打印此章节点击打印.

Dev Tools

在 Linux 中使用 Ventoy 制作 Windows 启动盘
使用 Whisper Tiny 模型实现快速语音转文字：Python 部署与实践指南
使用fuck-u-code优化代码质量
Markdown 转 PDF 加水印工具

在 Linux 中使用 Ventoy 制作 Windows 启动盘

2025年12月5日

Ventoy 是一个开源的多系统启动 U 盘解决方案，支持直接从 ISO/WIM/VHD(x)/EFI 文件启动，无需反复格式化 U 盘。

1. 准备工作

1.1 获取 Windows ISO 镜像

三选一，建议使用非官方源（Microsoft 官网可能会有神秘报错）：

OS.click（推荐）：https://os.click/en
UUP dump：https://uupdump.net/
Microsoft 官网：https://www.microsoft.com/software-download/windows11

下载完成后校验文件：

sha256sum windows11.iso

2. 安装 Ventoy

2.1 下载 Ventoy

访问 Ventoy 官网下载 Linux 版本安装包，例如 ventoy-1.0.00-linux.tar.gz。

解压安装包：

tar -xzf ventoy-1.0.00-linux.tar.gz
cd ventoy-1.0.00

2.2 使用 WebUI 制作 Windows 启动盘

Ventoy 提供了 WebUI 图形化界面，推荐使用此方式安装，GUI 版本可能导致未响应。

启动 WebUI 服务器：

sudo ./VentoyWeb.sh

启动后会显示以下提示信息：

===============================================================

  Ventoy Server 1.1.07 is running ...

  Please open your browser and visit http://127.0.0.1:24680

===============================================================

################## Press Ctrl + C to exit #####################

打开浏览器访问：

在浏览器中打开 http://127.0.0.1:24680。

在 WebUI 中安装：

WebUI 界面如下图所示：

Ventoy WebUI 界面

界面说明：

设备选择：Device 下拉框选择目标 U 盘设备，右侧绿色刷新按钮可重新扫描设备
版本信息：
- Ventoy In Package：显示安装包中的 Ventoy 版本（如 1.1.07）和分区格式（MBR/GPT）
- Ventoy In Device：显示设备中已安装的 Ventoy 版本，如果为空则表示未安装
Option 菜单：
- Secure Boot Support：启用安全启动支持，建议勾选以兼容支持 UEFI Secure Boot 的计算机，在一些品牌笔记本电脑安装中，如果不启用安全会导致无法安装系统
- Partition Style：选择分区格式，可选择 MBR（Legacy BIOS）或 GPT（UEFI）
- Partition Configuration：分区配置选项，可设置在U盘内的保留空间
- Clear Ventoy：清除设备中的 Ventoy
- Show All Devices：显示所有设备
状态显示：Status - READY 表示准备就绪
操作按钮：
- Install：安装 Ventoy 到 U 盘
- Update：升级设备中的 Ventoy 版本

在 WebUI 中执行以下操作：

选择目标 U 盘设备
选择分区格式（MBR 或 GPT）
选择文件系统类型（exFAT, NTFS, FAT32 等）
点击 安装 按钮

注意： 安装会格式化 U 盘，清除所有数据。普通 U 盘建议使用 exFAT 文件系统，大容量移动硬盘或 SSD 建议使用 NTFS 文件系统。

3. 拷贝镜像文件

安装完成后，U 盘会被分成两个分区：

第 1 个分区（镜像分区）：容量较大，用于存放 ISO 文件
第 2 个分区（VTOYEFI 分区）：32MB，存放 Ventoy 启动文件

将下载的 Windows ISO 镜像文件直接拷贝到第 1 个分区（大一点的分区）中即可。可以将文件放在任意目录及子目录下，Ventoy 会自动遍历所有目录，按字母顺序显示在启动菜单中。

注意： 安装完成后，镜像分区也可以手动重新格式化为其他支持的文件系统（exFAT/FAT32/NTFS/UDF/XFS/Ext2/3/4），不影响 Ventoy 功能。

4. 启动安装

4.1 设置启动顺序

重启计算机，进入 BIOS/UEFI 设置
将 U 盘设置为第一启动项
保存并退出

4.2 选择镜像启动

从 U 盘启动后，Ventoy 会显示镜像文件列表，选择要安装的 Windows ISO 文件即可开始安装。

4.3 目标分区格式要求

重要提示： 如果目标安装位置（通常是系统盘）使用 GPT 分区表且格式为 NTFS，安装过程中可能会出现错误。建议在安装 Windows 前，将目标安装位置格式化为 GPT 格式，以避免安装失败。

5. 注意事项

安装 Ventoy 会格式化 U 盘，清除所有数据，请提前备份重要文件
U 盘容量需至少 8GB（推荐 16GB 或更大）
可以将 U 盘当作普通存储设备使用，存放普通文件不影响 Ventoy 功能
支持同时存放多个 ISO 文件，启动时可以选择
MBR/GPT 分区格式选项只在安装时有效，升级不会改变现有分区格式

参考文档

使用 Whisper Tiny 模型实现快速语音转文字：Python 部署与实践指南

2025年12月2日

1. 环境准备

1.1 系统要求

操作系统：Ubuntu / Debian / WSL / macOS / Windows
Python：3.10 或更高版本
系统依赖：ffmpeg（Whisper 处理音频文件必需）

1.2 安装系统依赖

Ubuntu/Debian:

sudo apt-get update
sudo apt-get install -y ffmpeg

macOS:

brew install ffmpeg

Windows: 从 ffmpeg.org 下载并安装

1.3 安装 Python 依赖

pip install openai-whisper

或者使用项目 requirements.txt：

pip install -r requirements.txt

2. Whisper 模型选择

Whisper 提供多种模型，可根据需求选择：

模型	参数量	速度	准确度	推荐场景
`tiny`	3900万	最快	较低	实时交互、低延迟需求
`base`	7400万	较快	中等	平衡速度和准确度
`small`	2.44亿	中等	较好	一般应用
`medium`	7.69亿	较慢	较高	高准确度需求
`large`	15.5亿	最慢	最高	专业转录

本项目使用 tiny 模型，适合实时语音交互场景。

3. 核心功能实现

3.1 模型管理（单例模式）

import whisper
import warnings

_whisper_model = None

def get_whisper_model():
    """获取或加载Whisper模型（单例模式）"""
    global _whisper_model
    if _whisper_model is None:
        with warnings.catch_warnings():
            warnings.filterwarnings("ignore", message="FP16 is not supported on CPU")
            _whisper_model = whisper.load_model("tiny", device="cpu")
    return _whisper_model

特点：

延迟加载：首次使用时才加载模型
单例模式：全局只加载一次，节省内存
自动处理 CPU/GPU：根据设备自动选择

注意：首次运行时会自动下载模型文件（tiny 模型约 75MB），下载完成后会缓存到本地，后续运行会直接使用缓存，无需重新下载。

3.2 音频文件处理

async def process_audio_file(audio_content: bytes, filename: str):
    """处理音频文件并转写"""
    # 1. 验证文件格式
    validate_audio_file(filename, audio_content)
    
    # 2. 保存到临时文件
    temp_path = create_temp_file(audio_content, filename)
    
    # 3. 转写音频
    result = transcribe_audio_file(temp_path, filename)
    
    # 4. 清理临时文件
    cleanup_temp_file(temp_path)
    
    return result

支持的音频格式：

.mp3, .wav, .flac, .m4a, .ogg, .webm, .mpeg, .mp4

注意：Whisper 会自动通过 ffmpeg 处理各种音频格式，无需手动转换。确保系统已安装 ffmpeg。

3.3 API 接口

可以使用 FastAPI 等 Web 框架封装 Whisper 功能，提供 HTTP API 接口。典型的接口设计包括：

语音转文字接口示例：

from fastapi import FastAPI, File, UploadFile
import whisper

app = FastAPI()
model = whisper.load_model("tiny")

@app.post("/transcribe")
async def transcribe_audio(audio: UploadFile = File(...)):
    """语音转文字接口"""
    # 保存上传的音频文件
    temp_path = save_temp_file(audio)
    
    # 转写音频
    result = model.transcribe(temp_path, language="zh")
    
    # 清理临时文件
    cleanup_temp_file(temp_path)
    
    return {
        "text": result["text"],
        "language": result["language"]
    }

4. 快速开始

4.1 最小示例

import whisper

# 加载模型（首次会自动下载）
model = whisper.load_model("tiny")

# 转写音频文件
result = model.transcribe("audio.wav", language="zh")
print(result["text"])

4.2 使用 FastAPI 接口

启动服务：

uvicorn main:app --reload

测试接口：

# 转写接口示例
curl -X POST \
  -F "audio=@test.wav" \
  http://localhost:8000/transcribe

4.3 Python 代码调用

import whisper

# 加载模型
model = whisper.load_model("tiny")

# 转写音频文件
result = model.transcribe("audio.wav", language="zh")

# 输出结果
print(f"转写结果: {result['text']}")
print(f"检测语言: {result['language']}")
print(f"处理时间: {result.get('processing_time', 'N/A')}")

5. 配置说明

5.1 修改模型类型

修改模型名称：

# 使用 tiny 模型（推荐，速度快）
_whisper_model = whisper.load_model("tiny", device="cpu")

# 或使用其他模型
_whisper_model = whisper.load_model("base", device="cpu")
_whisper_model = whisper.load_model("small", device="cpu")

注意：如需提高转写准确度，可以：
使用更大的模型（small/medium/large），但速度会变慢
确保音频质量良好，减少背景噪音
指定正确的语言参数，避免自动检测带来的延迟

5.2 设备选择

# CPU 推理（默认）
model = whisper.load_model("tiny", device="cpu")

# GPU 推理（需要 CUDA）
model = whisper.load_model("tiny", device="cuda")

注意：Tiny 模型在 CPU 上运行速度已经很快，适合大多数场景。如需进一步提升速度，可以考虑：
使用 GPU 推理（需要安装 CUDA 版本的 PyTorch）
使用更小的模型（但准确度会降低）

5.3 语言指定

# 自动检测语言（默认）
result = model.transcribe("audio.wav")

# 指定语言（更快）
result = model.transcribe("audio.wav", language="zh")  # 中文
result = model.transcribe("audio.wav", language="en")  # 英文

参考文档

使用fuck-u-code优化代码质量

2025年12月2日

fuck-u-code 是一款专门揭露屎山代码的质量分析工具，能够评估代码的"屎山等级"并输出美观的报告，可以输出md格式报告，供大模型分析使用。

项目介绍

项目地址： https://github.com/Done-0/fuck-u-code

项目描述： Legacy-Mess Detector – assess the “legacy-mess level” of your code and output a beautiful report | 屎山代码检测器，评估代码的"屎山等级"并输出美观的报告

核心特性

多语言支持: Go、JS/TS、Python、Java、C/C++
屎山指数: 0~100 分，越高越烂
七维度检测: 复杂度 / 函数长度 / 注释率 / 错误处理 / 命名 / 重复度 / 结构
彩色终端报告: 批评也能笑着听
Markdown 输出: 方便 AI 分析与文档集成
灵活配置: 摘要 / 详细模式，多语言报告
全程本地运行: 不上传代码，安全无忧

安装方法

方法一：Go 安装（推荐）

go install github.com/Done-0/fuck-u-code/cmd/fuck-u-code@latest

方法二：源码构建

git clone https://github.com/Done-0/fuck-u-code.git
cd fuck-u-code && go build -o fuck-u-code ./cmd/fuck-u-code

方法三：Docker 构建

docker build -t fuck-u-code .

基本使用方法

分析本地项目

# 基本分析 - 本地项目
fuck-u-code analyze /path/to/project
# 或
fuck-u-code /path/to/project

# 默认分析当前目录
fuck-u-code analyze

分析 Git 仓库

# 分析 Git 仓库（自动克隆）
fuck-u-code analyze https://github.com/user/repo.git
# 或
fuck-u-code https://github.com/user/repo

Docker 运行

docker run --rm -v "/path/to/project:/build" fuck-u-code analyze

常用选项

选项	简写	描述
`--verbose`	`-v`	显示详细报告
`--top N`	`-t`	最烂的前 N 个文件
`--issues N`	`-i`	每文件显示 N 个问题
`--summary`	`-s`	只看总结，不看过程
`--markdown`	`-m`	输出 Markdown 格式报告
`--lang`	`-l`	报告语言 (zh-CN/en-US/ru-RU)
`--exclude`	`-e`	排除指定目录或文件
`--skipindex`	`-x`	跳过 index.js/ts 文件

使用示例

fuck-u-code analyze --verbose
fuck-u-code analyze --top 3
fuck-u-code analyze --lang en-US
fuck-u-code analyze --summary
fuck-u-code analyze --exclude "**/test/**"
fuck-u-code analyze --markdown > report.md

代码质量分析脚本

基于 fuck-u-code 工具，我编写了一个简单的代码质量分析脚本，用于自动生成 Markdown 格式的代码质量报告。

脚本内容

创建 analyze_code_quality.sh 文件：

#!/bin/bash

# 代码质量分析脚本
fuck-u-code analyze --markdown --lang zh-CN --skipindex --exclude "**/tests/**" > code_quality_report.md

echo "代码质量分析完成，报告已生成：code_quality_report.md"

使用方法

# 1. 创建脚本文件
nano analyze_code_quality.sh
# 将上述脚本内容复制到文件中

# 2. 赋予执行权限
chmod +x analyze_code_quality.sh

# 3. 运行脚本
./analyze_code_quality.sh

脚本参数说明

--markdown: 输出 Markdown 格式报告
--lang zh-CN: 使用中文语言
--skipindex: 跳过 index.js/ts 文件
--exclude "**/tests/**": 排除测试目录

输出文件

code_quality_report.md - 代码质量分析报告

Markdown 输出

适合 AI 分析、文档集成、CI/CD、团队协作

fuck-u-code analyze --markdown
fuck-u-code analyze --markdown > report.md
fuck-u-code analyze --markdown --top 10 --lang en-US > report.md

默认排除路径

前端: node_modules，dist，build，*.min.js 等
后端: vendor，bin，target，logs，migrations 等

疑难解答

常见问题

command not found 错误

# 把 Go bin 路径加到 PATH
export PATH="$PATH:$(go env GOPATH)/bin"
# 并写入 .bash_profile / .zshrc 等

权限错误

chmod +x analyze_code_quality.sh
chmod +x quick_analyze.sh

fuck-u-code 未安装

go install github.com/Done-0/fuck-u-code/cmd/fuck-u-code@latest

确保在包含 requirements.txt 和 app/ 目录的根目录运行

分析失败

检查 logs/analysis_error.log 文件
确保项目代码没有语法错误

报告解读

评分系统

分数范围: 0~100 分
分数含义: 越高越烂，欢迎"高分大佬"上榜
七维度检测:
- 复杂度分析
- 函数长度检查
- 注释率统计
- 错误处理评估
- 命名规范检查
- 重复度检测
- 代码结构分析

生成的 Markdown 报告包含

📊 整体质量评分
📈 各项指标详情
🔍 问题文件列表
💡 改进建议

改进重点

根据报告中的优先级进行代码改进，重点关注：

高复杂度函数
重复代码
缺少注释
错误处理

Markdown 转 PDF 加水印工具

2025年10月30日

一个功能强大的Markdown转PDF工具，支持GitHub风格的Markdown语法、代码文档、Mermaid图表等，并自动添加水印。专为技术文档和代码项目设计，支持中文字体渲染和批量处理。

功能特性

Markdown → PDF（GitHub样式）：表格、代码块、链接、图片；多语言代码高亮
Mermaid 支持：流程图、时序图、甘特图自动渲染
水印能力：文本/图片水印、透明度/角度/密度可调，亦可输出无水印
中文字体：自动识别常见中文字体，渲染稳定
批量处理：input/ 全目录一键处理，结果输出至 output/
交互/默认双模式：交互式最少参数配置；快速模式开箱即用
多语言界面：中英自动/手动切换

适用：README/设计与架构（Mermaid）/API与代码文档、技术博客归档、项目报告与教学讲义；支持批量加水印或生成纯净PDF，便于团队分发协作。

快速开始

运行项目

git clone https://github.com/pinyinjj/Markdown-to-PDF-Tool.git
cd md-pdf-watermark
python main.py

程序会引导您选择操作模式：

1. 处理PDF文件（添加水印）

为现有PDF文件添加水印
支持批量处理多个PDF文件

2. 转换Markdown到PDF（添加水印）

将Markdown文件转换为PDF并添加水印
支持Mermaid图表和代码高亮
自动检测中文字体

3. 仅生成图片水印

只生成水印图片，不处理任何文件
适合批量生成水印素材
支持文本和图片两种水印类型

4. 转换Markdown到PDF（无水印）

将Markdown文件转换为PDF，不添加水印
支持Mermaid图表和代码高亮
适合需要纯净PDF的场景

详细安装说明

Windows 安装

安装Python
- 从 python.org 下载Python 3.8+
- 安装时勾选"Add Python to PATH"

安装依赖

pip install -r requirements.txt
playwright install

系统依赖（如果需要）
```
playwright install-deps
```

Linux 安装

安装Python

# Ubuntu/Debian
sudo apt update
sudo apt install python3 python3-pip python3-venv

# CentOS/RHEL
sudo yum install python3 python3-pip

安装依赖

pip install -r requirements.txt
playwright install

系统依赖
```
sudo playwright install-deps
```

国际化支持

语言设置

程序支持英文和中文两种界面语言：

自动语言检测

程序会自动检测系统语言环境：

检测系统 locale 设置
检查环境变量 LANG
默认使用英文作为后备语言

手动语言设置

# 使用英文界面
python main.py --lang en --interactive

# 使用中文界面
python main.py --lang zh --interactive

# 自动检测（默认）
python main.py --interactive

语言切换

在交互式模式中，语言设置会影响所有界面文本
包括菜单选项、提示信息、错误消息等
不影响处理的文件内容

配置说明

水印配置

程序使用WatermarkConfig类管理所有配置：

class WatermarkConfig:
    # 文本水印设置
    GENERATE_IMAGE_FROM_TEXT = True      # 是否从文本生成图片水印
    TEXT_WATERMARK_FILE = "watermarks/text_watermark.png"  # 文本水印图片文件名
    FONT_SIZE = 36                       # 字体大小
    TEXT_COLOR = (68, 68, 68, 220)      # 文本颜色RGBA
    PADDING = 20                         # 内边距
    
    # PDF水印参数
    WATERMARK_TYPE = "grid"              # 水印类型：grid/insert
    OPACITY = 0.2                        # 透明度
    ANGLE = 45                           # 旋转角度
    IMAGE_SCALE = 1.0                    # 图片缩放
    HORIZONTAL_BOXES = 3                 # 水平网格数
    VERTICAL_BOXES = 6                   # 垂直网格数

字体配置

程序会自动检测系统中文字体，支持：

Windows: 微软雅黑、黑体、宋体、楷体、仿宋等
Linux: Noto Sans CJK等

如需指定字体，可设置环境变量：

export WATERMARK_FONT="/path/to/your/font.ttf"

使用方法

基本使用

准备文件：将PDF或Markdown文件放入input/目录
运行程序：执行python main.py
查看结果：处理后的文件在output/目录

调整水印样式

修改WatermarkConfig中的相关参数：

# 调整透明度
OPACITY = 0.3

# 调整角度
ANGLE = 30

# 调整网格密度
HORIZONTAL_BOXES = 4
VERTICAL_BOXES = 8

故障排除

常见问题

Playwright浏览器未安装

playwright install

中文字体未找到
- 确保系统已安装中文字体
- 或设置WATERMARK_FONT环境变量
watermark命令未找到
- 确保已安装pdf-watermark包
- 检查虚拟环境是否正确激活
权限问题

# Linux
sudo playwright install-deps

调试模式

程序会输出详细的处理信息，包括：

文件处理状态
水印生成过程
错误信息

依赖包说明

包名	版本	用途
Pillow	>=9.0.0	图像处理，生成文本水印图片
markdown	>=3.4.0	Markdown文件处理
playwright	>=1.30.0	浏览器自动化，PDF渲染
pdf-watermark	>=0.1.0	PDF水印添加

许可证

本项目采用 GPL-3.0-or-later 许可证发布。

注意：首次运行可能需要下载Playwright浏览器，请确保网络连接正常。