大约一年前，我决定了目标是网安方向，理由大致如下： 我很喜欢计算机相关的东西，所以一定一定想走相关专业 但就了解到的信息，经典的软件工程这方面就业是越来越难了，再加上AI的冲击，即使技术过硬，想当传统码农也不容易了。所以就Pass了 人工智能是个显而易见的风口，但就是太显而易见了，毫无疑问的什么奇奇怪怪的人都会往这挤，且不说竞争太激烈，我想学风大概一般，所以放在最末尾考虑的位置 所以这么看来，再一个热门还有点前景的方向就是网安了。 那么，我一开始觉得网安有什么优势呢？ 顺着人工智能的思路去想，我觉得AI和网安其实是矛和盾的关系，AI越能挖漏洞，不越需要网安人才么？所以这让我觉得它的就业前景不说会变好，起码不容易像隔壁一样恶化 兴趣是很重要的东西。学网安，怎么看都比学别的好玩点 实在不行，我学完去考公。技术岗的竞争大概还是温和点的，而且这和AI就没什么大关系了 当然，以上有些想法可能有些幼稚，抑或有些偏颇。一年过去，有些心境发生了变化，有些疑问也存在。 现在看来，AI对底层网安的冲击还是相当猛烈的，仅仅比普通码农们晚了个把月而已。 但我又觉得“矛和盾”的想法应该还是正确的。未来，脚本小子更容易当，初级漏洞扫描不需要人工，但安全专家的需求我想依然是会扩大的。 所以，现在看到一些唱衰网安的讨论，总还是略显迷茫。这个道路到底对不对？ 另：估分590上下，211水平 17 个帖子 - 15 位参与者 阅读完整话题
22年本科毕业，大数据方向，毕业后到一家小公司做运营，但只工作了1年。23年底离职，到现在 gap了快3年了。 24年尝试自己搞跨境电商创业，没做成，之后开始断断续续找工作，但都是在浑浑噩噩过，三天打鱼两天晒网。 25年跟前创业伙伴打官司（自己跑法院起诉），其实是仗着这个借口又拖拖拉拉了一年 然后就到了现在。眼看今年已经过去一半，自己没啥技能，年龄也大了，心里清楚该行动了，但又不知道该往哪个方向走，整个人处于一种很迷茫很混沌的状态。 没有工作的日子其实远没有外人看起来那么轻松。虽然家里人也没咋催过我，但我每天过得十分焦虑，有时候饭也吃不下，经常半夜醒了就再也睡不着，翻来覆去地想这些事。 发这个帖子是想问问站里的佬友们——你们有没有经历过类似的经历？后来是怎么走出来的？想听听你们的建议！！！ 1 个帖子 - 1 位参与者 阅读完整话题
最近在整理自己的知识库和写 AI Prompt 的时候，发现把各种格式的文档（ PDF, Word, PPT 等）转换成干净的 Markdown 是一件挺头疼的事。市面上的工具要么排版乱，要么就是收费昂贵且流程繁琐。 于是我动手做了这个小站：Document to Markdown。 做这个工具的初衷 现在的 AI 工具（ LLMs ）对 Markdown 的理解能力远高于纯文本或复杂的 HTML 。我希望建立一个简单的 Workflow ，让大家能快速把手头的各种“硬核”文档变成 AI 友好、笔记软件友好的 Markdown 格式。 目前支持的功能 多格式支持： PDF, DOCX, PPTX, XLSX, HTML, CSV, 甚至还有 EPUB 。 结构还原： 尽量保留了原文档的标题层级、列表和表格（表格转换是我花精力最多的地方）。 隐私保护： 采用 Request-only 模式，我们不保存用户上传的原文件，也不持久化生成的 Markdown ，只做实时转换。 开发者友好： 已经规划了 API 接入，方便集成到大家自己的 RAG 或自动化流程中。 为什么需要大家的反馈？ 目前产品还在早期阶段，虽然我自己测试了很多样例，但文档格式千奇百怪，肯定还有很多坑： 转换质量： 复杂的 PDF 或嵌套表格转换效果是否符合预期？ 交互体验： 目前的上传和预览流程是否顺手？ 功能需求： 除了现有的格式，大家是否还需要支持其他冷门格式（如特定代码格式或 Wiki 语法）？ 网站地址： https://documenttomarkdown.com/ 目前提供免费的 Trial 次数（登录后每天有 10 次免费额度），欢迎大家随意“蹂躏”。如果觉得好用，或者有任何想吐槽的地方，请直接在评论区留言。 每一条建议我都会认真看，非常感谢！
最近在整理自己的知识库和写 AI Prompt 的时候，发现把各种格式的文档（ PDF, Word, PPT 等）转换成干净的 Markdown 是一件挺头疼的事。市面上的工具要么排版乱，要么就是收费昂贵且流程繁琐。 于是我动手做了这个小站：Document to Markdown。 做这个工具的初衷 现在的 AI 工具（ LLMs ）对 Markdown 的理解能力远高于纯文本或复杂的 HTML 。我希望建立一个简单的 Workflow ，让大家能快速把手头的各种“硬核”文档变成 AI 友好、笔记软件友好的 Markdown 格式。 目前支持的功能 多格式支持： PDF, DOCX, PPTX, XLSX, HTML, CSV, 甚至还有 EPUB 。 结构还原： 尽量保留了原文档的标题层级、列表和表格（表格转换是我花精力最多的地方）。 隐私保护： 采用 Request-only 模式，我们不保存用户上传的原文件，也不持久化生成的 Markdown ，只做实时转换。 开发者友好： 已经规划了 API 接入，方便集成到大家自己的 RAG 或自动化流程中。 为什么需要大家的反馈？ 目前产品还在早期阶段，虽然我自己测试了很多样例，但文档格式千奇百怪，肯定还有很多坑： 转换质量： 复杂的 PDF 或嵌套表格转换效果是否符合预期？ 交互体验： 目前的上传和预览流程是否顺手？ 功能需求： 除了现有的格式，大家是否还需要支持其他冷门格式（如特定代码格式或 Wiki 语法）？ 网站地址： https://documenttomarkdown.com/ 目前提供免费的 Trial 次数（登录后每天有 10 次免费额度），欢迎大家随意“蹂躏”。如果觉得好用，或者有任何想吐槽的地方，请直接在评论区留言。 每一条建议我都会认真看，非常感谢！
最近在整理自己的知识库和写 AI Prompt 的时候，发现把各种格式的文档（ PDF, Word, PPT 等）转换成干净的 Markdown 是一件挺头疼的事。市面上的工具要么排版乱，要么就是收费昂贵且流程繁琐。 于是我动手做了这个小站：Document to Markdown。 做这个工具的初衷 现在的 AI 工具（ LLMs ）对 Markdown 的理解能力远高于纯文本或复杂的 HTML 。我希望建立一个简单的 Workflow ，让大家能快速把手头的各种“硬核”文档变成 AI 友好、笔记软件友好的 Markdown 格式。 目前支持的功能 多格式支持： PDF, DOCX, PPTX, XLSX, HTML, CSV, 甚至还有 EPUB 。 结构还原： 尽量保留了原文档的标题层级、列表和表格（表格转换是我花精力最多的地方）。 隐私保护： 采用 Request-only 模式，我们不保存用户上传的原文件，也不持久化生成的 Markdown ，只做实时转换。 开发者友好： 已经规划了 API 接入，方便集成到大家自己的 RAG 或自动化流程中。 为什么需要大家的反馈？ 目前产品还在早期阶段，虽然我自己测试了很多样例，但文档格式千奇百怪，肯定还有很多坑： 转换质量： 复杂的 PDF 或嵌套表格转换效果是否符合预期？ 交互体验： 目前的上传和预览流程是否顺手？ 功能需求： 除了现有的格式，大家是否还需要支持其他冷门格式（如特定代码格式或 Wiki 语法）？ 网站地址： https://documenttomarkdown.com/ 目前提供免费的 Trial 次数（登录后每天有 10 次免费额度），欢迎大家随意“蹂躏”。如果觉得好用，或者有任何想吐槽的地方，请直接在评论区留言。 每一条建议我都会认真看，非常感谢！
我现在在北京某二本，即将升入大四。 刚入学的时候觉得学计算机是条稳稳的出路，结果现在找个工作都难。AI一爆发，岗位没见多，竞争倒是更卷了，招人的坑就那么几个。 想问问已经在工作的开发者们： AI有没有实际影响到你的日常工作或者岗位稳定性？ 现在招人的标准是不是变高了，但薪资没跟上？ 说实话，如果重来一次还会选CS吗？ 就想知道真实情况到底怎样。现在我个人真的是较为悲观。 4 个帖子 - 4 位参与者 阅读完整话题
买了新设备，就下了一些新歌。大多数会在跑步的时候听听。 ├─Volume 01 │ 【2024重制版】Promise.mp3 │ 【2024重制版】Theme Of Laura II.mp3 │ 50 Ways to Say Goodbye - Train.mp3 │ All Girls Are The Same - Juice WRLD.mp3 │ God knows... - 平野綾.mp3 │ Gotta Have You - The Weepies.mp3 │ Numb - Linkin Park.mp3 │ One More Light - Linkin Park.mp3 │ Promise.mp3 │ The Weeknd - Blinding Lights.mp3 │ Theme of Laura.mp3 │ THERE IS A REASON - 鈴木このみ.mp3 │ Young For You - GALA.mp3 │ 刀剑如梦 - 周华健.mp3 │ 盗墓笔记·十年人间 - 李常超 (Lao乾妈).mp3 │ 多分、風。 - サカナクション.mp3 │ 怪獣 - サカナクション.mp3 │ 好きだから。 - 『ユイカ』.mp3 │ 偏爱 - 张芸京.mp3 │ 葡萄成熟时 - 陈奕迅.mp3 │ 丸ノ内サディスティック - 椎名林檎.mp3 │ 夜に駆ける - YOASOBI.mp3 │ 雑踏、僕らの街 - トゲナシトゲアリ.mp3 │ 我的未来不是梦 - 张雨生.mp3 │ ├─Volume 02 │ 追梦赤子心 - GALA.mp3 │ Don't say lazy - 桜高軽音部.mp3 │ Drown (Alle Farben Remix) - Martin Garrix,Clinton Kane,Alle Farben.mp3 │ Duvet - Bôa.mp3 │ Edge of My Life - Manafest.mp3 │ Hotel California (2013 Remaster) - Eagles.mp3 │ In the End - Linkin Park.mp3 │ inside you - milet.mp3 │ IVORY TOWER「龙族」动画主题曲 - 泽野弘之 - 池年.mp3 │ MY ALL - 浜崎あゆみ.mp3 │ Not Angry - Chris James.mp3 │ only my railgun - fripSide.mp3 │ Rumors - Jake Miller.mp3 │ Take Me To Your Heart - Michael Learns To Rock.mp3 │ ギターと孤独と蒼い惑星 - 結束バンド.mp3 │ Avid - SawanoHiroyuki[nZk],瑞葵(mizuki).mp3 │ グッバイ宣言 - Chinozo.mp3 │ 鬼 - 草东没有派对.mp3 │ 山海 - 草东没有派对.mp3 │ おちゃめ機能.mp3 │ 明天会更好 - 李建复,洪荣宏,王梦麟.mp3 │ We Are The World - Lionel Richie,Stevie Wonder,Paul Simon.mp3 │ Forever and Ever and Always (The Softer Version) - Ryan Mack.mp3 │ 荷塘月色 - 凤凰传奇.mp3 │ 北京欢迎你 2008北京奥运 原版 - 华语群星.mp3 │ 电棍：大石碎胸口 - 电棍,汗衫哥,沈默沈默.mp3 │ 走马 - 陈粒.mp3 │ ├─Volume 03 │ Yellow - Coldplay.mp3 │ 挪威的森林 - 伍佰 & China Blue.mp3 │ 梦醒时分 - 伍佰 & China Blue.mp3 │ 江南 - 林俊杰.mp3 │ 反乌托邦 - 乌托邦P.mp3 │ 明天过后 - 张杰.mp3 │ 我怀念的 - 孙燕姿.mp3 │ 突然的自我 - 伍佰 & China Blue.mp3 │ 伴你成长 - 白挺.mp3 │ 终会与你同行 - 白挺.mp3 │ 你从未离去 - 白挺.mp3 │ 暮れに茜、芥と花束 - 月詠み.mp3 │ 再见 - 张震岳.mp3 │ シカ色デイズ - 潘めぐみ,藤田咲,田辺留依.mp3 │ 我的悲伤是水做的 - ChiliChill乐团,洛天依Official.mp3 │ 僕が死のうと思ったのは - 中島美嘉.mp3 │ 不潮不用花钱 - 林俊杰.mp3 │ 曾经我也想过一了百了 - 丁斯塔科维奇.mp3 │ 白鸟过河滩 - 洛天依 feat. ilem.mp3 │ 美人鱼 - 林俊杰.mp3 │ 愿与愁 - 林俊杰.mp3 │ 有没有一首歌会让你想起我 - 周华健.mp3 │ 若能在这个夏天拯救你 - 孤独,洛天依.mp3 │ 遥远小镇的我 - 洛天依,flybanana.mp3 │ unhappy - s0rrow.mp3 │ Montagem pitty - 见过夏天P,洛天依.mp3 │ 晴るる - あたらよ.mp3 │ 关键词 - 林俊杰.mp3 │ └─Volumn 04 銀の龍の背に乗って - 中島みゆき.mp3 勾指起誓 - 洛天依Official,ilem.mp3 Amani - Beyond.mp3 You Are Beautiful - James Blunt.mp3 Thank You - Dido.mp3 Phototropism. - 直到凌晨也无法安眠。,星尘.mp3 イグニッション - Luna,ゆある,ねんね.mp3 スピカ - ロクデナシ.mp3 やっぱり雨は降るんだね - ツユ.mp3 DAYBREAK FRONTLINE - めありー,Orangestar.mp3 大海 - 张雨生.mp3 都选C - 缝纫机乐队.mp3 猛独が襲う - まふまふ.mp3 敢爱敢做 - 林子祥.mp3 泪桥 - 伍佰 & China Blue.mp3 Rage Your Dream - m.o.v.e.mp3 献给风和蝉鸣 - WOVOP,洛天依,乐正绫.mp3 一程山路 - 毛不易.mp3 一笑懸命 - 遊助.mp3 知我 - 国风堂,哦漏.mp3 一块红布 - 崔健.mp3 东京不太热 - Z新豪,洛天依Official.mp3 世末歌者 - 乐正绫,COP.mp3 ちっちゃな私 - 重音テト,マサラダ.mp3 4 个帖子 - 3 位参与者 阅读完整话题
最近在看科研配图这件事，发现一个挺有意思的工具方向：用 AI 帮忙生成科研报告图、机制图、graphical abstract 的初稿。 我自己也顺手做了一个小工具，叫 SciFigureAI： https://scifigureai.com 它不是那种“一键生成最终论文图”的定位，更像是帮你先把科研内容可视化成一个可以讨论和修改的草稿。 现在大概支持这些场景： 输入论文摘要、实验机制、研究思路，生成一张科研图草稿 上传手绘草图或白板图，整理成更干净的机制图 对已有图片继续用文字要求修改，比如调整箭头、标签、布局 下载预览图，后续也可以导出 PPTX / SVG 用在组会或报告里 我觉得它比较适合这些场景： 组会 PPT 里需要快速画一个机制示意图 写 proposal / poster 时，先做一张 graphical abstract 草稿 有一个手绘思路，但不想一上来就打开 Illustrator / BioRender 慢慢画 想先和导师/合作者讨论图的结构，再决定要不要精修 当然，科研准确性还是必须自己检查，AI 生成的图目前更适合当初稿，不适合直接当最终论文图。 想问问这里有没有做科研、医学、生物、材料、AI paper 或经常做技术报告的朋友： 这种“先生成科研图草稿”的需求真实存在吗？ 你们更常见的痛点是不会画、画得慢，还是反复改图太烦？ 如果能从草图生成更正式的报告图，你会用吗？ PPTX / SVG 导出对科研报告场景重要吗？ 欢迎拍砖，也欢迎直接试一下给我点反馈。
最近在看科研配图这件事，发现一个挺有意思的工具方向：用 AI 帮忙生成科研报告图、机制图、graphical abstract 的初稿。 我自己也顺手做了一个小工具，叫 SciFigureAI： https://scifigureai.com 它不是那种“一键生成最终论文图”的定位，更像是帮你先把科研内容可视化成一个可以讨论和修改的草稿。 现在大概支持这些场景： 输入论文摘要、实验机制、研究思路，生成一张科研图草稿 上传手绘草图或白板图，整理成更干净的机制图 对已有图片继续用文字要求修改，比如调整箭头、标签、布局 下载预览图，后续也可以导出 PPTX / SVG 用在组会或报告里 我觉得它比较适合这些场景： 组会 PPT 里需要快速画一个机制示意图 写 proposal / poster 时，先做一张 graphical abstract 草稿 有一个手绘思路，但不想一上来就打开 Illustrator / BioRender 慢慢画 想先和导师/合作者讨论图的结构，再决定要不要精修 当然，科研准确性还是必须自己检查，AI 生成的图目前更适合当初稿，不适合直接当最终论文图。 想问问这里有没有做科研、医学、生物、材料、AI paper 或经常做技术报告的朋友： 这种“先生成科研图草稿”的需求真实存在吗？ 你们更常见的痛点是不会画、画得慢，还是反复改图太烦？ 如果能从草图生成更正式的报告图，你会用吗？ PPTX / SVG 导出对科研报告场景重要吗？ 欢迎拍砖，也欢迎直接试一下给我点反馈。
最近在看科研配图这件事，发现一个挺有意思的工具方向：用 AI 帮忙生成科研报告图、机制图、graphical abstract 的初稿。 我自己也顺手做了一个小工具，叫 SciFigureAI： https://scifigureai.com 它不是那种“一键生成最终论文图”的定位，更像是帮你先把科研内容可视化成一个可以讨论和修改的草稿。 现在大概支持这些场景： 输入论文摘要、实验机制、研究思路，生成一张科研图草稿 上传手绘草图或白板图，整理成更干净的机制图 对已有图片继续用文字要求修改，比如调整箭头、标签、布局 下载预览图，后续也可以导出 PPTX / SVG 用在组会或报告里 我觉得它比较适合这些场景： 组会 PPT 里需要快速画一个机制示意图 写 proposal / poster 时，先做一张 graphical abstract 草稿 有一个手绘思路，但不想一上来就打开 Illustrator / BioRender 慢慢画 想先和导师/合作者讨论图的结构，再决定要不要精修 当然，科研准确性还是必须自己检查，AI 生成的图目前更适合当初稿，不适合直接当最终论文图。 想问问这里有没有做科研、医学、生物、材料、AI paper 或经常做技术报告的朋友： 这种“先生成科研图草稿”的需求真实存在吗？ 你们更常见的痛点是不会画、画得慢，还是反复改图太烦？ 如果能从草图生成更正式的报告图，你会用吗？ PPTX / SVG 导出对科研报告场景重要吗？ 欢迎拍砖，也欢迎直接试一下给我点反馈。
最近在看科研配图这件事，发现一个挺有意思的工具方向：用 AI 帮忙生成科研报告图、机制图、graphical abstract 的初稿。 我自己也顺手做了一个小工具，叫 SciFigureAI： https://scifigureai.com 它不是那种“一键生成最终论文图”的定位，更像是帮你先把科研内容可视化成一个可以讨论和修改的草稿。 现在大概支持这些场景： 输入论文摘要、实验机制、研究思路，生成一张科研图草稿 上传手绘草图或白板图，整理成更干净的机制图 对已有图片继续用文字要求修改，比如调整箭头、标签、布局 下载预览图，后续也可以导出 PPTX / SVG 用在组会或报告里 我觉得它比较适合这些场景： 组会 PPT 里需要快速画一个机制示意图 写 proposal / poster 时，先做一张 graphical abstract 草稿 有一个手绘思路，但不想一上来就打开 Illustrator / BioRender 慢慢画 想先和导师/合作者讨论图的结构，再决定要不要精修 当然，科研准确性还是必须自己检查，AI 生成的图目前更适合当初稿，不适合直接当最终论文图。 想问问这里有没有做科研、医学、生物、材料、AI paper 或经常做技术报告的朋友： 这种“先生成科研图草稿”的需求真实存在吗？ 你们更常见的痛点是不会画、画得慢，还是反复改图太烦？ 如果能从草图生成更正式的报告图，你会用吗？ PPTX / SVG 导出对科研报告场景重要吗？ 欢迎拍砖，也欢迎直接试一下给我点反馈。
最近在看科研配图这件事，发现一个挺有意思的工具方向：用 AI 帮忙生成科研报告图、机制图、graphical abstract 的初稿。 我自己也顺手做了一个小工具，叫 SciFigureAI： https://scifigureai.com 它不是那种“一键生成最终论文图”的定位，更像是帮你先把科研内容可视化成一个可以讨论和修改的草稿。 现在大概支持这些场景： 输入论文摘要、实验机制、研究思路，生成一张科研图草稿 上传手绘草图或白板图，整理成更干净的机制图 对已有图片继续用文字要求修改，比如调整箭头、标签、布局 下载预览图，后续也可以导出 PPTX / SVG 用在组会或报告里 我觉得它比较适合这些场景： 组会 PPT 里需要快速画一个机制示意图 写 proposal / poster 时，先做一张 graphical abstract 草稿 有一个手绘思路，但不想一上来就打开 Illustrator / BioRender 慢慢画 想先和导师/合作者讨论图的结构，再决定要不要精修 当然，科研准确性还是必须自己检查，AI 生成的图目前更适合当初稿，不适合直接当最终论文图。 想问问这里有没有做科研、医学、生物、材料、AI paper 或经常做技术报告的朋友： 这种“先生成科研图草稿”的需求真实存在吗？ 你们更常见的痛点是不会画、画得慢，还是反复改图太烦？ 如果能从草图生成更正式的报告图，你会用吗？ PPTX / SVG 导出对科研报告场景重要吗？ 欢迎拍砖，也欢迎直接试一下给我点反馈。
最近在看科研配图这件事，发现一个挺有意思的工具方向：用 AI 帮忙生成科研报告图、机制图、graphical abstract 的初稿。 我自己也顺手做了一个小工具，叫 SciFigureAI： https://scifigureai.com 它不是那种“一键生成最终论文图”的定位，更像是帮你先把科研内容可视化成一个可以讨论和修改的草稿。 现在大概支持这些场景： 输入论文摘要、实验机制、研究思路，生成一张科研图草稿 上传手绘草图或白板图，整理成更干净的机制图 对已有图片继续用文字要求修改，比如调整箭头、标签、布局 下载预览图，后续也可以导出 PPTX / SVG 用在组会或报告里 我觉得它比较适合这些场景： 组会 PPT 里需要快速画一个机制示意图 写 proposal / poster 时，先做一张 graphical abstract 草稿 有一个手绘思路，但不想一上来就打开 Illustrator / BioRender 慢慢画 想先和导师/合作者讨论图的结构，再决定要不要精修 当然，科研准确性还是必须自己检查，AI 生成的图目前更适合当初稿，不适合直接当最终论文图。 想问问这里有没有做科研、医学、生物、材料、AI paper 或经常做技术报告的朋友： 这种“先生成科研图草稿”的需求真实存在吗？ 你们更常见的痛点是不会画、画得慢，还是反复改图太烦？ 如果能从草图生成更正式的报告图，你会用吗？ PPTX / SVG 导出对科研报告场景重要吗？ 欢迎拍砖，也欢迎直接试一下给我点反馈。
半夜睡不着 各位佬就随便听听我这个树洞小故事吧，真的是有种无力感，就纯当故事听就好了 明明好像预感到了未来，但是什么都做不了。这里也不是吹牛，但是之前的预测正在逐步地变成现实（本来也就是大方向如此，根据大方向做的判断，也没有多厉害） 一件一件来，先说第一件事，像我原本的职业规划是走红队，但是我本身专业和网络安全完全不相关，只是上了第三方的机构的课程，以及挖了一段时间的漏洞，虽然有一些的产出，但是整体处于一个初级红队的水平，原本是打算今年努努力，接着刷漏洞、刷证书，后续走大厂，但是在去年 12 月份的时候，我GitHub上刷到了一个全自动CTF的项目，那会儿在整个GitHub上这种全自动AI渗透的项目不超过 3 个，也有可能是我没收集到，但是我当时找了一圈没有超过 3 个，但我自己真正地用了一次这个项目以后，我就知道我原本的职业规划完蛋了，作为一个专业不对口、水平还只是初级的红队来说，不出半年我绝对会被AI替代掉。像原本的路线，你要从一个初级进公司，然后一步一步学走向中级，走向高级，但是AI全自动我不知道它能不能干掉中级、干掉高级，但是初级它百分百是可以干掉的，所以这条路对我来说从根儿上就无了，而且我也不存在可以转什么AI安全之类的，因为本身我学的是商科，我学的就不是网安，所以那会儿就只能转方向 转向AI产品经理（图片是当时拿那个项目跑通了多个靶场） 如果我是吹牛的，我是错的，那该多好啊，原来的路仍然可以走下去。但是从5 月底开始，我就刷到了大量的AI全自动渗透的项目，非常多非常多。从最开始我收集的时候，我只找到了 3 个，到现在已经数不清有多少个，而且每一个都很强，那这个时候就已经证明我当时的那个判断，我提前半年下决定转行的判断是正确的 第二件事儿呢，就不仅仅是我个人的判断了，因为之前了解过那个微舆项目，对这种预测未来的方式非常感兴趣。所以说在 4 月份的时候，我拿纯opus模型，20 个Agent跑了 10 轮，得到了很多结果。这里就只说这个报告里两个最重要的结果： 第一个是 26 年下半年到 27 年上半年，全球会迎来一个很大的失业潮 第二个呢 则是也是这个时间段 AI泡沫会爆掉 当然，我不是说AI无用、AI泡沫论，而是指当前的资本投入已经大于当前AI在这个阶段能够承受的极限。投入产出比极度的不平衡带来的AI泡沫，作为最早一批就开始深度用AI的用户，到现在为止到被迫换方向，把原来的红队从未来的职业方向换为个人兴趣爱好的，我从来不认为AI是一个什么空中楼阁的泡沫，但是站在经济学的角度讲，它的投入产出比现在已经不平衡到了极点 然后我那会儿也不知道这些东西是否真的会发生，但是这两天美股的震荡，这个下跌，我看很多人从股市那些角度去分析，说只是什么临时的震荡之类的，但是这个和我当时在报告里看到的东西有重叠呀，这只是开始，然后它应该会短暂地再拉升再下跌，整体的趋势就是从这个趋势开始的，但是它不会一跌直接跌炸，它一定会再拉，然后就这样子拉扯，但是我毕竟没有实盘去炒股，这种东西也不构成投资建议，我只是说一说我现在发现的和我心里的感受 关于这些东西呢，我给家里人发的时候，家里人什么态度呢？各位佬看图片也就能够明白什么意思了，毕竟，我家的企业这几年本身效益也不太好。然后，我唯一能做的就是尽量让家里的钱不要投资，不要买股票，全部换成现金流存在手里 半夜睡不着呢，就是因为有一种非常莫名其妙的无力感，提前半年个人预测，原本的那个职业路线从初级往上走，这条路线走不通了，初级一定会被替代掉。然后隔了半年发现真的把初级替代掉了。然后之前这种多Agent的预测未来里面的两大内容。失业这个我记得哪个报告写的就是美国那边30%~40% 的程序员已经失业了。报告名字我不记得，但是我记得我看过这个还有AI泡沫这个现在的股市呢，又和当时最终的报告重叠 好像什么都提前看到了，但是没有用，什么都做不了。当然也没完全放弃。转AI产品经理之后，我就想做AI全自动开发，结果呢，从 1 月份做到 5 月份，一直都没发布，总觉得不完美，5 月初终于确定如何接着去做，但是放假了，回国休息了，只能 6 月份去了再做，但感觉用处不大，无非就是一个AI全自动开发的项目，大公司也都在做 比如trae的solo 2.0，智谱的Z code，比较简单一点的就是百度的秒哒，不管那么多了，都已经做这么久了。6 月份赶快做完发吧，半夜睡不着，瞎叨叨这么一大堆，当树洞了，随便聊聊 各位佬 就当看个故事就行 12 个帖子 - 10 位参与者 阅读完整话题
家庭网络分享：R1 NAS 跑飞牛 + OpenWrt 虚拟机拨号，锐捷 AC + 7 AP 全屋覆盖，想听听大家怎么优化 最近把家里的网络折腾到一个自己比较满意的状态，发出来和大家交流一下，也想顺便听听有没有更合理的优化思路。 这套方案的核心是： 海康威视 R1 NAS 做核心承载 飞牛 OS 做底层 OpenWrt 以虚拟机方式运行，负责 PPPoE 拨号和网络功能 无线部分用 锐捷 AC + 7 个 AP 做全屋覆盖 NAS 同时跑下载、影视、Home Assistant 等家庭服务 这篇一半是分享现状，一半是想听建议。 目前能用、也比较顺手，但我还是有几个点没想透，尤其是： NAS 跑 OpenWrt 虚拟机拨号 这个拓扑是否合理 四室两卫两厅上 7 个 AP 会不会太密 开了 802.11k/v/r 之后，快速移动时偶尔断开重连，算不算正常 先放拓扑图 这张图是我整理出来的当前结构，基本就是家里现在的实际情况： 入户宽带桥接到光猫，光猫接 NAS，NAS 里跑飞牛 OS 和 OpenWrt 虚拟机；OpenWrt 负责拨号和网络服务，再把局域网出口交给锐捷 AC，由 AC 统一管理 7 个 AP，最后覆盖全屋终端。 基本环境 房屋情况 四室两卫两厅 宽带情况 运营商： 电信 带宽： 千兆 IPv4： 大内网，无公网ip IPv6： 可获取 光猫： 桥接模式 弱电箱里现在放的设备 光猫 NAS AC 核心设备 NAS 型号： 海康威视 R1 NAS CPU： N100 内存： 8G 网口： 2 x 2.5G 底层系统： 飞牛 OS 网口分工 一个 2.5G 网口接 光猫 一个 2.5G 网口接 锐捷 AC OpenWrt 运行方式： 飞牛 OS 内的虚拟机 用途： PPPoE 拨号 + 家庭网络核心功能 我的思路是尽量少堆设备，所以没有单独再上一台实体软路由，而是把 OpenWrt 放进 NAS 里面跑。 无线部分 设备 AC： 锐捷 EG210G-P-E-ECE940 AP： 锐捷 EAP162G-B17584 x 7 AP 分布 主卧 主卧卫生间 书房 次卧 客卧 客厅 客厅卫生间 漫游功能 已开启： 802.11k 802.11v 802.11r 实际体验 目前整体体验其实不差： 覆盖基本没有明显死角 日常上网、刷视频、普通移动都没问题 相邻房间切换时，Wi-Fi 漫游速度还可以 但如果移动得比较快，偶尔会出现 断一下再重连 这一点我不确定是正常现象，还是说明 AP 部署密度、信道、功率、或者漫游参数还有优化空间。 现在跑的服务 OpenWrt 这边 OpenClash ：全屋代理 AdBlock ：广告拦截 ddns-go ：解析 IPv6 地址 WireGuard ：外出时手机访问内网，也能顺便走家里代理 NAS 这边 mp ：下载影视资源 飞牛影视 ：家庭观影 Home Assistant ：主要用于把米家设备接进 HomeKit Hermes ：刚接触，还在学习阶段 我现在的分工思路大概是： OpenWrt 负责网络能力 NAS 负责存储、影音、下载、智能家居 虽然物理上都集中在同一台机器上。 当前运行情况 目前这套设备已经连续运行了大概 7 天+ ，暂时没有遇到明显问题。 我自己的感受是： N100 + 8G 目前还能扛住 家用场景下，这种“NAS 兼顾网络核心”的方案挺省设备 整体管理也比较统一 但也会担心职责过于集中，后面会不会埋坑 如果有需要，后面我也可以补监控截图和资源占用情况。 我觉得这套方案的优点 先说满意的地方： 设备数量控制得还可以，没有再单独多放一台软路由 OpenWrt 的功能比较完整，网络控制很顺手 IPv6 + DDNS + WireGuard 这一套用下来，外网访问内网比较方便 无线覆盖确实够强，家里基本没弱覆盖点 下载、影视、HA、代理这些都在一个体系里，管理成本比较低 我现在最纠结的几个点 1. NAS + OpenWrt 虚拟机拨号 这个拓扑，长期看合理吗？ 现在的实际情况是： NAS 既是家庭服务平台 又承载了 OpenWrt 虚拟机 网络核心和家庭服务都压在同一台机器上 这种方案我自己觉得很省事，但也担心几个问题： NAS 一重启，全家网络一起掉 虚拟化跑主路由，长期稳定性会不会不如独立设备 后续服务越来越多以后，网络和 NAS 业务会不会互相影响 如果有长期这么跑的朋友，很想听听你们的经验。 2. 四室两卫两厅放 7 个 AP ，是不是已经偏多了？ 我现在是“宁可覆盖过剩，也不想有死角”的思路，所以 AP 布得比较密。 但我也在想： 这个数量是不是已经明显超出普通家用需求 AP 太密会不会反而让漫游更复杂 是不是应该适当减少几个 AP，或者降低发射功率，让终端更容易做出稳定切换 如果大家觉得这套分布明显偏密，也欢迎直接说说你们会怎么裁。 3. 开了 802.11k/v/r 之后，快速移动时偶尔断开重连，正常吗？ 目前的体验是： 正常走动问题不大 快速变换位置时，偶尔会断一下再连 所以想请教下大家： 这在多 AP 家庭环境里算常见现象吗 更像是终端侧问题，还是网络侧还有优化空间 如果要优化，应该优先看： AP 数量 发射功率 信道规划 漫游参数 11r 兼容性 想听大家重点聊聊这些 如果大家愿意给建议，我最想听的是： 这套 NAS + OpenWrt VM + AC/AP 的整体思路是否靠谱 7 个 AP 对我这个户型来说是不是太多 漫游时偶发断开重连是否正常 如果是你们来做，会不会把 OpenWrt 从 NAS 里拆出来单独跑 如果保持现有结构，最优先值得调整的地方是什么 最后 这篇主要是分享一下自己现在的家庭网络思路，也想听听大家怎么看这种“NAS 既跑家庭服务，又顺便承载网络核心”的玩法。 我不是专业搞网络的，很多东西也是边用边学。 如果大家觉得哪里明显不合理，欢迎直接指出来。 如果有人感兴趣，后面我也可以继续补： OpenWrt 的接口和拨号配置 AC / AP 的配置细节 IPv6 / WireGuard / DDNS 的具体用法 飞牛 OS 里虚拟机和服务的资源分配情况 1 个帖子 - 1 位参与者 阅读完整话题
最近做了一个网页端的消除对战游戏（ https://cyber-pom-pom-code-conflict.vercel.app/ ） ,想分享给社区,顺便纠结一个问题: 是否值得租服务器做在线 PvP? 项目背景 游戏叫「代码冲突:Bug 碰碰消」,核心玩法是《闪之轨迹》波波碰的对战消除机制,但把主题换成了程序员日常: - 消除的是 Bug 、Feature 、Patch 、Warning 方块 - 对手从傲娇架构师到暴躁产品经理 - 技能名字全是梗:Force Push 、Firewall 、Garbage Collection 、Refactor - 关卡名字:Hello World 、Merge Conflict 、Legacy Code 、Dependency Hell 、Production Outage... - 15 个关卡,难度递进,每个关卡解锁新机制(冲突代码、栈溢出、后门植入等，平衡机制优化中) 灵感来自我之前玩轨迹的波波碰,但觉得传统奇幻题材对程序员不够亲切,就想改成赛博朋克开发工位场景，原来的下落消除也改成了下棋+三消。 技术栈 - 前端:Vue 3 + TypeScript + Vite - 状态管理:Pinia (shallowRef 响应式优化) - 网格渲染:CSS Grid + Canvas 粒子层(分离架构,60FPS 稳定) - 动画:Vue Transition + CSS Keyframe - 本地 PvP:Colyseus WebSocket 服务器 - 后端 API:Rails(用户认证、排行榜) 目前部署在 Vercel,单机版和教程关卡可以直接玩,但在线 PvP 需要单独的 Colyseus 服务器(Vercel 不支持 WebSocket 长连接)。 现状和纠结 已完成: - 单机版完整(15 关卡 + 教程 + 4 技能系统) - 本地 PvP 完整(同屏双人) - 桌面端 + 移动端适配 - 视觉反馈完整(粒子效果、屏幕震动) - 部署后端后可以分享挑战码进行异步对战 - 部署后端后进行在线 PVP 纠结点: 我犹豫要不要租服务器做在线 PvP(让两个玩家通过房间码对战)。原因是: 担心方向: 1. 这类游戏赛道窄吗?消除对战算小众吗? 2. 程序员梗会不会太硬核,非程序员完全无感? 3. 网页端 vs 手游端,哪个更值得投入? 期待: - 如果社区觉得有趣,我就租服务器加在线 PvP - 如果大家觉得没啥市场,我就专注单机版,优化关卡设计和 AI 难度曲线 试玩方式 目前 Vercel 部署版本可以体验: - 教程关卡(Hello World) - 单机版(实时模式和回合制模式) - 本地 PvP(需要两个人在同一台电脑) - 按`可以打开 debug 面板 请求反馈 想听听大家的真实意见: - 这题材有意思吗? - 做在线 PvP 是否值得投入? - 还有哪些方向值得探索?(比如改成手游、加排行榜...) 感谢社区~
大家好，我最近做了一个小工具叫 Draft ，想来 V2EX 听听大家的真实反馈。 起因 起因是我自己现在每天会混用很多 AI 工具： ChatGPT 用来深度研究， Claude 用来写代码， Gemini 分析长视频， DeepSeek 跑一些逻辑和中文内容。 问题是，用得越多，聊天记录越碎。 很多时候 AI 给过一段很有价值的回答，但几天后要么找不到，要么只能在一堆聊天历史和浏览器 Tab 里翻。直接复制粘贴也经常丢结构，比如代码块、表格、公式、引用、图片、Mermaid 图之类。 所以我做了 Draft 。它现在主要解决两个问题： 1. 把有价值的 AI 对话保存成可编辑的笔记 配合浏览器插件，可以从 ChatGPT / Claude / Gemini / DeepSeek 等平台捕获对话内容。 我比较在意的不是“把整段聊天无脑导入”，而是让用户在保存前先 review 一下，只选择真正值得留下的回答。 目前支持： 保留代码块、Markdown 表格、LaTeX 公式 尽量保留图片、引用、Mermaid 图等结构 可以选择性保存回答 可以提取点赞过的 Q&A ，生成一篇更聚焦的 Draft 笔记 2. Local-first ，不默认把私人内容放云端 Draft 本身是一个网页端 Markdown / block editor ，不需要先注册账号也可以用。 现在有两种本地保存方式： 第一种是浏览器本地存储 ，打开就能用。 第二种是 Local-folder Workspace ，基于 Chrome File System Access API ，可以直接关联一个本地文件夹。这样笔记真实存在于你自己的硬盘目录里，而不只是浏览器 IndexedDB 里的数据。 文件目前用结构化 JSON 保存，主要是为了保留 block 、媒体、结构、metadata 和分享状态。这个地方我也还在权衡：Markdown 更通用，JSON 更适合保留完整编辑器状态。 未来规划 之后我想继续做两个方向： Google Drive 备份/恢复/同步 Draft CLI ，让 AI Agent 可以直接读写本地 Draft 知识库 结语 前几天顺手发了一下 Product Hunt ，拿到了 Day Rank #11 。这次发 V2EX ，主要是想听听中文开发者和重度 AI 用户的看法。 想请教大家几个问题： 你们现在是怎么保存有价值的 AI 对话的？直接靠原平台历史记录，还是会整理到 Obsidian / Notion / Logseq / 本地 Markdown ？ 对 AI 对话保存来说，你最在意的是“完整归档”，还是“只提取有价值部分”？ Local-first + 本地文件夹这个方向，对你来说是加分项，还是会担心浏览器权限、数据丢失、不开源等问题？ 如果未来支持 CLI / Agent 读写本地知识库，你会期待它解决什么具体场景？ 产品地址： https://draft.innosage.co Product Hunt 页面： https://www.producthunt.com/products/draft-12 视频介绍： Youtube: Stop Losing Your AI Chats — Save, Organize, and Share with Draft 欢迎直接吐槽。 包括但不限于隐私、本地存储、格式选择、AI 对话保存这些点，我很想听听 V2EX 上大家更挑剔的意见。
大家好，我最近做了一个小工具叫 Draft ，想来 V2EX 听听大家的真实反馈。 起因 起因是我自己现在每天会混用很多 AI 工具： ChatGPT 用来深度研究， Claude 用来写代码， Gemini 分析长视频， DeepSeek 跑一些逻辑和中文内容。 问题是，用得越多，聊天记录越碎。 很多时候 AI 给过一段很有价值的回答，但几天后要么找不到，要么只能在一堆聊天历史和浏览器 Tab 里翻。直接复制粘贴也经常丢结构，比如代码块、表格、公式、引用、图片、Mermaid 图之类。 所以我做了 Draft 。它现在主要解决两个问题： 1. 把有价值的 AI 对话保存成可编辑的笔记 配合浏览器插件，可以从 ChatGPT / Claude / Gemini / DeepSeek 等平台捕获对话内容。 我比较在意的不是“把整段聊天无脑导入”，而是让用户在保存前先 review 一下，只选择真正值得留下的回答。 目前支持： 保留代码块、Markdown 表格、LaTeX 公式 尽量保留图片、引用、Mermaid 图等结构 可以选择性保存回答 可以提取点赞过的 Q&A ，生成一篇更聚焦的 Draft 笔记 2. Local-first ，不默认把私人内容放云端 Draft 本身是一个网页端 Markdown / block editor ，不需要先注册账号也可以用。 现在有两种本地保存方式： 第一种是浏览器本地存储 ，打开就能用。 第二种是 Local-folder Workspace ，基于 Chrome File System Access API ，可以直接关联一个本地文件夹。这样笔记真实存在于你自己的硬盘目录里，而不只是浏览器 IndexedDB 里的数据。 文件目前用结构化 JSON 保存，主要是为了保留 block 、媒体、结构、metadata 和分享状态。这个地方我也还在权衡：Markdown 更通用，JSON 更适合保留完整编辑器状态。 未来规划 之后我想继续做两个方向： Google Drive 备份/恢复/同步 Draft CLI ，让 AI Agent 可以直接读写本地 Draft 知识库 结语 前几天顺手发了一下 Product Hunt ，拿到了 Day Rank #11 。这次发 V2EX ，主要是想听听中文开发者和重度 AI 用户的看法。 想请教大家几个问题： 你们现在是怎么保存有价值的 AI 对话的？直接靠原平台历史记录，还是会整理到 Obsidian / Notion / Logseq / 本地 Markdown ？ 对 AI 对话保存来说，你最在意的是“完整归档”，还是“只提取有价值部分”？ Local-first + 本地文件夹这个方向，对你来说是加分项，还是会担心浏览器权限、数据丢失、不开源等问题？ 如果未来支持 CLI / Agent 读写本地知识库，你会期待它解决什么具体场景？ 产品地址： https://draft.innosage.co Product Hunt 页面： https://www.producthunt.com/products/draft-12 视频介绍： Youtube: Stop Losing Your AI Chats — Save, Organize, and Share with Draft 欢迎直接吐槽。 包括但不限于隐私、本地存储、格式选择、AI 对话保存这些点，我很想听听 V2EX 上大家更挑剔的意见。
大家好，我最近做了一个小工具叫 Draft ，想来 V2EX 听听大家的真实反馈。 起因 起因是我自己现在每天会混用很多 AI 工具： ChatGPT 用来深度研究， Claude 用来写代码， Gemini 分析长视频， DeepSeek 跑一些逻辑和中文内容。 问题是，用得越多，聊天记录越碎。 很多时候 AI 给过一段很有价值的回答，但几天后要么找不到，要么只能在一堆聊天历史和浏览器 Tab 里翻。直接复制粘贴也经常丢结构，比如代码块、表格、公式、引用、图片、Mermaid 图之类。 所以我做了 Draft 。它现在主要解决两个问题： 1. 把有价值的 AI 对话保存成可编辑的笔记 配合浏览器插件，可以从 ChatGPT / Claude / Gemini / DeepSeek 等平台捕获对话内容。 我比较在意的不是“把整段聊天无脑导入”，而是让用户在保存前先 review 一下，只选择真正值得留下的回答。 目前支持： 保留代码块、Markdown 表格、LaTeX 公式 尽量保留图片、引用、Mermaid 图等结构 可以选择性保存回答 可以提取点赞过的 Q&A ，生成一篇更聚焦的 Draft 笔记 2. Local-first ，不默认把私人内容放云端 Draft 本身是一个网页端 Markdown / block editor ，不需要先注册账号也可以用。 现在有两种本地保存方式： 第一种是浏览器本地存储 ，打开就能用。 第二种是 Local-folder Workspace ，基于 Chrome File System Access API ，可以直接关联一个本地文件夹。这样笔记真实存在于你自己的硬盘目录里，而不只是浏览器 IndexedDB 里的数据。 文件目前用结构化 JSON 保存，主要是为了保留 block 、媒体、结构、metadata 和分享状态。这个地方我也还在权衡：Markdown 更通用，JSON 更适合保留完整编辑器状态。 未来规划 之后我想继续做两个方向： Google Drive 备份/恢复/同步 Draft CLI ，让 AI Agent 可以直接读写本地 Draft 知识库 结语 前几天顺手发了一下 Product Hunt ，拿到了 Day Rank #11 。这次发 V2EX ，主要是想听听中文开发者和重度 AI 用户的看法。 想请教大家几个问题： 你们现在是怎么保存有价值的 AI 对话的？直接靠原平台历史记录，还是会整理到 Obsidian / Notion / Logseq / 本地 Markdown ？ 对 AI 对话保存来说，你最在意的是“完整归档”，还是“只提取有价值部分”？ Local-first + 本地文件夹这个方向，对你来说是加分项，还是会担心浏览器权限、数据丢失、不开源等问题？ 如果未来支持 CLI / Agent 读写本地知识库，你会期待它解决什么具体场景？ 产品地址： https://draft.innosage.co Product Hunt 页面： https://www.producthunt.com/products/draft-12 视频介绍： Youtube: Stop Losing Your AI Chats — Save, Organize, and Share with Draft 欢迎直接吐槽。 包括但不限于隐私、本地存储、格式选择、AI 对话保存这些点，我很想听听 V2EX 上大家更挑剔的意见。
大家好，我最近做了一个小工具叫 Draft ，想来 V2EX 听听大家的真实反馈。 起因 起因是我自己现在每天会混用很多 AI 工具： ChatGPT 用来深度研究， Claude 用来写代码， Gemini 分析长视频， DeepSeek 跑一些逻辑和中文内容。 问题是，用得越多，聊天记录越碎。 很多时候 AI 给过一段很有价值的回答，但几天后要么找不到，要么只能在一堆聊天历史和浏览器 Tab 里翻。直接复制粘贴也经常丢结构，比如代码块、表格、公式、引用、图片、Mermaid 图之类。 所以我做了 Draft 。它现在主要解决两个问题： 1. 把有价值的 AI 对话保存成可编辑的笔记 配合浏览器插件，可以从 ChatGPT / Claude / Gemini / DeepSeek 等平台捕获对话内容。 我比较在意的不是“把整段聊天无脑导入”，而是让用户在保存前先 review 一下，只选择真正值得留下的回答。 目前支持： 保留代码块、Markdown 表格、LaTeX 公式 尽量保留图片、引用、Mermaid 图等结构 可以选择性保存回答 可以提取点赞过的 Q&A ，生成一篇更聚焦的 Draft 笔记 2. Local-first ，不默认把私人内容放云端 Draft 本身是一个网页端 Markdown / block editor ，不需要先注册账号也可以用。 现在有两种本地保存方式： 第一种是浏览器本地存储 ，打开就能用。 第二种是 Local-folder Workspace ，基于 Chrome File System Access API ，可以直接关联一个本地文件夹。这样笔记真实存在于你自己的硬盘目录里，而不只是浏览器 IndexedDB 里的数据。 文件目前用结构化 JSON 保存，主要是为了保留 block 、媒体、结构、metadata 和分享状态。这个地方我也还在权衡：Markdown 更通用，JSON 更适合保留完整编辑器状态。 未来规划 之后我想继续做两个方向： Google Drive 备份/恢复/同步 Draft CLI ，让 AI Agent 可以直接读写本地 Draft 知识库 结语 前几天顺手发了一下 Product Hunt ，拿到了 Day Rank #11 。这次发 V2EX ，主要是想听听中文开发者和重度 AI 用户的看法。 想请教大家几个问题： 你们现在是怎么保存有价值的 AI 对话的？直接靠原平台历史记录，还是会整理到 Obsidian / Notion / Logseq / 本地 Markdown ？ 对 AI 对话保存来说，你最在意的是“完整归档”，还是“只提取有价值部分”？ Local-first + 本地文件夹这个方向，对你来说是加分项，还是会担心浏览器权限、数据丢失、不开源等问题？ 如果未来支持 CLI / Agent 读写本地知识库，你会期待它解决什么具体场景？ 产品地址： https://draft.innosage.co Product Hunt 页面： https://www.producthunt.com/products/draft-12 视频介绍： Youtube: Stop Losing Your AI Chats — Save, Organize, and Share with Draft 欢迎直接吐槽。 包括但不限于隐私、本地存储、格式选择、AI 对话保存这些点，我很想听听 V2EX 上大家更挑剔的意见。