使用rclone将远程的webDav文件共享映射成本地硬盘

#webdav #rclone

一、准备工作

1.1 准备webdav连接

支持webdav的网盘有好多,请自行准备。我做示范的是国外的一个免费网盘,地址是https://infini-cloud.net/en/index.html, 先注册一个账号,就有20GB的免费空间可用。


收到验证邮件,输入验证码或者点击验证链接,注册成功后进入My Page。


免费的20GB空间大小,如果你在主页下方输入我送你的优惠码 L3UV8,你还将多获得5GB的空间


设置允许webDav访问,记住你的密码,如果忘记了,可以Reissue.


记录下以下三个信息(密码只显示一次)

WebDAV Connection URL
Connection ID
Apps Password

尝试一下webdav登录,可以正常访问

1.2 下载Rclone和WINFSP

我本机是Win11,我以windows版本为实例,其他操作系统请自行参考查找相关资料。

下载地址: https://rclone.org/downloads/


下载完成,把压缩包解压到D:/Rclone目录


下载Winfsp并安装。下载地址https://winfsp.dev/rel/

**



二、配置Rclone

我个人习惯将命令行的添加到系统环境变量中间去


打开资源管理器D:\Rclone,右键 在终端中打开 进入命令行窗口


输入以下命令开始配置: rclone config


输入n , 新建 New Remote,紧接着输入远程webdav名称:infinicloud,自己随起,记得住就行。


下面根据提示输入你的rclone版本提示的webdav的名称编号,我这个版本的是62。


依次输入 62,输入上面准备工作时记录下的相关信息

输入URL:如图标2,输入 vendor:如图标3,输入user,如图标4 ,输入y之后,重复输入自己记录下的的密码两遍。

可选配置输入直接回车,最后编辑输入n,然后它就显示输入的一个总结情况。


远程连接配置完成。最后输入q,退出配置模式。


最后验证一下远程连接是否成功。

输入命令

rclone lsf infinicloud: 


如果显示相应的两个说明文件,表示配置成功。

三、本地挂载

前面已经安装 WinFsp 软件(文件系统中间件)。

使用以下命令挂载(以 Z: 盘为例):

rclone mount infinicloud: Z: --network-mode --vfs-cache-mode full 

常用挂载参数说明:

参数说明
–network-mode以网络位置挂载,提高文件管理器响应速度
–vfs-cache-mode full启用完整缓存模式,提高读写性能
–vfs-cache-max-size 1G设置缓存最大大小为1GB
–buffer-size 512M设置缓冲区大小为512MB

在windows资源管理器中,就可以看到Z:盘了,如同本地硬盘一样使用了。

但是,这样只要命令行一退出,Z:盘就自动断开了。我们需要将其添加成window自启动当中去。

设置windows开机自启动无窗口模式

创建批处理文件 mount.bat

@echo off D:\Rclone\rclone.exe mount infinicloud: Z: --vfs-cache-mode full --file-perms 0777 --cache-dir "D:\Rclone\Cache" 

创建启动脚本 start.vbs

CreateObject("WScript.Shell").Run "cmd /c D:\Rclone\mount.bat",0 

把 start.vbs 放入开机启动文件,按Win+R 输入shell:startup,将 start.vbs 的快捷方式放入该目录,这样每次重新启动之后就自己挂载云盘至Z盘了。

四、小结

本文在Windows环境下,使用Rclone命令将支持webDav的云盘挂载到本地当硬盘使用,其他系统的使用方法累似,请自行查找解决方案。在总结时,突然发现其实在windows中实际可以直接将webdav文件共享映射为网络驱动器的。




区别是挂载类型一个是本地硬盘,一个是网络驱动器。具体使用请大家自行体会。

Read more

AI提示词:零基础入门与核心概念

AI提示词:零基础入门与核心概念

AI提示词:零基础入门与核心概念 📝 本章学习目标:理解什么是提示词,掌握提示词的核心概念,建立正确的AI对话思维,为后续学习打下坚实基础。 一、什么是提示词? 1.1 提示词的定义 提示词(Prompt),简单来说,就是你发给AI的指令或问题。它是人类与人工智能沟通的桥梁,是你告诉AI"我想要什么"的方式。 想象一下,你雇佣了一位超级聪明但对你的需求一无所知的助手。这位助手知识渊博、能力强大,但它需要你清晰地告诉它要做什么。提示词就是你给这位助手的工作指令。 💡 核心认知:提示词不是简单的"提问",而是一种结构化的指令设计。好的提示词能让AI精准理解你的意图,输出高质量的结果;糟糕的提示词则会让AI"答非所问",浪费你的时间。 1.2 提示词的重要性 为什么提示词如此重要?让我们通过一个对比来说明: ❌ 糟糕的提示词: 帮我写点东西 ✅ 好的提示词: 请帮我写一篇关于&

支持LoRA和QLoRA的LLama-Factory镜像已发布,轻松节省GPU算力成本

支持LoRA和QLoRA的LLama-Factory镜像已发布,轻松节省GPU算力成本 在大模型时代,一个现实问题困扰着无数开发者:如何用有限的硬件资源微调动辄数十亿参数的语言模型?全参数微调虽然效果好,但一张A100显卡都未必扛得住。而如今,这个问题正在被彻底改写。 随着LoRA与QLoRA技术的成熟,以及LLama-Factory这类集成化框架的推出,我们已经可以在单张RTX 3090上完成7B甚至13B级别模型的高效微调——这在过去几乎是不可想象的。更重要的是,整个过程不再需要编写复杂的训练脚本,非技术人员也能通过图形界面完成定制化训练。 这一切的背后,是参数高效微调(PEFT)与量化技术的深度融合,也是开源社区对“普惠AI”的一次有力实践。 LoRA:让微调变得轻量而高效 传统微调会更新模型中所有参数,以LLaMA-7B为例,约有67亿个可训练参数,光优化器状态就可能占用超过80GB显存。这种资源消耗对于大多数个人或中小企业来说是难以承受的。 LoRA(Low-Rank Adaptation)的出现改变了这一局面。它的核心思想非常巧妙:冻结原始权重,仅引入少量可训练

基于Whisper-large-v3的多语言翻译系统开发

基于Whisper-large-v3的多语言翻译系统开发 想象一下这样的场景:一场国际线上会议正在进行,参会者来自世界各地,说着不同的语言。一位德国同事用德语发言,一位日本伙伴用日语提问,而你作为会议组织者,需要实时理解所有人的发言,并确保沟通顺畅。传统做法是雇佣多名翻译,成本高昂且响应延迟。现在,有了基于Whisper-large-v3构建的多语言翻译系统,这一切都可以自动化完成,而且成本只是传统方案的零头。 本文将带你一步步构建这样一个系统,从语音识别到文本翻译,形成一个完整的流水线。无论你是想为跨国团队开发内部工具,还是想为内容平台添加多语言字幕功能,这套方案都能为你提供一个坚实的起点。 1. 为什么选择Whisper-large-v3? 在开始动手之前,我们先聊聊为什么Whisper-large-v3是构建多语言翻译系统的理想选择。 Whisper-large-v3是OpenAI开源的语音识别模型,它最大的特点就是“多语言”和“高精度”。这个模型在超过100万小时的音频数据上训练过,支持99种语言的识别,包括英语、中文、法语、德语、日语、韩语等主流语言,甚至还能识别

从Obsidian App迁移到Obsidian.nvim:保留所有功能的无缝过渡方案

从Obsidian App迁移到Obsidian.nvim:保留所有功能的无缝过渡方案 【免费下载链接】obsidian.nvimObsidian 🤝 Neovim 项目地址: https://gitcode.com/gh_mirrors/obs/obsidian.nvim Obsidian.nvim是一款将Obsidian的强大功能与Neovim的高效编辑体验完美结合的插件。如果你是Obsidian App的忠实用户,又想体验Neovim带来的极致编辑效率,本文将为你提供一份保留所有功能的无缝迁移指南,让你轻松过渡到Obsidian.nvim的世界。 为什么选择Obsidian.nvim? Obsidian.nvim不仅继承了Obsidian App的核心功能,还融入了Neovim的强大编辑能力。它支持双向链接、标签管理、每日笔记等Obsidian的标志性功能,同时提供了Vim快捷键、代码高亮、插件扩展等Neovim特有的优势。对于习惯使用Obsidian进行知识管理,又追求高效编辑体验的用户来说,Obsidian.nvim是理想的选择。 准备工作:安装Obsidia