云上做个 RAG，配置很低的设备安装你们的客户端， 用来调云上的 http api。相当于计算压力全部给了云，本地只是 数据呈现。

用瘦客户端的方式做 rag 的一个优势是，如果操作知识库升级了，只需要云上把 rag 的数据更新一下，客户的设备端啥都不需要用动。

人类的想象力是如此匮乏。这就生产过剩了？

我看到的是人类各方面潜在的需求无穷无尽。每个个体的需求汇集在一起，就是一个个种类繁多的巨大细分市场。只是囿于目前的科技水平低下，没法把成本打下来，给人类造福同时，解决巨量的就业问题。且因为居高不下的成本门槛，导致消费人群匮乏，市场狭小，大部分人把这些潜力巨大的消费市场和就业市场视而不见。

比如，目前远距离出行成本居高不下。如果科技水平进步到大幅度降低出行成本呢。例如，去尼加拉瓜看瀑布，埃及看金字塔，芬兰看北极光，出行成本都能在 200 元以内。那么可以想象全球旅游市场该有多大，会带动多少相关就业？

再比如，目前大部分人类因为医疗费的居高不下，生活中常见小病小痛都忍着不敢去医院。如果验血、照CT/彩超成本控制到 10 元以内，且秒出结果，AI 临床问诊精准度提高到和顶尖医生水平相当。这些高频出现的小病小痛医疗需求都能低成本诊断结果，会刺激出多大的上下游医疗服务市场。

@dcy73676 跟油车百年时间比，这算个啥。

从汽修学校意识到紧缺电车维修人员，到大规模培养出对应电车市场规模的对口从业人员，这点时间够看吗？

而且再叠加考虑下保有量。疫情前能在路上看到多少电车？电车保有量真正爆发也就 22 年、23 年开始，这市场变化太快了。配套从业人员数量不成正比，这太正常了。

@chengdulihai 你是分析角度是技术角度。

其实如果按照商业角度去分析，黑猴和哪吒这类 IP 价值不可估量，因为文化 IP 这个产业在全球来看，一旦做大可以说是暴利行业。

说个冷知识，小猪佩奇这种二三线水平的 IP及周边 ，早在 2018 年一年销售额就是 90 亿了。

美帝现如今占全球贸易份额日暮西山，但以漫威、迪士尼为代表的文化 IP，可依然是其出口赚取高额利润的高效机器。

电车是新事物，产业链沉淀时间不长，配套的售后生态圈还没建立起来。现如今是没有多少汽修师傅懂电车如何修。这导致去 4S 店，几乎都是换零部件。（还有个原因是，电车零部件数量比油车少很多，大概只有油车的 60%）

@zhazhaer 我的观察和你一致。
县城婆罗门目前来讲就是个伪概念。处级干部都没法给自己儿女在本地体制内安排工作，顶多是进本地国企拿个事业编。
县城体制内二代还能在本地继续当公务员的，凤毛麟角。能做到的，他自己本身就是个做题家。
我了解到的还有几个特殊案例是，二代们在外省 or 外市考公上岸了，然后走关系把人借调到县城本地上班，就职单位其实还是隶属外地。再硬的关系，也不能把录用单位关系迁回本地县城。

说公务员有婆罗门，还不如说国企、事业单位有这现象。江西的周公子就是典型的案例。

@xiaorui123 哥们，真的吗？车道自适应不是是个车都有么？这玩意已经在包括在比亚迪在内的所有车企上，早已经全面普及多年了。还拿这个说事。普及多年的烂大街技术旧瓶装新酒，拿出来再宣传一遍，BYD 再傻也不会这么自砸招牌吧

@find_right 算了吧，家庭教育会教抛物线？会教排列组合？会教几何？举例的这几个数学领域，这些知识都是独立成章的。几何基础空白的，完全不影响排列组合的学习。是学霸的，门门精通。是学渣，门门学不明白。而喂养的训练数据却完全一模一样。

用控制变量法分析分析，其实即使几乎所有人都有完全一模一样的经历，但每个人对这事件背后的知识理解程度也会完全不同。这件事就是九年义务教育上课。

同样一堂课，课后对本堂课进行测验，有人考满分，有人不及格。这就说明楼主“无非是过往训练接触的垃圾事训练数据太多”这结论不成立。

你可以说这堂课上有人不努力，对课程内容不感兴趣，主观上就没听课。相当于没有训练数据。但是成绩在常常在中游的学生，你能说他们不努力吗？他们其实也在努力训练数据啊，但是为何还是和尖子生总有点差距。

这就是模型引擎的不同造成的差距。
有人用小数据，就可以把模型训练得非常好，且不过拟合，泛化效果完美。
有人即使是用大数据，还是容易过拟合，一旦泛化就常常翻车。

deepseek的训练语料数据，很大来自于Qwen。这也是为何Qwen就没deepseek一样的效果的原因。

明确告诉你，买个续航500公里以上的，平时日常代步，即使没有私装，完全没有里程焦虑。

你可以算算日常通勤+周末市内游玩，即使电车里程打折，电也用不完。

难道你一周之内，还抽不出时间，去附近一两公里的公共桩花一小时不到的时间充下电？

年入200w 看 150w 的房子，多少是要比循环哥年入百万、纠结无比勉强入了奥迪 A4、想生但不敢生二胎思想先进不少的。
这年头，肯大额消费的富人，就值得表扬不是？[doge]

人在受寒、极度疲劳状态下，免疫力会直线下降。
你身体原可以靠自身免疫力杀毒的机制失效了，这时毒性弱一点的病毒就能侵入致病。

所以连续几天，高强度长时间工作、娱乐，也可能会感冒发烧。
小孩子某天疯玩10 几个小时不停歇，第二天就生病了，机理也是一样的。

我预感再过一个世代，全国会通行这种做法。独生子女的时代，改变传统习惯。

好几年前接触过这样一个项目的招标书。其实电信运营商在这些事情成为热点新闻前，就已经考虑过做这个事。

从技术上来说，其实现在能够做得到识别电诈电话。实时语音识别， 语音类容分类判定，再综合一些指标标签，如主叫所在地理范围标签（一般电诈份子都是聚集在同一小片地理范围），来判定是否是电诈电话。非常像互联网公司现在做的推荐系统、 or用户画像。

不过那个项目有点早，多是针对在国内的电诈分子。后来他们都跑到国外，不知道现在这套系统是什么情况。

现在也挺难防范的，电信内鬼就挺多。前几天不是爆出新闻么，在云南边境爆出有人用卡车偷运 1 万多个国内sim 电话卡出国，被抓了。这没内鬼配合，是没办法一次性办理这么多 sim卡的。

可控核聚变还遥遥无期，第四代核电站可是近在咫尺。

第四代核电站特别是熔盐堆，已经比较贴近可控核聚变的绝大部分优点了：发电随时可终止启动、污染非常小、不挑建造地理环境

这玩意技术要是成熟了，彻底淘汰煤炭发电不是神话。光伏和目前第三代核电站完全不能调峰，还得高成本配备储能，这玩意能调峰啊。大面积铺开，就完全不用花千亿外汇买澳洲的煤炭了

因为只要深入干过工程，就知道没有一种方案，可以解决一切场景的问题。
常常会遇到两种场景，采用的两种方案，思路甚至是完全对立，但是最后效果却都挺成功。方案对调，就都失败。

比如性能和开发效率的取舍，就是这种鱼和熊掌不可兼得的场景。
语言越低级，对性能调优的余地，就越大，如 C、汇编。但是因为低级，所以开发起来，特别耗人力。
语言越高级，对性能调优的余地，就越小，比如 Java、python。但是因为高级，所以开发起来，相对特别省人力。

其实软件开发里面，到处都充满类似这种对立的矛盾。导致一种问题的解决方案，常常百花齐放。
比如，分布式里，CAP 三者不可兼得；数据库里，TPS 和 QPS 不可兼得；数据仓库里，OLAP 和 OLTP 也是对立；计算机算法里，时间和空间，也是对立

这句话正确的前提是：

你妈妈不仅能把家庭关系处理得很和睦，和周围人大多都处得非常融洽；
你爸爸至少带领过团队，有很多主导的项目能成功落地案例。

这种爸妈给出的意见，听就没错了。

要是这些成就都没有，呵呵，问爸妈的意见，跟随便逮住一个路人出租车司机、保洁阿姨请教，效果差不了多少。

很赞同已故的大佬左耳朵耗子的原话：go 只适合用来开发中间件类的基础设施工具。用它来开发大型软件，将会是灾难

因为 go 的特点是开发效率高，同时执行效率又特别高。所以特别适合用来开发中小型工具。
其语言特点又注定了很容易写成烟囱式的代码，这在多人团队协作，写出高质量的可扩展、可维护的代码，不要做任何期待指望。

对于大型应用软件的开发，java 才是无可匹敌的存在，没有任何竞争对手。原因在于 java 的生态圈非常完善。在各种应用场景下，都有非常优秀的第三方解决方案工具和框架。

瓶颈不是在大模型侧么？

这 http server的玩意万一压力真的太大了，可以用类似的 nignx 的网关，实现低成本用 n 多台机器分摊 http 请求压力啊

倒是大模型刚出来，还没看见有成熟的集群/分布式拓展工具和架构方案，帮助大模型分摊内容生成的计算压力

@Risawa 今年开始看到，其实商用的TTS可以支持情感了，说明技术是能做到的。但是商用的TTS工具克隆声音，管控得严，大多只支持克隆自己本人的声音，也是怕人乱用，触到法律底线。

@Risawa 文字转语音业内叫做TTS。我玩过大部分开源的TTS开源包，效果比较好的推荐GPT-SoVITS（github开源）。给出一份几分钟长的语音样本，可以完美克隆该语音的声线。输入任意文字，都可以用该声线的语音读出来。我试过克隆罗翔，小杨哥的声音，声线效果几乎可以以假乱真。只有一个硬伤，不能控制语音的情感以及情绪波动（悲伤，兴奋），以及不支持方言。

一是电车本身加速就特快，叠加你同事脚法又特生猛，二是可能开了比较大一档的动能回收（这可能性比较小，滴滴车比较常见），

很多电车司机在自己开的爽，和乘客坐得舒适之间，习惯了选择了前者，大脚踩电门，大脚刹车。

@cartoon_author 你举例还拿英文举例，英文总体而言，就是个四不像的缝合怪，没啥固定套路而言。
那我问你，这个 前缀“bi” 是咋来的，英文前缀表示双，一般不是“dual”、“di”，“du” 么，咋这么多表示两个的前缀啊
牛肉，牛为啥一个是 beef，一个是 cow/bull，这两货咋一点都不像
羊肉，羊为啥一个是lamb，一个是 sheep/goat。猪肉，猪也是这样
否定前缀，有in，im，un，dis，non，咋变来变去的，没个准数

学多了就麻了，没任何固定规律而言。为啥，就是因为这些词根或者词，有的来自拉丁，有的来自法语，有的来自希腊语，甚至还有不少西班牙语。特别是英文的专业领域，天文地理医学，全是借用希腊拉丁词、词根，相关基础弱的，一学一个懵逼，猜都猜不到啥意思。

日语，韩语也这样，都是汉语+本土词+英语杂交糅合起来缝合怪

如果你碰到这样的场景，你该如何解决这个问题：

电脑A上跑了两个进程微信，qq；电脑B上也同样跑了两个进程微信，qq

现在，A电脑的微信要发消息给B电脑上微信，同一时间，A电脑上的qq也发消息给B电脑上的qq

提醒：微信消息格式、qq消息格式彼此不兼容，彼此不能解析对方格式；两个电脑都只用一根物理网线接入网络

问：怎样的设计最简洁，才能不让两个进程跨越机器后，发的消息彼此干扰，导致解析失败

泰山肯定比故宫长

苹果肯定比直尺重

@daemon1 这个就有点扯了。上了十几年班，没见过几起同事之间借钱。这坛子里体制内和事业单位的人少，有几个人一个单位从一而终？换个单位，大多数同事就是陌路人了，谁给同事借钱啊。我很多同事自己透露房子不止两套，有这财力，还怕透露有无房贷？

这个震惊我了。

这么多0，但我身边同事有房，且房贷还为0的没见过。

是最近一两年大家纷纷把贷款提前还清了么

一楼还在推荐汉兰达，是不是脑袋有坑，你咋不推荐你亲人买BB 机呢

作为高考英语和语文单科都在全省排名前1%我，最震惊的大发现是，辅导娃作业过程中，居然发现英文字母/拼音字母有笔顺

大语言模型是基于神经网络理论做出来的。

神经网络本质是个仿真函数y=f(x)。即给出任意输入条件x，通过函数计算，都能给出仿真结果y。只不过这个仿真函数 f(x)巨复杂无比，没任何人能看懂和解释这个函数。它本身不具备任何推理能力，只是对人类语言符号的一个模拟。它只是把提问的人类语言符号，用固定编码规则替换数字，因而方便转换成数字 x，然后对函数计算结果数字 y ，根据前面提到的固定规则，反逆转成文字。一问一答就完成了。

每种语言都有自己的特长和劣势。

python 的特长就是处理数据，以及写一些小工具软件。但用 python 写中大型软件，简直是灾难。

楼主这么喜欢和欧美比，你就能不能多上下油管，刷下shorts上泛滥的中国无人机夜景秀短视频，看下英文评论咋写的么。。。。

而且，你把你的话翻译成英文发到推特上去，欧美人会过来骂你凡尔赛知道么：tm 我们晚上能出门在 downtown瞎逛吗

简直土爆了，瞎喷都喷不到点上。

其实你们可以看看，德国车，日本车在国外还没有崩。光国内崩了，就导致利润大减，这些合资车在国内利润是有多高

@TTK1 兄弟这就有所不知了。智驾是软件，国产车都是不花钱免费可以给升级的。 今年 10 月份理想 L9 的智驾免费升级后，开起来和升级前完全不是同一辆车的感觉。

发小在宜昌读大学，我在武汉读大学。他的一个大学同学，和我的一个宜昌籍大学同学，竟然是高中同班同学。

3 年前推荐model y 没任何毛病，现在还在推 model y 脑袋是有坑。这车现在除了品牌信仰，还有啥卖点啊