上一篇文章介绍了 WSAI-Math-Distill——3,867 条逐条判分验证、对评测集 8-gram 去污染的数学长思维链蒸馏数据集。现在，基于该数据集训练的模型 WSAI-Math 发布了。

模型基于 Qwen3.5-0.8B，以 DeepSeek deepseek-v4-flash 为教师做长思维链蒸馏冷启动，LoRA SFT 50 个优化步，merge_and_unload 合并导出 BF16 全量权重。这次实验要回答的问题很明确：高纯度蒸馏数据 + 极小训练量，能把 0.8B 基座的数学推理行为改造到什么程度。

开源社区里的数学推理蒸馏数据集不少，规模动辄几万到几十万条。但我在调研时发现两个反复出现的问题：

1. 答案没有逐条严格验证。部分数据集采用宽松的规范化匹配，格式不同、实质错误的回答也会被判为正确；
2. 评测集污染。训练题与 AIME 等评测题同源重叠，训练后在榜单上的分数虚高，无法反映真实推理能力。

这两个问题直接影响蒸馏出来的模型质量评估。于是我按「验证和去污染优先于规模」的思路，构建了 WSAI-Math-Distill——一个严格验证的数学长思维链蒸馏数据集。

作为一名坚持在独立博客输出技术文章的人，这两年我经历了太多的“至暗时刻”。

翻遍 GitHub 找主题，发现 Hexo 主题圈似乎陷入了极端，都是一堆 Vibe Coding的光污染严重、加载卡成 PPT 的花哨模板。更让人头疼的是，想要个本地搜索、文章目录或者代码块折叠，往往需要自己拼凑一堆年久失修的第三方插件，折腾几个周末才能勉强跑通。

但最让我破防的，是AI 时代的“野蛮采集”。自己熬夜查文档、画架构图肝出来的深度长文，转头就被各种大模型爬虫默默抓走当了训练语料，连个署名和出处都不留。

既然找不到完美的轮子，那就自己造一个！

经过几个月的打磨，我开源了这款名为 Pixie 的 Hexo 主题。它不仅仅是一个“深色霓虹风”的皮肤，更是我针对现代技术博客痛点交出的一份答卷：内置现代交互、死磕移动端体验，并首次加入了针对 AI 爬虫的版权防御机制。

👉 GitHub 仓库（如果它恰好击中了你的痛点，恳请赐一个 Star ⭐！）：https://github.com/wangshengithub/pixie

你有没有遇到过这种场景？

• 做了一个付费课程的预览页，只想让付过钱的人看到内容
• 开发了一个小游戏 / 小工具，只想在小圈子里分享，不想被搜索引擎收录、被陌生人随便打开
• 临时需要把一个页面分享给特定的人，但不想搭服务器、不想写后端、不想折腾鉴权系统

传统方案是什么？Nginx 加个 Basic Auth？搭个 Node/Python 后端做登录？用第三方 SaaS 加密平台？

太重了。

我只是想给一个 HTML 页面加把锁而已。

所以我写了 StaticShield——一个零后端、零依赖的静态网页加密工具。一条命令，把你的 HTML 变成一份「自解密页面」：没有密码，看到的是一扇锁着的门；输入密码，浏览器本地解密，原始内容瞬间还原。

GitHub 地址：https://github.com/wangshengithub/staticshield

「Horse Empire」（奉国牧马）—— v1.0 公测版，全球上线。

谁小时候没幻想过拥有一群自己的马呢。给它取个名、喂它吃草、看它一点点长大——然后某天它当上了爸爸或妈妈，生下一匹小马驹。你凑过去一看：比它爸还精神。

现实里养不起马，那就在浏览器里养。割草、喂马、配种、繁殖，从几匹最普通的慢驹起步，慢慢育出良驹、千里驹、贡驹——直到某天，神驹降临。

这是一个古风牧场育成放置游戏。

每天上班如上坟，下班躺平如咸鱼。焦虑的时候，总想找点东西敲一敲。

以前的人敲木鱼是为了静心，现在人没木鱼就敲键盘，于是我做了一个赛博木鱼：在手机和电脑上点一点，攒的不是烦恼，是赛博功德。

它叫 「赛博木鱼：功德无量Pro」（英文名 ZenIdle）——一个放置类（idle）小游戏，点一下功德 +1，挂着也会自己涨，最终目标是飞升成佛、功德圆满。

最近我做了一个实验，用了 Claude Code ，让 AI 自己从头到尾生成了一部都市种田网文。从建项目、写总纲和详细大纲，到逐章生成正文，全程 AI 独立完成。我不做任何人工修改，包括那些明显的错误和别扭的地方，全部原样保留。

结果就是这本书：《我在城市种田养鸡》——320 章，7 卷，约 78 万字。

小说点这里直接看

小说的设定本身挺典型：38 岁失业男青年方远背了一身债，突然获得「农场系统」，在自家楼顶种出品质逆天的灵植，被人质疑、自证、打脸，最后建立城市农业帝国、收获爱情。

但接下来我要说的，才是这个项目的重点。

前阵子 DeepSeek-V4 系列模型正式发布了，我关注到的不只是参数规模（V4-Pro 总参数 1.6T），还有价格——百万 tokens 输出只要六块钱，输入命中缓存甚至只要两分五。这个调用成本，已经低到可以随便用了。

我每天早上都在纠结同一个问题：冰箱里的贝果明明还有好几天才过期，但每次都被新买的其他面包挤到最里面，最后放到过期才发现。周末囤的食材，周一早上翻半天找不着，最后还是只能叫外卖。

于是花了一个周末，基于 DeepSeek-V4 全系列模型（V4-Pro / V4-Flash 都支持）做了个小工具——Breakfast Manager（早餐管理应用），现在已经在Github上完整开源。

接入了 DeepSeek-V4 全系列模型，用来干什么？

项目里最核心的 AI 能力就是调用 DeepSeek 的 API。用户先在后台填写身体数据：身高、体重、年龄、性别，还可以加上特殊要求，比如示例数据里的“减脂期，高蛋白低碳水”。

系统会结合你冰箱里现有的食材库存，调用 DeepSeek-V4 模型（默认使用 DeepSeek-V4-Pro）生成个性化的早餐建议。前端用的是流式输出，AI 的回答一个字一个字往外蹦，体验比干等几十秒舒服很多。

代码里同时预留了 V4-Pro 和 V4-Flash 的切换入口。如果你只是想随便玩玩，用 V4-Flash 成本几乎为零；如果希望营养建议更细致、逻辑更严谨，切到 V4-Pro 也就多花一两分钱。当然，其他支持OPENAI格式的API也都能接入。

除了 AI，它还是一个完整的早餐库存管理系统

只做个套壳的 API 调用网页太没意思了，我把前后端都搭了出来：

• 库存管理：记录冰箱里的每一件早餐食材，支持“盒、袋、个、杯”等多种单位。可以一键消耗或补充库存，库存低于设定值时会自动提醒。

• 保质期管理：设置截止日期，系统会自动标出即将过期或已过期的食材。
• 统计仪表盘：展示总品类、总库存、低库存、即将过期数量，还有近 7 天消耗趋势折线图、品类消耗分布环形图、库存概览柱状图。图表基于 Chart.js 实现，不依赖外网 CDN，速度极快。
• 常用模板：可以把常用的早餐存成模板，不用每次重新填一堆食材信息。
• 数据备份与恢复：一键导出 / 导入所有数据为 JSON 文件，换电脑也不怕丢。
• 暗色模式 + 中英双语，一键切换，装逼更有风范。

技术栈是 Node.js + Express + 原生 JavaScript + Tailwind CSS，数据直接存在本地 JSON 文件里，无需联网数据库，保证数据安全。

安装命令

项目托管在 GitHub 上，整套命令如下（Node.js 安装过程略去）：

1
2
3
4

git clone https://github.com/wangshengithub/breakfast-manager.git
cd breakfast-manager
npm install
npm start

启动之后浏览器访问 http://localhost:3000 就可以用了。
首次使用需要去 DeepSeek 开放平台申请一个 API Key，然后在网页后台填进去就行。按 V4 现在的定价，你一顿早餐的钱够调几百万次都说少了。

为什么把它开源？

一方面是自己觉得确实能解决“冰箱里有东西却不知道吃什么”的痛点，就来分享给大家；另一方面也是希望如果你有兴趣，可以直接看代码学一下 Node.js + Express 的小项目是怎么组织的。如果你也经常为早餐发愁，或者厨房里总有食材放到过期，可以试试这个工具。代码很轻量，没有复杂依赖，运行起来就能用。

如果这个项目帮你省下了每天早上站在冰箱前纠结的几分钟，或者它的代码解决了你开发中的一些疑问——请在 GitHub 上给我点一个 Star ⭐️！

这是对我熬夜写代码最大的鼓励。

项目戳这里

WSAI-Heart-Pro 实验版发布后，我又花了一些时间调整训练超参数，现在正式版可以发布了。

WSAI-Heart 发布后，我用同样的思路尝试了一个更大的版本。基座模型从 Qwen3.5-0.8B-Base 换成了 Qwen3.5-2B-Base，LoRA 训练层数也从 2 层增加到了 16 层。