书籍是知识最好的载体。为了让经典的书籍不被埋没着，需要所有人共同努力进行传承和分享。所有资源来自与网络，我只是搬运工。我将从我个人的角度来挑选我认为比较有帮助的书籍。

持续更新中...



# 半导体书籍
## 1. 《半导体器件物理学》
是著名的半导体器件物理专家施敏所著，它是目前是全世界所有工程及应用科学领域最畅销的书之一，1969年推出第一版，1981年与2006年再版两次。

:::info{title="书籍下载"}
第一版（1969年）：
[Physics of Semiconductor Devices (1st Edition)](http://load.sbyu.site/Physics/Sze%20-%20Physics%20of%20Semiconductor%20Devices%20%281st%29.pdf)

第二版（1981年）：
[Physics of Semiconductor Devices (2nd Edition)](http://load.sbyu.site/Physics/sze-physics%20of%20semiconductor%20devices%282nd%29.pdf)

第三版（2006年）：
[Physics of Semiconductor Devices (3rd Edition)](http://load.sbyu.site/Physics/Simon%20M.%20Sze%2C%20Kwok%20K.%20Ng%20-%20Physics%20of%20Semiconductor%20Devices%20-Wiley-Interscience%20%282006%29.pdf)

中文版：
[半导体器件物理学(第三版)](http://load.sbyu.site/Physics/%E5%8D%8A%E5%AF%BC%E4%BD%93%E5%99%A8%E4%BB%B6%E7%89%A9%E7%90%86%28%E7%AC%AC3%E7%89%88%29-%E4%B8%AD%E6%96%87%E7%89%88-%E6%96%BD%E6%95%8F-%E9%AB%98%E6%B8%85%E7%89%88.pdf)
:::

# 编程语言书籍
## 1.《PETSc for Partial Differential Equations: Numerical Solutions in C and Python》
作者：Ed Bueler

这本书主要是介绍Petsc在偏微分方程的应用

:::info{title="书籍下载"}
2021年：
[PETSc for Partial Differential Equations: Numerical Solutions in C and Python](http://load.sbyu.site/program/Ed%20Bueler%20-%20PETSc%20for%20Partial%20Differential%20Equations%20Numerical%20Solutions%20%282021%29.pdf)
:::

# 量子力学
## 1. 《The Old Quantum Theory》
作者：D. ter Haar
主要系统性介绍了早起量子力学的发展以及原始文献（英文翻译）

:::info{title="书籍下载"}
1967年：
[The Old Quantum Theory](http://load.sbyu.site/Physics/The%20Old%20Quantum%20Theory.pdf)
:::

书籍整理

## 前言

随着 AI 辅助编程工具的快速发展，Claude Code、Codex 和 Gemini 已成为开发者提升效率的重要工具。本文将详细介绍如何在 Windows 的 WSL2（Windows Subsystem for Linux 2）环境中安装这些工具，并通过 cc-switch 统一管理多个大模型的 API 接入。



**适用人群：**
- Windows 用户
- 希望在 Linux 环境中使用 AI 编程工具的开发者
- 需要管理多个 AI 模型 API 的用户

### 整体架构示意图

```
┌─────────────────────────────────────────────────────────────┐
│                      Windows 主机                           │
│                                                             │
│  ┌────────────────────────────────────────────────────┐     │
│  │              cc-switch (API 管理工具)               │     │
│  │         统一管理和切换 AI 模型 API                   │     │
│  └────────────────────────────────────────────────────┘     │
│                          │                                  │
│                          │ 桥接                             │
│   ═══════════════════════╪═══════════════════════════════   │
│                          ↓                                  │
│  ┌─────────────────────────────────────────────────────┐    │
│  │                   WSL2 (Ubuntu)                     │    │
│  │                                                     │    │
│  │  ┌──────────────┐  ┌──────────────┐  ┌───────────┐  │    │
│  │  │ Claude Code  │  │    Codex     │  │  Gemini   │  │    │
│  │  │   (CLI)      │  │  (OpenAI)    │  │ (Google)  │  │    │
│  │  └──────────────┘  └──────────────┘  └───────────┘  │    │
│  │         │                  │                │       │    │
│  │         └──────────────────┴────────────────┘       │    │
│  │                            │                        │    │
│  │                      统一 AI 助手接口                │    │
│  └─────────────────────────────────────────────────────┘    │
│                                                             │
└─────────────────────────────────────────────────────────────┘
                          │
                          ↓
              ┌───────────────────────┐
              │   各 AI 服务提供商     │
              │  Anthropic / OpenAI   │
              │    / Google AI        │
              └───────────────────────┘
```

---

## 准备工作

### 系统要求

- **操作系统：** Windows 10 版本 2004 及更高版本（内部版本 19041 及更高版本）或 Windows 11
- **硬件要求：** 
  - 至少 8GB RAM（推荐 16GB）
  - 至少 20GB 可用磁盘空间
- **网络要求：** 稳定的互联网连接

### 需要的账号和 API 密钥

1. **Claude API 密钥**
   - 访问 [Anthropic Console](https://console.anthropic.com/)
   - 注册账号并获取 API Key

2. **OpenAI API 密钥**（用于 Codex）
   - 访问 [OpenAI Platform](https://platform.openai.com/)
   - 注册账号并获取 API Key

3. **Google AI API 密钥**（用于 Gemini）
   - 访问 [Google AI Studio](https://aistudio.google.com/)
   - 获取 API Key

---

## 第一部分：WSL2 环境配置

### 1.1 启用 WSL2

打开 PowerShell（以管理员身份运行），执行以下命令：

```powershell
# 启用 WSL 功能
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

# 启用虚拟机平台
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
```

**重启计算机**以使更改生效。

### 1.2 安装 WSL2 Linux 内核更新包

1. 下载 [WSL2 Linux 内核更新包](https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi)
2. 运行下载的安装程序
3. 安装完成后，打开 PowerShell，设置 WSL2 为默认版本：

```powershell
wsl --set-default-version 2
```

### 1.3 安装 Linux 发行版

推荐使用 Ubuntu 24.04 LTS：

```powershell
# 查看可用的发行版
wsl --list --online

# 安装 Ubuntu 22.04
wsl --install -d Ubuntu-24.04
```

安装过程中会要求创建用户名和密码，请妥善保管。

### 1.4 验证 WSL2 安装

```powershell
wsl --list --verbose
```

确保输出显示 VERSION 为 2。

### 1.5 更新 WSL2 中的 Ubuntu 系统

进入 WSL2 环境：

```bash
wsl
```

更新系统包：

```bash
sudo apt update && sudo apt upgrade -y
```

---

## 第二部分：安装 Claude Code

### 2.1 什么是 Claude Code？

Claude Code 是 Anthropic 推出的 AI 编程助手，可以通过 CLI、桌面应用或 IDE 扩展使用。在 WSL2 中，我们主要使用 CLI 版本。

### 2.2 安装前置依赖

```bash
# 安装 Node.js（Claude Code CLI 需要 Node 24.x LTS）
curl -fsSL https://deb.nodesource.com/setup_24.x | sudo -E bash -
sudo apt install -y nodejs

# 验证安装
node --version
npm --version
```

### 2.3 安装 Claude Code CLI

```bash
# 使用 npm 全局安装
npm install -g @anthropic-ai/claude-code

# 或使用 npx（无需全局安装）
npx @anthropic-ai/claude-code --version
```

### 2.4 配置 Claude Code

创建配置目录：

```bash
mkdir -p ~/.claude
```

配置 API 密钥：

```bash
# 方法 1：通过环境变量
echo 'export ANTHROPIC_API_KEY="your-api-key-here"' >> ~/.bashrc
source ~/.bashrc

# 方法 2：通过配置文件
cat > ~/.claude/config.json << EOF
{
  "apiKey": "your-api-key-here",
  "model": "claude-sonnet-4-6"
}
EOF
```

### 2.5 验证安装

```bash
# 测试 Claude Code
claude-code --version

# 或使用 npx
npx @anthropic-ai/claude-code chat "Hello, Claude!"
```

> **💡 提示：** 如果您计划使用多个 AI 模型，建议先完成第三、四部分的安装，然后跳转到 [第五部分：使用 cc-switch 管理 API](#第五部分使用-cc-switch-管理-api)，通过 cc-switch 统一管理所有 API 密钥和模型切换，这样可以避免重复配置。

---

## 第三部分：安装 Codex

### 3.1 什么是 Codex？

Codex 是 OpenAI 开发的代码生成模型，是 GitHub Copilot 的底层技术。虽然 Codex 模型已被 GPT-4 系列取代，但我们可以通过 OpenAI API 使用类似功能。

### 3.2 安装 OpenAI CLI

```bash
# 安装 Python 和 pip（如果尚未安装）
sudo apt install -y python3 python3-pip

# 安装 OpenAI Python 库
pip3 install openai

# 验证安装
python3 -c "import openai; print(openai.__version__)"
```

### 3.3 配置 OpenAI API

```bash
# 设置环境变量
echo 'export OPENAI_API_KEY="your-openai-api-key-here"' >> ~/.bashrc
source ~/.bashrc
```

### 3.4 创建 Codex 使用脚本

创建一个简单的 Python 脚本来使用 OpenAI API：

```bash
cat > ~/codex-cli.py << 'EOF'
#!/usr/bin/env python3
import os
import sys
from openai import OpenAI

client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))

def generate_code(prompt):
    response = client.chat.completions.create(
        model="gpt-4o",  # 或使用 "gpt-4o-mini"
        messages=[
            {"role": "system", "content": "You are a helpful coding assistant."},
            {"role": "user", "content": prompt}
        ],
        temperature=0.2
    )
    return response.choices[0].message.content

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("Usage: codex-cli.py <prompt>")
        sys.exit(1)
    
    prompt = " ".join(sys.argv[1:])
    result = generate_code(prompt)
    print(result)
EOF

chmod +x ~/codex-cli.py
```

### 3.5 测试 Codex

```bash
python3 ~/codex-cli.py "Write a Python function to calculate fibonacci numbers"
```

> **💡 提示：** OpenAI API 配置完成！继续安装 Gemini 后，可以跳转到 [第五部分：使用 cc-switch 管理 API](#第五部分使用-cc-switch-管理-api)，实现多模型的统一管理和快速切换。

---

## 第四部分：安装 Gemini

### 4.1 什么是 Gemini？

Gemini 是 Google 推出的多模态 AI 模型，支持文本、图像、音频等多种输入。

### 4.2 安装 Google AI SDK

```bash
# 安装 Google Generative AI Python 库
pip3 install google-generativeai

# 验证安装
python3 -c "import google.generativeai as genai; print('Gemini SDK installed')"
```

### 4.3 配置 Gemini API

```bash
# 设置环境变量
echo 'export GOOGLE_API_KEY="your-google-api-key-here"' >> ~/.bashrc
source ~/.bashrc
```

### 4.4 创建 Gemini 使用脚本

```bash
cat > ~/gemini-cli.py << 'EOF'
#!/usr/bin/env python3
import os
import sys
import google.generativeai as genai

genai.configure(api_key=os.environ.get("GOOGLE_API_KEY"))

def generate_response(prompt):
    model = genai.GenerativeModel('gemini-2.5-pro')
    response = model.generate_content(prompt)
    return response.text

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("Usage: gemini-cli.py <prompt>")
        sys.exit(1)
    
    prompt = " ".join(sys.argv[1:])
    result = generate_response(prompt)
    print(result)
EOF

chmod +x ~/gemini-cli.py
```

### 4.5 测试 Gemini

```bash
python3 ~/gemini-cli.py "Explain what is machine learning in simple terms"
```

> **💡 提示：** 至此，三个 AI 模型都已安装完成！现在进入 [第五部分：使用 cc-switch 管理 API](#第五部分使用-cc-switch-管理-api)，学习如何通过 cc-switch 统一管理这些 API，实现一键切换和便捷调用。

---

## 第五部分：使用 cc-switch 管理 API

### 5.1 什么是 cc-switch？

cc-switch 是一个用于管理多个 AI 模型 API 的工具，可以快速切换不同的模型和配置。

**cc-switch 工作流程：**

```
            用户命令
               │
               ↓
┌─────────────────────────────────────────┐
│         cc-switch (Windows)             │
│  ┌───────────────────────────────────┐  │
│  │  config.yaml                      │  │
│  │  ├─ claude (Anthropic API)        │  │
│  │  ├─ codex (OpenAI API)            │  │
│  │  └─ gemini (Google AI API)        │  │
│  └───────────────────────────────────┘  │
│              │                          │
│              ↓ 读取配置                  │
│  ┌───────────────────────────────────┐  │
│  │  当前激活模型: claude              │  │
│  │  API Key: ANTHROPIC_API_KEY       │  │
│  │  Endpoint: api.anthropic.com      │  │
│  └───────────────────────────────────┘  │
└─────────────────────────────────────────┘
              │
              ↓ 桥接到 WSL2
┌─────────────────────────────────────────┐
│           WSL2 环境                     │
│        执行对应的 AI 工具                │
│ (claude-code / codex-cli / gemini-cli)  │
└─────────────────────────────────────────┘
```

### 5.2 在 Windows 上安装 cc-switch

**注意：** cc-switch 安装在 Windows 主机上，而不是 WSL2 内部。

1. 打开 PowerShell（以管理员身份）

2. 如果尚未安装 Scoop 包管理器：

```powershell
# 安装 Scoop
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser
irm get.scoop.sh | iex
```

3. 安装 cc-switch（假设通过 Scoop 或直接下载）：

```powershell
# 方法 1：通过 Scoop（如果 cc-switch 在 Scoop 仓库中）
scoop install cc-switch

# 方法 2：手动下载
# 访问 cc-switch 的 GitHub 仓库下载最新版本
# 解压到 C:\Program Files\cc-switch
# 添加到系统 PATH
```

### 5.3 配置 cc-switch

创建配置文件 `C:\Users\YourUsername\.cc-switch\config.yaml`：

```yaml
models:
  claude:
    name: "Claude Sonnet 4.6"
    provider: "anthropic"
    api_key_env: "ANTHROPIC_API_KEY"
    model: "claude-sonnet-4-6"
    endpoint: "https://api.anthropic.com/v1"
  
  codex:
    name: "OpenAI GPT-4o"
    provider: "openai"
    api_key_env: "OPENAI_API_KEY"
    model: "gpt-4o"
    endpoint: "https://api.openai.com/v1"
  
  gemini:
    name: "Google Gemini 2.5 Pro"
    provider: "google"
    api_key_env: "GOOGLE_API_KEY"
    model: "gemini-2.5-pro"
    endpoint: "https://generativelanguage.googleapis.com/v1"

default_model: "claude"
```

### 5.4 在 WSL2 中使用 cc-switch

由于 cc-switch 安装在 Windows 上，我们需要在 WSL2 中创建一个桥接脚本：

```bash
cat > ~/cc-switch.sh << 'EOF'
#!/bin/bash
# WSL2 桥接脚本，调用 Windows 上的 cc-switch

CC_SWITCH_PATH="/mnt/c/Program Files/cc-switch/cc-switch.exe"

if [ ! -f "$CC_SWITCH_PATH" ]; then
    echo "Error: cc-switch not found at $CC_SWITCH_PATH"
    exit 1
fi

"$CC_SWITCH_PATH" "$@"
EOF

chmod +x ~/cc-switch.sh
sudo ln -s ~/cc-switch.sh /usr/local/bin/cc-switch
```

### 5.5 使用 cc-switch 切换模型

```bash
# 查看可用模型
cc-switch list

# 切换到 Claude
cc-switch use claude

# 切换到 Codex (GPT-4o)
cc-switch use codex

# 切换到 Gemini
cc-switch use gemini

# 查看当前使用的模型
cc-switch current
```

**模型切换流程示意图：**

```
初始状态: Claude (默认)
     │
     │ 执行: cc-switch use codex
     ↓
┌─────────────────────────────┐
│  切换到 Codex (OpenAI)       │
│  ✓ 加载 OPENAI_API_KEY      │
│  ✓ 设置 endpoint            │
│  ✓ 更新当前模型配置          │
└─────────────────────────────┘
     │
     │ 执行: ai "写一个排序函数"
     ↓
┌─────────────────────────────┐
│  调用 codex-cli.py          │
│  使用 GPT-4o 生成代码        │
└─────────────────────────────┘
     │
     │ 执行: cc-switch use gemini
     ↓
┌─────────────────────────────┐
│  切换到 Gemini (Google)     │
│  ✓ 加载 GOOGLE_API_KEY      │
│  ✓ 设置 endpoint            │
│  ✓ 更新当前模型配置          │
└─────────────────────────────┘
     │
     │ 执行: ai "解释机器学习"
     ↓
┌─────────────────────────────┐
│  调用 gemini-cli.py         │
│  使用 Gemini Pro 生成回答    │
└─────────────────────────────┘
```

### 5.6 集成到开发工作流

创建一个统一的 AI 助手脚本：

```bash
cat > ~/ai-assistant.sh << 'EOF'
#!/bin/bash

current_model=$(cc-switch current)

case $current_model in
    "claude")
        npx @anthropic-ai/claude-code chat "$@"
        ;;
    "codex")
        python3 ~/codex-cli.py "$@"
        ;;
    "gemini")
        python3 ~/gemini-cli.py "$@"
        ;;
    *)
        echo "Unknown model: $current_model"
        exit 1
        ;;
esac
EOF

chmod +x ~/ai-assistant.sh
sudo ln -s ~/ai-assistant.sh /usr/local/bin/ai
```

现在可以使用统一的命令：

```bash
# 使用当前选择的模型
ai "Write a function to sort an array"

# 切换模型后使用
cc-switch use gemini
ai "Explain quantum computing"
```

---

## 常见问题

### Q1: WSL2 启动失败怎么办？

**A:** 检查以下几点：
1. 确保已启用虚拟化（在 BIOS 中）
2. 确保 Windows 版本符合要求
3. 运行 `wsl --update` 更新 WSL
4. 检查 Windows 事件查看器中的错误日志

### Q2: API 密钥如何安全存储？

**A:** 建议使用以下方法：
1. 使用环境变量（不要提交到 Git）
2. 使用密钥管理工具（如 Azure Key Vault、AWS Secrets Manager）
3. 在 `.bashrc` 或 `.zshrc` 中设置，并确保文件权限为 600

```bash
chmod 600 ~/.bashrc
```

### Q3: 如何在 WSL2 和 Windows 之间共享文件？

**A:** 
- WSL2 访问 Windows 文件：`/mnt/c/Users/YourUsername/`
- Windows 访问 WSL2 文件：`\\wsl$\Ubuntu-24.04\home\username\`

### Q4: Claude Code 响应很慢怎么办？

**A:** 
1. 检查网络连接
2. 尝试切换到更快的模型（如 Haiku）
3. 检查 API 配额和限制
4. 考虑使用代理服务器

### Q5: 如何更新这些工具？

**A:**
```bash
# 更新 Claude Code
npm update -g @anthropic-ai/claude-code

# 更新 Python 库
pip3 install --upgrade openai google-generativeai

# 更新 WSL2
wsl --update
```

---

## 总结

通过本指南，您已经学会了：

1. ✅ 在 Windows 上配置 WSL2 环境
2. ✅ 在 WSL2 中安装 Claude Code CLI
3. ✅ 配置和使用 OpenAI API（Codex）
4. ✅ 配置和使用 Google Gemini API
5. ✅ 使用 cc-switch 统一管理多个 AI 模型
6. ✅ 创建便捷的命令行工具来提升开发效率

### 下一步建议

- **探索 IDE 集成：** 尝试在 VS Code 中安装 Claude Code、GitHub Copilot 等扩展
- **自动化工作流：** 将 AI 工具集成到 CI/CD 流程中
- **学习提示工程：** 掌握如何编写更有效的提示词
- **监控 API 使用：** 定期检查 API 使用情况和成本

### 参考资源

- [Claude Code 官方文档](https://claude.ai/code)
- [OpenAI API 文档](https://platform.openai.com/docs)
- [Google AI Studio](https://aistudio.google.com/)
- [WSL2 官方文档](https://learn.microsoft.com/en-us/windows/wsl/)

---

**最后更新：** 2026年5月2日

**作者提示：** 本指南会随着工具更新而变化，建议定期查看官方文档获取最新信息。

**文档生成：** 本文档由 [Claude Code](https://claude.ai/code) 自动生成。

如有问题或建议，欢迎在评论区留言！

Windows WSL2 中安装 Claude Code、Codex 和 Gemini 完全指南

最近看了一本关于量子力学传记——《量子传》，里面介绍了从黑体辐射、原子电子发现到建立量子力学的基本框架等参与的一系列的大师。让我感概万分，在那个群星璀璨的时代，深处在探索真理的漩涡中，才能诞生划时代的突破。有趣的是看到Physical Review的编辑`Dagmar Bruß`整理了奠定量子力学发展的重要文章。




:::info{title="Quantum Foundations Collection"}
One hundred years ago, Wolfgang Pauli, Werner Heisenberg, Erwin Schrödinger, and others laid down cornerstones of quantum mechanics. UNESCO has designated 2025 the International Year of Quantum Science and Technology in recognition of those breakthroughs and of the revolutionary impact that quantum science and technology have had and promise to have. To celebrate this centennial, the Editors of the Physical Review journals have collected the papers below that established the foundations for the field.
:::

链接：[APS Quantum Foundations Collection](https://promo.aps.org/quantum-foundation-collection?_gl=1*j88ug5*_ga*NzE2NjgwMTg1LjE2OTg1NzM5NTg.*_ga_ZS5V2B2DR1*czE3NDY3MTI5MTkkbzYkZzEkdDE3NDY3MTM4ODQkajAkbDAkaDE5NDkyODI0MTc)

APS的Quantum Foundations Collection

马克斯·普朗克（[Max Planck](https://en.wikipedia.org/wiki/Max_Planck)）是著名的德国理论物理学家，在研究黑体辐射的过程中提出著名的**黑体辐射公式**，并且提出**在吸收和发射过程中能量是存在最小单位**解释了其中的原理。



我在网上找到了在1900年发表在德国物理学会会议的原始文献，并且在原始文献后附上翻译成英文的版本(收录在 *[The Old Quantum Theory](http://load.sbyu.site/Physics/The%20Old%20Quantum%20Theory.pdf)* 书籍中)。

- Planck, M. (1900a). Über eine Verbesserung der Wienschen Spektralgleichung. *Verhandlungen der Deutschen Physikalischen Gesellschaft*. 2: 202–204.[[PDF]](http://load.sbyu.site/Physics/MaxPlanck/Planck1900a.pdf)
- Planck, M. (1900b). Zur Theorie des Gesetzes der Energieverteilung im Normalspectrum. *Verhandlungen der Deutschen Physikalischen Gesellschaft*. 2: 237.[[PDF]](http://load.sbyu.site/Physics/MaxPlanck/Planck1900b.pdf)

普朗克的黑体辐射文献

前一段时间入手了一台树莓派，就想着把以前云服务器的网站移到小小的树莓派上，从而保证不会因为要换服务器而重新配置网站。因此，我参考[pidoc](https://pidoc.cn/docs/pidoc/site_arch)的网站架构重新进行了规划。其中重要一环便是实现内网穿透，通过互联网能访问到家里的树莓派。


# frp介绍

:::tip{title="Deepsek"}
内网穿透（NAT穿透）是一种技术手段，允许外部网络通过公网访问局域网（内网）中的设备或服务。由于内网设备通常位于路由器或防火墙后，没有独立的公网IP地址，外部用户无法直接访问。内网穿透通过建立中间通道或代理，绕过网络限制，实现内网服务的远程访问。
:::
`frp`(Fast Reverse Proxy)是一款开源、简洁易用、高性能的内网穿透和反向代理工具，支持 tcp, udp, http, https等协议。它原理分为以下几步[[1]](https://itlanyan.com/frp-tunnel-tutorial/)：
1. 服务端运行，监听一个主端口，等待客户端的连接；
2. 客户端连接到服务端的主端口，同时告诉服务端要监听的端口和转发类型；
3. 服务端fork新的进程监听客户端指定的端口；
4. 外网用户连接到客户端指定的端口，服务端通过和客户端的连接将数据转发到客户端；
5. 客户端进程再将数据转发到本地服务，从而实现内网对外暴露服务的能力。

:::tip{title="参考资料"}
- frp github项目：<https://github.com/fatedier/frp>;
- frp中文文档：<https://gofrp.org/zh-cn/docs/>;
- 询问AI，比如[deepseek](https://chat.deepseek.com/)。
:::

# 网络结构
网络的大体结构如下所示，`frp`则是连接服务端（服务器）和客户端(树莓派)的**桥梁**。
<div align=center>
<img src="/static/img/4511c57fbaa1e822393ad154159aceac.site.webp" width="80%"/>
</div>

## 服务端
服务端选择在已经备案的阿里云服务器中，它是固定的`ip`地址，备案后可以通过域名进行绑定。因此，通过域名则可以直接访问阿里云服务器。

1. 首先在frp下载网页[[2]](https://github.com/fatedier/frp/releases)中下载最新对应版本，比如，我下载的版本是`frp_0.61.0_linux_amd64.tar.gz`,这位是因为我的服务器是`x86_64`架构（绝大部分服务器都如此）。下载上传至服务器中，也可以直接在服务器中通过`wget`下载。
2. 解压后进入`frp_0.61.0_linux_amd64`目录，可以看到里面的文件主要有四个文件，其中`frps`和`frps.toml`是服务器，`frpc`和`frpc.toml`是客户端。因此，我们需要对服务端的配置文件`frps.toml`进行编辑。

```bash
root@iZbp191ssbr9r5wdkgbmgpZ:~/softwares/frp# tar -xvf frp_0.61.0_linux_amd64.tar.gz
frp_0.61.0_linux_amd64/
frp_0.61.0_linux_amd64/LICENSE
frp_0.61.0_linux_amd64/frps.toml
frp_0.61.0_linux_amd64/frpc
frp_0.61.0_linux_amd64/frps
frp_0.61.0_linux_amd64/frpc.toml
root@iZbp191ssbr9r5wdkgbmgpZ:~/softwares/frp# cd frp_0.61.0_linux_amd64/
root@iZbp191ssbr9r5wdkgbmgpZ:~/softwares/frp/frp_0.61.0_linux_amd64# ls
frpc  frpc.toml  frps  frps.toml  LICENSE
root@iZbp191ssbr9r5wdkgbmgpZ:~/softwares/frp/frp_0.61.0_linux_amd64# vim frps.toml 
```
3、我根据自己的需求，对`frps.toml`做如下的编辑。

```toml
# Port
bindPort = 8000

# auth.method specifies what authentication method to use authenticate frpc with frps.                                  
auth.method = "token"
auth.token = "123456"  #set your toekn

# If you want to support virtual host, you must set the http port for listening (optional)                              
# Note: http port and https port can be same with bindPort   
vhostHTTPPort = 80                                

# Configure the web server to enable the dashboard for frps.
webServer.addr = "x.x.x.x"  #set your server's private IP
webServer.port = 8500
webServer.user = "admin"
webServer.password = "admin123"

# console or real logFile path like ./frps.log
log.to = "/usr/local/frp/frps.log"
log.level = "info"
log.maxDays = 3
```

其中有几个需要注意的参数，详细的参数可以参考[[3]](https://www.hty1024.com/archives/frp2frp-pei-zhi-wen-jian-xiang-jie)
- `bindPort`对应服务端运行的端口，也就是客户端需要和服务端之间的绑定的端口；
- `auth.token`一般设定`auth.method`为`token`时需要设置验证密码；
- `webServer.addr`这是如果需要在浏览器中可以看到仪表盘，则需要设置该地址。需要设置为内网地址。`webServer.port`对应的就是仪表盘的端口，`webServer.user`和`webServer.password`对应的就是仪表盘登录的用户名和密码；
- `log.to`是日志文件的路径，`log.maxDays`是保存的最近多少天的日志，`log.level`是日志的级别，可选值为 `trace`, `debug`, `info`, `warn`,和`error`。

4. 设置和启动`frps`服务。在`/lib/systemd/system`构建一个`frps.service`服务文件，内容如下

```ini
[Unit]
Description=frps service
After=network.target

[Service]
Type=simple
ExecStart=/usr/local/frp/frps -c /usr/local/frp/frps.toml
Restart=on-failure
RestartSec=5s

[Install]
WantedBy=multi-user.target
```
在此之前我已经`frps`和`frps.toml`拷贝到了`/usr/local/frp`路径下。然后通过`systemctl enable frps.service`设置开机启动，以及`systemctl start frps.service`启动服务。

:::tip{title="systemctl"}
systemctl 是一个用于控制 systemd 系统和服务管理器的工具。它可以用于启动、停止、重启、重载服务，以及检查服务状态等操作。记录一下它常用的命令
```bash
systemctl start 服务名.service
systemctl stop  服务名.service
systemctl restart 服务名.service
systemctl status 服务名.service
systemctl enable 服务名.service
systemctl disable 服务名.service
systemctl reload 服务名.service
systemctl daemon-reload  #重载配置
```
:::

5. 最后就是要在服务器的防火墙中进行放行相关端口，我还需要在阿里云的后台中放行所有涉及的端口。

## 客户端
客户端选择在家里的树莓派上，是不能通过`80`或`443`端口构建网络服务，因此采取反向代理的方式映射到备案的公网上去。同样的分为以下几个步骤

1. 对于客户端同样的需要下载对应的服务器架构的版本。树莓派则需要下载`arm`版本，因为我的树莓派是64位的，所以下载`frp_0.61.0_linux_arm64.tar.gz`。
2. 同样解压后可以看见和前面相同的四个文件，我们只需要客户端的配置文件`frpc.toml`进行编辑即可
3. 根据自己需求编辑
```toml
serverAddr = "x.x.x.x"  # your server ip
serverPort = 8000       # your server port
user = "root"

# console or real logFile path like ./frpc.log
log.to = "/usr/local/frp/frpc.log"
log.level = "info"
log.maxDays = 3

# auth token
auth.method = "token"
auth.token = "123456" #set your server toekn

# Set admin address for control frpc's action by http api such as reload
webServer.addr = "x.x.x.x"  #set your client's private IP
webServer.port = 8500       
webServer.user = "admin"
webServer.password = "admin123"
webServer.pprofEnable = false

#http
[[proxies]]
name = "web-http"
type = "http"
localPort = 5000  #your local port of running web in your client
customDomains=["sbyu.site"]
```
这里值得注意是`serverAddr`需要设置为你服务端的公网`ip`，`serverPort`设置成和前面服务端匹配连接的`8000`端口，`auth.token`也需要和服务器设置的一样。当然客户端也可以通过`webServer.*`相关参数设置仪表盘。最后则是反向代理设置，`localPort`则对应的是本地运行它的端口，`customDomains`则是在服务端反向代理的域名。

:::info{title="http"}
可以在同一个客户端中同时设置多个方向代理，只需要在文件中继续加入最后一段的`[[proxies]]`，其中`name`、`localPort`和`customDomains`和前面的不相同。
```toml
#http
[[proxies]]
name = "web2-http"  # can not be web1-http
type = "http"
localPort = 6000  #your local port of running web in your client
customDomains=["blog.sbyu.site"]
```
:::

4. 设置和启动`frps`服务。在`/lib/systemd/system`构建一个`frpc.server`服务，并且进行启动
```ini
Description=frpc service
After=network.target syslog.target
Wants=network.target

[Service]
Type=simple
Restart=on-failure
RestartSec=5s
ExecStart=/usr/local/frp/frpc -c /usr/local/frp/frpc.toml

[Install]
WantedBy=multi-user.target
```
5. 最后在防火墙放行相关端口。
# 结语
设置完上述之后，可以在服务端配合[宝塔面板](https://www.bt.cn/new/index.html)使用设置为`https`的连接。虽然`frp`是可以直接设置成`https`，但个人觉的这样使用更加灵活。