最近我购买了个人域名，一直在思考怎么去搭建个人开发平台，包括Hermes智能体平台、个人博客和品牌网站，还需要部署一些自己写的管理子系统。 最简单方式肯定是直接去购买云主机，当前已经买了腾讯云的轻量级应用服务器，但是网络特别卡。要是购买云服务器CVM费用又太高了。 然后我突然想起来我家里还有2台Raspberry还闲置着呢？是不是可以发挥下它的作用。

Hugo是一个静态网站生成器，基于Go语言，使用Markdown写作。构建速度极快，速度之王 (10000页约2.95秒)。本地写作能实时预览，体验流畅。 单个二进制文件，无需node_modules，升级只需替换新文件，适用于大型内容站，追求极致性能与长期免维护。

Claude Code‌是 Anthropic 公司推出的终端 AI 编程助手，可通过命令行界面直接读取、编辑代码库并执行开发任务。当今世界AI编程助手稳坐第一。

• 智能文件操作‌：自动读取和分析项目文件，理解代码结构和上下文，无需手动添加文件到对话中 。‌
• 全项目上下文‌：理解整个代码库的架构和依赖关系，支持跨文件追踪代码依赖 。‌
• 自主任务执行‌：可读取、编辑、创建文件，执行 shell 命令，运行测试和构建流程 。‌

安装脚本

打开Windows PowerShell

记录一些自己在使用OpenClaw过程中的笔记。

定时任务（Cron）

想让龙虾每天早上给你推新闻？那就需要定时任务。 最简单的例子——每天早上 8 点发天气预报：

之前在Windows本地机器安装过OpenClaw，但是不能长期稳定运行，因此最后选择云主机。我选择的是腾讯云主机。配置如下

1
2
3
4
5
6

轻量应用服务器新购	
运算组件:  2核CPU、8GB内存 (锐驰型Linux-2核8G-80G-200Mbps峰值带宽)
系统盘:    80GB SSD云硬盘
峰值带宽:  200Mbps峰值带宽
地域:     中国香港
镜像:     Ubuntu 24.04 LTS

购买地址：https://cloud.tencent.com/product/lighthouse

基础科学计算库

1. ‌NumPy‌提供多维数组对象及高效数学运算功能，是TensorFlow等库的底层依赖。
2. ‌Pandas‌用于数据清洗与结构化操作，支持DataFrame和Series数据结构，适合表格数据处理。
3. SciPy‌扩展NumPy功能，提供科学计算算法（如优化、信号处理）

传统机器学习库

1. ‌Scikit-learn‌包含分类、回归、聚类等经典算法，API设计统一，适合快速实现标准模型。
2. ‌XGBoost/LightGBM‌梯度提升框架，擅长处理结构化数据，在Kaggle竞赛中广泛应用。
3. ‌StatsModels‌侧重统计建模，支持假设检验和回归分析。

深度学习框架

1. ‌TensorFlow‌Google开发的工业级框架，支持分布式训练，适合大规模模型部署。
2. ‌PyTorch‌Facebook主导的动态图框架，研究场景首选，调试灵活。
3. ‌Keras‌高层API接口，可基于TensorFlow或PyTorch后端快速构建神经网络。

其他工具库

• ‌Matplotlib/Seaborn‌：数据可视化
• ‌OpenCV‌：计算机视觉任务
• ‌NLTK/Gensim‌：自然语言处理

这些库覆盖了从数据预处理到模型部署的全流程，其中Scikit-learn、TensorFlow和PyTorch为当前主流选择