今天我在外面，远程连回我的电脑操作。同事经过，看到那台电脑居然没锁屏——屏幕亮着，鼠标自己在动，窗口一个个开。我才去了解了 Mac 远程桌面是怎么回事。
打开 Mac 的「屏幕共享」连上另一台 Mac，你看到的就是那台机器此刻的屏幕，和坐在它面前的人看到的完全一样。它当下显示什么，你这边就显示什么。我在外面操作，那台电脑的屏幕就同步显示我的每一步——同事看到的"没锁屏"，就是我远程操作的实时画面。
你动鼠标，那台 Mac 屏幕上的鼠标也跟着动；你打字，字就落在它的屏幕上。坐在电脑前的人能实时看到你点了哪里、开了哪个窗口、敲了什么，像看直播。
控制权是两人共享的。你能动，坐在跟前的人也能动。要是同事这时顺手去推那台电脑的鼠标，就会和我远程的操作抢起来——光标在屏幕上跳来跳去，谁都使不顺。想配合，得有人先松手。
远程桌面连过去，是两个人共用同一块屏幕、同一套鼠标键盘。人没在跟前，用的还是那台真机。
之前那篇 Apple Watch 数据分析说过，Apple Watch 推断的"夜间呼吸异常事件"不准。要看 CPAP 真实效果只能看机器本身的 SD 卡——那里有每一晚每两秒采样的数据。
把 SD 卡从呼吸机里拔出来插到电脑上，里面有个 DATALOG 文件夹，按日期一晚一个子目录。导出来扔给 Claude 跑脚本，14 晚的数据 30 秒就出来了。
下面分开说：CPAP 是什么、OSCAR 是什么、SD 卡里有什么文件、这些数据能算出什么、我自己最近两周的情况。
Continuous Positive Airway Pressure，持续气道正压通气。一台小机器，靠管子和面罩把空气持续吹进鼻腔，用正压撑开睡觉时容易塌掉的上气道。专门治阻塞性睡眠呼吸暂停（OSA，Obstructive Sleep Apnea）。
OSA 的机制：睡着后喉咙后面的软组织松弛塌下来，把气道堵住，呼吸短暂停。停几秒大脑缺氧自动惊醒一下，气道打开，又睡着，几分钟后再来一次。一晚循环几十上百次，自己感觉不到。
CPAP 不吃药、不开刀，靠空气压力机械上不让气道塌。
我用的是 ResMed AirSense 10，自动调压（AutoSet）模式——机器实时检测气道塌陷的程度，自动在 5-15 cmH₂O 范围内调整压力。
Open Source CPAP Analysis Reporter。开源软件，Mac/Windows/Linux 都能装。专门解析 ResMed、Philips DreamStation、Fisher & Paykel 这几家主流厂商 CPAP 机器 SD 卡的数据。
呼吸机厂商通常有自家 App（ResMed 的 myAir、Philips 的 DreamMapper），但只给摘要：昨晚 AHI 多少、漏气是否合格、星星几颗。
OSCAR 直接读底层 EDF 文件，能看到每一晚每两秒的漏气、压力、流量限制、潮气量、呼吸频率，以及每一个被检测出来的呼吸暂停或低通气事件。还能画图，把 5 个小时的数据铺成一张大图。
断断续续带了几块不同的表，数据都在苹果手机里。
五月初我把数据导出来扔给 Claude，让它跑 Python 脚本逐项分析。三件事最值得管：
下面分开说。
苹果手机的「健康」app 里有「导出健康数据」按钮，生成一个 zip。解压后是一个 export.xml 文件，所有指标按时间顺序记在里面：心率、HRV、血氧、睡眠分段、呼吸频率、跑步路径、ECG 波形。戴表的每一秒它都在记。
最早一条是 2017 年。文件大，直接打开看不了，但 Python 脚本一两分钟就能跑完。
让 AI 写脚本，可以按自己想看的方式切。HRV 不看整天均值（白天工作时本来就低），只看凌晨 3-5 点睡眠最深的时段。跑步心率不看总均值，看各心率区间的占比。血压不看一两次读数，看 300 次测量里有多少次踩进高血压区。
睡觉的时候，喉咙后面的软组织松弛塌下来，把气道堵住，呼吸短暂停。停几秒大脑缺氧自动惊醒一下，气道打开，又睡着，几分钟后再来一次。一晚循环几十上百次，自己感觉不到。
数据里能看出来。90 天里血氧有 12 次低于 92%；夜间呼吸异常事件均值 3.5 次/小时，最高 9.6 次/小时。
这事不是「打呼噜的小毛病」。每次呼吸暂停身体都进入一次窒息-惊醒应激，长年累月推高血压，加速心血管病变。我的血压 306 次测量里 62% 已经踩进 130/80 以上，多半跟 OSA 有关。
CPAP 是一台小机器，吹气进鼻子。持续正压把气道撑开，机械上不让它塌。不吃药，不开刀，靠空气压力解决问题。
我家这台 ResMed AirSense 10 几年前买的，因为面罩漏气吵到我太太，闲置半年多。五月初换了鼻枕式面罩，5/11 到货，5/13 重新开始用。
心率变异性。两次心跳之间的间隔不是固定的，有微小变化。变化越大（HRV 高），说明自主神经系统弹性越好——副交感（休息）和交感（应激）切换自如。HRV 低意味着身体长期处在应激态。
昨天重装了 eink 手机。安装后希望装少而精的几个工具即可：
Telegram、Pocket Casts、Claude、Google Tasks、Brave、YouTube、微信读书、微信输入法、Slax Reader、Slax Note、Dropbox、Gemini、Spotify。
Google 在 2025 年 11 月推出了 Code Wiki，对着任意 GitHub 公开仓库自动生成持续同步的可交互文档站——架构图、类图、时序图，加一个用这份 wiki 当上下文的 Gemini chat。
用法：把 github.com/<org>/<repo> 换成 codewiki.google/github.com/<org>/<repo>。
丢一个看效果：openclaw/openclaw 的 Code Wiki 视图。
私有仓库要走 Gemini CLI extension。
官方介绍：Introducing Code Wiki。
只要产品里嵌了 AI，就一定要做 evals。这是过去两个月在 sgai.md（新加坡 AI 战略观察站）上踩坑总结出来的判断。
eval = 评估测试。给 AI 输出和数据完整性写的回归测试，但和单元测试不是一回事。
单元测试测的是「函数给定输入，输出是不是这个值」——确定性的。
eval 测的是「AI 这次生成的东西，和金标 / 规则相比，质量有没有掉」——非确定性的。
简单说：单元测试盯代码，eval 盯模型 + 数据。
任何依赖大模型的系统，都有三个天然漏洞。代码里写的单元测试管不到，人肉 review 一定漏。
模型会幻觉。 LLM 会编一个看起来合理但根本不存在的 URL、人名、事实。我自己在 sgai.md 上踩过——5 月初让 agent 给一批 voice 人物档案补「主导项目 / 公开引言」，agent 给两条记录写了根本不存在的 sourceUrl（一个伪造的 Fintech Festival 演讲者 ID，一个伪造的航空业报道）。URL 模式正确得肉眼分辨不出，靠用户事后报错才发现。
模型会退化。 升级模型（Claude 4.6 → 4.7）或改 prompt，输出可能变差。但你不会主动知道——除非有人发现产出明显烂了。等用户先发现就太晚了。
数据会漂移。 AI 生成的内容入库后，没人持续盯着完整性，漏字段、缺翻译、链接腐烂会慢慢累积。sgai.md 是中英日三语站，数据文件里每条 record 要求 title / titleEn / titleJa 三套字段必须同时给。我有一次只 commit 了中文，下一个 PR 想补英日——结果 EN/JA 页面立刻断裂。
Warp 是从终端起家的 AI 开发环境。2026 年 5 月，它把产品文档站 docs.warp.dev 的源代码开源了，仓库地址 github.com/warpdotdev/docs。这个仓库除了文档内容本身，还配了一整套用 AI agent 维护文档的工作流。
文档站基于 Astro 6 + Starlight，内容用 MDX 写在 src/content/docs/ 下。Node.js 22 起步，npm install 后 npm run dev 启动本地预览，端口 4321。“Ask AI” 按钮和 “Was this helpful?” 反馈是可选功能，需要在 .env 里填公开值。
下面分四块说明仓库里 agent 相关的结构。
.agents/ 目录.agents/ 分四个子目录：
skills/ — 25 个 skill。每个 skill 是一个子目录，里面至少有一个 SKILL.md 描述用途和执行步骤，部分含有 references/、scripts/。rules/ — 通用规则，当前只有一个 oz-style-guidelines.md。templates/ — 不同类型文档页面的模板（quickstart、guide、procedural 等）。references/ — 词汇表等参考资料。25 个 skill 按用途分四类：
草稿生成（10 个）：draft_quickstart、draft_guide、draft_procedural、draft_conceptual、draft_reference、draft_faq、draft_troubleshooting、draft_feature_doc、draft_docs、missing_docs。从空白页起一篇新文档时使用。
看到一个开源的桌面录屏工具 Recordly，macOS / Windows / Linux 都能跑。
它把录制和后期合在一个 app 里。录完直接进编辑器，时间轴上做 trim、zoom、变速、注释、额外音轨、裁剪，不再把素材丢进另一个剪辑软件。
.recordly 文件，之后再打开继续改今天听一位朋友做在线分享，她用 AhaSlides 跟听众互动——投票、问答都走这个平台。第一次见，顺手查了一下。
AhaSlides 是越南团队 2019 年做的互动演示工具。讲者放幻灯片，观众用手机扫码进来参与投票、测验、词云、问答、抽奖。同类产品有 Mentimeter 和 Slido。
和 ClassPoint 不同的是，AhaSlides 是独立的 Web 平台，不依赖 PowerPoint；ClassPoint 是 PowerPoint 插件，必须装在 PPT 里用，主要场景是 K12 课堂教学。
根据 Latka 2025 年 7 月的数据：
参考链接：
browser-use 团队最近又放了一个新项目：bux，全名 Browser Use Box。
它解决的问题很具体：现在所有 AI 助手都绑在你设备上，合上电脑就死。bux 把 Claude Code 加一个真实 Chromium 浏览器，再加一个 Telegram 机器人，打包成一条安装脚本，扔到任何一台 5 美元的 VPS 上跑起来。
跑起来之后是什么效果？早上你在地铁上发一条 Telegram，“看看今天未读邮件，回那条 LinkedIn 消息说不感兴趣”，下班前活已经干完了。机器一直开着，账号一直登着，不用你守在电脑前。
三个细节我觉得做得对。
第一，用真实 Chromium，不是 headless 浏览器。Cookie、登录态都持久化在服务器上，账号一直在线。
第二，遇到验证码、2FA、登录墙的时候不硬刚。它会生成一个实时页面 URL 推给你，你点开手动过验证，AI 接着干。大多数自动化工具死在这一步——硬刚就被风控、被封号。bux 直接承认这件事 AI 做不了，让人来。
第三，整个架构就三个 systemd 服务：Telegram 机器人收消息，喂给 Claude，调浏览器。状态全在 /home/bux 一个目录里，重启不丢。打开看一眼就知道每个零件在哪。
安装是一条 curl 命令，三分钟从空白 VPS 到能用。
browser-use 主项目 GitHub 6 万多 star，bux 又是 Claude Code 加 Telegram 加云端浏览器一条龙打包好。这个团队战斗力真的强。