读取 CPU 型号信息：Windows 注册表与 Linux /proc/cpuinfo 方法汇总
CPU 型号信息（如 12th Gen Intel(R) Core(TM) i5-12400）的唯一真实来源是 CPUID 指令，操作系统在启动时读取 CPUID 并将结果缓存到系统结构中，之后所有查询都从这份缓存中读取。 Windows：注册表路径 CPU 信息存放在： HKEY_LOCAL_MACHINE\HARDWARE\DESCRIPTION\System\CentralProcessor\0关键字段：键名 示例值ProcessorNameString 12th Gen Intel(R) Core(TM) i5-12400VendorIdentifier GenuineIntel~MHz 2500命令行查询： reg query "HKEY_LOCAL_MACHINE\HARDWARE\DESCRIPTION\System\CentralProcessor\0"wmic 查询（更简洁）： wmic cpu get name导出整个 CentralProcessor 分支： reg export "HKLM\HARDWARE\DESCRIPTION\System\CentralProcessor" cpu.regregedit 图形界面： 导航到上述路径 → 右键 → 导出。 Python 读取注册表 import winregkey_path = r"HARDWARE\DESCRIPTION\System\CentralProcessor\0" key = winreg.OpenKey(winreg.HKEY_LOCAL_MACHINE, key_path)cpu_name, _ = winreg.QueryValueEx(key, "ProcessorNameString") vendor, _ = winreg.QueryValueEx(key, "VendorIdentifier") mhz, _ = winreg.QueryValueEx(key, "~MHz")print(cpu_name) # 12th Gen Intel(R) Core(TM) i5-12400Linux：/proc/cpuinfo cat /proc/cpuinfo | grep "model name" | head -1 # model name : 12th Gen Intel(R) Core(TM) i5-12400lscpu | grep "Model name" # Model name: 12th Gen Intel(R) Core(TM) i5-12400/proc/cpuinfo 是内核动态生成的虚拟文件，每次读取都从内核的 cpu_info 结构体生成，本质是 CPUID 的解析结果。 Python 读取： with open('/proc/cpuinfo') as f: for line in f: if line.startswith('model name'): print(line.split(':')[1].strip()) break注意：注册表信息可以被伪装 注册表里的 CPU 信息不是"唯一可信来源"：虚拟机（VMware/VirtualBox/Hyper-V）可以在配置中修改 CPUID 返回值 驱动层可以拦截并修改 WMI 查询结果因此注册表/WMI 读取的 CPU 型号可能与物理 CPU 不一致，这是虚拟化平台的常见行为。 各方法对比方法 平台 特点wmic cpu get name Windows 最简单reg query Windows 可脚本化winreg (Python) Windows 程序读取lscpu Linux 格式化输出/proc/cpuinfo Linux 原始详情
BIP39 助记词生成 Solana 地址：SLIP-10 + Ed25519 全流程
BIP39 助记词生成 ETH 地址靠 secp256k1 + keccak256，走 Solana 就完全换了一套——Ed25519 + SLIP-0010，最后不做 hash，直接 Base58 编码公钥。 全流程 助记词 (Mnemonic) │ PBKDF2-HMAC-SHA512 ▼ Seed (64 字节) │ SLIP-0010 (Ed25519) ▼ Master Key │ 按路径 m/44'/501'/0'/0' 派生 ▼ Ed25519 私钥 (32 字节) │ Ed25519 公钥算法 ▼ 公钥 (32 字节) │ Base58 编码 ▼ Solana 地址和 BTC/ETH 唯一相同的只有第一步"助记词转 seed"，之后全变了。 第一步：助记词 → seed 标准 BIP39，PBKDF2-HMAC-SHA512： password = 助记词字符串 salt = "mnemonic" + passphrase iters = 2048 output = 64 字节Python： from mnemonic import Mnemonicmnemo = Mnemonic("english") seed = mnemo.to_seed( "abandon abandon abandon abandon abandon abandon " "abandon abandon abandon abandon abandon about", passphrase="", ) print(seed.hex())第二步：seed → Master Key（SLIP-10 Ed25519） Solana 用 SLIP-0010（Ed25519 版本），和 BIP32 的 secp256k1 分道扬镳： I = HMAC-SHA512(key="ed25519 seed", data=seed) IL = master private key (32 字节) IR = master chain code (32 字节)第三步：派生路径 Solana 默认路径： m/44'/501'/0'/0'44'：BIP44 501'：Solana 的 coin type 0'：account 0'：change每一级都是 hardened derivation（' 表示 + 2³¹）。Ed25519 只支持 hardened 派生，非 hardened 会直接报错。 第四步：公钥 & 地址 私钥经 Ed25519 算出 32 字节公钥。地址 = Base58(公钥)，就这么简单：没有 SHA-256 double hash 没有 RIPEMD-160 没有 keccak 没有 checksum（Base58 本身没自带校验，也没有像 BTC 那样附 4 字节 hash）Python 一把梭 bip_utils 把上面所有细节封好了： from bip_utils import Bip39SeedGenerator, Bip44, Bip44Coinsmnemonic = ("abandon abandon abandon abandon abandon abandon " "abandon abandon abandon abandon abandon about")seed = Bip39SeedGenerator(mnemonic).Generate()bip44 = Bip44.FromSeed(seed, Bip44Coins.SOLANA) account = bip44.Purpose().Coin().Account(0).Change(Bip44Changes.CHAIN_EXT).AddressIndex(0)print("地址:", account.PublicKey().ToAddress()) print("私钥:", account.PrivateKey().Raw().ToHex())Phantom / Solflare 里的第一个账号导出出来应该跟上面一样。 常见误区 Solana 地址和 ETH 地址长得像 其实完全不同：ETH 地址：40 字符 hex + 0x 前缀，checksum 在 EIP-55 里靠大小写实现 Solana 地址：Base58 编码的 32 字节公钥，长度 32~44 字符，无固定前缀Solana 私钥文件是 64 字节而不是 32 Solana 的钱包 JSON（Phantom 导出）通常是 64 字节：前 32 是私钥 seed、后 32 是公钥。生成时： priv32 = account.PrivateKey().Raw().ToBytes() pub32 = account.PublicKey().RawUncompressed().ToBytes()[-32:] keypair_bytes = priv32 + pub32 # 64 字节导入 solana-cli 或 Phantom 时用这个格式。 Ed25519 派生路径可以省略部分层级 Phantom 早期用 m/44'/501'/0'（只三层）而非 m/44'/501'/0'/0'——同一助记词在这两种路径下算出来的地址不同。发现"钱包地址对不上"时先检查是不是路径差异，试试：m/44'/501'/0' — Phantom "legacy" m/44'/501'/0'/0' — 现在的默认一句话总结 Solana 地址生成 = BIP39 seed → SLIP-10 Ed25519 派生 → Base58(公钥)。和 EVM 完全两套加密路径，别拿 ETH 的经验类比。用 bip_utils 三行搞定，别自己实现 Ed25519。
GPU 租赁平台架构：Agent 节点管理、Docker 容器调度与供给冷启动
核心难点：供给而非技术 GPU 租赁平台最先需要解决的问题不是如何调度，而是为什么别人愿意把 GPU 挂到你的平台。供方需要确认：平台真的有租用需求，不会长期空跑 收益能覆盖电费和硬件损耗 提现流程可靠 机器不会被用于挖矿或违法用途Agent 节点管理（主流方案） Agent 是一个安装在供方机器上的后台进程，负责： 采集信息 ├── GPU 型号 / 显存 / 温度 ├── CPU 利用率 ├── 内存 / 硬盘 ├── 公网 IP / 带宽 ├── 在线状态 └── CUDA 版本 / 驱动版本上报到平台服务器 ↓ 控制台展示节点列表 ↓ 用户下单 → Agent 收到任务 → 启动容器Agent 还需要支持：开机自启、掉线重连、心跳保活、远程执行命令。 容器调度（Docker Worker） 大多数 GPU Marketplace 用 Docker 而非虚拟机： # 接单后自动执行 docker pull nvidia/cuda:12.0-base docker run \ --gpus all \ -p 30000:22 \ -d nvidia/cuda:12.0-base sleep infinity# 租户通过 SSH 接入 ssh user@node-ip -p 30000也可以直接暴露 Jupyter 或 ComfyUI 等界面，省去 SSH 配置。 Docker vs 虚拟机方案 优点 缺点Docker 启动快、开销小 隔离性略弱KVM/QEMU 安全隔离好 GPU 透传（PCI passthrough）配置复杂生产环境主流选 Docker，只有对安全隔离有严格要求的场景才考虑虚拟机。 闲置 GPU 共享（家用机） Agent 可以实现智能避让： def should_accept_task(): gpu_util = get_gpu_utilization() # nvidia-smi cpu_util = get_cpu_utilization() user_active = is_user_active() # 检测鼠标 / 键盘活动 return gpu_util < 10 and cpu_util < 10 and not user_active用户回来玩游戏时 Agent 自动暂停任务、释放 GPU。 计费与分润 用户支付租金 ↓ 平台抽成（通常 10~30%） ↓ 供方获得剩余收益平台抽成比例需要在"吸引供方"和"平台可持续"之间平衡。 冷启动策略 新平台面临先有鸡还是先有蛋的问题，推荐分阶段：先签稳定供方：找渲染农场、AI 创业团队、网吧（高配置机器）合作，保证第一批节点稳定在线 建控制台：展示节点状态、GPU 利用率、收益统计 实现任务调度：支持自动分配节点、启动 Docker 容器 最后开放市场：加入公开租用、计费、支付、评分系统每个阶段独立验证价值，避免同时解决供给、需求、调度、支付四个难题。
给工具起名和写简历项目：从 "XX 助手" 升级
给自己做的工具起名 / 写简历里的项目描述，都有个共通的坑——词汇太朴素。"XX 助手"、"XX 工具"、"XX 平台"这类词一看就是学生项目。稍微换个词就能显得专业得多。 工具起名的思路 高级感的名字通常从这几类词里选： 观察 / 监控类：Monitor、Observer、Sentinel、Watcher、Guardian、Radar、Scope、Insight、Vision 智能 / 分析类：Intelligence、Analytics、Nexus、Matrix、Engine、Pulse、Beacon、Prism 天文 / 神话（黑科技风）：HawkEye、Falcon、Orion、Nebula、Polaris、Helios、Atlas、Nova、Phantom SaaS 风（推荐）：FanScope、FanPulse、FanInsight、FollowRadar、DataScope 之类的"XXScope / XXInsight / XXPulse"。 举个例子 一个"微博粉丝监控"工具怎么起名： 朴素版：微博粉丝监控助手 / 微博粉丝监控工具 升级版：FanScope — 简洁、有辨识度、能扩展到 X/Instagram/TikTok FanInsight — 强调"洞察" Weibo Sentinel（微博哨兵） — 更符合中文语境 Weibo Radar（微博雷达） — 类似 GitHub Radar Follower Intelligence — B 端 SaaS 感加副标题：FanScope · 社交粉丝监测中心 起名的实用原则短：1-3 个词、8 个字母以内更好 可扩展：别把范围写死（"微博"XX 后面就扩不到 X） 可拼：能一次听清楚（客户口头传播） 域名可注册：.io / .ai / .app 或者不常见的 .dev 英文：面向国际市场就英文；纯国内也可以中文（微博哨兵） 有辨识度：避免和知名产品撞名简历里的项目描述 同一个坑。见过这种： 项目：微博粉丝监控助手 技术：动态代理池、过滑块验证码、请求重试面试官看完只知道你"做了个爬虫"，不知道你的价值。 三步升级 第一步：把功能点包装成技术能力 不要写"过滑块验证码"，写"构建智能验证码识别与自动化验证模块"。 第二步：加上"解决了什么问题" "设计请求风控对抗策略，提高数据采集稳定性与成功率"。 第三步：能量化就量化"代理可用率保持 95%+" "任务稳定运行 7×24 小时" "单机采集速度提升 3 倍，日均处理 100 万+ 请求"完整模板 ## FanScope · 社交粉丝监测中心技术栈：Python 3.11、FastAPI、Playwright、Redis、PostgreSQL、Celery**项目亮点**：- 设计并实现高可用代理资源管理系统，支持动态扩容、健康检测及智能调度 → 代理可用率保持 95%+，降低采集失败率 60%+ - 构建自动化验证处理能力，提升复杂交互场景下的任务成功率 → 验证成功率提升至 90%+ - 实现多维度风控规避策略（请求节流、指纹管理、访问策略优化） → 任务稳定运行 7×24 小时 - 搭建可观测监控体系，支持日志分析、异常告警及性能统计比原始描述专业得多。 数据量化的技巧 没有精确数据怎么办？给一个合理区间，别虚构离谱数字。"支持 千级并发"——比"支持很多并发"具体 "响应延迟 < 100ms"——具体指标 "服务 10 万+ 用户"——有量级 "覆盖 80% 主流场景"——覆盖率面试官问细节时能说清是怎么算的就行，不用给具体日志。 常见项目类型的表达原始描述 升级后做了个爬虫 自研分布式数据采集系统过滑块验证码 构建自动化验证识别与处理模块动态代理池 高可用代理资源管理与智能调度增加了缓存 引入分级缓存策略，接口 P99 从 500ms 降至 80ms做了后台管理 搭建面向 XX 场景的管理平台，支持多角色权限用 WebSocket 推消息 设计双向长连接推送协议，支持多端订阅写了小程序 独立完成 XX 小程序前端，覆盖 XX 核心业务我的建议 写项目描述时，脑子里过一遍这三个问题：这个项目解决了什么问题？（不是"实现了什么"，是"为什么要做"） 技术选型的理由是什么？（面试常问） 可量化的成果是什么？（可能是性能、可用性、覆盖率、用户量）三个问题都想清楚，简历里那两行字自然就出得来。 一句话总结 工具起名用 Sentinel / Insight / Radar / Pulse / Scope 这类词升级"XX 助手"。简历项目用 "技术能力 + 解决什么 + 量化成果" 三段式，比堆技术栈有说服力。
React 回到顶部按钮：自实现 vs Ant Design FloatButton vs react-scroll-to-top
自己实现（推荐，无依赖） 约 30 行代码，支持平滑滚动，可自由定制样式： import { useEffect, useState } from "react";export default function BackTop() { const [show, setShow] = useState(false); useEffect(() => { const onScroll = () => { setShow(window.scrollY > 300); }; window.addEventListener("scroll", onScroll); return () => window.removeEventListener("scroll", onScroll); }, []); if (!show) return null; return ( <button onClick={() => window.scrollTo({ top: 0, behavior: "smooth", }) } style={{ position: "fixed", right: 20, bottom: 20, width: 50, height: 50, borderRadius: "50%", cursor: "pointer", }} > ↑ </button> ); }用法： function App() { return ( <> <YourPage /> <BackTop /> </> ); }滚动超过 300px 才显示，点击后平滑回到顶部。useEffect 里记得清理监听器，避免内存泄漏。 Ant Design：FloatButton.BackTop 已经用了 Ant Design 的项目，直接用现成组件： import { FloatButton } from "antd";function App() { return ( <> <YourPage /> <FloatButton.BackTop /> </> ); }支持自动显示/隐藏、动画、自定义位置和图标，零配置可用。 Material UI MUI 没有专门的 BackTop 组件，官方示例用 Fab 实现： import Fab from "@mui/material/Fab"; import KeyboardArrowUpIcon from "@mui/icons-material/KeyboardArrowUp";<Fab color="primary" size="small" onClick={() => window.scrollTo({ top: 0, behavior: "smooth" })} > <KeyboardArrowUpIcon /> </Fab>第三方库：react-scroll-to-top 如果项目没有 UI 库但想省事： npm install react-scroll-to-topimport ScrollToTop from "react-scroll-to-top";function App() { return ( <> <YourPage /> <ScrollToTop smooth /> </> ); }支持平滑滚动、自定义颜色、自定义 SVG 图标、自定义触发高度。 选哪个场景 推荐方案普通 React 项目 自实现，30 行以内已用 Ant Design FloatButton.BackTop已用 MUI Fab + window.scrollTo想快速加功能 react-scroll-to-top不要为了一个回到顶部按钮引入专门的依赖，自实现版本代码量极小且完全可控。