语法手记 构成疑问句：有 be 动词，be 动词提前；有情态动词，情态动词提前；有完成时助动词，完成时助动词提前；这些都没有且谓语是实义动词时，一般现在时第三人称单数用 does，其余用 do，一般过去时所有人称用 did。构成否定句:有 be/情态/完成时助动词，就在它后面加 not；没有就用 do/does/did + not，后面实义动词用原形。区别只是疑问句把助动词提前，否定句不提前、只加 not。完成时：完成时的疑问句和否定句都适用助动词规则。疑问提前第一个助动词；否定在第一个助动词后加 not。但要记住：完成时里可能不止一个助动词，永远抓第一个；并且 have 作实义动词“有”时不是完成时，不适用这套。完成时的核心结构是：have/has/had/will have/would have + 过去分词。完成进行时是：have/has/had/will have/would have + been + 现在分词。完成时被动是：have/has/had/will have/would have + been + 过去分词。注意在疑问句里，do/does/did 后面的结构是：主语 + 动词原形。也就是说，动词原形要用，但不一定紧挨着 does，中间通常要放主语。比如When does the movie start? 而不是 When does start the movie?特殊疑问：特殊疑问句的语序取决于疑问词作什么成分：作主语或修饰主语时用陈述语序，不用 do/does/did 来构成疑问；作宾语、状语、表语、介词宾语时用疑问语序；间接疑问句用陈述语序；there be 句型单独记。this the book 不能这样连用this 和 the 都是限定词，一般不能同时修饰同一个名词。触发语法规则：同一类/同一位置的限定词通常不能同时用；不同类/不同位置的限定词可以按顺序连用。{card-default label="说明" width=""}英语限定词大致可分三层：前位限定词：all, both, half, such, what, twice, one-third 等中位限定词：冠词 a/the、指示词 this/that/these/those、物主词 my/your/his、some/any/no/every/each 等后位限定词：数词 two/first、many/few/little、more/most、other 等完整分类清单（基于 Quirk et al., 1985）前位限定词 (Predeterminers)这一类词数量最少，功能是从整体上框定范围或倍数。① 全称量词 (Universal Quantifiers)all, both, half例：all the students / both my brothers / half an hour② 倍数词与分数词 (Multipliers & Fractions)倍数：double, twice, three times 等分数：one-third, two-fifths 等例：twice the price / double the amount③ such / what (感叹用法)such a mistake / what a day中位限定词 (Central Determiners)这是最核心、最常用、互斥性最强的一类。一个名词短语的“定性槽位”只有一个，所以以下各项互相排斥，最多只能出现一个。① 冠词the, a/an, 零冠词 (Ø)② 指示限定词 (Demonstratives)this, that, these, those③ 物主限定词 (Possessives)物主代词：my, your, his, her, its, our, their名词属格：Mary's, my friend's④ wh- 限定词疑问：what, which, whose后缀 -ever：whatever, whichever 等⑤ 否定/非断定限定词no, neither, either⑥ 全称限定词every, each⑦ 不定限定词some, any, enough后位限定词 (Postdeterminers)后位限定词之间不互斥，可以连用（如 the first three），主要功能是在“定性”之后说明数量或顺序。① 基数词 (Cardinal Numerals)one, two, three, seven 等（开放性集合）② 序数词与“一般序数词” (Ordinals & General Ordinals)序数词：first, second, third一般序数词：next, last, other, another；Quirk 也将 same, former, latter, certain 等归入此类（Biber et al. 称之为“半限定词 semi-determiners”）③ 封闭类量词 (Closed-class Quantifiers)many, much, (a) few, (a) little, several, more, most, less, least④ 开放性量词短语 (Open-class Quantifiers)plenty of, a lot of, lots of, a great number of, a large amount of, a great deal of 等⑤ 跨类：suchsuch 既可作前位（such a book），也可作后位（many such teachers）{/card-default}助动词分类：基本助动词（Primary Auxiliaries）只有三个词，但有不同形式：be：am / is / are / was / were / been / beinghave：have / has / had / havingdo：do / does / did它们既能作助动词，也能作实义动词：Do you like it?（助动词）I do my homework.（实义动词：做）Have you eaten?（助动词）I have a car.（实义动词：有）Is he coming?（助动词）He is happy.（系动词）情态助动词（Modal Auxiliaries）这是你问“还有哪些”的重点。常见有：can / couldmay / mightmustshall / shouldwill / wouldought toneed（作情态时，如 Need I go?）dare（作情态时，如 Dare you try?）其中 will 就是情态助动词，所以：How soon will the bus arrive? ✅这里 will 是助动词，提前到主语 the bus 前面。半助动词 / 短语助动词（Semi-auxiliaries）这些是短语，功能像助动词：be going tobe able tohave tohad betterwould ratherbe about tobe supposed toused to疑问句里，有助动词/情态动词/be 动词，就把它们提前；没有，就借助 do/does/did。疑问句只提前“第一个助动词/情态动词/be”，不是把整个半助动词短语整体搬到主语前。半助动词内部有没有可提前的操作词，要看它的构成。半助动词不整体提前；疑问倒装提前的是它内部第一个助动词/情态动词/be。没有可提前的操作词，就用 do/does/did。所以：be going to / be able to / be about to → 提前 behave to / used to → 用 do/does/didhad better / would rather → 提前 had/wouldought to → 提前 ought（正式）need/dare → 看是情态还是实义{card-default label="系动词" width=""}系动词（linking verb）是连接主语和表语的动词，用来说明主语的身份、状态、性质或特征。它本身通常不表示具体动作，而是起“连接、判断、说明”的作用。基本结构是：主语 + 系动词 + 表语例如：She is a teacher. 她是老师。（is 连接主语 she 和表语 a teacher）The soup tastes good. 这汤尝起来不错。（tastes 连接主语 the soup 和表语 good）He became angry. 他生气了。（became 表示状态变化）常见系动词有几类：be 动词：am, is, are, was, wereHe is happy.感官类：look, sound, smell, taste, feelYou look tired.It sounds interesting.变化类：become, get, grow, turn, goShe got angry.The leaves turned yellow.保持类：remain, stay, keepHe remained silent.其他：seem, appear, prove, turn outShe seems nice.判断一个动词是不是系动词，可以看两点：它后面接的是不是表语，而不是宾语；很多情况下可以换成 be 动词，意思大体不变。He looks happy. ≈ He is happy.注意：有些动词既可作实义动词，也可作系动词。例如：He looked at me. （look 是实义动词，“看”）He looked happy. （look 是系动词，“看起来”）简单说：系动词就是用来把主语和表语连起来、说明主语“是什么/怎么样”的动词。{/card-default}介词后面不能直接跟动词原形作宾语；通常要接名词、代词、动名词（V-ing）或名词性从句。所以，考试语法里说“介词后不能直接加动词原形”基本是对的；但不要把它绝对化成“所有介词后永远不能出现动词原形”，要区分 介词 to 和 不定式符号 to，以及 but/except 等例外。{dotted startColor="#ff6c6c" endColor="#1989fa"/}这组词最常用，也最容易出错，建议优先掌握。home：go home (回家)there：go there (去那里)here：come here (来这里)abroad：go abroad (出国)upstairs：go upstairs (上楼)downstairs：go downstairs (下楼)downtown：go downtown (去市中心/商业区)inside：go inside (去里面)outside：go outside (去外面)overseas：go overseas (去海外)underground：go underground (去地下)特别提醒：home 是这类词里的“典范”。虽然 home 也可以作名词（如 my home），但在 go home 这个固定表达里，它是副词，所以绝对不能说 go to home。这些词指示具体的移动方向，通常也不加介词。up / down：look up (向上看) / look down (向下看)in / out：go in (进去) / go out (出去)back：go back (回去)away：go away (走开)around：look around (环顾四周)ahead：go ahead (向前)along：walk along (沿着走)north / south / east / west：go north (向北走)带后缀的方向词这些词有规律可循，看到后缀就能判断它表达方向。-ward(s) 后缀：表示“朝……方向”，如 forward(s) (向前), backward(s) (向后), homeward(s) (向家), eastward(s) (向东)。-where 后缀：表示“在/去某处”，如 anywhere (任何地方), everywhere (到处), somewhere (某处), nowhere (无处)。这些词在表示方向时也不加 to：go somewhere 而不是 go to somewhere。⚠️ 一个关键的“例外”区分：near vs. nearby这两个词很像，但用法有区别：nearby (在附近)：是纯粹的副词，可以直接说 live nearby (住在附近)，不加介词。near：虽然也可作副词（如 come near 走近），但它更常作介词，后面必须接名词来表示“在……附近”，如 live near the school。所以不能说 live near（除非上下文明确，但一般不这么单独用）。{dotted startColor="#ff6c6c" endColor="#1989fa"/}双宾语动词是有限集合，集中在“给/告诉/为某人做”三类；按语义群记，再单独记“explain/suggest/describe/donate/report”这几个不能双宾语的坑，就够了。不是遇到一个记一个给予/传递类（最多）give, hand, pass, send, lend, offer, show, bring, take, throw, mail, pay, owe, promise, award, grant, leave（遗赠）告知/教学类tell, teach, ask, show, write, read, sing, play获取/制作/保留类buy, get, fetch, make, cook, build, find, spare, save, leave少数其他cost, owe, deny, refuse, wishIt cost me 100 yuan.I owe you an apology.They denied him the chance.{dotted startColor="#ff6c6c" endColor="#1989fa"/}在英语中，有一类动词（表示“认为、发现、觉得、使得”），当它们后面跟形容词作宾语补足语，且真正的宾语是一个动作时，必须用 it 作形式宾语，把真正的动作（不定式）放到最后。公式：**find / think / make / consider / feel + it + 形容词 + to do sth.只要你看到：I find / think / consider...后面有个形容词（easy, hard, important, necessary...）你想表达“做某事是……的”闭眼用 to do 就对了！I find it hard to get up early.I think it important to learn English.{dotted startColor="#ff6c6c" endColor="#1989fa"/}和人称有关的助动词过去时也有部分人称/数区别主要是 be：I / he / she / it → wasyou / we / they → were而 did 所有人称同形：I did / you did / he did / they didhad 也所有人称同形：I had / he had / they had情态助动词不受人称影响can / could / may / might / must / shall / should / will / would 都不随人称变：He can swim.（不是 cans）She will come.（不是 wills）They must go.{dotted startColor="#ff6c6c" endColor="#1989fa"/}否定/半否定副词或短语置句首常见：never, seldom, rarely, hardly, scarcely, barely, little, nowhere, not, no, not only, not until, no sooner, under no circumstances, on no account, at no time, in no way, by no means 等。so / neither / nor 表示“也一样/也不”I like it. — So do I.He can’t swim. — Neither can I.She didn’t go. — Nor did he.地点/方向副词置句首：完全倒装这类不是“助动词提前”，而是谓语动词整个提前，常见于 here, there, now, then, up, down, away, in, out, on 等。Here comes the bus.Away flew the bird.On the wall hung a picture.但如果主语是代词，通常不倒装：Here he comes.（不是 Here comes he）部分倒装：否定/限制/强调成分置句首 → 助动词/情态动词/be 提前。完全倒装：地点/方向/表语置句首 → 谓语动词整个提前。不是所有句首成分都倒装；关键看该成分是否属于上述否定、限制、强调或特定固定结构。{dotted startColor="#ff6c6c" endColor="#1989fa"/}never 这类频度否定副词贴在第一个助动词 have 之后、实义动词之前否定句里表示「也」要用 either，并且落在句末，紧跟在被否定的内容之后。too 只用在肯定句；neither 不能单独挂在句末当「也」用；also 一般不出现在否定句尾，它习惯贴在助动词后。

edge扩展使用方法 Edge 加载步骤地址栏进 edge://extensions/左侧打开「开发人员模式」点「加载解压缩的扩展」选 /root/edge-translate-ext/ 目录

逆向记录 完整逻辑演进：两周走了哪些路，为什么走到今天阶段一：代理抓包 + 协议分析（7/6）我们当时怎么想的："先别碰客户端，让数据自己说话。搭个中间人代理，看看客户端和服务器到底在聊什么。"做了什么：公网服务器搭 TCP 代理（:13000 → 150.158.48.18:13000）+ HTTP 更新服（:8888）轻量版代理抓了 602 个包，31KB验证了握手结构：7B → 25B → 23B → 加密验证了加密是确定性的（重放客户端包 → 服务器返回相同密文）收获了什么：包 0/1 明文，包 2 是 23B 子密钥，之后全加密子密钥首字节固定 0x12，但跨会话可变穷举标准密码全失败（MD5/SHA/RC4/MT19937）知道了有加密，但不知道加密在哪发生的为什么停在这里：代理只能看密文。看不到加密前的数据，就永远不知道协议字段长什么样。认知升级：这是正确的起点——先搞清楚"对手长什么样"。但这个阶段的结论也很明确：只看密文不够，必须深入客户端。阶段二：neasec 补丁（7/6）— 死路我们当时怎么想的："目录里有个 neasec.dll，导出 StartSecInput、SetSecVersion，名字带 sec，肯定就是加密器。废掉它就能拿到明文。"做了什么：StartSecInput 补丁（c3 ret 直接返回）→ 加密仍在DllMain 补丁（mov eax,1; ret）→ 加密仍在空壳 DLL 替换（4 个导出全 ret）→ 游戏正常启动，加密仍在为什么这条路是死路：三次补丁全部无效，学到一个事实：neasec 不是加密器。它是什么？反作弊/HTTP 遥测。名字里的 "sec" 是 "security"（反外挂），不是 "security"（密码学）。我们被名字误导了。为什么停在这里：事实证明 neasec 和网络加密完全无关。继续折腾它是浪费生命。认知升级：第一次撞墙，但学到关键教训：文件名和导出名会骗人。唯一可信的是运行时行为。阶段三：静态分析找加密入口（7/7）— 死路我们当时怎么想的："neasec 不是加密器 → 加密在 my.exe 里 → 反汇编找。一个大加密函数肯定有巨型栈帧、多轮循环、状态机。"做了什么：capstone 反汇编 my.exe，找到大栈帧函数 0x1e6a7（632B 栈帧、8 状态机）找到格式序列化入口 0x16974找到调用点 0x406C10为什么这条路是死路：全部零触发。这些地址在运行时不走。为什么停在这里：静态分析能定位"看起来像加密"的函数，但没法告诉我们"游戏实际走不走这里"。认知升级：第二次撞墙，学到第二个关键教训：静态分析和运行时是两回事。 一个函数"看起来像加密"不等于"游戏调用它"。静态分析给的是可能性，不是事实。阶段四：Frida 真机 Hook — 系统化探索（7/7-7/9）— 转折点我们当时怎么想的："不猜了。让 CPU 自己告诉我们调用链。Hook 网络发送的底层 API，反查谁调用了它。"做了什么：模块枚举 → 发现 xymain.dll 两个进程都不加载这直接推翻了之前所有基于 xymain 的分析方案ws2_32.send Hook → 稳定抓密文 ✅证明我们能抓到真实的网络数据Thread.backtrace → 拿到调用链：send ← c9485 ← c953c ← c9cc1 ← 69df6逐层 Hook 验证：函数 触发频率 数据内容 结论send_wrapper (c9485) 每 send 1 次 密文 唯一可靠的 send 入口caller_2 (c953c) 每 send 272 次 未知参数 热函数，高频触发caller_3 (c9cc1) 每 send 448 次 未知参数 热函数，高频触发py_bridge (69df6) 零触发 — 调用链不完整encrypt 函数 Hook 成功但零触发 — rotor 只解密 NPK，不走网络xygame Hook 成功但零触发 — 处理渲染，不走网络PyRun_SimpleString 直接调 crash — 时机/上下文不对收获了什么：send_wrapper @ 0xc9485 是唯一可靠的 send 入口（1:1 对应）c953c 和 c9cc1 是 send 路径上的热函数69df6 零触发意味着 backtrace 采样不完整，调用链更深处还有东西c953c/c9cc1 的高频触发不是噪音——这正是逐字段构建数据包的行为为什么当时没继续这条线：我们被"找到加密函数"的目标框住了。c953c/c9cc1 是 272 次/448 次的触发频率，在当时看来是"调试噪音"，我们过滤掉了它，继续去追想象中的"加密函数"。认知升级（回头看才知道的）：这是整个探索最大的教训。我们已经踩到了明文字段构建的入口，但认知框架让我们把它当噪音丢弃了。 如果当时 hook 了这两个函数 dump 参数，协议破解可能当天就完成了。阶段五：KVM Windows VM（7/7-7/8）— 死路我们当时怎么想的："需要一个 Windows 环境自动化 Frida 抓密钥。用 Docker 起 KVM，预配好所有东西，一键跑。"做了什么：dockurr/windows 起 KVM磁盘预配置（Python + Frida + 游戏 + 自启动脚本）迭代调试循环（停→挂盘→查日志→改脚本→重启，每轮 7 分钟）为什么这条路是死路：KVM 在 Intel N100 4核12G 上太勉强Python 3.12 兼容性问题pip 在 VM 里可能回退到源码编译卡死为什么停在这里：资源太重 + 你有 Windows 真机可以直接跑 Frida，完全不需要 VM 绕路。认知升级：第三次撞墙。技术方案的选择要考虑执行环境的约束。N100 跑 KVM 就是小马拉大车，每轮迭代 7 分钟的反馈周期太慢，直接拖死生产力。阶段六：NPK 解密 → PyRun_SimpleString 自举（7/8）— 进行中我们当时怎么想的："NPK 加密是 rotor，key 已知（j2h56ogodh3se），算法已复现。卡在自定义 opcode 153。与其猜 opcode，不如让游戏 Python 引擎自己跑解密。用 PyRun_SimpleString 注入代码，把解密后的 Python 源码写到文件。"做了什么：v1：PyEval hook 内调 PyRun_SimpleString，输出到 C:\frida_pyout.txtv2：修 tasklist 解析（正则）、修触发时机（setTimeout 8s 替代计数 300）、加 try/except现状：v2 脚本已经写好，等你跑结果。如果跑通意味着什么：一次性拿到所有 Python 源码、协议定义、密钥。社区说的"python里都有"——NPK 是加密的 Python 脚本包，解密 NPK = 拿到全部协议逻辑。这条路的风险：PyRun_SimpleString 可能 crash（v1 就崩了）时机难把握（v2 用 setTimeout 8s 延迟触发）输出重定向可能失败但这个方向是对的——攻陷 Python 层可以一次性解所有问题，不用在 C 层和加密函数死磕。逻辑主线总结想抓协议明文 │ ├─→ 代理抓密文 ✓（知道有加密，不知道在哪） │ ├─→ neasec 补丁 ✗（证明非加密器） │ └─ 教训：名字会骗人，只有运行时行为可信 │ ├─→ 静态分析找加密入口 ✗（运行时不走） │ └─ 教训：静态分析和运行时是两回事 │ ├─→ Frida 动态探索 ✓（找到调用链，但追加密函数卡住） │ └─ 最大教训：c953c/c9cc1 是明文字段构建入口，我们当时当噪音过滤掉了 │ ├─→ KVM 自动化 ✗（太重） │ └─ 教训：执行环境约束决定方案可行性 │ └─→ PyRun_SimpleString 自举 ⏳（正确方向——攻陷 Python 层一次性解所有问题）核心教训"python里都有"这句话从头就在那，我们花了快两周才真正理解它的分量。整个探索从 C 层逆向开始，在加密函数上绕了最远的路。neasec 不是加密器、静态分析零触发、VM 太重——这些死路的共同根源是一个认知框架问题：我们默认加密发生在 C 层，默认需要逆向才能拿到协议定义。但事实是：加密是 Python 层调 C 层做的协议定义在 Python 源码里Python 源码就在 NPK 里NPK 解密需要的 rotor key 我们已经有了如果第一周就全力攻 PyRun_SimpleString 自举，可能早就拿到源码了。

向量模型 向量 = 给语义“拍一张数字照片”你可以把向量想象成一种语义坐标。每个文字片段（一句话、一段记忆）送到向量模型里，出来的那串数字（比如 [0.12, -0.34, 0.78, …]）就是它在“语义世界”中的位置。这张“数字照片”抓住了这段话的意思，而不是具体的用词。举个例子：“我养了一只狗” → 向量 A“我的宠物是柯基” → 向量 B“明天会下雨” → 向量 C在语义世界里，A 和 B 的点会很近，因为它们都和“养狗/宠物”有关。而 C 的点会离它们俩都很远，因为它在讲天气。为什么近就代表“相关”？——靠训练时的拉近与推远向量模型在训练时，做的事情非常直接：把意思相近的文本拉近，把意思无关的文本推远。训练数据是大量的“文本对”和相似度标签，比如：正例：“今天好热”→“气温很高”（拉近）负例：“今天好热”→“今天股票跌了”（推远）经过几亿次这样的“拉”和“推”，模型就学会了一套规则：把语义相近的任何文本，都映射到空间中彼此靠近的位置。所以，当把记忆文本和当前问题都映射到同一个空间后，距离自然就代表了语义相关性。检索时发生了什么？——在语义地图上找邻居当你问 Agent：“我的宠物叫什么名字？”这句问题被向量模型转换成查询向量 Q，也就是问题在语义空间里的一个点。向量数据库里，保存着每条记忆的向量位置，比如：M1：“我养了一只狗叫旺财” → 在位置 P1M2：“我喜欢吃披萨” → 在位置 P2M3：“我家狗狗是柯基” → 在位置 P3计算 Q 到所有 P 的距离，发现 P1 和 P3 离 Q 非常近，P2 离得远。于是 M1、M3 被提取出来，因为它们在语义地图上和问题站在了同一个街区。这就是“怎么知道哪些记忆是当前问题所需要的”本质：不是靠关键词匹配，而是靠在意思构成的高维空间中，找离问题点最近的那些记忆点。一个形象的二维类比（实际是几百维）想象你把世界上所有文本的意思，压平到一个巨大的二维地图上：“狗”、“宠物”、“遛狗”相关的内容，都集中在“宠物区”。“机票”、“航班”、“出行”集中在“旅行区”。“代码”、“调试”、“报错”集中在“编程区”。当你问一个关于“宠物”的问题，这个问题会被定位到地图的宠物区。然后你划一个半径很小的圆，圆里所有的记忆就都和宠物有关。那些“机票”“代码”的记忆远在别的区，根本不会被选中。真实模型用的是几百上千维的空间，它比你想象的地图要细腻得多，能区分“狗”和“猫”的细微差异，也能捕捉“可爱”和“凶猛”这种抽象关系。一个容易被忽略的关键：同一个模型映射能实现这种效果，还有一个硬性要求：记忆入库时用的向量模型，和查询时用的向量模型，必须是同一个。因为每个模型创造的“语义世界”不同，地图比例尺、街道命名都不一样。只有用同一张“地图”，查询向量才能准确地落在记忆旁边。总结向量：就是语义的数字坐标，意思相近 = 坐标靠近。怎么知道哪些记忆相关：把问题也变成坐标，在坐标空间里找离它最近的那些记忆点。这背后是模型被训练成了把相似文本映射到相近位置的规则。整个过程完全基于语义理解，而不是关键词匹配，所以即使问题说“宠物”，记忆里写的是“狗”，它们也能撞到一起。

不依赖入站连接的 Cloudflare Worker 方案 一、问题Cloudflare Worker 部署后默认的 *.workers.dev 域名在国内被 DNS 污染，无法直接访问。常规解决方案（绑定自定义域名）需要将域名 DNS 托管给 Cloudflare 或购买付费套餐（Cloudflare for SaaS）。如果你不想转移 DNS 管理，也没有预算，怎么办？二、解决思路核心思想：让 Worker 只做出站请求，不依赖入站连接。Worker 从 Cloudflare 边缘节点主动抓取 RSS/API（出站 fetch 不受任何限制）抓取到的数据通过 HTTP POST 发送到你的一台公网服务器公网服务器经 WireGuard 隧道转发给本地容器容器既可接收推送，也可主动抓取备用数据源这样，用户（或下游系统）通过访问你的公网服务器获取数据，完全无需触碰 workers.dev 域名。