在 CI/CD 流程中，依赖管理往往是决定构建效率与可靠性的关键因素。最近，我在一个静态网站部署流水线中尝试了 setup-pixi 这个 GitHub Action，

啊, 没想到plotly这么多年了, 还是稍微一用就能触到它的能力边界, 之前是画不了时间轴图, 这次又发现地图的Marker自定义程度不够…

在使用devpod一小段时间后, 我确定, 我还是需要一个能不依赖容器, 直接通过ssh在宿主机上自动安装vscode, 然后把端口转发回来的工具. 于是我开始白嫖Copilot来给我解释devpod的代码…

短时间内，我碰到两次需要修复R函数Bug的情况了，也顺便学习了一下如何进行热替换…

只要活的够久，就会见到足够多的囧事情。

从事生物信息分析，研究方向越前沿，就要面临越多来自信息侧的问题。即使是文章发的非常好，原作者共享了代码，甚至写了现成软件工具，也不代表我们能轻松顺利的用这些现成的东西来复现或进行研究，混乱的环境设置只是一方面，更多时候，由于软件作者并不是专业的软件工程师，工具功能大致能用已经谢天谢地了，不能奢望这些软件没有一点毛病，更不能奢望有性能可言（除非开发时性能被来就是开发点）。即使这工具来自于有实力的大实验室，很多时候也不能幸免，比如… Azimuth。

我一直有下班骑车路上听视频的习惯，这周听到了差评讲 RISC-V 的视频。视频中提到一个观点：RISC-V 作为一种指令集架构，基于它的芯片产品存在严重的碎片化问题，导致应用生态发展面临很大困难，因此必须解决碎片化问题，通过统一标准才能实现快速发展。这个观点让我联想到多年来使用 Linux、安卓以及 R 语言的经历，我觉得视频中的说法可能并不完全准确。

我还是挺喜欢现在的 hexo 主题的，从 2021 年使用它的前身material-x，到2023年升级到 Volantis 5.x，主题的功能已经完全满足我个人的需求了，以至于没有继续升级作者后续的6和7了。不过上半年利用 AI 对博客进行批量英文翻译后，一直有一些界面元素还是中文的问题。今年就不大动工，直接在 AI 指导下自己动手修一修。

最近在FydeOS上尝试使用pixi来编译和运行podman，虽然取得了一些进展，但最终只成功了一半。在这篇博客中，我将分享整个过程以及遇到的问题。

在使用pixi管理生物信息学分析环境时，经常会遇到一些Bioconductor的R包安装后出现依赖缺失的问题。目前暂不清楚这个问题的原因，用了pixi一年了，这个问题到目前为止（2025.10）也木有修复，因此本文介绍如何通过pixi tasks功能来解决这类问题。