LZ 得这些需求可能大厂出来得反而不可能做到。 像我们小厂出来得，其它研发都是 Java 得，基本所有东西都自己来。 产品+算法研发+MLops+办公室撕逼；
整套流程和 java 的都不通用，刚开始的时候运维经常把机器丢给我们自己去搞

感觉完全可行的； 不要从视觉方向上走，这种需要高精度的场景最好去读取原始 CAD 数据；
本质上对图像进行编码 encode 和 读取 CAD 数据难度上没差别，但是信息量更丰富，更精确

感觉不是个好方向
1. 很多服务商已经提供了金融产品的数据库，更多更全
2. 电商产品 bug 了顶多陪几单；如果你的数据错误导致用户交易亏损那是没有上限的

除非你提供了其它产品完全无法替代的功能

如果是私有场景，估计很难直接通过开源模型实现吧，最起码要自己训练或者(few shot)。 我个人觉得这个场景类似于小区的人脸识别门禁那种 pair-wise 的思路，是用两个正例对与负例组成样本对来找出相似度边界

@dz5362 赞同这位老哥的说法，这个预算可以看看 m43 画幅的机器，便宜的机身加一些二手镜头，可以入门摄影了； 不要听那些说不如手机的，m43 很容易搭配一个等效 200mm+ 的镜头，体积也不大； 这拍起来无论是质感还是视角都不是手机能比拟的

@zzNaLOGIC 仅从纯技术手段而言，可以使用向量嵌入概念。 可以把人的行动轨迹完全转化为一个人类无法读取与理解的向量，但是可以对比两个向量的相似度。理论上可以解决隐私问题，当然解决不了信任问题

如果发明人是你，离职了一样要给钱，这是专利法里规定的(最低 3000 一个)； 我就是离职后找公司拿到的

以前在金融公司上班，可以一周西装不重样； 现在回到互联网行业穿不出来了，只能放那吃灰

@sadfQED2 看来 django 默认开启了多线程； 其实 docker 里不用搞显卡驱动啥的，base 镜像直接用 torch 啥的官方 gpu 版本的镜像，后面只要把 python 的部分搞定就行了

a. 不觉得 AGI 可以通过目前的 LLM scaling up 的方式达到，但目前的方式极大的促进了 AI 的商业化，促进了 AGI 的到来；
b. 目前的这套方案规模再大，本质上还是一个自回归的模型；需要一个明确的指令然后根据上下文和已输出的部分来预测下一个 token ； 直觉上这个和人类思考的模式还是有很大不同，虽然现在有一些通过多 agent 的思维链，思维网的方式来复杂化思维过程，但感觉并不是本质上的改变

@sadfQED2 ai 模型直接 runserver 会阻塞吧，并发请求还是会有问题的；
如果这种场景最好还是用 fastapi ； 可以找个 uvicorn + fastapi + docker 的模板项目改改就行了；
当然现在这样也不是不能用

送黄金，起码还是保值的； 或者可以让对方列一个 wishlist 然后让她来抽了你满足她的愿望

执行中，真的瘦了。 主要 8 小时内吃完 3 餐真的吃不下，所以总摄入肯定有减少的。 不知道是不是心理作用，会感觉心情变差，好像头发掉的多了一些。