部门采购了一台的服务器，有佬友之前做过相关系统选择的测试吗？问了供应商给了以下参考：国产kylin v10 sp3或者UOS server 20、V10SP3-2403。希望佬友能推荐安装合适的系统，例如Ubuntu、centos等。参考机器信息如下： CPU: Hygon 7380 GPU: K100-AI 64G *8 8 个帖子 - 5 位参与者 阅读完整话题
在ai刚出的时候，那会prompt工程盛行，用AI做过一些自媒体的图文方式的文章分享，总是执迷于调好提示词，执迷于调风格，模仿风格，然后将文章直接发布。 这种模式下时间长了，感觉自己在一些表达和见解上都麻木了，时间长了好像“真实的自己”慢慢的隐藏了。 最近反而习惯手敲，然后将手敲的内容收集到搭建的知识库中，做个采集自己的思考和记录一些学习的东西，感觉“我”好像又回来了。 让ai做的就是自动整理，自动划分，我想不起来的东西帮我找，把这些流程交给ai。我发现我越来越愿意输出了。。。 2 个帖子 - 2 位参与者 阅读完整话题
有佬做过华为手表和codex cc 联动的应用吗。通过智能手表感知codex的当前任务，还可以进行互动，这种可行吗？ 3 个帖子 - 2 位参与者 阅读完整话题
如题，现在国内公司都在往海外卷，希望有经验的朋友们一起交流下 对于服务部署、运维、和技术栈选用等相关 比如国外云服务一般怎么选择？ 本地物理机部署运维问题怎么解决？ 国外的基础设施是不是很差呢？ 我没出过国，也第一次接触国外的业务，求教学，感谢
如题，现在国内公司都在往海外卷，希望有经验的朋友们一起交流下 对于服务部署、运维、和技术栈选用等相关 比如国外云服务一般怎么选择？ 本地物理机部署运维问题怎么解决？ 国外的基础设施是不是很差呢？ 我没出过国，也第一次接触国外的业务，求教学，感谢
13 年软件开发经验， 做过企业级后端、分布式系统、全栈开发。 近两年开始重点转向 AI Workflow / Agent 工程化方向， 长期深度使用 Claude Code 、Codex 等 AI Coding 工具， 探索如何真正提升软件开发效率，而不仅仅是“代码补全”。 最近也在做一个 AI-native 自动化开发工作流项目（ Nezha ）， 重点探索： - 需求拆解 - 多任务编排 - 自动化代码生成与验证 - Feature Branch 隔离 - 测试与交付流程自动化 希望把 AI 从“代码辅助工具”，进一步变成真正参与软件工程流程的协作者。 目前主要希望寻找： - AI 应用 - Agent Workflow - 自动化系统 - SaaS / 管理后台 - MVP 快速验证 - 企业内部工具 等方向的远程 / 兼职 / 项目合作。 偏结果导向， 希望通过 AI Workflow 尽可能压缩开发周期， 快速交付真正可运行、可验证的产品。 项目介绍： https://blog.geekslife.cn/projects/nezha-framework GitHub： https://github.com/ganluCode 联系微信：itPhoto414
基线网络是2020年的FlowVN,其实基线网络效果就挺好的，重建出来的图像的幅值的指标挺好的，就是血流的速度信息重建的不准，试了各种各样的方法，包括魔改正则项，往损失函数里显式加入对速度的约束，在后处理阶段加入物理硬约束等等，效果都一般，实在不知道怎么办了 1 个帖子 - 1 位参与者 阅读完整话题
干了 8 年业务系统,最后只剩一句话:能不重写就不重写 8 年时间,做过订单结算、比价、实体匹配、主数据治理 4 个领域。 最近整理过往项目时发现一个规律: 我做过的几次大改造,跨度 5 年, 没有一次是"推倒重来"成功 的——但全部"逐步替换"成功了 。 不是我胆小。是真的踩过坑。 最近带 mentee 时这个判断反复被问,所以想完整写一次。 1. 老订单系统从 .NET 迁到 Java 跨 2 年。 方式不是停掉老的、上线新的——是同时跑,新订单走新系统、老 订单仍走老系统,通过比对工具持续校验差异。 切流粒度很细。从 0.1% 灰度开始, 最小灰度颗粒到具体业务 ID 维度 ,最终切完用了 14 个月。 期间老系统改了 3 次,新系统改了 7 次, 两边互相对照修了 11 个"看起来对但不对"的 bug ——这种 bug 单独跑任何一边 都看不出来。 2. 比价系统的 Redis 重构 跨 1 年。 原系统有个增量更新机制,因为时间窗口判断 bug 导致比价数据 偶尔晚更新 30 秒,凌晨流量小时不易发现。 我没有重写整个 Redis 层。 只重写了"时间窗口判断"这一段 ——把它从老系统拆出来,做成独立模块,通过开关控制走新逻辑还 是旧逻辑。 灰度过程是常规节奏:1% → 10% → 30% → 50% → 100%, 每阶段保持 2-4 周观察。 总改动:老系统代码改了不到 200 行。新模块约 1500 行。 但是这 200 行让"凌晨偶发数据延迟"这个 5 年没解决的问题彻 底消失。 3. 实体匹配的 SOA 改造 跨 1.5 年。 原系统是单体,匹配规则散落在 4 个 service 里互相调用。 我没急着拆。 先把 4 个 service 之间的调用关系画成图 (drawio,约 60 个节点)——然后把每个调用边一条一条剪 掉,改成事件驱动。 不是一次性切——是一次切一条。每剪一条边,跑 1 周回归,确认 指标无变化,再剪下一条。 剪了 23 条边用了 11 个月 。期间老的同步调用代码一直没 删——新事件链路稳定 3 个月后才彻底清理。 4. 主数据治理整合 跨 1 年。 4 个团队的主数据库要合并成一个。常规做法是搞个"统一数据中 心",大家停 2 周迁移过去。 我们的做法: 老系统全部保留,只在中间加一层"主数据视图层" 。 A 团队看视图 V1,B 团队看视图 V2,但底层数据已经合并。 6 个月后,老库一个一个下线—— 因为没人在用了 。 这 4 件事的共同模式 不是"先想好架构再切一刀"。 是" 先切一刀,看能不能切得动,切不动退回去 "。 具体动作就 4 条: 把要改的东西 从大块切成小块 ——小到一周能做完 新老并存 ——不是切完老的再上新的,是两边一起跑 比对工具先做 ——不能比对的改动等于不存在 回滚开关比上线更优先 什么时候不该用这套? 我也踩过一次。 某个项目我用同样套路想做"渐进迁移"。结果发现: 新需求每周改一次 ,老系统跟新系统都得跟着改 改一处,要在 2 个系统都改,工作量翻倍 6 个月后老系统不仅没"自然死掉",反而变得更复杂 最后我们停了渐进迁移, 直接停 2 周做切换 ——结果反而很顺利。 事后总结: 当业务还在快速变化时,渐进迁移会拉长事故面 。 渐进式只适合"业务相对稳定、需要保留长期可对照"的场景。 写在最后 带 mentee 时最常说的一句话是: "先不要想架构图。先想第一刀切在哪、切错了怎么退回去。" 很多技术决策不是"什么是对的",是" 什么是可逆的 "。 可逆的方案,允许你在错的时候不死;不可逆的方案,要求你一开始 就对——但谁能保证一开始就对呢? (以上 4 个项目都做了脱敏处理。 如果你做过类似改造, 欢迎评论区聊聊你踩过的坑—— 我特别想知道你们行业里"渐进式不适用"的具体场景是什么。)
我们之前公司自己做过一些中望3d的参数化插件开发通过可视化页面修改参数，实现模型修改。现在想做个mcp实现智能体去调用zwAPI,这样就能直接读取技术协议获取参数去修改模型 4 个帖子 - 2 位参与者 阅读完整话题
最近联系了导师，导师让我从agent自进化和大模型的机理可解释性方向二选一，之前做过agent自进化，感觉整体偏工程一些，也就是在处理一些很细很杂的工程上的问题。不知道做机理可解释性方向的前景如何，未来就业什么的以及发文章会好发一些吗，想和各位相关方向的佬聊聊关于大模型的机理可解释性方向的见解 7 个帖子 - 4 位参与者 阅读完整话题
佬们，有没有做过像各大AI网站那样的SSE续传效果？ SSE中不止会输出文字，也会输出定制化卡片、按钮等，这些是通过定好输出协议，前端解析渲染。 在页面内等输出完，刷新页面没问题，但是没输出完刷新页面就没办法继续输出了。 佬们有什么实现思路吗？ 15 个帖子 - 9 位参与者 阅读完整话题
想自己搭建一个中转，token就是去官网是买各家的模型，这种有什么建议吗？ 10 个帖子 - 5 位参与者 阅读完整话题
之前做过很多数据清洗的相关工作，最近大家都在讨论mimimax新模型，我直接拿来测试对比一下，看看这个模型到底怎么样。结论在末尾。 自己出题太难为我了，还是叫claude吧。 题目设置 我叫Claude 老师出了一道数据清洗的算法题： 测试流程 任务发下去，M3首先是阅读了示列输入表格。 随即他陷入了长达十多分钟的慢思考，然后列出了计划表，可以看出，M3是想好了再做的类型。 看着最终结果。 让克劳德评价一下。 问题有点大，easy难度大数据清洗没有问题，但其他难度分值异常低。克劳德老师说要重新评价一下。让我看看怎么回事。 原来是裁判失手了。问题不大，让他重新判分。 结果出来了： 看来代码能力是有的，就是不够严谨。。。。。。吗？ 回看一下考场： 考场只有这些，如果考场没有东西，他也测不出啊。 让裁判修好赛场后，我新开对话重新测试。直接看最后结果： 选手b（glm）没有用库，难道是我指令不明确？我看看过程： 任务文档： 历史回复： 可以看到，并不是指令不明确，他自己都说了可能会使用标准库来优化。glm这是降至了吗？ 我已经放弃思考了，交给opus吧。 opus裁判发力了，他给我找B出错的根本原因： opus跑十多分钟终于找到了（我的token ）： 最终结果： 事先声明：所有测试都包括重测都使用了干净的目录和新开对话。 总体看下来，glm 5.1算法确实强，但在任务理解、算法细节这方面表现不佳。单次测试也不能直接拍板glm 5.1很low。但M3表现确实超出我的预期，实力还是很强的。时间方面M3比较慢。tokens方面： 不算缓存时，glm-5.1 的总 token 是 MiniMax-M3 的约 4.7 倍 算上缓存时，MiniMax-M3 的总 token 是 glm-5.1 的约 4.6 倍 调用次数上，MiniMax-M3 是 87 次，glm-5.1 是 23 次，约 3.8 倍 token构成还是挺大差别的。 附录： 裁判：opus4.8 选手A：M3 选手B：GLM 5.1 工具：Claude code、superpowers插件 2 个帖子 - 2 位参与者 阅读完整话题
最近新接手了一批官货，但是我没怎么做过视频这块业务，不太了解这块seedance2.0的市场行情，还请佬站的兄弟们指点下～绝非广告哈 1 个帖子 - 1 位参与者 阅读完整话题
他想要自己设计一个公司logo。主要做财务方面的。有了解的麻烦推荐下。谢谢大家了。 3 个帖子 - 3 位参与者 阅读完整话题
域名和服务器租了很多年了，喜欢捯饬各种 Web 服务。 盘点一下目前还在用、还在维护的网站，已经弃坑的就不提了。 主域名是 bulita.net 💬 https://hi.bulita.net 性质：非盈利(但可能放点广告) 网页版聊天室。最近一年靠着 Vide Coding 才改头换面😅 参考了 Telegram 和微信的设计。能投票能抽奖, 融合了 WebRTC, 支持 H5 PS: 实时聊天想要做好做全 细节太多太繁琐, 不要轻易入坑 🌿 https://bf.bulita.net 性质：半盈利😅（目前免费, 也可能持续免费） Bitfinex 自动放贷机器人。年化在 10% 以上。只要过了 KYC 必须体验一下无风险收益 说一个非常好用的闭环: C2C 入金 + 绿叶理财 + U 卡消费 📈 https://otc.bulita.net 性质：非盈利 USDT 场外价格跟踪与 BTC 走势对比。已经做好两年多了, 可能有点用? 🤖 https://sub.bulita.net 性质：盈利 AI 中转站。二开的, 带宽很足, 0.1 倍没降价因为不爱涨价, 用的人多了可以再降降😄 作为程序员，我感觉这个是刚需, 所以搭了一个(有点晚了)。 有的赚点钱，有的纯兴趣，目前都还活着。 万一服务器失联了(不太可能) 来电报找我 https://t.me/+-0YHcKmWXmNkOTRl 如果需要移动到推广节点, 请及时 call 我🫡 真心感谢 V 站的流量
最近接受一个工业化智能化转型的课题，哪位佬有经验求助 1 个帖子 - 1 位参与者 阅读完整话题
其实事件闹大了就是打国家的脸，毕竟院士基金那些都是他们选的和批的。做过科研的都知道学术圈和娱乐圈没啥区别 大手发力了，耿同学被永久限流，正义之路还有多远？ 搞七捻三 好几年前都看到过这哥们，不是讲学术圈的事吗？这两天咋刷b站看到开始硬刚了？ 15 个帖子 - 12 位参与者 阅读完整话题
有没有做过普通胃镜的（非无痛），感觉如何，有什么技巧坚持下来吗 22 个帖子 - 22 位参与者 阅读完整话题
不知道大家有没同感，丢失上下文很难受，经常在各个 agent 切换，一会 claude code ，一会 cursor ，一会 codex ，到处蹬，上下文到处都有，每个都要介绍一遍。而且有时候还是在用网页的 chatgpt 或者 gemini 或者 deepseek 。于是我在想能不能有个工具或者协议能把这些信息都汇总起来呢。 不仅仅是 agent 对话，还有网页浏览记录，还有在终端的操作记录，git 提交的记录等等。如果这些都收集起来，agent 将拥有我所有的上下文，每个 agent 都认识我知道我在做的事情。这时候就省了很多介绍的时间，而且有更多的上下文他就能更加的了解我，知道我的偏好，有我的记忆。 所以我做了： https://github.com/ohmyctx/opencontext  opencontext 是一个协议，也是一个从各个地方收集上下文的工具集合，他将从你的各个 agent ，从你的浏览器，你的终端，你的系统收集所有能收集到的你的行为信息，然后汇总成你的记忆给到你的工作 agent 。每天你随便打开一个会话，跟他说让我们继续吧，就能继续帮你解决之前的难题。或者你可以每天晚上问他，我的时间都花哪里了，他可以回答出来。他也可以给你更深入的符合你需求的见解。 目前项目还在非常起步阶段，欢迎大家点赞提意见！