Insolitude

量子纠缠是如果 a 为 1 ，b 就为-1 。但是 a 是 1 还是-1 是随机的无法控制的，所以通过 a 可以知道 b 是啥，但是 a ，b 只能是一串乱码，只能作为密钥来加密，信息还是通过传统渠道传递。

不如看看中微子，毕竟这东西几乎不和物质相互作用，是真能打穿地壳，射到阿美。像江门的中微子实验，就有在地底接收大亚湾发出的中微子。

三星国行的优缺点

优点

1 ，给微信，QQ 做了保活，至少消息可以收到。
2 ，国行主推的三星生活助手，可以记录高铁，飞机，酒店信息，还同步在手表上显示，出去玩还是很方便的。

缺点
1 ，国行魔改安装器，国行的安装器是有广告的
2 ，浏览器，文件，相册强制绑定百度搜索，百度网盘。运气好可以卸载更新，在 GooglePlay 上安装解决，但大部分时候国区的版本会比外区的高一个大版本，覆盖不了。
3 ，系统更新慢，老设备每落后一代晚一周，国行格外晚一周，遇到国庆再晚两周。
4 ，持续性阉割，每次大版本更新都会给老设备少一些功能，跟性能无关，比如 s23 之前没有 Google 的即圈即搜，s24 没有 oneui 8 的新相机水印。不影响使用，但是恶心。
5 ，国行特供账号体系，像智能家居这部分就没法和 homeassistant 联动，Bixby 会强制调用国内的软件，音乐，搜索
6 ，手表双向锁区，手机上还会出现一个点进去就会要手表初始化才能恢复的应用（

还有一些全球性的缺点
1 ，uwb 支持了好几年，至今没法像 Apple 那样查找设备位置，耳机掉了完全没法找

再找一个有 nfc 的安卓手机，安装 mct ，启动小米手机上的门卡，两台手机背靠背，复制，找个门卡，写入就行。
https://play.google.com/store/apps/details?id=de.syss.MifareClassicTool

调用过 Google 的 ai ocr 的接口，效果感觉还不如本地的 ocr ，，可能手写体 ai 会更好点。让 llm 优化传统 ocr 的结果，感觉是个不错的思路。目前我用的本地 ocr 主要就中文的标点会识别成英文标点的问题，发给 llm 很容易解决。

给个建议，先操作试试，再想有的没的。我们也是限 3 个设备，也是网页登录，一开始找了了乱七八糟的教程，结果路由器到了，正准备刷机，结果发现路由器后面任意一台设备登录了，其他设备都能上网，只被视为 1 台设备。学校压根没拦着

订阅了直接切换计划就行，能用支付宝，相当于 20 一年。就是国区订阅，onedrive 这些会显示由世纪互联运营，介意的还是切美区吧。

刚上 steam 的时候可以用 steamdb 加入购物车，就可以单买了，现在不知道行不行。补票可以，玩就算了，全是 bug ，很容易卡死。

试试把每一句话拆出来，做成 json{id, text}，发给大模型，让他返回一个 JSON ，包含 id ，原文，修改后的文本，是否更正。最后写个脚本校验一下，不对的重试一下

这是我之前类似项目的 prompt
prompt_template = f"""
你是一个高度智能、注重细节的中文校对批处理引擎。你的任务是接收一个 JSON 数组，并对每个任务进行独立的、多维度的校对分析。

请严格遵循以下 [核心规则] ：
1. **独立处理**：数组中的每个对象都是一个独立任务，不要让任务之间互相影响。
2. **严格对应**：返回的 JSON 数组中的每个结果对象，必须通过`id`字段与输入任务一一对应。
3. **遵守校对规则**：对于每个任务的「待修正片段」，都需遵守“专注修正”、“忠于原意”、“尊重范围（不补全）”的原则。
4. **全局错误扫描**：在校对「待修正片段」的同时，也请审阅整个「上下文句子」。如果句子中存在明显的、但位于「待修正片段」**范围之外**的错误，请将 `error_outside_snippet` 字段设为 `true`。否则（即句子其他地方无错，或错误就在片段内），一律设为 `false`。
5. **格式要求**：你的最终输出必须是一个严格的、完整的 JSON 数组。
6. **无错则返**：如果「待修正片段」没有任何错误，请将`is_corrected`字段设为`false`。

[重点校对维度与特殊指令]
在执行校对时，请特别关注并应用以下细则：
1. 结构助词“的、地、得”辨析：
- 任务：精确审查并修正结构助词“的”、“地”、“得”的误用。
- 标准：“的”用于定语后修饰名词；“地”用于状语后修饰动词；“得”用于动词或形容词后连接补语。

2. 常见错别字来源分析：
- 任务：识别并修正由常见输入法错误导致的错别字。
- 重点关注 a (音近致错)：由拼音输入法造成的谐音或近音错误。例如：“在”与“再”；“部署”与“部属”。
- 重点关注 b (形近致错)：由五笔等形码输入法造成的字形相近错误。例如：“己”与“已”；“戌”与“戍”。

3. 技术性错误处理指令：
- 任务：忽略特定的、由程序处理产生的非内容性错误。
- 具体指令：若发现前后半角或全角引号（" " 或 “ ”）不匹配，且明显是由程序断句或片段截取造成的，请忽略此问题，不要将其视为需要修正的错误。
---

[输入任务列表 (JSON 数组)]
INPUT_TASKS_JSON_STRING

---

[输出结果列表 (JSON 数组)]
请根据上述要求，返回一个 JSON 数组，每个对象必须包含以下所有字段：
- `id`: 字符串(string)，与输入任务对应。
- `is_corrected`: 布尔值(boolean)，表示「待修正片段」本身是否被修正。
- `error_outside_snippet`: 布尔值(boolean)，表示在「待修正片段」范围之外的上下文中是否发现错误。
- `original_text`: 字符串(string)，原始的待修正片段。
- `corrected_text`: 字符串(string)，修正后的文本片段。
- `explanation`: 字符串(string)，简要说明所有发现。如果`error_outside_snippet`为 true ，请在此字段中说明在句子何处发现了何种错误。
"""