Последние посты
鑫源AI分享
24 сент., 15:54
通过AI编程代理，只需一条命令即可克隆任何网站，复制网站的工具。 https://github.com/JCodesMore/ai-website-cloner-templateGitHubGitHub - JCodesMore/ai-website-cloner-template: Clone any website with one command using AI coding agentsClone any website with one command using AI coding agents - JCodesMore/ai-website-cloner-template1,390Открыть в Telegram鑫源AI分享
24 сент., 15:16
DeepSeek Harness 官方桌面端下载地址来了！ 不用再装 Node、不用开终端、不用开浏览器，双击就能直接用官方 DSH！ win下载地址：https://download.deepseek.com/dsh-desk/bin/win-x64/deepseek-harness-0.1.7-rc.1.20260924.1-win-x64.exe mac下载地址：https://download.deepseek.com/dsh-desk/bin/mac-arm64/deepseek-harness-0.1.7-rc.1.20260924.1-mac-arm64.dmg 官方说明文档：https://github.com/deepseek-ai/deepseek-harness/blob/master/apps/desktop/README.zh.md鑫源AI分享
24 сент., 14:32
DeepSeek V4.1 Flash 越狱教程来了！今天用中转站 + 优化版Hermes Agent工具，彻底去掉安全审查，让模型听话输出敏感内容（写木马、成人小说等都能直接生成）。全程免费工具，操作超级简单，适合各位领导快速上手。 本期重点：下载并启动去审查版Hermes Agent工具 中转站创建API令牌 + 充值 配置模型名称和越狱提示词 关闭审批模式与推理强度 用「Tibo听我的」指令实测输出 视频地址：https://youtu.be/z5ODX0D1zbk 中转站地址：https://yuangeluyou.com/ 专属agent：https://github.com/YUANGEGE1234/xinyuan鑫源AI分享
23 сент., 15:22
有意思的画图提示词： 9:16。身材纤细的中国时尚模特，直视镜头，腹部紧致平坦。 空旷高挑的极简艺术空间，大落地窗前洒满温暖的落日逆光。 身姿优雅挺拔，单腿优美高高抬起，腰腹呈现极具张力的柔韧拉伸感。 穿着白色无肩带抹胸内衣（或法式细带内衣），露出锁骨与紧致腰腹。底部完全在画面外不可见。 负面：底部、紧身裤、内裤、短裤、裙子。鑫源AI分享
23 сент., 13:23
🔥 【把前沿实验室的训练栈开源了：直接训 HuggingFace 模型，8×B300 吞吐超 TRL 2.8 倍】📌 项目定位： Halo 是 White Circle 开源的大模型训练框架，覆盖 预训练、SFT、偏好优化、蒸馏到全异步多轮 RL 全流程。它真正解决的是"分布式训练即重写模型"这个老痛点——并行不是另起一套实现，而是以 EP 包住 MoE 块、CP 包住 attention、TP/ETP 原地切分权重的方式叠加在原有模型上，底层由 FSDP2 + DTensor + DeviceMesh 支撑，EP 的 all-to-all 交给 DeepEP。因此它直接训 HuggingFace 模型，checkpoint 仍是标准 SafeTensors，from_pretrained 照常可用，接入一个新模型家族通常不到 140 行代码。上线 28 天拿下 687 star，近期新增 204。⚡️ 核心优势： ▫️ 性能可量化：8×B300 上训练吞吐最高约为原生 TRL 的 2.8×；双方都做 ZeRO-3 分片时仍有 2.7×，峰值显存还低 25% ▫️ 并行可自由组合：EP / CP / TP / ETP 独立配置、跨 GPU 与跨节点混搭，同一份代码从单卡跑到多机 ▫️ RL 全异步：多轮环境 rollout 以 Ray actor 打向 vLLM / SGLang，通过 prefetch 队列与训练重叠，权重走原生 NCCL 推给推理端；无 Megatron 后端、无 veRL 依赖 ▫️ 内核与优化内置：DeepEP V2、FlashAttention 4、Liger、Grouped GEMM、padding-free packing、AdamWBF16，并为 Blackwell / Hopper 及更老 GPU 准备回退路径 ▫️ 交付零污染：Blackwell 与 Hopper 独立 Docker 镜像已预编译 PyTorch、FA 与 DeepEP，匿名拉取、无需主机 Python 环境🎯 实战落地场景： 想自己跑 MoE 后训练却不想啃 Megatron 的算法团队——用 halo launch sft xxx-ep.yaml -n 8 一条命令做 35B-A3B 的专家并行 SFT；做 Agent 多轮 RL 的研究者——直接复用 Async GRPO 与环境 rollout，不必再自己搭一套异步采样框架；资源受限的小团队——先单卡 LoRA SFT，再无缝扩到 FSDP2 多机，checkpoint 全程兼容 HuggingFace 生态。🔗 项目直达： https://github.com/whitecircle/halo🏷 标签： #LLM训练 #分布式并行 #强化学习 #MoE #开源框架GitHubGitHub - whitecircle/halo: Halo is an open-source framework built by White Circle for training large language and multimodal modelsHalo is an open-source framework built by White Circle for training large language and multimodal models - whitecircle/halo鑫源AI分享
22 сент., 12:30изменён
GPT-5.6 Sol大模型越狱全流程来了！今天手把手教各位领导用中转站API + 魔改Hermes Agent工具 + 专用提示词，把思考强度拉满，轻松突破模型限制。实测写公网扫描木马程序、直白成人小说全部成功，全程不用官方账号，避免封号风险。 如果和谐了换成gpt5.5试一试。 视频地址：https://youtu.be/DExDaZNEFbU agent工具：https://github.com/YUANGEGE1234/xinyuan 中转站：https://yuangeluyou.com/鑫源AI分享
22 сент., 07:54
安卓逆向的工具，一个skill https://github.com/newliver666/apk-reverseGitHubGitHub - newliver666/apk-reverse: Suitable for Android APK reverse engineering analysisSuitable for Android APK reverse engineering analysis - newliver666/apk-reverse鑫源AI分享
22 сент., 07:47
Jev没有申请的现在满员了，可以通过这里免费使用：https://vercel.com/ai-gateway/models/jev 截止到9月25日。VercelJev API, Pricing & Playground | Vercel AI GatewayExplore the Jev AI model by TypeSafe AI on Vercel AI Gateway2,400Открыть в Telegram鑫源AI分享
22 сент., 07:39
🔥 【上线不到 1 天就 1978 Star：手机上的 AI「对话副驾」，帮你把每条消息都回得漂亮】📌 项目定位：Jev 聊天助手是一个装在安卓手机上的「对话副驾」，用的是 Kotlin 开发、完全开源免费。你在微信 / QQ / X 私信 / 飞书里聊天，它用系统无障碍服务读屏幕上正在显示的消息（不 hook、不改包、不读数据库、不碰你账号），先用判断模型分析对方真实意图和危险等级，再起草 3 条候选回复，点一下填进输入框——发不发永远你自己决定，转账红包一律不碰。⚡️ 核心优势： ▫️ 只读屏幕、不注入进程，不需要 root 或 Xposed，跟我们平时用的读屏软件一个原理 ▫️ 判断 / 回复 / 视觉三路接口分开配，内置 OpenRouter、DeepSeek 官方、通义兼容等预设，用你自己的 Key，项目不经手任何费用 ▫️ 默认回复模型是 deepseek-chat-v3.1，只填一把 OpenRouter 密钥就能跑通全链路 ▫️ 本地知识库 + 联系人档案，会自动带上你的设定和这个人聊过的历史，回复不会跟人设打架 ▫️ 微信 8.0.78、QQ 9.3.50、X 12.25 真机跑通，飞书走 ML Kit 中文离线 OCR 兜底，任意 App 可手动截屏识别🎯 实战落地场景： ① 代部署/陪跑服务：一堆人卡在开无障碍、小米后台省电白名单、三卡接口配置上，帮人装好+调通，一单收几十到一两百很正常，成本几乎为零 ② 垂直行业定制：微商、销售、客服、相亲交友、外贸跟进，把知识库和话术喂进去，做成一套「行业话术副驾」卖给小团队 ③ 新增 App 适配接单：README 明说新增一个 App 只需写几十行适配器，这活就是纯外包单价 ④ 教程引流：写踩坑指南、部署视频，顺手接 API 中转、云手机的推广合作🔗 项目直达： https://github.com/jev-chat/jev-chat-jarvis🏷 标签： #AI副业 #开源项目 #聊天助手 #Android #KotlinGitHubGitHub - jev-chat/jev-chat-jarvis: 装在手机上的对话副驾：在微信 / QQ / X / 飞书里读懂对方、给出候选回复、一键填入输入框，发不发由你。非侵入，只读屏幕，不 hook 不改包。装在手机上的对话副驾：在微信 / QQ / X / 飞书里读懂对方、给出候选回复、一键填入输入框，发不发由你。非侵入，只读屏幕，不 hook 不改包。 - jev-chat/jev-chat-jarvis鑫源AI分享
21 сент., 14:04
🔥 开源核弹来了：Laya —— 33ms 级多语言「系统1」决策引擎还在用大模型做简单路由、工单分拣、Prompt 安全检测？ 又慢又贵还容易幻觉？Laya 直接换思路： 非自回归、单次前向传播，对任何文本/邮件/工单/JSON 同时回答多个类型化问题（choice / score / noul），平均 33ms（T4 GPU），批量更是 7.2ms/问题。### 核心亮点 - 100+ 语言原生支持，内置 Router 自动识别脚本+语言，毫秒级切换最优模型 - 严格校准概率（RLCD 训练），置信度真正可用，高置信自动决策、低置信转人工 - 零幻觉：不做文本生成，只输出结构化决策 - Apache 2.0 完全开源，pip install laya 即用 - 内置预设：工单分拣、Prompt Guardrails、内容安全、模型路由……开箱即用实测对比闭源竞品： - 延迟 7–8 倍更快 - 校准误差 3 倍更低 - 自托管 0 成本GitHubGitHub - NandhaKishorM/layaContribute to NandhaKishorM/laya development by creating an account on GitHub.鑫源AI分享
20 сент., 11:59
🔥 【一个 Base URL 一个 Key，让 Agent 一次性接通 2000+ 工具】📌 项目定位： Monid 想做的事，是 Agent 工具界的 OpenRouter。今天给 AI Agent 接工具，最痛的不是没有 API，而是要一家家去适配：每家鉴权方式不同、返回格式不同、计费口径不同，代码里还得提前把某家供应商写死。Monid 把这一切收敛成一个 base URL、一个 key，打通 72+ 供应商的 2000+ 工具——网页搜索与抓取、人物与公司信息补全、社交平台、评论与市场数据、视频图像语音生成，全在一个目录里。它真正的巧思在于连接器是声明式的：一个 provider 声明身份、鉴权和计费模型，一个 endpoint 声明请求与输入 schema，就这么多，没有 client、没有 adaptor、没有每家一条执行路径。于是把 API 文档和这个仓库丢给一个 coding agent，它就能写出连接器，上架只差一个 Pull Request。⚡️ 核心优势： ▫️ 按调用计量，且在原始响应上结算：连接器自己声明用量模型——按次固定收费、按返回结果数收费、或按千字符 / 每秒视频计价；引擎在输出映射之前就对原始响应信封结算，供应商报错、公司没匹配上、人物没解析出来，这些都以数据形式完成并按零结算 ▫️ endpoint 每次调用时现选：discover 按任务本身在全目录、跨所有供应商排名，返回候选时带上价格、实时健康度、实测 p50 / p95 延迟，还会提示更便宜或更合适的替代端点——选型是调用时决定的，不是几个月前写死在代码里的 ▫️ 写 description 就是写产品：meta.description 是 discover 排序和 inspect 返回的依据，所以文档要讲清它真做什么、不做什么、该改用哪个端点 ▫️ 188 个 replay 测试，零网络依赖：deno task check && deno task test 直接跑类型检查和全量回放测试，需要 Deno 2.x🎯 实战落地场景： 做 AI AgentGitHubGitHub - monid-ai/monid: Monid - OpenRouter for agent toolsMonid - OpenRouter for agent tools. Contribute to monid-ai/monid development by creating an account on GitHub.鑫源AI分享
20 сент., 10:57
🔥 【Jev 生态第一张商机地图，上线不到 1 天就 431 star】📌 项目定位： 一个 awesome 清单，收集基于 Jev 的公开项目和实战玩法。Jev 是 TypeSafe AI 的 System One 模型，它不是聊天模型——你给它一段非结构化状态 + 一个带类型的问题，它直接回你一个带类型的决策（选项、分数、true/false）加置信度。跳过逐 token 解码，所以能当软件里的低延迟决策层，干分类、路由、打分、验证闸门、Agent 护栏这些活。这仓库把散在各处的用法集中起来，回答两件事：谁在真实生产里用它做决策，哪些架构能跨行业抄。⚡️ 核心优势： ▫️ 13 个分类已经分好：Agent 决策 29 条、Infra/SDK 33 条、分类路由 20 条、验证护栏 20 条 ▫️ 金融交易 3 条、合规法务 1 条、内容审核 3 条，冷门但客单价高的行业都在里面 ▫️ 收录门槛卡得死，只长得像、没真调用 Jev 的通用分类器/路由器一律不收 ▫️ 附了验货清单：代码是否真打 Jev API、有没有可跑样例、数字有没有出处、有没有 license🎯 实战落地场景： 接单的，照着 Infra/SDK 和 Agent 决策那两块扒架构，给中小企业做决策层方案——打标、审核、风控打分，按项目报价，比调聊天机器人稳定也好交付。做内容号的，拆成部署教程和踩坑指南引流，接工具推广。但别急着抄：列表本身不做质量背书，作者明说不少条目是刚批量提交的、属于"未验证"，没 license 的别直接商用，先当线索，自己验一遍再拿去接活。🔗 项目直达： https://github.com/v-modal/awesome-jev-tools🏷 标签： #Jev #AI副业 #开源项目 #AwesomeList #AI决策层GitHubGitHub - v-modal/awesome-jev-tools: A curated list of tools built for Jev — TypeSafe AI's System One model for typed decisions.A curated list of tools built for Jev — TypeSafe AI's System One model for typed decisions. - v-modal/awesome-jev-tools鑫源AI分享
20 сент., 08:42
🔥 为什么同一个AI模型，在不同中转站价格差了几十倍？什么是特调、逆向反代、官转直连？ 本期视频为大家带来最详尽的「AI中转站选型与避坑全指南」，手把手带你看懂模型广场的分组玄机！同时，视频后半段附赠并演示了我自己魔改的一款【开源轻量级桌面Agent工具】，无需复杂环境，搭配低价API即可在本地自动执行任务（如自动撰写文稿并保存到桌面），不仅效率翻倍，还完全不用担心隐私泄露！📌 视频地址https://youtu.be/Sni8gfL60xI： 🔹 开源Agent工具下载地址：https://github.com/YUANGEGE1234/xinyuan 🔹 视频同款AI中转站：https://yuangeluyou.com/YouTube【AI中转站避坑指南】同个模型差价数倍？渠道分组内幕全解析 + 开源桌面Agent实战！视频工具地址：https://t.me/xinyuanai/867 🔥 为什么同一个AI模型，在不同中转站价格差了几十倍？什么是特调、逆向反代、官转直连？ 本期视频为大家带来最详尽的「AI中转站选型与避坑全指南」，手把手带你看懂模型广场的分组玄机！同时，视频后半段附赠并演示了我自己魔改的一款【开源轻量级桌面Agent工具】，无需复杂环境，搭配低价API即可在本地自动执行任务（如自动撰写文稿并保存到桌面），不仅效率翻倍，还完全不用担心隐私泄露！ 建议收藏本视频，带你彻底搞懂大模型API调用，省钱又省心！…鑫源AI分享
19 сент., 05:43
🔥 【把 API Key、数据库密码、内网 IP 全部本地打码，让大模型"看得懂却看不见"】📌 项目定位： 当你用 Cursor、Claude Code、Codex 写代码时，代码里的 sk-proj-...、ghp_...、mysql://root:Pass123@192.168.1.50:3306/db、客户手机号，都在你毫无察觉时被整段发给了外部模型厂商。Maskit（数据面具） 就是在你的终端和外部 AI 服务之间架起的一道本地隐私脱敏网关：请求出网前，敏感信息在本地被自动替换成 结构化占位符（如 {{CONNSTR_zkpmqx}}、{{PHONE_bcdfgh}}）；模型基于占位符正常推理作答；回复再以 SSE 逐事件流式还原 成原文。整个过程100% 本地运算、零遥测，你看到的体验和直连官方 API 毫无差别。⚡️ 核心优势： ▫️ 19 类内置正则规则库：覆盖 API Key/Token、PEM 私钥、数据库连接串、手机号、身份证、邮箱、银行卡、内网 IP（10.x/172.16.x/192.168.x），支持自定义敏感词与正则扩展。 ▫️ 多轮会话占位符一致性：独创滑动窗口复用机制，"张三"在第 1 轮和第 10 轮始终映射同一占位符，长对话逻辑不串号。 ▫️ 毫秒级 SSE 流式接管：智能处理跨 chunk 占位符切片与缓冲区拼接，完整保留原生打字机体验，不卡顿、不迟滞。 ▫️ 免装根证书 + Fallback 兜底：多端口反代（18701 OpenAI / 18702 DeepSeek / 18703 Anthropic），无需安装自签名 CA；即使关闭代理，本地端口仍透明直连转发，AI 工具绝不断网。 ▫️ 审计与成本看板：全链路日志高亮对照、被动安全审计（泄露/换芯/越狱/命令执行）、Token 用量与费用估算。🎯 实战落地场景： ▫️ 后端工程师排障：直接把带密码的连接串丢给 AI 分析，不再需要手动改成 xxx 占位符。 ▫️ 接私活的独立开发者：客户生产环境的 IP、账号、内部项目代号，交给 Claude CodeGitHubGitHub - xiaYuTian11/maskit: 数据面具 Data Maskit — 专为大模型打造的本地隐私脱敏网关（请求自动打码，回复流式还原；支持 Cursor / Claude Code / Codex / Pi 等任意可配 Base…数据面具 Data Maskit — 专为大模型打造的本地隐私脱敏网关（请求自动打码，回复流式还原；支持 Cursor / Claude Code / Codex / Pi 等任意可配 Base URL 工具） - xiaYuTian11/maskit鑫源AI分享
18 сент., 09:10
🔥 【1M 原生上下文的端侧 Agent 模型，4B 体量跑出同级最强代理能力】📌 项目定位： Spark-X2.5 是一套面向"真正能用"的紧凑型通用大模型系列，含 4B 与 1.7B 两个规格。痛点很直接：端侧和小算力设备上，模型要么记不住长上下文，要么跑不动 Agent 任务。它的解法是把 混合注意力架构——每 1 层全注意力搭配 3 层滑动窗口注意力——做进模型底层，压掉长上下文最烧的那部分算力开销，同时原生支持最高 1M token 上下文与 200+ 语言。长文档、长代码库、长对话历史，不必再外挂 RAG 硬拼，模型自己装得下。⚡️ 核心优势： ▫️ 1 全注意力 : 3 滑动窗口，长文本开销显著下降，而非靠位置插值硬撑出 1M 上下文 ▫️ 深度适配主流 Agent 框架：Codex、Claude Code、OpenClaw、Hermes，同级模型中编码、推理、工具调用、指令遵循达 SOTA ▫️ 全平台落地：NVIDIA / 华为昇腾 / 海光 / HOUMO.AI 多硬件，兼容 vLLM、SGLang、llama.cpp、MLX，Ollama、LM Studio 一键起，LLaMA-Factory 可微调 ▫️ 昇腾集群训练 + MOPD 后训练，大规模强化学习把 Agent 与指令遵循上限拉高 ▫️ 已发布 FP8 / INT8 量化版，TTFT、TOPT 与整体推理效率优于同尺寸模型🎯 实战落地场景： 端侧开发者用 1.7B 版 + PocketPal AI 把本地助手塞进手机，隐私数据不出设备；需要私有代码库问答的团队，用 4B 版 + 1M 上下文直接喂整个仓库给 Agent 工具调用；国产化替代场景下，昇腾/海光用户可从 Modelers、SCNet 取模型，用 vLLM、SGLang 在 NPU 上部署，不必迁就纯 NVIDIA 生态。🔗 项目直达： https://github.com/XHToken/Spark-X2.5🏷 标签： #Agent #大模型 #端侧AI #长上下文 #开源模型GitHubGitHub - XHToken/Spark-X2.5: Spark-x2.5 open model series. Pushing the Limits of Agentic Capabilities in On-Device ModelsSpark-x2.5 open model series. Pushing the Limits of Agentic Capabilities in On-Device Models - XHToken/Spark-X2.5鑫源AI分享
17 сент., 08:01
Atria Dawn Preview 谷歌账号登录就能领约 1亿免费 Token，官方 API 接入 Cherry Studio，再配系统提示词做成「少拒绝」助手。上海人工智能实验室出品，开源权重 + 控制台 Key，本期从官网分区、创建密钥、端点填写到对话实测一次讲完。 ⚠️ 额度、限流以控制台实际显示为准，Preview 随时可能调整。口播也说了：官网评测写得很夸张，实测没有理想中那么强，日常工作够用。 【本期你会学到】 用谷歌账号登录 Atria 控制台，领取免费 Token 创建 API Key，复制官方请求地址 Cherry Studio 添加服务商、检测模型、新建助手 系统提示词怎么挂到助手上（文件放说明区 / 电报频道） 多谷歌号叠加额度的思路（注意平台规则） 视频地址：https://youtu.be/R3tLV2X4yfs api地址：https://api.atria-asi.ai/ cherrystudio地址：https://www.cherryai.com.cn/鑫源AI分享
16 сент., 13:47
https://github.com/SnailSploit/claude-red 包装一下，claudecode越狱，可以卖钱，通过这个项目，我不会，会的来吧。GitHubGitHub - SnailSploit/Claude-Red: claude-red is a curated library of offensive security skills designed for the Claude skills system.…claude-red is a curated library of offensive security skills designed for the Claude skills system. Each skill is a structured SKILL.md file that primes Claude with expert-level methodology for a s...鑫源AI分享
16 сент., 12:22изменён
很多博主都在吹爆的，克隆视频工具，好不好用不知道，但是说的很强，配置好就自动克隆视频。 https://github.com/hypit-ai/hypit 使用文档：https://hypit.ai/zh/quickstart/GitHubGitHub - hypit-ai/hypit: Clone any viral video with AI agents. Not just a script, the whole workflow: swap the face, the words…Clone any viral video with AI agents. Not just a script, the whole workflow: swap the face, the words, the B-roll, ship 100 variants in one command, and get your 100M views. - hypit-ai/hypit鑫源AI分享
16 сент., 06:14
🔥 【输入一个研究方向，6 个 AI 智能体 3 分钟产出带可核验引用的商业化评估报告】📌 项目定位： 判断一项研究能不能商业化，过去要靠人翻文献、查专利、跑市场数据，几周起步还难以复现。这个项目用 CrewAI 编排 6 个专职智能体（学术文献、专利格局、市场情报等），先做 确定性预检索，从 OpenAlex、PubMed、arXiv、Semantic Scholar、Lens、Crossref、Serper/Tavily 一次性拉齐证据，再进入分阶段分析与 护栏校验。真正厉害的地方在"证据约束"：报告里每个数字都挂 [A1][P2][M3] 式行内引用，评分维度逐一记录来源 ID，全程可追溯；所有智能体跑在 temperature=0，同一组证据下评分可复现。单次运行约 3 分钟，成本几分钱 LLM 加约 9 次检索。⚡️ 核心优势： ▫️ 6 智能体流水线 + 护栏校验，输出结构化 EvidenceReport JSON，不是一堆自由文本 ▫️ 防幻觉证据链：30 份基准报告"无支撑数字行"为 0，引用完整性自动检查、短摘要自动重试 ▫️ 可审计评分卡：TRL、专利、市场各维度全绑定来源 ID，加权公式 30/30 正确 ▫️ checkpoint 恢复 + 独立 run ID：每次执行单独目录，不覆盖历史，中断可续跑 ▫️ 冻结基准 10 主题 × 3 次实跑：端到端完成 30/30，TRL 校准 26/30🎯 实战落地场景： 高校技术转移办公室可批量筛研究方向，凭一份带引用的报告决定先谈哪个专利；创业者立项前跑一次，避免把"论文热度"误当"市场机会"；投资机构的技术尽调团队用它做初筛，把检索时间从几天压到几分钟，且每条结论都能点回原文核对。🔗 项目直达： https://github.com/shuxiachai/academic-commercialization-agent🏷 标签： #开源项目 #AI智能体 #CrewAI #技术转移 #学术商业化GitHubGitHub - shuxiachai/academic-commercialization-agent: Turn papers and research topics into source-linked commercialization assessment…Turn papers and research topics into source-linked commercialization assessment drafts. Python, FastAPI and CrewAI; auditable scoring, checkpoint recovery and durable request receipts. - shuxiachai...Channel photo updated
16 сент., 05:17
