安装WSL及Ubuntu遇到问题安全频道支持出错

Ne0inhk

— 1 min read

问题描述

安装wsl及ubuntu的时候总数提示安全频道支持出错

原因

这个 “安全频道支持出错”，在 安装 WSL / Ubuntu 时非常常见，本质上不是 WSL 本身坏了，而是 Windows 的安全通信（TLS/SSL / 证书）出了问题。

一、这个错到底是什么意思？
安全频道（Security Channel / Schannel）
是 Windows 用来做 HTTPS / TLS 加密通信 的组件。
安装 WSL / Ubuntu 的过程里，需要：
访问 Microsoft Store
或从 微软服务器下载发行版
或通过 HTTPS 拉取包
一旦 Windows 的：
TLS 协议
证书
系统时间
网络代理
有问题，就会报 “安全频道支持出错”。

我这里遇到的原因是TLS 1.2 / 1.3 被关了
有些精简系统 / 老系统 / 被优化工具关过。

解决办法

Win + R → 输入：

inetcpl.cpl

切到 “高级”
勾选：
✅ 使用 TLS 1.2
✅ 使用 TLS 1.3（有的话）
取消勾选 SSL 3.0 / TLS 1.0 / TLS 1.1
确定 → 重启

Read more

揭秘AI大模型通信机制：深入理解流式传输与数据封装逻辑

揭秘AI大模型通信机制：深入理解流式传输与数据封装逻辑

文章目录 * 前言 * 一、 核心数据传输格式详解 * 1. 请求格式 * 2. 响应格式：非流式 * 3. 响应格式：流式 * 二、 流程图分析：从输入到输出 * 1. 流程逻辑描述 * 2. 流程图 (Mermaid 代码表示) * 三、 原理架构图分析 * 1. 架构层级说明 * 2. 架构图 (Mermaid 代码表示) * 四、 关键技术原理深度解析 * 1. 为什么选择 SSE 而不是 WebSocket？ * 2. Token 与数据传输的关系 * 3. 数据压缩 * 五、 总结 前言 Ai聊天工具（如ChatGPT、Claude、文心一言等）的数据传输是核心功能的基石。要深入理解其背后的机制，

By Ne0inhk
Clawdbot 8万Star的背后：AI 助理真的来了么（附macOS本地尝鲜教程-有手就行版）

Clawdbot 8万Star的背后：AI 助理真的来了么（附macOS本地尝鲜教程-有手就行版）

从 Chat 到 Action，AI 正在接管我们的屏幕。但在一周 8 万 Star 的狂欢背后，爆火的应用与脆弱的安全性之间，正横亘着一道待解的基础设施鸿沟。 流量高地与范式转移：从“对话”到“实战” 这几天 Clawdbot 的出圈速度很夸张。社区里最直观的信号是 GitHub star 曲线在短时间内冲到数万量级，很多讨论甚至直接把它当作“2026 开源增长最快的现象级项目之一”。 更戏剧化的是，它还带出了一个“周边行情”：大量开发者开始用 Mac mini 这类小主机来常驻运行，从而实现一个 7×24h 永不下班的“核动力牛马”，甚至出现“下单截图刷屏”“卖断货”的情况。 Clawdbot 现在官方名字是 Moltbot，比较有意思的是，改名的原因是因为 Anthropic

By Ne0inhk
医疗AI场景下算法编程的深度解析（2026新生培训讲稿）（四）

医疗AI场景下算法编程的深度解析（2026新生培训讲稿）（四）

第7章 k-均值算法：患者分群与精准医疗 在医疗领域，我们常常面临这样的问题：患者是否可以划分为不同的亚型？不同亚型是否有不同的疾病进展模式或治疗反应？这些问题属于无监督学习的范畴。k-均值（k-means）聚类算法是最经典、最常用的无监督学习算法之一，它能够将数据划分为 k 个簇，使得同一簇内的样本高度相似，不同簇间的样本差异显著。本章将从算法原理出发，深入解析 k-均值在医疗场景中的应用，并通过实战案例展示如何利用 k-均值发现慢性病患者的潜在亚型，为精准医疗提供依据。 7.1 算法原理 7.1.1 聚类问题概述 聚类是一种无监督学习任务，目标是将数据集中的样本划分为若干个组（簇），使得同一组内的样本尽可能相似，不同组间的样本尽可能不同。与分类不同，聚类不依赖于预先标记的类别，而是从数据本身发现结构。 7.1.2 k-均值算法的核心思想 k-均值算法试图将 n 个样本划分到 k 个簇中，使得每个样本到其所属簇中心的距离平方和最小。簇中心是簇内所有样本的均值（因此得名“

By Ne0inhk
人工智能：计算机视觉的基础与应用

人工智能：计算机视觉的基础与应用

第十二篇：计算机视觉的基础与应用 学习目标 💡 理解计算机视觉的基本概念和重要性 💡 掌握计算机视觉中的图像处理技术、特征提取方法、常用模型与架构 💡 学会使用计算机视觉库（OpenCV、PIL、PyTorch、TensorFlow）进行图像处理、特征提取和模型训练 💡 理解图像分类、目标检测、语义分割等任务的实现方法 💡 通过实战项目，开发一个完整的计算机视觉应用 重点内容 * 计算机视觉的基本概念 * 图像处理技术（图像预处理、增强、滤波） * 特征提取方法（HOG、SIFT、ORB） * 常用模型与架构（LeNet、AlexNet、VGG、ResNet、YOLO） * 实战项目：计算机视觉应用开发（图像分类、目标检测等） 一、计算机视觉基础 1.1 计算机视觉的基本概念 计算机视觉（Computer Vision）是人工智能的一个重要分支，它涉及计算机与图像之间的交互。其目标是让计算机能够理解和解释图像内容，

By Ne0inhk