“AI Agent编写代码+人工审阅批准”的Vibe Coding流程，已经逐渐成为了我日常工作流中极其重要的一部分，然而吃饭、睡觉、外出活动的间隙，仍然不可避免地要离开电脑屏幕前。俗话说打工人得休息，但AI Agent却是可以在后台替我们完成工作、推进进度的。如何填补这一空缺，让我们不在屏幕前时也能监控、审阅本地电脑的Agent的工作结果，并进一步发出指令？
在学界业界，为解决这一问题，Claude Code、Codex等都纷纷拥抱命令行（Cli）化，也出现了happy等开源项目为其提供手机端和Web端。但就我的日常工作流而言，审阅代码、文件仍然占一大部分，因此仍然依赖Cursor这样的IDE内置AI Agent。Cursor Cli推出后，通过手机端操控本地PC的Cursor AI Agent成为了可能，本篇文章记录实现这一思路的探索历程。
谁小时候还没个飞行员梦想...下载战术小队Squad，光荣入伍，成为运输薯条的飞行员！（此篇为自留，训练方法记录）
上一学期，我在期末周前为了数据分析课程的结课项目，花大时间服务器部署、本地访问大模型。现在终于有时间整理出来。
这个项目中，我试图部署一个表格大模型，用于解析不同结构的表格信息、汇总为统一的格式。幸运的是，去年十一月份浙大开源了TableGPT2大模型及其Agent（相关介绍和体验将在另一篇文章呈现），让我有合适现成的模型可以使用；不幸的是，我可能也是全网第一篇尝试部署该模型的人，没有任何先例可供参考。
诚然，在一开始探索部署它的过程中，我确实在摸索中走了许多错路，但好在最后发现了VLLM的部署过程是共通的，并由此摸索出一条蹩脚的路径，本文将予以阐述。
最后，还要再Thanks to ChatGPT，作为我构建Agent的Agent，陪我走过了摸黑探路的过程。
使用Python爬虫，基于本地IP直接向网站发送请求以爬取数据时，可能由于网站的反爬措施而导致IP封禁。特别是在课堂演示等场景下，多台主机多次在同一IP发送请求，很难不出现这样的问题。这里以豆瓣电影Top250的爬取为例，对问题进行解析，并提供一种基于IP代理的解决方案。
母亲的公司要求员工学习数据分析，她作为一线老HR，在不具备编程基础、统计学基础的前提下，却被要求掌握业务数据分析能力，着实是强人所难（卷到老员工了都）。于是有了本篇文章，试图通过大模型Agent的方式，辅助进行在线数据分析功能的导引。
该文章的方法同样适用于初步入门数据分析的同学，能够借助此创建一个AI导师，以辅助学习数据分析，或快速实现数据分析业务功能。