خبر و ترفند روز

خبر و ترفند های روز را اینجا بخوانید!

[خانه‌سرور #۲] هر آنچه روی هوم‌لب خود میزبانی کرده‌ام، به ترتیب میزان علاقه‌ام

[سرور خانگی شماره ۲] همه چیزهایی که روی سرور خانگی‌ام خودم میزبانی کرده‌ام، بر اساس میزان علاقه‌ام با درجه‌بندی
ده‌ها اپلیکیشن را روی هوم‌لب خود میزبانی کرده‌ام — این‌ها همان‌هایی هستند که ماندند

مدتی است که بالاخره دست به کار شدم و یک هوم‌لب ساخته‌ام. می‌توانید درباره مشخصات و تنظیمات آن در نوشته پیشینم بخوانید، اما اکنون بگذارید درباره چیزی صحبت کنیم که واقعاً این سرور خانگی را به کار می‌اندازد. چون خود سخت‌افزار تنها نیمی از لذت است.

از زمان ساختش، با کلو不同程度的 ابزارها و سرویس‌ها آزمایش کرده‌ام. بعضی شکست خورده‌اند، بعضی رها شده‌اند، و بعضی هنوز در حال اجرا هستند اما به‌سختی استفاده می‌شوند. این فهرست درباره آن‌هایی است که واقعاً ماندند — به‌اندازه کافی مرتب از آن‌ها استفاده می‌کنم که حضور یک ایستگاه کار غول‌پیکر که در زیرزمینم زمزمه می‌کند را توجیه کنند.

۶ — یک مدل زبانی بزرگ با اندازه مناسب

کار طاقت‌فرسای نامحدود بدون اضطراب توکن

مانیتور سیستم، سرویس‌های ال‌ال‌ال‌ال‌ما و جما را هنگام تست مدل نمایش می‌دهد

بله. باید اول فهرست باشد. به همین دلیل ماشین از پای کارت گرافیک دارد. پیش‌تر درباره بزرگ‌ترین مزیت مدل‌های زبانی محلی نسبت به مدل‌های ابری مرز صحبت کرده‌ام. نه حریم خصوصی یا هزینه، بلکه ثبات. هیچ شرکتی ناگهان top-k یا temperature یا سطح تفکر پیش‌فرض را تغییر نمی‌دهد. مدل‌ها به‌صورت خاموش به‌روزرسانی نمی‌شوند. آنچه تنظیم کرده‌ام همان چیزی است که باقی می‌مانند.

از مدل زبانی محلی برای پاک‌سازی و تحلیل داده استفاده می‌کنم. با آن گفتگو نمی‌کنم و از آن برای کدنویسی استفاده نمی‌کنم. تقریباً تمام خروجی‌ای که از آن می‌گیرم JSON است. برای این نوع وظیفه کاملاً مناسب است، جایی که نیازی به خلاقیت یا تفکر زیاد ندارم، اما کار بسیار زیادی برای انجام وجود دارد. همین کار را با کلود هم امتحان کردم و یک هفته از حسابم قفل شدم. با یک مدل زبانی محلی، محدودیت توکنی وجود ندارد.

بسیاری از برترین مدل‌های محلی با وزن باز را روی این ماشین آزمایش کرده‌ام. پیش‌فرض من Qwen3.۶ 27B است که با توجه به اندازه نسبتاً کوچکش عملکرد عالی دارد. اما این را به بالای فهرست نمی‌گذارم زیرا کاملاً از آن راضی هستم.

متأسفانه حتی یک کارت ۲۴ گیابایتی هم برای شروع جایگزینی جدی مدل‌های هوش مصنوعی ابری با مدل محلی‌ام کافی نیست. Qwen3.۶ 27B عالی است، اما باید آن را کوانتایز اجرا کنم، و حتی آن‌گاه حدود ۲۱ گیابایت از VRAM مرا اشغال می‌کند. این فضای کمی برای کش باقی می‌گذارد، بنابراین نمی‌توانم واقعاً context را بالا ببرم. و هوش مصنوعی بدون context چه دردی دوا دارد؟ پس فعلاً مدل زبانی محلی من واقعاً محدود به کار طاقت‌فرساست. شاید مدل‌های جدیدتر کارآمدتر شوند. یا شاید فقط به VRAM بیشتری نیاز دارم.

۵ — کامفی‌یواِچ‌آی

دلیل دیگر نیاز من به آن GPU

می‌گویم مدل زبانی محلی دلیل داشتن GPU روی این ماشین بود، اما شاید ComfyUI به همین اندازه دلیل باشد. چیزی است که پیش از این هرگز نتوانسته بودم به‌درستی به‌صورت محلی استفاده کنم. کارت ۱۲ گیابایتی AMD من برای بیشتر مدل‌های تصویری مفیدی که می‌خواستم اجرا کنم به اندازه کافی بزرگ نبود، و خب، AMD بود.

مطلب مرتبط:   10 اپلیکیشن مورد نیاز برای دستیاران مجازی

با ۲۴ گیابایت VRAM کارت RTX ۳۰۹۰، می‌توانم از مدل‌های بسیار خوبی استفاده کنم. و همگی به‌صورت محلی! این همان مزیت LLM را به من می‌دهد: کنترل و ثبات. می‌توانم هر پارامتری را کنترل کنم و همه چیز را ثابت کنم تا خروجی یکنواخت بگیرم، به جای اینکه امیدوارم یک سرویس ابری فردا به همان شکل رفتار کند.

خروجی هم فقط به تصویر محدود نمی‌شود. ویدیو (هنوز امتحان نکرده‌ام)، مدل‌های سه‌بعدی (شگفت‌انگیز)، حذف پس‌زمینه، تنظیم نورپردازی، و تقریباً هر چیز دیگر. به‌ویژه عالی است زیرا می‌توانم اتوماسیون‌هایی دور آن بسازم، و هر بار که چیزی درخواستی می‌فرستد هزینه‌بر نیست.

متأسفانه یک نکته وجود دارد، و همان مورد قبلی است: VRAM. مشکل این نیست که بخواهم مدل‌های تصویری بزرگ‌تری اجرا کنم. مشکل این است که اگر بخواهم یک مدل تصویری مناسب اجرا کنم، ابتدا باید LLM ای را که برای وظایف دیگر استفاده می‌کردم تخلیه کنم. واقعاً نمی‌توانم LLM و مدل تصویری را همزمان اجرا کنم چون فضای کافی وجود ندارد. و چون کار داده زیادی دارم که به LLM وابسته است، این باعث شده کمتر از آنچه دوست دارم از ComfyUI استفاده کنم.

۴ — ربات‌های تلگرام

ربات‌های من اکنون

گفت‌گوی ربات تلگرام در حال اشتراک‌گذاری یک قطعه موسیقی و یک تصویر هنری

البته پیش از این ربات‌های تلگرام میزبانی کرده‌ام، اما همیشه بیشتر یک پروژه یادگیری بود تا چیزی مفید. بزرگترین مشکل این بود که واقعاً نمی‌توانستم آن‌ها را میزبانی کنم. آن‌ها را روی کامپیوترم اجرا می‌کردم، و سپس هر بار که کامپیوترم خاموش بود از کار می‌افتادند. در غیر این صورت باید یک VPS اجاره می‌کردم. اکنون تن‌ها سرور مجازی در زیرزمینم دارم. وقت آن است که ارتش ربات بسازم!

چه ربات‌هایی؟ یکی از آن‌ها از آن دسته ربات‌های «دانلودر» پرطرفدار است. لینکی از یوتیوب یا هر جای دیگر می‌فرستید و ربات فیلم را دانلود کرده و برایتان پس می‌فرستد (به لطف yt-dlp و ffmpeg). بیشتر ربات‌های عمومی یا پولی هستند یا شما را مجبور می‌کنند به کانال تبلیغاتی‌شان بپیوندید. ربات من فقط برای خودم است و عالی کار می‌کند.

دیگری رباتی است که تلگرام را به اوبسیدین وصل می‌کند. پیامی را به ربات اوبسیدین خود فوروارد می‌کنم و آن را به یادداشت «ایده‌هایی برای پیگیری» در خزانه‌ام اضافه می‌کند. هیچ‌کدام از این‌ها به‌طور خاص پیچیده نیست. همین را از آن‌ها پسندیده‌ام. داشتن ماشینی همیشه روشن یعنی پروژه‌های کچک این‌چنینی دیگر پروژه نمی‌مانند و صرفاً به ابزاری بدل می‌شوند که هر روز به‌کار می‌برم.

مطلب مرتبط:   این برنامه اسکرین‌شات‌های من را به رویدادهای تقویم تبدیل می‌کند — و برایم زمان بسیار زیادی را صرفه‌جویی می‌کند.

۳. جلی‌فین

خانه‌ای برای انبوه فیلم‌ها

فیلم ۸ مایل روی پلتفرم جلیفین

این تصفّی است. مدت‌های طولانی جلی‌فین را روی کامپیوترم میزبانی می‌کردم، اما باز همان مشکل ربات‌ها را داشت. بعد منتقلش کردم روی لپ‌تاپ دِل که مدتی به‌عنوان سرور خانگی ازش استفاده می‌کردم. طنز ماجرا این‌که سرور جلی‌فین روی همان لپ‌تاپ کوچک بیشتر از ایستگاه کاری بزرگ فعلی‌ام کار می‌کرد. چرا؟ چون در ماشین مجازی بدون GPU اجرا نمی‌شد. یک GPU یکپارچه اینل داشت و جلی‌فین می‌توانست از آن برای رمزگذاری و رمزگشایی کارآمد فایل‌های ویدیویی استفاده کند.

با ماشین مجازی Proxmox این امکان فعلاً وجود ندارد، اما واقعاً نیازی هم نیست. کاف پخش مستقیم را به‌کار می‌گیرم و کار رمزگشایی را به دستگاه کلاینت می‌سپارم. همین کار را کرده‌ام و عالی جواب داده. بیشتر دستگاه‌هایی که تماشا می‌کنم به‌هرحال می‌توانند فایل‌ها را پردازش کنند، پس چرا سرور را به کار اضافی وادار کنم؟ حتی یک هارد ۴ ترابایتی دیگر هم اضافه کرده‌ام تا فیلم بیشتری انباشته کنم. جلی‌فین شاهکار است.

۲. آسترو

اوبسیدین شد سیستم مدیریت محتوای من

گزارش لایتهاوس که امتیازهای بی‌نقص کارایی و سئو را نشان می‌دهد

یک وبلاگ شخصی دارم. برای مدت بسیار طولانی روی هاست cPanel میزبانی می‌شد و وردپرس روی آن اجرا می‌گشت. پروژه‌ای کاملاً شخصی و خصوصی است، پس VPS完整 نداشتم. و وردپرس آسان است! افزونه و قالب بی‌شماری موجود است. اما… وردپرس متورم و سنگین است. نه به‌عنوان حکم کلی، بلکه دست‌کم در مورد کاربرد من، واقعاً بسیار سنگین بود. وب‌سایت بزرگی با چند نویسنده نبودم.

آنچه بیش از همه آزارم می‌داد این بود که نمی‌توانستم آن‌گونه که می‌خواستم سفارشی‌اش کنم. با PHP اجرا می‌شود. ویرایش قالب سردرد بیشتری از ارزشش دارد و متأسفانه تمام کار را بر پایه Elementor، سازنده صفحه کشیدن‌و‌انداختن، بنا کرده بودم. این کار باعث شد هر تغییری از مرزهای قالب فراتر می‌رفت بسیار کلافه‌کننده‌تر از حد لازم شود.

هنگامی که تصمیم گرفم سایت را از هاست cPanel به هم‌لَب شخصی خود منتقل کنم، فهمیدم در واقع هیچ تمایلی به انتقال وردپرس ندارم. حافظه رم زیادی می‌خورد و کند بود، و همه‌اش بی‌فایده بود. درست همان زمان با آسترو آشنا شدم. نوشته‌ها را از وردپرس صادر کردم، به پوشه‌ای در خزانه اوبسیدین منتقل کردم، و آسترو را به همان‌جا اشاره دادم. حالا وبلاگ من اساساً فقط چند فایل است.

مطلب مرتبط:   برای سازماندهی ایمیل خود در مک به کمک نیاز دارید؟ ایجاد یک صندوق پستی هوشمند را امتحان کنید

چون از همان جاوااسکریپت و HTML خوب قدیمی است، واقعاً می‌توانم وارد شوم و هر سفارشی‌سازی‌ای که بخواهم انجام دهم. مثلاً یک ابر WebGL خوش‌گلی که رویش کار کرده بودم و می‌توانم بالاخره در صفحه اصلی به نمایشش درآورم. آه، و می‌توانم فقط یک یادداشت اوبسیدین را در پوشه وبلاگ خزانه‌ام بگذارم و آن را به‌عنوان یک پست منتشر کند. چقدر عالی است. و امتیازهای Lighthouse به‌قدری رضایت‌بخش‌اند.

۱. اُپن‌دبلیواِر‌تی

قدرتمندترین روتر من تاکنون

صفحه وضعیت روتر اپن‌دبلیو‌آر‌تی که اطلاعات سیستم و حافظه را نمایش می‌دهد

خب، خب، خب. اینجا رسیدیم. من واقعاً شیفته OpenWrt هستم. سعی کرده‌ام هرچه بیشتر آدم‌ها را به آن بگشایم؛ هم با گفتن به همه که یک روتر دست‌دوم لینک‌سیس بخرند و OpenWrt رویش نصب کنند، هم با به‌نمایش گذاشتن همه کارهایی که با OpenWrt می‌توانم انجام دهم و معمولاً روی یک روتر خانگی عادی نمی‌توان. نمی‌دانم در گشایش آدم‌ها چندان موفق بوده‌ام یا نه، اما در گشایش تقریباً هر دستگاه شبکه‌ای که دستم رسیده به OpenWrt بسیار موفق بوده‌ام. و هر بار از گستردگی پشتیبانی سخت‌افزاری OpenWrt شگفت‌زده شده‌ام.

مشکل این‌که شبکه‌ام بالاخره از سخت‌افزار فراتر شد. چند قانون VPN، PBR چند WAN و مسیریابی جغرافیایی نسبتاً پرمصرف دارم در حال اجرا. متأسفانه، هرچند OpenWrt شاهکار است، نمی‌تواند جادویی به روترهایم بیشتر از ۱۲۸ مگابایت RAM که داشتند بدهد. به چیزی بیشتر نیاز داشتم.

به پیشنهاد یک دوست، تصمیم گرفم OpenWrt را به‌صورت ماشین مجازی روی کامپیوتر Proxmox خود نصب کنم. حالا روتری با ۴ گیگابایت RAM و ۵۰ گیگابایت فضای ذخیره‌سازی دارم. می‌توانم هر بسته‌ای که بخواهم نصب کنم. اگر نیاز باشد منابع بیشتری بهش بدهم. می‌توانم پیش از آن‌که اجتناب‌ناپذیر چیزی را خراب کنم اسنپ‌شات بگیرم. و دیگر در حال تلاش برای فشرده‌کردن قوانین شبکه‌ای هرچه بیشتر مضحک در سخت‌افزاری نیستم که طراحی شده تا در نشیمن‌گاه خانه کسی بنشیند و Wi-Fi پخش کند. راه‌اندازی‌اش کمی دلهره‌آور بود، اما از آن زمان به بعد غنیمت بوده است.

خود سرور شاید محبوب‌ترین بخش کار برای من باشد

هیچ‌یک از این موارد به‌تنهایی، واقعاً دلیل موجهی برای ساخت سرور خانگی نبود. اما وقتی ماشین از قبل آنجاست، معادله عوض می‌شود. هر ایده کوچکی تبدیل می‌شود به این سؤال: «چرا όχι؟» یک کانتینر یا ماشین مجازی بالا می‌آورم، امتحانش می‌کنم، و می‌بینم آیا جای دائمی earns می‌کند یا نه. خیلی از چیزها جایی نمی‌گیرن، اما آن‌هایی که می‌گیرند را واقعاً دوست دارم.

منبع: این مطلب ترجمه و بومی‌سازی مقاله‌ای از MakeUseOf به قلم Amir Bohlooli است. مشاهده مقاله اصلی