机器文摘第 125 期

如何实现一个分词器

如何实现一个分词器，本文详细介绍了如何实现一个分词器，并探讨了其在自然语言处理和代码补全中的应用。

通过理解BPE算法的原理和实现过程，我们不仅能够创建自定义的分词器，还能更好地适配和优化大语言模型的使用。

本文提供的分词器实现方案不仅适用于代码补全工具，还可以扩展到其他需要文本处理的领域。

当广播电台成了“软件商店”：1980年代的科技魔法

通过广播下载游戏，这篇文章讲述了1980年代英国的一项令人难以置信的技术现象。

1980年代的某个深夜，英国的无线电波中突然响起一阵刺耳的尖叫——这不是恐怖电影配乐，而是一群孩子屏住呼吸等待的“魔法咒语”。他们把磁带机对准收音机，按下录音键，然后祈祷这段噪音能在明天变成一场太空射击游戏。

这是真的。

当时英国正经历家庭电脑革命，但问题是：市面上的ZX Spectrum、Commodore 64、BBC Micro彼此完全不兼容，软件像巴尔干半岛一样割裂。BBC电台的《The Chip Shop》节目组急中生智，从荷兰广播公司NOS引进了BASICODE——一种能让不同电脑“听懂同一种语言”的跨平台代码。用户只需先装一个“翻译器”，就能把广播里的噪音转化为程序。

想象一下：深夜电台开始播放“嘟嘟声”，你用磁带录下来，插进录音机连上电脑，几分钟后屏幕上蹦出一个文字冒险游戏。虽然没有图形，但当像素文字告诉你“你发现了藏宝图！”时，那种心跳至今让老玩家怀念。

当互联网让软件分发变成瞬间的事，BASICODE的尖叫渐渐消失在电波里。今天，当我在Facebook看到有人质疑这段历史时，才意识到：我们这一代人的童年，已经成了下一代人眼中的“科幻故事”。

在没有App Store的年代，我们用噪音编织了整个数字世界。

MCP 中文资源合集

Awesome-MCP-ZH，是一个关于MCP的中文资源合集，涵盖了MCP的基础知识、客户端、服务器以及相关工具和教程，旨在帮助中文用户快速上手MCP。

网易开源的 TTS 语音合成项目

EmotiVoice，是网易有道开源的多语言、多声音和提示控制的文本到语音（TTS）系统。

支持英语和中文，提供超过2000种声音，支持基于提示生成带有不同情感（如开心、悲伤、愤怒等）的语音。

具备情感合成、语音克隆等功能，提供Web界面和OpenAl兼容的API，方便用户使用和开发者集成，适合用在语音助手、有声读物等多种场景。

帮你自动画架构图的 AI

halomate，一款收费 AI 绘图产品，可以根据文字生成图像，有别于其他文生图模型，这款产品能够根据文字描述帮助用户生成软件产品架构图、思维导图等专业图形。

开源跨设备文件共享工具

croc，一款跨设备文件分享的开源免费工具，无需在同一网络下，允许任意两台电脑之间传输文件或文件夹，不限制大小，并提供端到端加密，更安全更快速地分享。

支持多文件传输，以及中断后的断点续传功能。

支持 Windows、Linux 和 macOS 一键安装使用。

基于 CloudFlare Pages 的开源免费文件托管解决方案

在写文章或教程时，我们经常需要插入大量的图片和文件，往往需要一个稳定且不限大小的图床。

CloudFlare ImgBed，一个基于 CloudFlare Pages 的开源免费文件托管解决方案，可作为图床、文件床、网盘。

提供上传、管理、读取、删除等全链路功能，并支持鉴权、目录、图片审查、随机图等各项特性。

主要特性：

支持多种存储渠道（Telegram Bot、Cloudflare R2、S3 等）与多种上传方式
支持目录功能、上传认证、图片审查、防滥用与 IP 黑名单
提供丰富 API 接口，包含上传 API 与随机图 API
可自定义网站外观、背景、图床名称、Logo 等界面元素
完全基于 Cloudflare 免费额度，无需额外购买服务器和域名

自媒体平台自动化工具

social-auto-upload，可以自动化发布视频到自媒体平台。

支持抖音、小红书、视频号、tiktok、youtube、bilibili等

支持定时上传和计划任务上传

从零开始的 Llama 3.2

想学习开源项目，自己撸一遍才能知其所以然。

llama-3.2-from-scratch，这个huggingface项目介绍了一个从零开始实现的 PyTorch 版本的 Llama 3.2 文本模型，代码简洁易懂，适合学习和研究。

它提供了详细的使用指南，包括模型设置、权重下载、文本生成等步骤。

机器文摘 第 125 期