唉，表达能力捉急，我来帮 OP 翻译下问题吧，他并不是“想要某个具体的软件，想知道怎么找对应的 linux 版”，而是“压根不知道自己需要什么，需要一个聚合站把所有的 Linux 软件摆出来，上去逛一逛看都有哪些”

歪个楼，如无特殊需求，应该是多个主机共用一对密钥，把公钥添加到各个主机

@Licsber 世界上为什么要存在教师这个职业，还存在教育学这个学科，因为“自己会”不等于“会教别人”，从你后续的回复来看，明显陷入了一个以自我为中心的误区，不知道大家的意见听进去了多少，只能对你妹妹表示深切的同情，在这个年纪强行教授对于成年人来说“理所当然”的抽象思维内容，再加上自己本就不擅长的沟通能力，对于孩子来说几乎可以算得上是精神的摧残了，孩子的老师知道了怕是要气得吐血

Google 一下什么叫作“知识的诅咒”，术业有专攻，别人来教你一些你不熟悉的领域时估计也是同样的感受，学校的教学节奏都是精心安排的，不要随便去打破

假设存在这样的功能，那就意味着他的参数需要具备“只用一个字符串来表达出匹配规则”，那么满足这样功能的字符串存不存在呢？存在！它就是……正则表达式！[狗头]

假设没有暂存区，就相当于 commit(file1, file2, file3, …);
而有了暂存区，就相当于
stage.add(file1);
stage.add(file2);
stage.add(file3);
commit(stage);

说白了就是提供一种对命令行下交互友好的“选择待提交文件的操作”

ngrok

@asanelder 你这样读到 out 里的内容都是错误的，更别说长度了，一次 read 可能小于 1024 ，但是每次 write 都是写入整个 b 数组，导致多出了一些垃圾数据

@securityCoding 并不是所有全由 0-9 组成的东西都叫数字，银行卡号、学号等非自增的编号，表面上看起来是数字，但是对其进行四则运算是无意义的，比较大小也不能用数字本身来比较，更常用的操作是取其子串，所以本质上应该是字符串

典型的没有分清“数字”和“数码”的区别，之前工作中就遇到过坚持要把银行卡号定义为 long 型的

@kidonng 哦对的，记错了，应该是 pre-edit text ，总之这算是 Mac 拼音输入法的老毛病了，而且会导致这个 bug 的“触发词”还因人而异

@l33ch 虽然使用 release 这个词无法复现，但是我很清楚你在说什么，因为我自己曾经遇到过几次，先介绍个背景知识，使用拼音输入法输入过程中，在选词之前，输入框中出现的带下划线的你输入的字母，这个东西学名叫做 pretext ，在输入过程中目标程序时可以得到这个 pretext 的，而当你描述的这种情况出现时，肉眼可见 pretext 出现了回退，并且此时程序得到的 pretext 为空，你可以做如下试验，任意找一个满足如下条件的文本框
当内容为空时会有类似“请输入 xxx”之类的 placeholder 提示
在这样的文本框里，从你输入任意字母开始，提示文本就消失了，但是当输入到“releas”时，提示又会再次出现，根本原因就是程序读到 pretext 为空，我当时还专门自己写程序验证过，我之前碰到有这种情况的词是“Android”，直到某次更新系统后就正常了，这个只能猜测是使用拼音输入法输入英文单词时的某种特殊 bug

@qkunchanzi 因为你把 oh-my-zsh 之类第三方工具提供的“按 tab 时以光标方式”选择这个 feature 当成了 shell 的默认行为了，在原生的 shell 里 tab 的行为本来就是列出来，至于你说的把命令搞乱了是不存在的，列出来的项并不会成为命令的一部分，随着你的输入越多，精确匹配的项也就越少
这个问题跟隔壁那个问为什么提示符没有了 git 分支显示的有异曲同工之妙

@icySoda 如果你计算生成的结果频率和你期望的不一致，说明你对概率的计算不对，而且我大概能猜到不对在哪，以 5%这组为例，假设你第一次生成了 10 ，那么接下来的 6 次中不可能再有 10 ，但是 11-14 ，18-21 中每个数出现的概率仍然是 5%/8 ，但是你不能再去统计整组的概率，换句话说，前三条规则表面上说的是三个组整体的概率，实际上说的是其中每个元素的概率，拒绝采样保证没有被丢弃的元素的概率不变，但是如果你要让整组的概率仍然维持不变，这和第 4 条是天然相悖的

@Mutoo 不会影响的，我给的方案也是同一个思路，用条件概率公式简单算一下就知道了

“移除”和“加回来”只是形象的说法，实际实现时只需要记录每个数字最后出现位置，随机结果中检查距离最后出现位置是否小于 6 ，如果是则重试
预判到可能会有人怀疑这样改变了概率，其实不会，根据规则定义，6 次之内出现过的数据概率本来就只能为 0 ，而其他的数仍然是原始的概率，如果不相信的话思考下下面这个简化的例子就明白了
只用一个 6 面骰子，如何产生 1-5 的均匀分布随机数，答案就是如果扔到 6 就不算，重新扔一次，通过条件概率可以很容易计算出这样操作产生的随机数就是 1-5 均匀分布，简单地说就是对于一个随机试验，抛弃某些特定的结果不会影响未被抛弃的那些结果的概率

每生成一个数，就在接下来的 6 次随机中从随机池中暂时移除，6 次以后再加回来
生成每个数时如果随机到了一个已被移除的数则重试

理解 shader 最关键的一步是要转换视角
在传统的绘图算法中，我们通常是站在图形的视角，建立“图形->坐标”的映射，就以最简单的画一个圆来说，思路是根据圆心及半径计算哪些点在圆上，然后设置这些点的颜色
而在 shader 中，我们要站在像素点的视角上，建立“坐标->颜色”的映射，每次仅着眼于一个点，根据这个点的坐标与要绘制的图形间的关系确定出该点的颜色，还是回到上面这个画圆的例子，在 shader 中的思路是计算该点与圆心的距离并与半径进行比较，从而确定该点是否在圆上，再进一步确定颜色