搜索 proxy chain ？ 相当于套 2 层代理请求 claude code

好巧，刚好在听你们的博客。 请问 Stripe 是怎么申请的？

可以看看 omniplan

第一种。ai 足够强大的话你可以把 ai 理解为你招的外包。

前端每一个页面功能耦合度不高，所以就全部用 ai 写。ai 写的代码其实会更清晰易读一读。

1. 在最后合并前 review ，确保不引入离谱的 bug
2. 产品质量由测试保障，包括人肉测试和自动化测试。

也可以试试看 https://caprover.com/

caprover 有图形界面。caprover 也是基于 docker swarm 的。

自动 ssl ，反向代理，兼容 docker-compose 、多副本部署应该也都支持。

love makes life bright

用 claude code 算的，我没验算对不对， 总时间 40s

是不是可以设置 app 不允许分屏？ 这样 bug 就不会出现了

提供一个不一样的解决方案


1. 买 2 块 8 t 的影片，放在 218 里。
2. 买 3 年百度盘会员。 一年 200 不到。
3. 群晖的 cloud sync 开启备份， 把数据都加密被分到百度盘
4. 买一个移动硬盘盒， 定期把 218 的数据被分到之前的 3t 硬盘里。


感觉你目前的数据量 2 盘够了。 升级硬盘即可，没必要买 4 盘位的/

看了桌面截图，我发现蚂蚁之前的内网的网盘居然也是 seafile

@fahaocuihua 不需要。 如果是卖自己的产品，或者是 app 会员，不需要 ICP 。

只有做平台才需要 icp 。 比如支持其他卖家上架，让买家购买，才需要 icp

@ScepterZ

如果是一个房间比较远，可以买带电池的毫米波接收器

电脑 -> 毫米波接收器 （带电池） -> 显示器

@NeverBelieveMe

7 寸屏幕 100 多 g ，掌机 500g 。～ 600g
屏幕没有 cpu ，电池，散热。 轻很多很多

我深入研究过这个话题，分享一下我的方案

1. 咸鱼买一个 7 寸的便携屏 (带 joycon 底座的。（ 500 rmb
2. 使用 type c 连接掌机
3. 在便携屏左右安装 joycon

这样整体不到 300g 。 是最轻的方案。
如果觉得 joycon 手感差，可以换成 魔派双子星

分享一下我的思路。 同样是给予 playwright 实现
测试用例是基于自然语言的



await page.goto(`https://www.baidu.com/`);
const testWriter = new TestWriter();
await testWriter.run('选中输入框', await buildContext(page));
await testWriter.run('输入你好', await buildContext(page));
await testWriter.run('点击搜索', await buildContext(page));



testWriter 在执行的时候，我会把当前页面的截图提供给 ai 。 并且提供一系列的 tools 给 ai ， 让 ai 自己编写代码

const description = `
1. the code is sent to playwright's page.evaluate(code) to execute.
2. The result will be serialised to json. Only the first 500 characters will be returned.
3. The result must be serialisable.
4. Please don't define a function
5. Don't write the await function
`;

export const evaluateCodeInPage = (page: Page): RunnerTool<string> => {
return {
definition: {
type: 'function',
function: {
name: 'evaluateCodeInPage',
description: description,
parameters: {
type: 'object',
properties: {
code: {
type: 'string',
description: 'JavaScript code to evaluate in the page context. will call page.evaluate(code)',
},
},
},
},
},
toolCall: async (args: string) => {
const { code } = JSON.parse(args);
const result = await page.evaluate(code);
return {
content: JSON.stringify(result).slice(0, 1000),
};
},
};
};


ai 自动根据 evaluateCodeInPage 查找页面元素是否存在，自动编写 playweight 的脚本。
编写好脚本后，会调用 SaveCodeTool 把测试脚本保存在本地

export const SaveCodeTool: openai.ChatCompletionTool = {
type: 'function',
function: {
name: 'saveCode',
description: '保存代码',
parameters: {
type: 'object',
properties: {
fileName: { type: 'string', description: 'no extension' },
code: { type: 'string' },
},
},
},
};


下一次运行的时候，就完全不需要 AI 了。 只需要执行测试脚本即可。
有些 ai 写不对的地方，也可以人肉帮 ai 写一下。



未来会在这里开源 https://github.com/mockforge/testforge

可以用 deepkseek + cline 暂时替代。

rank 15 的是 just-js ， 居然是 js

推荐 CapRover ， 基于 docker 开发的。

优点是开源免费，架构简单。 可以免去配证书的麻烦事。
出了图形界面，还有 cli ，可以自己和 GitHub action 组合，搞 CICD 。

@foolishcrab

mock 数据和代码是放在一起的，方便写测试，本地管理。

通过 npm 集成，可以让所有维护者都不需要安装插件。