星光下的赶路人

Windows 精确触摸板实现 Mac 同款三指拖拽完整教程

Wed, 26 Aug 2026 10:09:55 +0800

很多用惯 Mac 的用户换到 Windows 笔记本后，最不习惯的就是触摸板缺少三指拖移——三根手指轻放触控板直接拖动窗口、框选文字、拖拽文件，不用用力按压触摸板。本文使用开源免费工具 ThreeFingerDragOnWindows，仅适用于 Windows Precision 精确触摸板（PTP），老款 Synaptics/ELAN 非PTP触控板不支持该方案。

一、前置检查：确认你的电脑是否支持

1. 检测精确触摸板

按下快捷键 Win + I 打开设置 → 蓝牙和设备 → 触摸板页面顶部出现文字：你的电脑有一个精确式触摸板，才可以继续。

如果没有该提示，代表是老旧触控板，底层不支持PTP手势，本方案无效。

2. 确认系统架构（选择对应安装包）

任务栏右键打开任务管理器 → 性能 → CPU

普通AMD/Intel处理器（如R5 4600U、i5-1135G7等）→ x64
Surface Pro X、国产ARM笔记本 → arm64
古董32位系统 → x86

绝大多数新款笔记本直接选择 x64 版本。

二、准备工作：关闭系统原生三指手势（关键！防止冲突）

同样在 Win+I → 蓝牙和设备 → 触摸板

找到三指手势，将三指上滑、下滑、左右滑动全部设置为无
点击选项里，取消勾选【点击两次并拖动以多选】，该选项极易造成误触
✅ 四指手势不受影响，可以保留「四指左右切换虚拟桌面」等原生功能

三、下载与安装 ThreeFingerDragOnWindows

方式1：GitHub 离线安装包（推荐，无网络商店限制）

项目开源地址：https://github.com/ClementGre/ThreeFingerDragOnWindows在 Releases → Assets 里选择对应架构文件：

x64架构：ThreeFingersDragOnWindows_2.0.7_x64.Msix（绝大多数用户）
arm64架构：ThreeFingersDragOnWindows_2.0.7_arm64.Msix
x86(32位)：ThreeFingersDragOnWindows_2.0.7_x86.Msix

.msix 是微软官方安装包，双击即可安装；如果提示安装策略拦截：右键文件 → 属性 → 勾选【解除锁定】后重试。

方式2：微软商店一键安装（最简单，自动更新）

直接打开微软商店，搜索 ThreeFingerDragOnWindows，一键安装，和离线包内容完全一致。

四、软件基础配置（安装完成后打开软件设置）

打开 ThreeFingerDragOnWindows，按照下面参数配置：

✅ Enable three finger drag：开启三指拖拽总开关
Mouse button to be held while dragging：选择 Left button（模拟左键拖拽）
Delay before drag starts（触发延迟）：推荐 200~500ms，数值越高越不容易误触
✅ Run on startup：勾选开机自启
✅ Elevated mode（管理员模式）：勾选后可以拖动任务管理器、安装弹窗这类管理员权限窗口（强烈建议开启）
查看检测状态：显示绿色文字 Touchpad exists and is registered! = 触摸板识别成功
拖拽灵敏度、鼠标加速默认即可，新手无需额外调整

五、使用方法（和Mac完全一致）

三根手指同时轻放在触摸板上直接滑动：

拖动窗口位置
鼠标框选文字、选中文件
拖拽文件、调整选区抬起任意一根手指，拖拽动作立刻结束

六、常见故障排查

三根手指放上去没有任何反应

确认是Precision精确触摸板
系统三指手势已经全部设置为【无】
软件检测提示成功识别触摸板，必要时开启管理员模式

频繁误触，随便放三根手指就触发拖拽

调高触发延迟（调到400~500ms），降低拖拽灵敏度

普通窗口可以拖动，任务管理器/安装弹窗拖不动

在软件设置里开启 Elevated mode，重启软件生效

msix安装包无法安装

优先改用微软商店直接安装

七、拓展方案（可选，丰富更多Mac手势）

ThreeFingerDragOnWindows只专注实现三指拖移，如果你想要更多自定义手势（四指收拢打开开始菜单、媒体控制等），可以搭配下面工具：

GestureSign：免费可视化手势自定义工具，功能丰富，适合需要大量自定义手势的用户
AutoHotkey：脚本级自定义，自由度天花板，适合有基础的进阶玩家
外接妙控板Magic Trackpad：搭配开源驱动，可以实现无限接近原生Mac触摸板完整体验

八、局限说明（硬件底层限制，无法完美复刻Mac）

普通Windows触摸板没有Force Touch压力感应、线性马达触觉反馈，无法实现按压预览、力度反馈
Windows底层滚动惯性算法和macOS不同，即便全部设置完成，顺滑度依然存在细微差距
老旧Win32软件对手势支持不一致，部分程序会吞掉触摸板手势，识别稳定性不如Mac全局统一

补充：原生触摸板基础Mac风格配置（搭配三指拖移一起用）

在系统触摸板设置中额外开启：

✅ 轻点来点按（单指轻触=左键，不用按下去）
✅ 双指轻点=右键
✅ 自然滚动（滚动方向和Mac保持一致）
✅ 双指捏合缩放、双指左右滑动网页前进后退
✅ 四指左右滑动切换虚拟桌面

NyaTerm 最近发现的一款好用的运维工具分享

Mon, 10 Aug 2026 10:07:50 +0800

NyaTerm 是国产的免费开源、跨平台现代化一站式终端运维客户端，对标 Xshell、MobaXterm、WindTerm，由 Rust+Tauri+React 开发，全平台无付费阉割功能，主打一套软件搞定服务器远程登录、文件传输、设备调试、服务器监控等全流程运维工作。

1. 支持连接协议

协议类型	适用场景
SSH（核心）	Linux 服务器远程登录、跳板机、端口转发、OTP 二次验证
内置 SFTP	服务器文件上传下载，无需单独装 WinSCP
本地 Shell	Windows CMD/PowerShell、macOS/Linux 原生终端
Telnet	老旧交换机、工业老旧设备调试
Serial 串口	嵌入式开发板、网络交换机 Console 调试

2. 核心特色功能

多标签、横竖分屏，单界面同时管理多台服务器；
侧边一键查看服务器 CPU / 内存 / 磁盘 / GPU 实时监控、Docker 可视化管理；
内置 AI 终端助手：选中报错自动解析、自然语言生成运维命令；
一键导入 Xshell、MobaXterm、WindTerm 旧会话配置；
连接配置本地加密、云同步备份；
终端操作录制回放、快捷命令模板、SSH 隧道内网穿透。

下载地址

官网：https://nyaterm.app

GitHub 发行页：https://github.com/nyakang/nyaterm/releases

界面

显卡进程查看

硬件资源查看

docker管理

AI集成

windows端口转发，可转发WSL端口

Mon, 27 Jul 2026 15:48:06 +0800

windows自带有端口转发命令，没必要安装其他管理软件

命令如下，将8003端口转发到WSL中的 8003 端口

netsh interface portproxy add v4tov4 listenport=8003 listenaddress=0.0.0.0 connectport=8003 connectaddress=127.0.0.1

查看全部的已配置的转发端口

netsh interface portproxy show all

有个服务必须启动

服务启动后执行以下命令设置开机启动

:: 立即启动 IP Helper 服务
sc start iphlpsvc

:: 设置服务开机自动启动（注意 start= 后面有空格，语法硬性要求）
sc config iphlpsvc start= auto

windwos和linux下获取当前使用的麦克风型号

Fri, 24 Jul 2026 14:17:39 +0800

需求是浏览器获取当前麦克风型号，对不支持的型号做限制，

最开始想的通过js后去麦克风型号，但是在windows下测试的没问题，到linux系统下就不行了

历览器输入以下地址可以看到支持的硬件信息

chrome://media-internals/

在windows下可以看到支持的型号，

但是在linux下看不到

windwo下需要使用 sounddevice 库，linux下使用 pulsectl

import sys

def get_windows_active_mic():
    """Windows 系统：通过 COM/pycaw 接口精确获取当前默认输入的麦克风型号"""
    import sounddevice as sd

    devices = sd.query_devices()

    default_in_id = sd.default.device[0]
    # print("默认录音设备ID：", default_in_id)
    # print("默认录音设备ID：", devices[default_in_id])
    
    return devices[default_in_id]['name']

def get_active_mic_pulsectl():
    import pulsectl
    try:
        with pulsectl.Pulse('get-mic-script') as pulse:
            # 1. 获取默认 Source 的名称
            server_info = pulse.server_info()
            default_source_name = server_info.default_source_name

            # 2. 遍历 Source 寻找描述信息
            for source in pulse.source_list():
                if source.name == default_source_name:
                    # 获取 friendly 名称
                    desc = source.proplist.get('device.description') or source.description
                    return desc
        return "未找到设备"
    except Exception as e:
        return f"获取失败: {e}"

def get_active_mic():
    print(sys.platform)
    """根据操作系统自动路由"""
    if sys.platform.startswith("win"):
        return get_windows_active_mic()
    elif sys.platform.startswith("linux"):
        return get_active_mic_pulsectl()
    else:
        return f"暂不支持的操作系统: {sys.platform}"

if __name__ == "__main__":
    print("当前正在使用的麦克风型号:", get_active_mic())

VLLM服务端启动ChineseErrorCorrector3-4B模型

Sun, 12 Jul 2026 21:46:23 +0800

先贴命令

vllm serve /www/models/Qwen/ChineseErrorCorrector3-4B \
    --max-model-len 10240 \
    --dtype float16 \
    --max-num-batched-tokens 10240 \
    --gpu-memory-utilization 0.4 \
    --max-num-seqs 512 \
    --host 0.0.0.0 \
    --port 8004 \
    --served-model-name csc-3B

这条命令的作用：用 vLLM 高性能推理框架，把中文纠错模型 ChineseErrorCorrector3-4B 启动成兼容 OpenAI 接口格式的 HTTP 推理服务，外部程序可通过 8004 端口调用文本纠错能力。

vllm servevLLM 提供的服务启动子命令，自动内置 OpenAI 兼容 REST API（/v1/completions、/v1/chat/completions），无需自己封装接口。

/www/models/Qwen/ChineseErrorCorrector3-4B本地模型权重文件路径，指向 4B 参数中文文本纠错模型（CSC 错别字校对模型）。

--max-model-len 10240

模型最大支持输入 + 输出总 token 长度 10240。

适合长文本纠错场景（长篇文档、案卷、文章批量校对），超过长度会截断输入。

--dtype float16模型权重 / 推理计算使用 FP16 半精度：

显存占用减半，相比 FP32 节省大量显存；速度更快，绝大多数 Nvidia GPU 原生支持 FP16 加速；纠错类模型对精度不敏感，FP16 不会明显降低校对准确率。

--max-num-batched-tokens 10240

单次推理批处理中，所有并发请求的 token 总和上限 10240。

用来防止瞬间大量长文本请求撑爆显存，和 max-model-len 配套管控显存负载。

--gpu-memory-utilization 0.4限制模型 + KV 缓存最多占用40% GPU 显存（0.4 = 40%）。

预留 60% 显存给系统、其他进程、突发 KV 缓存；多模型混跑、显卡同时跑其他任务时常用低利用率；纯单模型独占显卡可调高至 0.8~0.95 提升并发。

--max-num-seqs 512服务同时允许最多 512 条并行推理序列（并发请求）。

短文本纠错场景可拉高，支持高 QPS；长文本场景建议降低，避免 KV 缓存暴涨 OOM。

--host 0.0.0.0监听本机所有网卡地址，允许局域网 / 其他服务器远程访问接口；若写 127.0.0.1 则仅本机可调用，外部无法连接。

--port 8004HTTP 服务监听端口，调用地址示例：http://服务器IP:8004/v1/chat/completions

--served-model-name csc-3B

API 请求时需要指定的 model 参数名称，不用填冗长模型路径。

调用示例请求体片段：

{
  "model": "csc-3B",
  "prompt": "需要纠错的原文"
}

windows右键管理

Wed, 27 May 2026 09:35:57 +0800

windows11设计之初是为了简化右键，但是很多功能都隐藏起来了，要不通过shift + 右键出来详细右键，要不就得点详情来看，通过以下方法可以直接换为旧版的右键菜单。

开始菜单搜索cmd，以管理员身份打开

运行以下命令

reg.exe add "HKCU\Software\Classes\CLSID\{86ca1aa0-34aa-4e8b-a509-50c905bae2a2}" /f
reg.exe add "HKCU\Software\Classes\CLSID\{86ca1aa0-34aa-4e8b-a509-50c905bae2a2}\InprocServer32" /f /ve

再执行

taskkill /f /im explorer.exe
start explorer.exe

然后点右键就是旧版的菜单了。

还有一个好用的右键菜单管理工具推荐。

ContextMenuManager

下载链接

下载完后不需要安装直接打开就能用

可以管理文件、文件夹、目录等等各种右键菜单。

我现在在目录里面右键就只剩下这些了。

简化了很多。

从其他linux服务器拉取文件到当前服务器

Mon, 18 May 2026 10:48:16 +0800

项目需要，当前服务器通过堡垒机连接，不知道密码，但是其他服务器密码知道，也不能上传文件，所以，只能通过其他服务器将文件传输到当前服务器，其他服务器也没有安装nginx等网络服务，因此只能从过scp命令传输文件

拉取单个文件

scp root@192.168.1.100:/data/test.txt ./

拉取整个文件夹

scp -r root@192.168.1.100:/data/abc /home/

把当前文件推送到远程服务器

scp ./test.txt root@192.168.1.100:/data/

从一台doris导入表结构和数据到另一台doris

Fri, 15 May 2026 09:14:47 +0800

Apache Doris 是一款开源、分布式、MPP 架构的 OLAP（在线分析型）数据库，主打海量数据实时多维分析、秒级 / 亚秒级查询、高并发报表与即席查询，非常适合构建实时数据仓库、BI 看板、用户行为分析、日志分析、湖仓融合等场景。

需要将数据从一台doris集群迁移到另一台doris服务器中，以下是操作步骤

一、迁移表结构

首先将数据库导出sql文件。在一台可以连接doris的linux服务器上执行以下命令

mysqldump -h192.168.1.10 -P9030 -uroot -p \
--no-tablespaces \
--no-data \
--skip-column-statistics \
--databases test_db \
> doris_ok.sql

接下来需要借助一点点AI的力量，把导出的文件交给AI，让它把sql修改成兼容doris数据库的语法，并且支持单个节点doris的（我这里新的doris是单节点的所以这么改，按照实际情况修改提示词），我使用的claude模型，效果比较好，一次就成功了，也可以使用国内模型试试。修改完后的代码保存成sql文件。

最后执行以下命令，导入到新库中

mysql -h192.168.1.45 -P9030 -uroot -p < doris_fixed.sql

二、同步数据

同步数据需要借助doris的CATALOG。“外部数据源的统一入口和命名空间”

它的作用是让 Doris 不只是查询自己内部的数据，还能像一个“数据中台”一样，直接访问 Hive、Iceberg、Hudi、MySQL、PostgreSQL、Elasticsearch 等外部数据源。

在新doris库中执行以下命令，将旧库作为外部数据库连接到doris中。

CREATE CATALOG doris_source PROPERTIES (
    "type" = "jdbc",
    "user" = "root",
    "password" = "mysql.7334453",
    "jdbc_url" = "jdbc:mysql://192.168.1.10:9030/",
    "driver_url" = "https://repo1.maven.org/maven2/mysql/mysql-connector-java/8.0.25/mysql-connector-java-8.0.25.jar",
    "driver_class" = "com.mysql.cj.jdbc.Driver"
);

执行

SHOW CATALOGS;

看到以下doris_source，表示已经连接成功。

然后就可以像操作一个数据库的方式导入数据了

INSERT INTO hx_theme_data.t_license
SELECT * FROM doris_source.hx_theme_data.t_license

运行以下sql生成所有需要导入表sql。

SELECT 
    CONCAT(
        'INSERT INTO hx_theme_data.`', TABLE_NAME, '` ',
        'SELECT * FROM doris_source.hx_theme_data.`', TABLE_NAME, '`;'
    ) AS sync_sql
FROM information_schema.TABLES
WHERE TABLE_SCHEMA = 'hx_theme_data'
  AND TABLE_TYPE = 'BASE TABLE';

直接复制所有sql运行就可以导入全部数据了。

千万别用sql查询经纬度数据了，有更快的方式

Sat, 09 May 2026 17:27:05 +0800

最近需要查询学校周边的零售户有哪些，几千个学校，几十万零售户，用sql查询费了十几分钟才查询出来，后来问的AI，使用python代码，十几秒就能搞定。以下是完整的代码，可以作为参考。

def aaaaa():
    import numpy as np
    import pandas as pd
    from sklearn.neighbors import BallTree
    from time import time
    # 1. 从 Doris 读取数据
    from sqlalchemy import create_engine
    engine = create_engine(
        "mysql+pymysql://root:mysql.7334453@192.168.1.10:9030/hx_theme_data?charset=utf8mb4"
    )
    start_time = time()
    merchants = pd.read_sql("""
        SELECT retailer_uuid, label_ids, label_names, company_name,
               label_list_fields, lic_no,
               CAST(latitude AS DOUBLE) AS lat_d,
               CAST(longitude AS DOUBLE) AS lng_d
        FROM t_license
        WHERE longitude IS NOT NULL AND longitude != 0
          AND latitude  IS NOT NULL AND latitude  != 0
          AND lic_status IN ('01','02','10')
    """, engine)

    schools = pd.read_sql("""
        SELECT name, type,
               CAST(lat AS DOUBLE) AS lat_d,
               CAST(lng AS DOUBLE) AS lng_d
        FROM t_data_school_info
        WHERE lat IS NOT NULL AND lat != '' AND lat != '0'
          AND lng IS NOT NULL AND lng != '' AND lng != '0'
    """, engine)

    # 2. 构建 BallTree（使用弧度，haversine 距离）
    school_coords = np.radians(schools[['lat_d', 'lng_d']].values)
    tree = BallTree(school_coords, metric='haversine')

    # 3. 批量查询每个商家最近的学校，距离阈值 200m
    merchant_coords = np.radians(merchants[['lat_d', 'lng_d']].values)
    DISTANCE_M = 200
    EARTH_RADIUS = 6371000

    distances, indices = tree.query(merchant_coords, k=1)  # 找最近1所
    distances_m = distances[:, 0] * EARTH_RADIUS           # 转换为米

    # 4. 过滤距离 < 200m 的结果
    mask = distances_m < DISTANCE_M
    result = merchants[mask].copy()
    result['distance']   = distances_m[mask]
    result['school_name'] = schools.iloc[indices[mask, 0]]['name'].values
    result['school_type'] = schools.iloc[indices[mask, 0]]['type'].values
    result['school_lat']  = schools.iloc[indices[mask, 0]]['lat_d'].values
    result['school_lng']  = schools.iloc[indices[mask, 0]]['lng_d'].values

    # 5. 结果写回 Doris
    # result.to_sql('t_merchant_nearest_school', engine, if_exists='replace')
    print(f"耗时 {time() - start_time:.2f} 秒")
    print(f"找到 {len(result)} 个200m内有学校的商家")

Django + Doris CRC32 分表实战：问题汇总与解决方案

Wed, 06 May 2026 16:32:46 +0800

一次从零到一的 Django 分表实践，记录踩过的所有坑

前言

最近在做一个零售户管理系统，需要处理十亿级的数据。考虑到 Doris 的强大分析能力，使用 Doris 作为数据库，并基于 CRC32 算法实现自动分表。过程并不顺利，遇到了各种各样的问题。记录这些问题及解决方案，希望能帮助到有类似需求的开发者。

问题1：Doris 数据库连接失败

错误信息：

django.db.utils.OperationalError: (2003, "Can't connect to MySQL server on 'xxx'")

问题原因：

Doris 使用 MySQL 协议，但端口不是默认的 3306
防火墙未开放 Doris 端口
未安装 PyMySQL 驱动

解决方案：

# settings.py
DATABASES = {
    'doris': {
        'ENGINE': 'django.db.backends.mysql',
        'NAME': 'your_database',
        'USER': 'your_user',
        'PASSWORD': 'your_password',
        'HOST': 'your_doris_host',
        'PORT': '9030',  # Doris 默认 MySQL 协议端口
        'OPTIONS': {
            'init_command': "SET sql_mode='STRICT_TRANS_TABLES'",
            'charset': 'utf8mb4',
        },
    }
}

关键点：

Doris 的 MySQL 协议端口通常是 9030（不是 3306）
需要安装 pymysql：pip install pymysql
在 __init__.py 中添加：import pymysql; pymysql.install_as_MySQLdb()

问题2：NameError: name ‘BaseLicense’ is not defined

错误信息：

NameError: name 'BaseLicense' is not defined

问题原因：

在 router.py 中使用了 BaseLicense 但没有导入或定义
模型定义顺序导致引用问题

解决方案：

方案一：在 router.py 中定义（简单但不推荐）

# router.py
class BaseLicense(models.Model):
    class Meta:
        abstract = True

方案二：分离模型和路由逻辑（推荐）

# models.py
class BaseLicense(models.Model):
    # 字段定义...
    class Meta:
        abstract = True

# router.py
from .models import BaseLicense  # 正确导入

最佳实践：

将所有模型定义在 models.py 中
路由逻辑单独放在 router.py 或 shard_router.py
使用明确的导入路径

问题3：no such table: t_license_8

错误信息：

django.db.utils.OperationalError: no such table: t_license_8

问题原因：

Django 默认使用 default 数据库连接
default 配置的是 SQLite，但实际表在 Doris 中
未指定使用 Doris 数据库

解决方案：

方案一：每次查询指定数据库（简单直接）

result = model.objects.using('doris').get(lic_no=lic_no)

方案二：配置数据库路由器（优雅）

# db_router.py
class DorisRouter:
    def db_for_read(self, model, **hints):
        if model.__name__.startswith('License_'):
            return 'doris'
        return None

# settings.py
DATABASE_ROUTERS = ['your_app.db_router.DorisRouter']

知识点：

using() 方法用于指定数据库
数据库路由器可以实现自动化路由
记得在 settings 中注册路由器

问题4：Unknown column ‘id’ in ‘t_license_8’

错误信息：

django.db.utils.OperationalError: (1054, "errCode = 2, detailMessage = Unknown column 'id' in 't_license_8'")

问题原因：

Django 模型默认会自动添加一个名为 id 的自增主键字段
Doris 表使用 retailer_uuid 作为主键，没有 id 字段

解决方案：

class BaseLicense(models.Model):
    # ✅ 必须明确指定主键字段
    retailer_uuid = models.CharField(
        max_length=96, 
        primary_key=True,  # 关键：指定为主键
        verbose_name='零售户UUID'
    )
    lic_no = models.CharField(max_length=60, null=True)
    # ... 其他字段

    class Meta:
        abstract = True
        managed = False  # 禁止 Django 管理表结构

关键点：

必须用 primary_key=True 标记主键字段
设置 managed = False 避免 Django 尝试创建/修改表
abstract = True 让基类不创建实际表

问题5：Object of type License_t_license_8 is not JSON serializable

错误信息：

TypeError: Object of type License_t_license_8 is not JSON serializable

问题原因：

Django ORM 返回的是模型对象，不是字典
JSON 序列化器无法处理 Django 模型实例

解决方案对比：

方案	代码	优点	缺点
使用 values()	`model.objects.filter().values().first()`	直接返回字典，性能好	返回的是字典，不是模型实例
使用 model_to_dict	`model_to_dict(obj)`	可转换已有模型实例	需要先获取实例
手动构建字典	`{'field': obj.field}`	完全可控	代码冗长
使用 Django 序列化器	`serializers.serialize('json', queryset)`	功能完整	返回格式特殊

推荐方案：

# 方案一：直接使用 values()（推荐）
@router.get("/license")
def get_license(request, lic_no: str):
    model = get_model_for_license(lic_no)
    result = model.objects.using('doris').filter(
        lic_no=lic_no
    ).values().first()  # 直接返回字典
    return result

# 方案二：使用 model_to_dict
from django.forms.models import model_to_dict

@router.get("/license")
def get_license(request, lic_no: str):
    model = get_model_for_license(lic_no)
    obj = model.objects.using('doris').get(lic_no=lic_no)
    return model_to_dict(obj)  # 转换为字典