极客口袋终端正迎来芯片架构的降维打击
LilyGO 推出 T-Display SF32 开发套件，采用双核 ARM M33 架构的 SiFli 芯片，集成 2.5D 图形引擎与 AMOLED 触屏，支持 LoRa、GNSS、IMU 等功能，打造高性能离网通信和口袋 Cyberdeck 基座。
相关文档
AI大模型把Arduino、ESP32变成可交互的在线实验室
文章认为入门AI硬件开发的最佳方式是在AI生成的交互式在线实验室中学习，而非先购买开发板。这种实验室由大模型生成的交互式UI、硬件行为模拟和渐进式教程流组成。文章介绍了Learn Arduino、Claude 3D设备拆解和ESP Labs三个项目：分别提供3D电路学习、可拆装的设备模型和完整的ESP32开发板教学平台。大模型在结构建模、原理动画、状态逻辑和固件映射方面能力已足够强，大幅降低了开发成本。文章同时指出其边界：模拟不等于真实芯片仿真，AI生成内容需专业人员把关，并给出了学习路线和维护者建议。
自己动手做LoRA 从 0 到 1 实战
作者详细记录了从零开始训练一个专属人物 LoRA 的完整实战流程。他使用 GPT Image 2 生成 56 张虚构人物训练数据，基于开源模型 MOSS-Image（5B 参数 Diffusion Transformer）进行微调，仅用一张 RTX 4090 训练约 65 分钟即获得稳定的人物形象生成能力。文章涵盖数据准备、Caption 标注、Checkpoint 选择、效果验收等关键环节，并指出了过拟合等常见问题。作者将整个流程开源到 GitHub，提供运行环境镜像、Jupyter Notebook 和 ComfyUI 工作流，建议初学者亲手跑一遍以真正理解 LoRA 训练原理，一通百通。
又一个被 AI 工具链彻底重构的学习神器：ESP Labs
开发者 Abderrahmen Gharsallah 借助 Claude Opus 5.5 打造了 ESP Labs——一个跑在浏览器里的 ESP32-S3 全交互式虚拟实验室。它提供实时硬件引脚映射与布线图、从点灯到 Wi-Fi/BLE/OTA 的渐进式教学路线，以及逐行代码联动解释器，将固件源码与虚拟板卡行为实时绑定。该工具解决了硬件调试“摸黑”的痛点，让开发者在实际接线烧录前就能理解固件调用链与电气逻辑，被视为下一代嵌入式教学与硬件开源文档的标准形态。
LoRA 与 QLoRA：用一块 GPU 微调大模型
本文从“模式”（一列乘一行的秩1矩阵）概念出发，系统讲解 LoRA 与 QLoRA 如何降低大模型微调的显存开销。LoRA 通过低秩近似冻结原有权重，只训练少量新增模式（B·A），将可训练参数减少到约万分之一；量化则用 4 位 NF4 格式配合分块缩放和双重量化存储权重，保留全部模式但降低每个数的精度。QLoRA 结合两者：冻结权重用 4 位存储，LoRA 分支用 16 位训练，使 65B 模型只需一块 48GB GPU 即可微调，Guanaco 在 Vicuna 评测中达到 ChatGPT 的 99.3%。文中还比较了低秩近似与量化误差结构的不同，并给出 7B 模型显存估算：全参数微调约 100GB，LoRA 约 15GB，QLoRA 约 5GB。
指令微调：理解 Instruction Tuning
本文是后训练系列第二篇，介绍指令微调（SFT）。以斯坦福 Alpaca 用 52,000 条自动生成的数据微调 LLaMA 7B 为例，说明指令微调与预训练使用相同的下一个 token 预测损失，但数据和任务不同。文章详细讲解训练五步骤：收集、格式化、掩码、训练、评测，并通过 LIMA 和 FLAN 研究说明指令微调主要改变模型行为方式而非增加知识，少量数据即可泛化到新任务。还介绍了损失掩码原理、位置错开的实现细节、指令数据的三种来源及其局限：无法补充知识、比较回答优劣或检验正确性。
一个指令→爆款视频：万物皆可360° Orbit环绕（免部署）
文章介绍了一种简单易上手的AI视频玩法：上传一张图片加一条指令，即可生成360°环绕（Bullet Time）效果的视频。作者展示了旅游、美食、美妆、商业摄影、产品展示、服装穿搭等多个应用场景及商业潜力。实现方法分为两种：一是免部署的Web端方案，使用豆包等可生成视频的模型，配合文中提供的通用短指令和完整10秒详细指令；二是适合进阶用户的ComfyUI本地部署方案，通过加载MiniMax H3 I2V模板和360° Orbit LoRA实现。作者以设计师视角分享了最低门槛、可复用的AI玩法。
ESP32 Bit Pirate：把吃灰的 ESP32 变成多协议硬件调试神器
文章介绍了开源项目 ESP32 Bit Pirate，它受经典硬件调试工具 Bus Pirate 启发，可将普通 ESP32 开发板刷固件后变成多功能硬件分析与调试工具。支持 I2C、UART、SPI、JTAG、CAN 等主流数字协议的嗅探与交互，并借助 ESP32 的无线能力支持蓝牙、Wi-Fi、Sub-GHz、RFID、红外等射频通信。提供串口终端和 Web 端 CLI 两种交互方式，还支持在线刷写固件。适用于嵌入式开发、IoT 调试、硬件逆向工程等场景，如路由器救砖、固件提取、外设调试，以低成本搭建个人硬件实验室。
从 Vibe Coding 到 Vibe Hardware：AI 硬件入门与量产之路
作者分享了 Vibe Moment 第一期线上分享的内容，主题为从 Vibe Coding 到 Vibe Hardware。文章介绍了 AI 硬件的最新案例，如 FoloToy AI Passport、Microduck 和 Anthropic 的 Model Hardware Standard，并指出 AI 硬件仍处于早期阶段。作者结合自身经验，讲解了新手如何选开发板、接线、调试，以及 AI 在嵌入式开发中的作用。最后详细对比了原型与量产之间的差距，强调量产需要稳定性和全环境验证。
一个人、一台电脑、8分钟AI短剧：从《黄果》逆向拆出来的13步流水线（万字实操指南）
本文通过对8分钟AI短剧《黄果》成片（117个镜头）的逐帧逆向拆解，总结出一套可复现的13步AI短剧制作流水线。文章首先对比云端托管、本地开源、混合路线三条技术路径及成本考量，然后详解从LLM编写分镜脚本、角色LoRA训练、场景模板建立、关键帧生成、人工精修、I2V/TI2V视频生成、对口型处理，到后期超分补帧、TTS配音混音等每一步的操作要点、验证标准与错误应对方案。文末还总结了重复帧、短镜头策略、LoRA维护、精修比例等行业认知，以及模型在长动作、多人互动、文字生成等方面的能力边界。
Hugging Face 详细教程：从调用模型到微调与部署
本文是一篇 Hugging Face 平台的系统教程，从零讲解大模型开发的完整工作流：安装环境、登录 Hub、用 Pipeline 快速推理、理解 Tokenizer、加载模型、使用 Datasets 处理数据、用 Trainer 微调模型、通过 LoRA/PEFT 高效微调大模型、上传模型到 Hub，以及用 Spaces 部署 Gradio Demo。文章还涵盖模型选择要点、常见问题排查（如显存不足、tokenizer 配置、训练效果差）和分阶段学习路线，并附官方文档链接，适合想将大模型真正用起来的开发者入门与进阶。
Building an RL fine-tuning platform to train JEV-like decision models
本文介绍如何将开源 LLM（Qwen3-4B）改造为决策模型，构建小规模训练平台并产出 Gero-4B。作者在 MacBook（M5 Pro, 24GB）上使用 Apple MLX 进行 LoRA 微调，分三个阶段：架构改造（将 LM head 替换为共享线性打分层）、结构训练（学习题目格式）、强化学习训练（实现校准的置信度输出）。核心设计是每个选项独立分支的打分架构，通过自定义 KV cache 共享前缀表示，并利用注意力掩码隔离各分支，从结构上消除位置偏差。最终模型输出数值化、校准良好的概率分布，可直接用于自动化决策（如高置信度自动处理、低置信度转人工）。文章附有完整可运行的代码实现。
用 MiniMax H3 打造 AI 影片創作工作流：分鏡、動作與聲音一體化設計
作者分享了以 MiniMax H3 為核心的本地 AI 影片製作工作流，強調人物不僅要長得對，還要具備空間、道具與互動邏輯。流程包括：確立參考素材、撰寫結構化分鏡 Prompt（含 subject_definitions、retention_analysis、detailed_description 等模組）、加入 T8 ActionLogic 語義橋強化動作因果理解，並依題材搭配加速、寫實、格鬥、電影質感等 LoRA。生成後經放大銳化第二階段精修，遵循「寫分鏡→生成→檢查→修改→重拍」的創作循環。文末附完整模型、語義橋與 LoRA 資源清單。
