🪟 又发现一个 Linux 桌面神器，窗口再多也不用重新排 GitHub 上 2.71 万 stars 用平铺式窗口管理器的人都遇到过同一个恼人的事：屏幕上已经摆好三个窗口，位置和大小都刚好，这时开第四个，前面三个全被挤扁重排，刚建立的空间记忆瞬间作废。 niri 的做法是把窗口按列排在一条向右无限延伸的带子上。开新窗口就往右边接一列，已经打开的窗口尺寸一动不动，看不到的部分左右滚过去就行。这个思路来自 GNOME 的 PaperWM 扩展。 多显示器那块处理得也细：每台显示器有自己独立的窗口带和工作区集合，工作区纵向动态排列并始终留一个空的；显示器拔掉时它的工作区会自动迁到别的屏幕上，插回来还能移回原位，接投影仪不会把桌面搞乱。 日常要用的都内置了：总览视图、截图界面、显示器与窗口录屏、触控板和鼠标手势、窗口标签页、渐变边框、背景模糊、自定义着色器动画，配置改完热重载。无障碍也考虑到了，屏幕阅读器、混合 DPI、分数缩放、数位板、触控板和触摸屏都支持。25.01 起有浮动窗口，25.08 起通过 xwayland-satellite 集成 Xwayland。 有一点要说清楚：它是个 Wayland 合成器，不是完整的桌面环境，状态栏、启动器这些要自己配。 好的窗口管理不是帮你排得更整齐，是根本不打乱你排好的。 GitHub：

兄弟，Mac干活一开十几个窗口，找个目标翻得比搬砖还累，烦不烦？ 刷到Paneru这开源窗口管理器，思路贼直——用横向“滚动条”管窗口，切换立马变有序好找。1️⃣ 像Linux上的Niri，每块显示器各一条窗口带，互不打扰；2️⃣ 触控板滑窗口，顺滑自然不卡顿。 功能也够狠：预设宽度一键调、窗口堆叠、焦点跟鼠标跑；配置文件热重载，改键位秒生效。 🔥 别让大屏拉稀窗口，笔记本省点全屏来回切。试试这个，治愈你的窗口焦虑。 🔗

如果你在 Mac 大屏上不想让窗口被过度拉伸 或者在笔记本上希望减少全屏来回切换的频率 可以看看 Paneru 这个开源窗口管理器 它把每个显示器的窗口排列成一条横向滚动条，直接用触控板手势左右滑动切换 每条窗口条独立管理，滑动切换的感觉很顺滑 项目还提供预设宽度快速调整、窗口堆叠和焦点跟随鼠标等功能 配置文件支持热重载，改键位绑定后即时生效，不必手动重启 设计思路借鉴了 Linux 上的 Niri，把类似体验搬到了 Mac 对于需要同时处理多个窗口的工作，它能让全屏切换的频率降下来 GitHub

逛 GitHub 时挖到一个狠角色：niri。它直接绕开传统桌面“窗口一多就被挤变形”的老毛病，把窗口管理方式彻底重做了一遍。 niri 采用可滚动的平铺思路：窗口按列铺在一条“无限延伸”的水平条带上。你开新窗口，不会强行压缩现有窗口；多显示器下，每个屏幕也都有各自独立的工作区和窗口条带，干净利落。 GitHub： 主要功能： - 可滚动平铺布局：窗口按列排列在无限水平条带上 - 动态工作区：带来类似 GNOME 的垂直工作区体验 - 多显示器独立：每个显示器各自一套窗口条带与工作区 - 内置截图与录屏：开箱即用的捕捉工具 - 触摸板/鼠标手势：切换与操作更顺手 - 窗口标签页分组：把相关应用收拢到一起更好管 - 渐变边框与动画：支持自定义着色器，颜值和手感都到位 README 里有完整的安装与配置说明；实际使用通常会搭配 waybar、fuzzel 等工具一起上手。

原因分析： - Edge 的渲染合成线程（Compositor）持续长时间无响应，最长达 6 分钟。这表明 Edge 在疯狂消耗 CPU/GPU 资源。 - 这导致 kwin_wayland（KDE 的 Wayland 窗口管理器）主线程被饿死，多次报告 "The main thread was hanging temporarily!" - 鼠标和键盘输入事件也开始滞后处理 - 最终系统完全失去响应，触发硬重启

不是那种下载了从来不打开的工具，是每天都在后台帮你干活的 6 个，全部开源免费： 1、【Ice】 菜单栏管理器。装的软件一多，右上角图标就挤到看不见时间和电量。Ice 把不常用的图标折叠起来，鼠标移上去才展开。同类里最出名的 Bartender 收费，Ice 免费而且开源。29k star。 2、【Stats】 菜单栏系统监控。CPU、内存、硬盘读写、网速、电池健康度直接显示在菜单栏。风扇突然狂转的时候，一眼就能看到是哪项爆了，不用再打开活动监视器慢慢找。40.7k star。 3、【MonitorControl】 用 Mac 键盘调外接显示器的亮度和音量。接了外接屏之后，调亮度得伸手去按显示器背面的物理按键，装上它之后就跟内置屏幕一样，键盘直接调。33.8k star。 4、【Pearcleaner】 卸载软件时把残留一起清干净。Mac 上直接把 App 拖进废纸篓，配置文件、缓存、登录项会留在系统里。它扫出这些残留一并删除，功能对标收费的 CleanMyMac，但免费且源码公开。14.1k star。 5、【Amethyst】 自动平铺窗口。新开一个窗口，屏幕自动重新分割排布，不用再手动拖来拖去对齐。习惯之后写代码查资料能少很多鼠标操作。16.2k star。 6、【yabai】 更硬核的平铺窗口管理器。可以配快捷键做窗口切换、空间跳转、布局旋转，几乎不用碰鼠标。配置要写文件，上手比 Amethyst 陡，但能调的东西多得多。29.3k star。 窗口管理二选一就行：想开箱即用选 Amethyst，愿意折腾配置选 yabai。

Bernstein昨天给海光信息的目标价从280元上调至450元，核心逻辑是Agentic AI正在颠覆过去四年"GPU独占AI capex"的格局，CPU的角色从配角回到主角。全球服务器CPU TAM从2025年的390亿美金膨胀到2030年的2230亿美金，六倍。海光作为全球唯一Intel/AMD之外的x86服务器CPU供应商，是这个结构性转向里最直接的中国受益标的。 先看Agentic AI为什么对CPU需求完全不同于传统LLM。LLM时代的工作负载映射在大规模并行矩阵运算上，GPU天然契合，CSP训练集群的GPU:CPU比从2020年的3:1一路拉到2024年的8:1。但Agentic AI的计算结构完全不一样。Agent编排、工具调用、上下文窗口管理、多Agent协调、人机交互回路，这些全是通用顺序处理，要求低时延和高内存带宽，都是CPU的活。GPU的工作退缩到token生成本身，其余一切回归CPU。Bernstein给出的数据是GPU:CPU比到2030年反转到2:1，CPU在推理集群AI capex中的占比从14%升至50%。 AMD自己在2025年11月分析师日给的CPU TAM预期是600亿美金，半年后2026年Q1财报电话会翻倍到1200亿。Intel连此前减值报废的库存芯片都能卖掉，客户抢着要。供需紧张程度可见一斑。 中国的x86服务器CPU TAM从2025年的70亿美金到2030年的270亿美金，但增长节奏分两个阶段。2025到2028年CAGR约31%，低于全球的35%，原因是双重供给约束。一方面AMD和Intel的产能被美国超大规模客户优先吸收，分配给中国的份额在缩减。另一方面SMIC先进制程产能有限，既限制了国产AI加速卡的放量（AI加速卡供应不足直接压制CPU的配套需求），也限制了海光自身的晶圆分配。2028年之后这两个约束同时松动。SMIC及其他国内代工厂的先进节点产能规模化释放，国产AI芯片供应上量带动服务器整体部署加速，叠加地方政府主导的AIDC投资追赶，中国CPU市场CAGR升至36%，开始跑赢全球。 海光的技术代际演进值得细看。2016年通过AMD Zen1授权起步，2019年被列入实体清单后失去AMD后续技术支持，但Zen1的IP授权本身不可被追溯撤销。从Gen2到G4，海光在14nm（后转SMIC N+1/10nm等效）的制程约束下，通过架构、内存子系统和I/O的自主改进，每代实现30-50%的性能提升。G4已经做到64核、DDR5、PCIe5.0，SPEC2017 int-rate得分大约1000，对标Intel Xeon四代/五代（2022-2023年产品）和AMD Zen3（2021年产品），技术差距稳定在2-3年。一个有意思的侧面验证是今年曝出的StackWarp硬件漏洞影响了多代AMD Zen处理器，海光完全不受影响，原因是其安全架构已经从AMD的SEV-SNP替换为自研的CSV3。这说明微架构层面的分叉是真实的，不是换皮。 G5是整个增长逻辑的承重点。128核、512线程（SMT4）、16通道DDR5、CXL2.0，全自研微架构，预计在SMIC N+2（7nm等效）上制造。Bernstein估计SPEC2017 int-rate得分能到2000以上，而Intel Granite Rapids（128 P核，2024年9月上市）得分2440，AMD Zen5（2024年）得分2089。如果G5按计划出来，海光跟全球最新产品的差距就从现在的"差两代"缩小到"差一代"。 128核的可行性不依赖制程突破，依赖chiplet封装。不上单片128核的巨型die（良率会崩），而是把多个较小的compute chiplet拼在一起，这是AMD EPYC从Zen2开始用的路线。在SMIC 7nm等效节点上做较小面积的计算die，良率可控，总核心数取决于封装多少块die。IPC的+17%提升来自从Gen2到G4积累的四代全流程设计经验加上国产EDA工具在7nm数字逻辑综合上的成熟。16通道DDR5则依赖长鑫存储的DDR5产能扩张和澜起科技的CXL控制器IP。三个条件中，SMIC的7nm产能分配是最硬的瓶颈。 海光G5真正差异化的点在SMT4。512线程/每socket，这在当前所有服务器CPU里是最高水平。AMD和Intel的主流产品是SMT2。SMT4在什么场景有优势？多租户推理服务（逻辑CPU密度翻倍，单位推理请求成本下降）、Agentic AI的编排层（大量I/O-bound和memory-bound的轻量线程）、以及内存受限的LLM推理（线程在等KV-cache数据时其他线程能利用执行单元）。这恰好是中国市场未来最大的增量场景。中国在推理侧有结构性优势，电力成本低加上DeepSeek等厂商展示的LLM推理优化能力，意味着同样算力下token产出更高。如果中国数据中心的CPU:GPU配比因此高于美国，那CPU需求的上行空间比Bernstein的base case还要大。 Bernstein给海光的市占率预测是按价值从2025年的19%到2030年的36%，按出货量接近50%（因ASP低于Intel/AMD）。逻辑分两步。第一步是信创存量需求的持续消化，这是政策驱动的底仓，不依赖性能绝对值。第二步是2027年之后CSP的商业化采购启动，这才是增量的大头。CSP客群到2030年会占中国x86服务器部署的约75%。海光在这个市场从目前的中个位数渗透率做到20%，需要G5的性能足够用，同时AMD/Intel的供应持续偏紧。海光还有一个独特杠杆，CPU+DCU（AI加速卡）的全栈捆绑。在国产AI芯片供应紧张期，海光可以用DCU的分配权换CPU的采购量，反之亦然。除华为外没有第二家能这么做。 整套逻辑成立与否，供给侧取决于SMIC先进节点的产能爬坡能不能支撑G5持续放量，需求侧取决于CSP客户的实测验收。G5在6月已确认量产出货，配套服务器从风冷双路到浸没式液冷（单组80,000+核心）都有了，但目前没有任何独立的SPEC跑分公开数据。2000分是Bernstein的估算，不是实测。CSP大规模采购需要POC验证周期，从送样到资质认证到批量上架通常两到三个季度。看看下半年是否有头部CSP的集采订单落地。

管理服务器时，SSH 终端、数据库客户端、Redis 管理器来回切换，光是找窗口就够烦的了。 最近发现 OpsKat 这个开源桌面工具，把服务器管理和 AI 结合到了一起，用自然语言描述需求，它自动帮你执行操作。 GitHub： 安全方面做得挺好，所有操作都有策略管控和审计日志，SQL 语句还会自动分析拦截危险操作，不用担心 AI 误删数据。 拥有完整的资产管理，SSH 终端、数据库查询、文件传输、跳板机连接都集成在一个界面里。 目前支持 MySQL、PostgreSQL、Redis、MongoDB 和 Kafka。 如果你平时要同时管理多台服务器和不同类型的数据库，想把这些工具统一到一个桌面应用里，值得试试。

昨天，Bitget rToken产品资产管理规模正式突破了1亿美元大关，累计交易量 6.7137 亿，今天再看，又增长了12%，达到了1.12亿美元。这才上线一个多月，怎么就有这种体量？能说明了什么？ rToken是Bitget在202年6月2日推出的tokenized U.S. stocks & ETFs产品，由Reality Protocol发行，以“r + 股票代码”命名(比如rNVDA、rAAPL)，1:1锚定真实美股，通过合规经纪商Alpaca直连NASDAQ和NYSE流动性池。底层资产由持牌托管机构管理，支持股票分红1:1发放、拆股/并股等公司行动，还能作为统一账户的联合抵押品，直接在Bitget平台用USDT交易 我自己也配置rToken，感觉最大的优势就是门槛低、操作顺。以前想买美股，得转fiat到券商账户，时间窗口还受美股交易时段限制 现在用USDT直接在Bitget上就能交易rNVDA、rTSLA、rSPY这些，24/7随时能进出，不用等开盘铃响。尤其是AI和科技主题的标的(比如rNVDA、rCSCO)，可以跟着市场热点走 我最近就把部分持仓切到rToken里，既能拿股票，又不影响我的crypto操作，流动性也挺好，买卖滑点小。相比传统美股，省去了汇兑和跨平台麻烦，dividend有时候还能稳定币形式分到 rToken的优势： ╰✦无缝接入：crypto用户零学习成本，用USDT直接玩全球顶级股票 ╰✦真实权益：分红到账、公司行动同步，不像某些合成资产只有价格跟踪 ╰✦灵活性高：可抵押、可交易、可长期持有，真正把TradFi和DeFi打通 ╰✦平台背书：Bitget的风控和保护基金 短短一个多月就从0到1.12亿美金AUM，说明市场对这种加密原生 + 传统资产权益的需求被严重低估了。未来随着更多公链支持和标的扩充，我相信这个数字还会继续加速 如果你也想在crypto账户里多配置一层全球资产配置，不妨去Bitget看看rToken专区 这一次，我是真的觉得值得分享给兄弟们

我是这么管理 Skills 的。 Skill 有两个痛点。 一个是同步。如何保持一个源，让它在项目、全局、以及远程机器上保持一致。 另一个是上下文爆炸。我见过装了两千多个 skill 的用户，然后回过头来问我们，为啥 code agent 这么慢。 我的解法：一个中央仓库，一个 sync 脚本，绝大多数 skill 加 disable-model-invocation: true。 1\ 只有一个源头 维护了一个 ~/Projects/cc-skills/，60+ skills，实验性质的不在这。改只在这里改，别处都是副本。 2\ 分发交给脚本 有个 sync.ts 脚本，底下是 rsync -av --delete，支持 local 和 ssh，推送到全局、多个项目和远程机器（比如在 macmini 上部署了 hermas 或 openclaw，只需要部分 skill）。 3\ 默认 .claude/skills，其余软链过去 通过软链支持不同的 Qoder 和 Codex 等，比如 ~/.agents/skills -> ~/.claude/skills，~/.qoder/skills -> ~/.claude/skills。 4\ 90% 以上加 disable-model-invocation: true 我同步到 global 的 15 个里，14 个加了这个 flag。所以用 claude code 的 /doctor 分析，结果很干净。 几十个 skill 就是几十段常驻描述，活还没开始干，窗口先被咬掉一块。几千个是什么光景，可以自己想。。 而且我本来就知道什么时候该用哪个。/deslop、/handoff 我打得出来，不需要模型替我猜。 5\ 新 skill 用 create-skill 建 上面这些约定我不想每次重记一遍，全塞进这个 scaffold 里了。它建出来的 skill 就按这套走：有副作用的一律加 disable-model-invocation: true，只有规范和知识型的才留给模型自己判断。 注：我的 create-skill 开源了：