EthanYQ个人小屋

《百载商埠的旧梦与新生：汕头小公园骑楼下的漫步漫谈》

Tue, 10 Mar 2026 17:11:53 +0800

一、踏入光影交错的“放射性”街道

如果说每个城市都有一个灵魂地标，那么汕头小公园的中山纪念亭（红亭）无疑是这座城市的“圆心”。站在这里，看四周呈放射状延伸的街道，那些历经沧桑的骑楼建筑群像是被定格在了上世纪 30 年代。

那种独特的扇形放射状街道布局，在全国都是罕见的。漫步其间，你会发现每一根石柱、每一块花砖都刻满了“南洋回响”。

二、必打卡的视觉地标

南生百货（旧址）：作为曾经汕头最繁华的摩天大楼，虽然墙皮已有剥落，但那股宏伟的西洋气派依然让人驻足良久。在这里按下快门，出片自带一种王家卫式电影的复古滤镜。
顺昌街历史街区：相比主干道的繁华，我更喜欢钻进这些侧巷。这里保留了最原始的居住形态，偶尔能看到老人在骑楼下乘凉，那种慢节奏的市井感是任何网红店都复刻不出来的。
汕头开埠博物馆：了解一个城市的最好方式是看它的过去。在这里可以清晰地看到汕头如何从一个小渔村变身为“万国商埠”的辉煌历程。

三、舌尖上的“胶己人”执念

来到小公园，不吃是不可能的。这里的美味不仅在于味道，更在于那种坚持：

老牌牛肉粿条：在高汤的氤氲中，感受潮汕牛肉最纯粹的鲜甜。
老妈宫粽球：双烹的奇妙口感，甜咸在舌尖碰撞，竟然出奇地和谐。
广场老牌豆花：那种浓厚到化不开的豆香，配上红糖粉，是只有在汕头才能吃到的“硬核”甜品。

四、结语：不仅是打卡，更是致敬

现在的汕头小公园，既有修缮后的精致，也保留了老城的灵魂。它不只是一个游客打卡的景区，更是汕头华侨文化的根。看着夜晚亮起的霓虹灯勾勒出骑楼的轮廓，我感受到的是一种跨越百年的生命力。

如果你也热爱建筑与美食，汕头小公园绝对值得你预留一整个下午，去虚度一段温柔的光阴。

从零到一：基于 OpenCloud 架构的微服务集群部署实战与性能调优

Tue, 10 Mar 2026 16:40:39 +0800

引言

随着业务量的增长，传统的单体架构在应对高并发访问时愈发吃力。近期，我将个人项目的核心底层迁移到了 OpenCloud 云原生平台。这次迁移不仅是为了实现容器化弹性伸缩，更是为了利用其卓越的流量调度能力。今天，我把整个部署过程中的避坑指南和调优经验记录下来，分享给大家。

一、环境准备与架构设计

在部署之前，我针对现有的核心服务（基于 Java Spring Boot）进行了微服务化拆分。

基础设施：采用 2核 2G 节点集群（与我之前的 Nginx 服务器配置保持一致）。
存储方案：静态资源全面接入 Cloudflare R2，通过 CDN 实现全球加速，减轻源站压力。
网关层：利用 OpenCloud 自带的分布式网关替代传统 Nginx，实现更精细的流量拦截与安全审计。

二、部署核心流程

1. 镜像构建优化

为了缩短部署时间，我通过多阶段构建（Multi-stage Build）优化了 Docker 镜像，将原本 600MB 的 Java 运行镜像精简到了 180MB。

Dockerfile# 使用轻量级 Alpine 镜像
FROM eclipse-temurin:21-jre-alpine
COPY --from=build /app/target/app.jar /app.jar
ENTRYPOINT ["java", "-jar", "/app.jar"]

2. 配置文件挂载

通过 OpenCloud 的 ConfigMap 机制，我实现了配置与镜像的彻底分离。这意味着无论是数据库连接池的参数，还是 AES 加密的密钥，都可以在不重启镜像的情况下完成动态更新。

3. 数据库与缓存接入

由于本项目处理约 10万级 的数据记录，搜索性能至关重要。我将 Elasticsearch Serverless 节点挂载到了 OpenCloud 的内网 VPC 中，实测搜索响应延迟降低了约 30%。

三、踩坑记录：HTTP 请求截获问题

在部署初期，我发现部分跨域请求（CORS）被 OpenCloud 的安全组件拦截。经过排查，发现是由于我在前端使用了 Web Worker 配合 AES 解密图片，导致部分请求头不符合安全规范。

解决方案：在 OpenCloud 的控制面板中自定义了 SecurityPolicy，对特定进程发出的流量进行了白名单放行，并同步更新了 SunnyNet.dll 相关的监听策略，确保了本地调试与云端环境的一致性。

四、性能监控与总结

部署完成后，通过 OpenCloud 仪表盘可以看到，在模拟 5000 QPS 的压力测试下，系统 CPU 占用率始终保持在 45% 以下。

总结：云原生的核心不在于“搬家”，而在于“重塑”。通过 OpenCloud 的部署，我不仅解决了单机性能瓶颈，更为后续的 AI 视频打赏功能扩展打下了坚实的基础。

《捕捉数字龙虾：在 Mac mini 上部署 OpenClaw 自主 AI 助手实战指南》

Sun, 01 Mar 2026 17:16:05 +0800

一、为什么在 Mac mini 上养“龙虾”？

OpenClaw 并不是普通的聊天机器人，它是一个有手有脚的 AI 代理。它能读写文件、操作浏览器、甚至替你写代码并运行。选择 Mac mini 作为宿主机有三个核心理由：

低功效长连接：Mac mini 极低的待机功耗，适合作为 7×24 小时的 OpenClaw 网关（Gateway）。
生态协同：OpenClaw 可以调用 macOS 的系统权限，通过 AppleScript 联动各种原生 App。
私密性：数据和记忆完全存储在本地，不用担心敏感代码泄露给云端。

二、部署三部曲

1. 核心环境准备

首先，确保你的 Mac 已经安装了 Node.js（建议 v20+）和 Docker。在终端执行安装命令：

# 全局安装 OpenClaw 命令行工具
npm install -g @openclaw/cli

# 初始化配置
openclaw init

2. 配置大模型“大脑”

OpenClaw 需要接入底层模型。在配置文件中，我接入了之前项目中常用的 API：

主模型：Claude 3.7 / GPT-5（负责复杂逻辑推理）
备选模型：DeepSeek-V3（负责代码解析与低成本任务）

3. 开启通信渠道（Channels）

这是 OpenClaw 的精髓。我配置了飞书（Feishu）机器人和 Telegram 两个通道。

飞书：用于处理办公任务，如“帮我查一下昨天的 Web 日志并总结报错”。
Telegram：用于远程监控，通过 openclaw pairing 命令完成配对后，即使我在户外，也能通过手机给家里的 Mac mini 下达复杂的部署任务。

三、进阶：针对 Apple Silicon 的优化

在 Mac mini 上运行，我专门开启了 Native Canvas 渲染功能。当 OpenClaw 在帮我调试 Vue 页面（比如之前那个 AES 图像解密组件）时，它可以直接在本地渲染出预览画面，并通过 WebUI 反馈给我。

避坑指南：

权限赋予：在 macOS “系统设置 -> 隐私与安全性”中，需要给终端辅助功能权限，否则 OpenClaw 无法模拟键盘鼠标操作。
内存管理：对于 8G 内存的 Mac mini，建议限制并发任务数，防止内存溢出导致 Gateway 崩溃。

四、实测体验：它真的能“直接干活”

结语

OpenClaw 的爆火标志着 AI 从“会聊”进化到了“会做”。将它养在 Mac mini 里，就像拥有了一个永不下班的数字分身。

EthanYQ个人小屋

《百载商埠的旧梦与新生：汕头小公园骑楼下的漫步漫谈》

一、 踏入光影交错的“放射性”街道

二、 必打卡的视觉地标

三、 舌尖上的“胶己人”执念

四、 结语：不仅是打卡，更是致敬