codex resume 试了半天才发现要 --last 所以想请教一下还有那些常用的指令参数 之前用过CC，Codex 才接触 大家觉得那个CC和Codex那个更好用呢， ps: 1.之前没想过用公益站没吃上好的。所以基本是CC + mimo 2.qwen3.7max甚至不如3.6plus,效果最差没有之一,天天看某音有人吹，非常恼火。 4 个帖子 - 4 位参与者 阅读完整话题
大家好，刚加入，先报个到 我对 Linux 还算感兴趣，但目前还在入门阶段，很多地方不太懂。 想问一下各位大佬： 你们觉得新手最开始应该用哪个发行版比较合适？ 我之前简单试过 Ubuntu，也听人推荐过 Arch、Fedora、Debian，但不太清楚各自的特点和适用场景。 如果有时间的话，也欢迎分享一下你们现在的主力发行版和理由～ 提前感谢大家的建议！ 19 个帖子 - 19 位参与者 阅读完整话题
本人是入门的烧友，有没佬有母带音源网站推荐，我要下载到我的数字转盘来播放 ps.也从侧面看看咱们有多少音乐发烧友，哈哈哈AI+音乐发烧 2 个帖子 - 2 位参与者 阅读完整话题
各位大佬好，新人报告～ 听说过我的人应该知道，我就是那个一路从渣渣二本逆袭过来的 JsonChao ，在大厂待了四年后，最终我们和平分手，没错，大白话就是，我现在失业了。 现在的就业环境有多差，大家是知道的，虽然人到中年（ 33 岁），上有老下有小，但是这几年的大厂经历还是让我攒下了一点余粮，所以我目前的想法是想自己做一些出海的小产品，赚点老外手里的美金来维持下家用。 下面，就来介绍下我开发的网站~ Deep Nostalgia AI 是一款先进的 AI 老照片动画生成工具，能够将静态照片快速转换为自然流畅的动态视频。 通过智能面部识别和动作生成技术，系统可自动为照片中的人物添加眨眼、微笑、转头等真实动作，让尘封已久的家庭照片、祖辈肖像和历史影像重新焕发生命力。 无论是记录家族历史、修复珍贵回忆，还是制作富有情感的短视频内容，Deep Nostalgia AI 都能帮助用户以全新的方式重温过去，让每一张照片都讲述更生动的故事。 👏🏻👏🏻 欢迎各位大佬来品鉴这款产品，期待您的宝贵意见，我一定虚心接受您的教诲和提点~
IT之家 6 月 7 日消息，特斯拉对北美地区 Model Y 两款入门版本 —— 后驱版与全驱版进行了内饰升级，新增两项配置，使其内饰水准看齐高配版车型。 这款特斯拉热门车型的后驱版与全驱版，此前属于“标准款”，如今配备了全黑车顶内衬，以及画质更佳的 16 英寸中控大屏。这两项配置已于今年早些时候率先应用在高配版车型上。 此番升级让 Model Y 后驱、全驱版的内饰质感大幅提升。同时，特斯拉此举也意在统一不同配置版本的零部件，简化生产流程。 统一内饰配色能够有效降低生产复杂度。此外，如今所有版本的 Model Y，均搭载比往年尺寸更大、分辨率更高的中控屏幕。 Model Y 后驱版、全驱版售价分别为 39990 美元（IT之家注：现汇率约合 27.2 万元人民币）和 41990 美元（现汇率约合 28.5 万元人民币），特斯拉推出亲民版本，也是为了让更多消费者能够入手。 Model Y 后驱版、全驱版储物空间更少，未配备通风座椅，也没有全景玻璃车顶。但该车型整体表现依旧出色，动力系统可靠，续航方面，后驱版续航 321 英里（约 516.6 公里），全驱版续航 294 英里（约 473.1 公里）。 入门版还缺少高配版搭载的隔音玻璃，这类玻璃可有效降低车内噪音。此外，车载音响系统的差距同样十分明显。
反馈机制是什么 聊系统思维，迟早绕不开一个东西—— 反馈机制 。 前面我们说过，系统有要素，有关系，有目的，有边界。 听起来已经很完整了，可如果没有反馈，这个系统就像一个只会往前冲的机器，油门踩到底，方向盘锁死，刹车还被拆了。 它可能跑得很快，甚至一开始看起来特别成功，但只要路况稍微变化，前面再来个弯，场面就会非常精彩。不作死就不会死，说的就是这种。 现实世界里，大多数系统翻车，往往不是因为一开始完全没人思考，也不是因为方案从第一秒就离谱。 很多时候，方案刚上线时效果还不错，数据还挺好看，汇报还挺丝滑，大家甚至开始准备写经验总结。 然后系统开始反应。 用户开始改变行为。 下游开始积累压力。 指标开始被人研究。 成本开始转移。 风险开始在角落里发酵。 等到问题爆出来，所有人再回头看，才发现当初那个看起来很合理的小改动，早就顺着系统关系网一路扩散，最后给大家整了个大的。一只蝴蝶扇翅膀，后面就是一场飓风。 这就是反馈机制带来的现实毒打。 系统工程里讲反馈，不是为了把文章写得更像教材，而是为了提醒我们，任何行动都不会孤立存在。 你改变系统，系统也会反过来改变你。 SEBoK 在讨论系统行为与动态时提到，系统会在扰动下通过内部结构和反馈过程产生新的行为模式。说得直白一点，系统不会像一块木板那样被你推一下就完事，它会回弹，会变形，会绕路，会延迟爆发，甚至会学会对付你。系统以其人之道还治其人之身，你搞它，它也搞你。 这就是很麻烦。 因为人最擅长看眼前变化，明枪易躲，暗箭难防，眼前的事好办，背后的刀最难防。 反馈不是意见箱、许愿池 很多人一听反馈，第一反应是用户反馈、员工反馈、问卷反馈、客服反馈。这个理解当然有用，但还不够。只见树木，不见森林，只看到反馈，但是没看到反馈背后的运作机制。 系统里的反馈，不只是有人给你提意见。它更像系统运行之后，把结果重新送回系统内部，影响下一轮行为，你种什么，系统就给你结什么果。 比如你做一个推荐系统，系统给用户推短视频。用户点了、停留了、点赞了，系统就会认为这类内容有效，然后继续推更多类似内容。用户继续停留，系统继续加强。 比如最后用户嘴上说"我就刷五分钟"，身体却很诚实，一个小时过去了，手机都刷烫了，嘴上不要，身体很诚实。 这就是反馈。 再比如公司为了提高效率，开始盯在线时长。员工发现在线时长会影响评价，于是电脑常亮，软件常开，会议常挂，消息常回。系统看到在线时长上来了，以为管理有效。员工看到指标有用，继续研究如何看起来更忙。最后公司获得了一种非常稳定的景象。上有政策，下有对策，不管你盯什么，我就只根据你演什么。 灯火通明，鼠标乱动，灵魂离线。 这也是反馈。 所以反馈机制最重要的地方在于，它会把人的行为重新塑形。系统给什么信号，人就会朝什么方向适应。你奖励什么，什么就会膨胀。你忽略什么，什么就会被压缩。你惩罚什么，什么就会换个皮继续存在。趋利避害，人之常情，系统也是一样。 这也是为什么 古德哈特定律 在系统思维里特别好用。 它常被概括为，当一个度量指标变成目标，它就会失去作为好指标的意义。 指标一变目标，对策就能跟着来了。 这话看着像管理学鸡汤，实际上是职场生存指南。 你考核代码提交次数，大家就开始拆提交。化整为零，一个提交拆成十个，数量上去了，质量下去了。 你考核客服平均处理时长，复杂问题就被快速关单，问题没解决，单关了，KPI 好看。 你考核学生刷题数量，学生就会越来越像做题机器。应试教育的精髓就是，刷题机器，解题高手，很多人的创新就会比较废。 你考核 App 打开次数，产品就会开始给用户推各种你再不点我就闹了的通知，用户烦得要死，打开次数上去了，留存下来了。 指标本来是观察系统的窗户。可一旦所有人开始围着窗户表演，窗外到底有没有风景，就没人关心了。掩耳盗铃，自己骗自己，窗户擦得锃亮，实际上外面还是一片废墟。 正反馈会加速系统完善，负反馈会纠偏系统 讲反馈机制，最基本要分清两种回路。 一种叫正反馈。它不是夸奖的意思，而是会强化原有趋势。越多越多，越少越少，越热越热，越冷越冷。就像一个帖子刚开始有人回复，系统觉得热度不错，继续推荐，更多人进来，更多人回复，热度继续升高。最后话题本身可能已经不重要了，大家只是被热闹吸进来。羊群效应就是跟着热闹走，热闹即一切。 正反馈在商业里很常见。用户越多，内容越多。内容越多，用户越多。商家越多，选择越多。选择越多，消费者越多。消费者越多，商家越愿意进来。平台最喜欢讲生态，其实背后经常就是这种强化回路。就如同滚雪球一般，越滚越大，越大越滚。 但正反馈也很容易失控。 房价上涨时，越涨越有人怕错过，越怕错过越买，越买越涨。所谓恐慌性抢购就是不买就亏了，买了就套牢。 谣言传播时，越多人转发越显得像真的，越像真的越多人转发，三人成虎，说的人多了，假的也成真的。 职场加班也是如此，一个人卷，全组有压力。全组卷，全部门有压力。最后大家一起在深夜工位上守护一个看不见的 KPI，主打一个互相成全，集体掉血，内卷卷到最后，就是大家一起死。 另一种叫负反馈。它会抑制偏差，让系统往某个目标附近回到稳定状态。 空调就是典型。温度高了，开始制冷。温度低到目标附近，降低制冷。身体调节体温，水箱控制水位，库存系统根据库存量补货，都是类似逻辑。高了降，低了升，保持稳定。 负反馈不是消极反馈。它更像刹车和方向盘。没有它，系统容易一路狂奔，直到撞上现实。 Donella Meadows 在系统杠杆点文章中专门讨论过反馈回路，并把信息流、负反馈强度、正反馈增益等放进系统干预的重要位置。她的核心提醒很直接，想改变系统，别只盯参数，要看反馈结构。“纲举目张”，抓住关键，其他迎刃而解。 这句话对现实工作一针见血，直指要害。 因为很多组织特别爱改参数。 用户增长慢了，加预算，钱能解决的问题，都不是问题，主要的问题是没钱。 项目延期了，加人，虽然人多力量大，人多了，沟通成本也大了，最后十个人一起写不完。 客服压力大了，加班，疲劳战术，短期虽然能压住，但是长期就会崩溃。 系统不稳定了，加机器，但是治标不治本，机器加了，架构没改，该崩还是崩。 流程不合规了，加审批，层层加码，审批多了，效率就低了。 问题在于，参数当然可以改，但如果反馈结构没变，改参数很可能只是给旧问题换个更贵的包装，本儿上还是换汤不换药。 项目延期，根源可能是需求反复变更、接口定义混乱、测试介入太晚。你只加人，可能让沟通成本继续上升，最后从三个人写不完，升级为十个人一起写不完，场面更热闹，效率更抽象，人多嘴杂。 客服压力大，根源可能是产品流程设计不清、用户自助入口难找、问题分类混乱。你只让客服加班，短期能压住工单，长期会把一线人员磨成耗材。然后离职率上升，新人培训成本增加，服务质量下降，投诉又上来。系统非常公平，你欠它的，它会换个部门来收，欠的债，迟早是要还的。 反馈有延迟 如果反馈都是即时发生，事情反而好办。你一按按钮，系统马上冒烟，你立刻就知道别按。你一改指标，用户当天就骂上热搜，团队至少知道哪里不对，立竿见影，效果都是马上见。 复杂系统真正阴险的地方，是很多反馈有延迟。 今天种下的问题，下个月才发芽。 这个版本省下的测试，下个版本才爆雷。 这次压缩的架构设计，半年后才变成谁也不敢碰的祖传屎山。 这周为了冲数据做的强刺激推荐，三个月后才体现为用户疲劳、内容质量下降、社区氛围变差。 延迟会制造错觉。短期看，方案有效。长期看，就会有各种各样的副作用。 等到副作用足够明显，最初做决策的人可能已经换项目了，接盘的人只能站在废墟上。 所以，系统反馈最能教育人的地方在于，它经常让直觉显得很幼稚。 你以为增加供给就能解决问题，结果需求跟着长出来。 你以为提高效率就能减少消耗，结果使用量扩大，总消耗反而上升。 杰文斯悖论就是效率越高，用越多。 没有反馈闭环才是问题 现实工作里，很多系统不是没有反馈，而是反馈没有闭环。有头无尾，开始了，但是从来没结尾。 用户吐槽了，但没有进入产品迭代。 客服记录了，但没有反馈给研发和设计。 测试发现了风险，但排期不允许修改。 数据异常了，但没人愿意解释。 一线员工说流程有问题，但管理层只看大屏。 最后组织获得了一种很神奇的能力，听见了所有声音，然后什么都没改，左耳进右耳出，听了，但约等于没听。 这就像你身体已经疼了，体检报告也出来了，医生也提醒了，你点点头说知道了知道了，然后继续熬夜、暴食、久坐、喝冰美式续命。身体系统不是没提醒你，只是你把提醒当成了背景音乐。 很多公司的反馈机制也类似。 有周报，有日报，有例会，有复盘，有用户调研，有满意度问卷，有数据看板。形式特别完整，像一个现代管理样板间。可真正的问题依然原地踏步。为什么？因为反馈没有改变决策，也没有改变资源分配，更没有改变流程和责任。形式主义，只是形式有了，内容没了下文。 反馈如果不能影响下一轮行动，就只是垃圾信息堆积。垃圾信息堆多了，反而制造麻木。 大家每天看一堆数据，久而久之只关心颜色有没有变红。红了就紧张，绿了就放心。至于这个指标为什么红，为什么绿，背后的系统结构有没有变化，没人有空细看看多了，就习惯了。 这时候就会出现很经典的场面。 用户说功能难用。 产品说已经记录。 研发说需求没排期。 运营说影响转化。 管理层说先观察一下。 下个月，用户继续说难用。 然后大家继续记录，继续排期，继续观察。观察到最后，用户已经走了，系统还在礼貌地等待下一次评审。大家都在磨洋工，拖拖拉拉，问题只会永远在"观察中"。 所以反馈机制的关键，不在于有没有收集信息，而在于信息能不能回来影响系统。 所谓闭环，有来有回，才叫闭环。 能回来，才叫闭环。回不来，就叫肉包子。 复杂系统最怕假反馈 比没有反馈更麻烦的，是假反馈。挂羊头卖狗肉，看着虽然像反馈，但实际不是。 假反馈看起来很像反馈，实际只是在给已有判断做装饰。 比如领导已经决定了方向，然后让大家提意见。大家都很懂事，提出一些不影响方向的小建议。最后结论是，经过充分讨论，大家一致支持。这个反馈过程非常完整，唯一的问题是它没有反馈，这不就是走个过场而已。 再比如产品上线前做用户调研。问卷设计得非常巧妙，用户怎么选都能证明方案有价值。访谈只找最配合的用户，数据只截最好看的片段，结论提前写好，过程负责补证据。最后方案顺利通过，直到真实用户用脚投票。自欺欺人而已，自己骗自己，骗到最后，用户不买单。 这类假反馈在复杂系统里很常见。它的危险之处在于，它会让系统误以为自己在学习。表面上有调研，有数据，有复盘，有评审，实际没有任何纠错能力。这是自以为是，以为自己很牛，实际就在原地打转。 这就像一个人天天照镜子，但镜子自带美颜，皱纹磨掉，黑眼圈磨掉，脸色磨到发光。看完之后信心满满，现实里一开前置摄像头，直接破防。 真正的反馈应该有点刺痛感。它会让你看见不想看的东西，听见不想听的话，承认不愿承认的代价。没有这种刺痛感，反馈很可能已经被处理成了情绪稳定版汇报材料。 系统工程学里讲反馈，就是要保留这种纠错能力。一个系统可以不完美，但不能失去自我修正。失去修正能力的系统，短期可以靠惯性运行，长期一定会积累偏差。偏差积累到一定程度，系统就会用故障、崩溃、流失、亏损、舆情或者事故来提醒你。积重难返，偏差攒多了，即便是有想改的决心，即便是想改都改不动。 这时候再说"没想到"，就有点晚了。 反馈机制最考验组织的诚实程度 反馈机制表面上是技术问题，深处往往是组织问题。 因为反馈意味着坏消息要能往上传，真实情况要能被看见，错误要能被讨论，责任要能被分清，方案要能被调整。这些东西听起来都很合理，做起来都很难。 很多组织真正的问题，不是没有人知道风险，而是知道风险的人没有话语权，人微言轻，说了几乎没人听。 不是没有人发现问题，而是发现问题的人不敢说，枪打出头鸟，说了怕被顶上。 不是没有数据，而是数据不符合预期就被要求重新解释。领导指鹿为马，数据不好看，那就重新解释。 不是没有复盘，而是复盘最后变成了甩锅大会。 反馈机制一旦被权力结构扭曲，就会从纠错系统变成装饰系统。 一线员工知道流程哪里卡，但说了也没用。如果说了白说，那就干脆不说了。 用户反复吐槽某个功能，但内部觉得那是战略方向。一意孤行，用户算老几，战略才是爹。 测试发现系统不稳定，但上线日期不能动。赶鸭子上架，时间到了，不上也得上了，所以最后出现什么版本合并错误等等问题都正常。 客服知道用户真正不满在哪里，但客服只被要求压缩处理时长，处理快了，问题没解决。 最后组织内部每个人都看见了一小块真相，却没有任何机制把真相拼成完整图景。就像盲人摸象，每个人都摸一块，拼不出完整大象。 所有人都知道船在漏水，但每个人只负责擦自己脚边那一滩。船长看着甲板还算干净，宣布航行状态良好。 因为甲板干净，所以没事。 这就是 系统性失真 。 真正可靠的反馈机制，需要让坏消息有路可走。它需要让数据能挑战判断，让一线能影响设计，让用户能改变优先级，让测试能阻止上线，让复盘能改变流程。实事求是就是让真相有路可走，让错误能被纠正。 复杂系统不会因为组织不愿听坏消息，就不产生坏消息。它只会把坏消息存起来，利息照算，欠的债和利息，是迟早要还。 怎么建立一个像样的反馈机制 说了这么多，最后还是要落到操作上。反馈机制不能只停留在"重视反馈"这种废话上。 真正能用的反馈机制，至少要做几件事。 第一，先明确系统目标。 你要知道系统到底想维持什么，改进什么，避免什么。没有目标，反馈就没有方向。温度计能反馈，是因为空调有目标温度。项目看板能反馈，是因为项目有交付目标。AI 评测能反馈，是因为系统知道什么叫准确、可用、安全和可控。 目标不清，反馈就会变成信息噪音。 第二，要设计可观察的信号。 反馈不能只靠感觉。用户不满意当然重要，但要进一步拆成哪些环节不满意，哪里等待时间长，哪里错误率高，哪里需要人工介入，哪里重复投诉最多。系统要有能被观察、记录、追踪的信号。没有信号，就只能靠开会大家互相猜。 第三，要区分即时反馈和延迟反馈。 即时反馈看体验，延迟反馈看后果。一个功能上线后，当天点击率高，不代表长期有效。一个考核策略当月数据好，不代表半年后组织健康。一个 AI 系统演示效果好，不代表生产环境稳定。复杂系统里，短期反馈和长期反馈经常互相打架，不能只看先来的那个，需要平衡短期目标与长期目标。既需要短期内够用就行，又需要兼容长期的改进。 第四，要让反馈进入决策。 这是最关键的一步。反馈必须能改变排期、预算、流程、权限、设计和人员安排。否则反馈只是摆设。真正的闭环不是已记录，而是已影响下一轮行动。 第五，要防止指标被驯化。 一旦指标和奖惩绑定，人就会研究指标。这个不是道德问题，是系统行为。只要规则存在，适应就会发生。所以指标体系要定期检查，要看有没有被刷，有没有带偏目标，有没有让人把精力放到表演上。时刻避免上有政策，下有对策。 第六，要允许系统承认错误。 系统不会因为承认错误就崩溃，很多时候恰恰因为不承认错误才崩溃。承认错误，意味着系统还有修正能力。不承认错误，意味着问题只能继续积累，直到用更昂贵的方式暴露出来。 看起来都是经常见到的事情，但系统工程学本来就不是为了让人说大词，而是为了让复杂问题能被持续修正。 写在最后 反馈机制，就是吃一堑，长一智，被打了，才能长记性。 它告诉我们，行动不会停留在行动本身。你改一个指标，系统会改变行为，牵一发而动全身。你调整一个流程，压力会重新分布。你扩展一个容量，需求可能跟着增长。你压住一个问题，另一个地方可能开始冒烟。现实不会因为方案写得漂亮就配合，系统也不会因为汇报材料稳定就保持安静。 所以，系统思维真正重要的地方，不只是让我们看见要素、关系、目的和边界，还要让我们看见行动之后的回响。 2 个帖子 - 2 位参与者 阅读完整话题
平时喜欢跑步，喜欢动次打次，dj drop the beat。 我想自己打碟串烧歌曲，但是我纯纯小白，完全没有经验，有没有懂这方面的，怎么入口，B站视频直接入门，然后串烧歌曲 自给自足？ 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 6 月 5 日消息，谷歌前天宣布为 Android Go 系统引入 Gemini。 只要配备 2GB 以上内存的 Android Go 手机 ，都能用上 Gemini Go AI 助手。 据介绍，Gemini Go 是精简化的 Gemini， 能够在较小存储空间的设备上顺畅运行 ，帮助用户保持连接并完成各种任务。 IT之家注： Android Go 是谷歌针对入门级手机设计的轻量化操作系统 ，可通过系统优化和轻量级应用程序，让内存、存储空间较少的设备也能流畅运行。 同时，Gemini Go 将取代原有的 Google Assistant Go 助手，并通过 Google 搜索应用提供服务。用户可通过长按 Home 键、长按电源键等方式启动 Gemini Go。 此外，Gemini Go 将支持拨打电话 / 发短信、查询地图、搜索餐厅、设置闹钟、创建日历、播放媒体内容等日常任务。用户可以上传文档、照片等内容让 Gemini 获取更多上下文信息。 Gemini Go 已开始分阶段推送，用户将在未来几天或数周内体验到这一 AI 助手。
Google近日宣布，将面向运行 Android（Go 版）的入门级智能手机推出名为 Gemini Go 的生成式 AI 助手服务，为低存储、低内存和低算力设备带来更完整的智能体验。Android（Go 版）专为低端设备打造，自 Android 13（Go 版）起，官方已要求此类设备至少配备 2GB 运行内存，Google此次明确表示，只有搭载至少 2GB RAM 的 Android（Go 版）手机才有资格使用 Gemini Go。 Google将 Gemini Go 描述为“面向低存储设备的精简版 Gemini，旨在帮助用户保持联络并提升办事效率”，本质上是对 Gemini 大模型能力的一种轻量化适配。在功能层面，Gemini Go 将取代此前的 Google Assistant Go，成为 Android（Go 版）设备上的默认智能助理入口，并通过 Google 搜索应用提供服务。 在交互方式上，用户可通过长按 Home 键，或在部分机型上长按电源键唤出 Gemini Go，与之开启对话。在具体功能方面，Gemini Go 支持代为拨打电话、发送短信、查询前往指定地点的驾车时间、搜索附近餐厅和电动车充电站、设定闹钟、创建日历事件、播放多媒体内容等常见场景任务。同时，用户还可以上传文档、照片以及其他文件，为对话提供更多上下文信息，使 Gemini Go 能进行更贴合需求的应答与处理。 按照Google的节奏，Gemini Go 将采取分阶段推送的方式逐步向符合条件的 Android（Go 版）设备开放。考虑到Google一贯“缓慢”而谨慎的分批更新策略，即便设备已经满足 2GB RAM 等要求，用户实际收到 Gemini Go 推送仍可能需要等待数周时间。 查看评论
MacBook Neo 是苹果在 2026 年推出的入门级 MacBook，搭载 A18 Pro 芯片（iPhone 16 Pro/Max 同款），售价 599 美元起（国行 4599 元起，但在售价只需要 3399），定位学生、教育市场和首次购买 Mac 的用户。 根据数据统计，MacBook N
新人刚开始入门，codex和claude code都安装好了，哪个比较推荐，之前简单的玩过coze和龙虾，现在想深入学习一下，这两个推荐哪个，有推荐的学习课程么 1 个帖子 - 1 位参与者 阅读完整话题
最近因为导师的推荐，想要入门维特根斯坦的逻辑哲学论，请问l站的佬们有无相关的学习经验？如果有，能不能推荐一些学习曲线比较平缓的辅助书籍或者课程？直接啃书里的箴言式的文字实在难以下咽。 4 个帖子 - 2 位参与者 阅读完整话题
长期远程项目（美国 AI 电商运营相关）、可人民币或美元付款 前期只有 10k-12kRMB/月（或等价美元） 半年后视能力调薪 本人 Rust 程序员（可以带你开发） 因为我没有充足时间 目前想招一个初级 rust(如果你学习能力强可以无 rust 经验) 有前端经验会 react 优先 有后端开发经历的优先 感兴趣的可以发送简历到 [email protected]
长期远程项目（美国 AI 电商运营相关）、可人民币或美元付款 前期只有 10k-12kRMB/月（或等价美元） 半年后视能力调薪 本人 Rust 程序员（可以带你开发） 因为我没有充足时间 目前想招一个初级 rust(如果你学习能力强可以无 rust 经验) 有前端经验会 react 优先 有后端开发经历的优先 感兴趣的可以发送简历到 [email protected]
长期远程项目（美国 AI 电商运营相关）、可人民币或美元付款 前期只有 10k-12kRMB/月（或等价美元） 半年后视能力调薪 本人 Rust 程序员（可以带你开发） 因为我没有充足时间 目前想招一个初级 rust(如果你学习能力强可以无 rust 经验) 有前端经验会 react 优先 有后端开发经历的优先 感兴趣的可以发送简历到 [email protected]
长期远程项目（美国 AI 电商运营相关）、可人民币或美元付款 前期只有 10k-12kRMB/月（或等价美元） 半年后视能力调薪 本人 Rust 程序员（可以带你开发） 因为我没有充足时间 目前想招一个初级 rust(如果你学习能力强可以无 rust 经验) 有前端经验会 react 优先 有后端开发经历的优先 感兴趣的可以发送简历到 [email protected]
长期远程项目（美国 AI 电商运营相关）、可人民币或美元付款 前期只有 10k-12kRMB/月（或等价美元） 半年后视能力调薪 本人 Rust 程序员（可以带你开发） 因为我没有充足时间 目前想招一个初级 rust(如果你学习能力强可以无 rust 经验) 有前端经验会 react 优先 有后端开发经历的优先 感兴趣的可以发送简历到 [email protected]
长期远程项目（美国 AI 电商运营相关）、可人民币或美元付款 前期只有 10k-12kRMB/月（或等价美元） 半年后视能力调薪 本人 Rust 程序员（可以带你开发） 因为我没有充足时间 目前想招一个初级 rust(如果你学习能力强可以无 rust 经验) 有前端经验会 react 优先 有后端开发经历的优先 感兴趣的可以发送简历到 [email protected]
长期远程项目（美国 AI 电商运营相关）、可人民币或美元付款 前期只有 10k-12kRMB/月（或等价美元） 半年后视能力调薪 本人 Rust 程序员（可以带你开发） 因为我没有充足时间 目前想招一个初级 rust(如果你学习能力强可以无 rust 经验) 有前端经验会 react 优先 有后端开发经历的优先 感兴趣的可以发送简历到 [email protected]
长期远程项目（美国 AI 电商运营相关）、可人民币或美元付款 前期只有 10k-12kRMB/月（或等价美元） 半年后视能力调薪 本人 Rust 程序员（可以带你开发） 因为我没有充足时间 目前想招一个初级 rust(如果你学习能力强可以无 rust 经验) 有前端经验会 react 优先 有后端开发经历的优先 感兴趣的可以发送简历到 [email protected]