，代价是时间——大量的时间。用托管，脏活不用干了、上线快了，代价是有一部分黑盒你碰不到。我的判断很直接，分两种情况。如果你在做原型、在验证一个想法、手上又没人——那就用托管的，别自建。省下来的时间够你试十个方向，哪个方向值得做，比「框架写得优雅」重要一万倍。如果你对数据流向有要求、或者量已经大到成本敏感——这时再考虑自建。而且到了这个阶段，你已经清楚该自建哪几块了，不会白干。有件事必须提前做：设预算上限。Agent 和普通聊天不一样，它会自己一轮轮调工具，token 花得又快又静。不设上限，一觉醒来账单能让你心跳加速。还有个细节值得留意：这条路线其实已经分岔了。OpenAI 走托管，DeepSeek 那边走开放插件生态。选哪边，说到底是选「省事」还是选「可控」。没有标准答案。但要有意识地选，别跟着默认值糊里糊涂走。（这套「托管 vs 自建」的取舍挺绕，建议先收藏，后面我把成本对照算出来再补一篇。）我押一个观点：现在 90% 的个人开发者根本不需要自建 Agent，自建纯属自我感动。你要是不服，评论区来辩——顺便说说你自己攒框架踩过最大的坑是什么。

2026-09-14

让 AI 写稿不再"一眼假"：WorkBuddy 定时自动化 + 五道质检门禁，双号内容工厂无人值守实录

> **行业/岗位**：自媒体内容运营（知识付费方向），一人独立运营两个账号：头条号"不着急的老伙计"（50-70 岁银发赛道）+ 公众号"半程赴山海"（女性成长情感赛道） > **用 WorkBuddy

2026-09-13

我花了两个月才搞懂：WorkBuddy的“看”和“画”根本是两回事

> 一个非技术岗用户的真实踩坑记录，从“看图”到“出图”中间隔了多少层误解 ## 一、先说结论：AI不会“看图” 两个月前，我拿到一张别墅效果图，想试试能不能让WorkBuddy直接出一套CAD施工图。

2026-09-13

#WorkBuddy# DeepSeek V4.1 Flash 技术深扒：CSA2 把 KV 缓存压到 890 字节/token 意味着什么

![](https://developer.qcloudimg.com/http-save/yehe-12690655/f5b73da42e19c11aedb0f1198a5c8ac8.png) 几乎和 Astra 全量开放同一天，DeepSeek 放出了 V4.1 Flash 的详细技术报告，Hacker News 直接置顶。5520 亿参数（552B）的 MoE，却被他们玩成了"省显存王炸"——核心就是把 KV 缓存压到了约 890 字节/token。这篇不聊发布会，只拆架构，讲清楚它对你部署和成本到底意味着什么。 ## 一、先搞懂：KV 缓存为什么卡住推理成本大模型推理分两步：prefill（一次性处理输入）和 decode（一个个吐 token）。decode 阶段每生成一个字，都要回头看之前所有字的 KV（Key/Value）向量，存在显存里。所以： - 上下文越长，KV 占的显存越多 - 并发越高（很多人同时问），显存越爆 - KV 大小直接决定"一台机器能撑多少并发、多长上下文" 过去大家靠量化（INT8/INT4）压 KV，但 DeepSeek 这次上了新架构。 ## 二、CSA2 怎么把 KV 压到 890 字节 V4.1 Flash 用了两个关键设计： - CED 架构（Causal Encoder-Decoder）：20 层因果 encoder 喂 20 层 decoder，prefill 只激活约 8B 参数/token，decode 16B/token——比很多小模型还省 - CSA2（Compressed Sparse Attention 2）+ FP4 KV 缓存：把 KV 做"压缩 + 稀疏 + 4 位存储"，整体 KV 压到约 890 字节/token，约为上一代 V4-Flash 的四分之一效果：缓存命中价低到 $0.003 / 百万 token，整体成本约为 Astra 的 1%。 ## 三、对你意味着什么 1. 长上下文更便宜：同样的钱，能喂更长的上下文、接更多并发 2. 部署门槛"显存侧"下降，但"参数侧"上升：KV 省了，可模型本体 552B 比上代 284B 大了一倍，消费级显卡反而更难本地跑——想本地部署得靠多卡或量化 3. 适合做"主力廉价层"：把高频、对极致智能不敏感的任务全丢给它，把贵模型留给少数重活 ## 四、选型：Astra 还是 DeepSeek V4.1 Flash 一句话： - 要极致智能、长文档综合推理、会操作电脑 → Astra（但贵） - 要海量并发、低成本、长上下文通吃 → DeepSeek V4.1 Flash（成本约 1%）很多团队的正确姿势是"两层架构"：V4.1 Flash 当默认主力，Astra 只处理真正难的任务。你更关心"怎么把推理成本压下来"还是"本地能不能跑起来"？评论区告诉我，下篇我直接上部署实测。

2026-09-12

从 Windows 到 ARM 开发板：#WorkBuddy# 帮我把 QQ 机器人搬进了 24 小时开机的小盒子

# 从 Windows 到 ARM 开发板：#WorkBuddy# 帮我把 QQ 机器人搬进了 24 小时开机的小盒子 > 本文是个人实战记录：把一台 Windows 上运行的 QQ 机器人整体迁移到

2026-09-12

#WorkBuddy# #AI办公# 用 Playwright 搭建腾讯云社区自动发文流水线：持久登录态、自动传图与发布验证

既然我平时就用 WorkBuddy 的自动化任务定时干活（此前写过《自动化任务实战》），这篇文章本身就属于"每天定时发布"的场景，那干脆让流水线自己发自己：WorkBuddy 定时触发一个 Playwright

2026-09-11

我用 WorkBuddy 把经营周报做成了「全自动」：直连钉钉宜搭拉数据，一句话出报表

后来我用 WorkBuddy 把整套流程做成了"技能"（Skill），现在只要说一句"生成 X 月的经营周报"，十几分钟后一份带图表的 HTML 周报就躺在桌面上了。

2026-09-10

WorkBuddy 内存优化实录：4G 轻量服务器上把平台占用从 2.7G 压到 2.5G

## 背景我在一台 4GB 内存的 Windows 轻量云服务器上跑 WorkBuddy 做 7×24 的自动化任务。近期发现系统可用内存长期只剩 0.5G 左右，任务经常因为内存吃紧而变慢。

2026-09-10

# #WorkBuddy# 投顾队长的AI工作台实录：五步上手，再用自动化接管每天盯盘复盘

直到把WorkBuddy用起来，我才发现AI办公这件事的关键差别：**它能直接交付成品，而不只是给建议**。

2026-09-09

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

精选列表

用 WorkBuddy 做了个 Windows 壁纸助手：一个普通用户和 AI 结对开发三天的真实记录

#WorkBuddy# 当 AI 助手遇上博图 Openness：SCL 一键导入-编译流水线实战（附完整踩坑清单）

别再截图贴 Word 了：把流程图改成矢量图，体积降到 1/27，放多大都不糊 #WorkBuddy#

#WorkBuddy# 自动化任务从零设置到落地：一篇讲透每一步操作的完整教程

WorkBuddy 实战：我给公众号搭了一条全自动内容生产线，含三个踩坑修复记录

#WorkBuddy 实战：一个人、一周、四件交付物——公益宣传物料生产线搭建全记录

#WorkBuddy# 模型在加速退役、内存在加速涨价：把 AI 接进流程的人，最该攒的是「换掉它的成本」

WorkBuddy + IMA 知识库 200 段历史对话知识库查询，从此随搜随有，资产随时沉淀

用WorkBuddy一句话做出物业催费管理系统：欠费台账 + 催费单 + 数据看板（附实操）

《6 个坑，我把 GPT-SoVITS 语音克隆跑通了：一份可直接复制的踩坑记录 #WorkBuddy#》

#WorkBuddy# AI 把个人能力放大 400 倍？我信，但前提是你得先把经验变成能复用的东西

#WorkBuddy# 别再自己攒 Agent 框架了：OpenAI 把 Codex Harness 做成托管服务，独立开发者的账要重算

让 AI 写稿不再"一眼假"：WorkBuddy 定时自动化 + 五道质检门禁，双号内容工厂无人值守实录

我花了两个月才搞懂：WorkBuddy的“看”和“画”根本是两回事

#WorkBuddy# DeepSeek V4.1 Flash 技术深扒：CSA2 把 KV 缓存压到 890 字节/token 意味着什么

从 Windows 到 ARM 开发板：#WorkBuddy# 帮我把 QQ 机器人搬进了 24 小时开机的小盒子

#WorkBuddy# #AI办公# 用 Playwright 搭建腾讯云社区自动发文流水线：持久登录态、自动传图与发布验证

我用 WorkBuddy 把经营周报做成了「全自动」：直连钉钉宜搭拉数据，一句话出报表

WorkBuddy 内存优化实录：4G 轻量服务器上把平台占用从 2.7G 压到 2.5G

# #WorkBuddy# 投顾队长的AI工作台实录：五步上手，再用自动化接管每天盯盘复盘

资源下载

优质分享App

Mario

Nacos

Sublime Text

欢迎您来访！