部署一个 dify https://github.com/langgenius/dify,先把知识库搞起来,隐私数据就用私有化的,模型训练的话先不用想了。

@hhpd 明年 5 月没有架构，国庆回来备考的，差不多一个月

@xwayway 我 44 ，最难受

这需求就跟手机壳换 APP 颜色一样，都是伪需求

可以看看著名的 CAP 定理，分布式系统下数据的一致性、可用性和分区容忍性不可能同时满足，所以要根据具体业务来做出权衡。
互联网业务对 AP 要求较高，所以用反范式牺牲了一致性（ C ）。

穷人的父母教育读书是为了以后有个好的下限，至少温饱不愁。
富人的父母教育读书是为了以后有个好的上限，所以富人的偏向润去国外提高上限。

iOS 的 gpt 和网页的 gpt 封禁规则不一样，前段时间我的甲骨文首尔节点 iOS 端能用，网页不能用，现在是反过来了
最好是选个美国的节点，我用的免费 azure ，两个端一直都能用

案例其实还好，主要筛了一些没实际经验的，hibernate 书上原图，mycat 、缓存一致性、keepavlived 组件和 jwt 偏实践了。
今年论文比起前几年，看了新教材其实没有超纲，就是自己押错了方向，就是考的点太细了，不好好看后面 10 章还真不好过。
选择题每年都会有一些乱七八糟的题，拿高分不容易，操作系统的 pv 、前驱没考，数据库今年比往年简单多了，没考关系代数和候选码之类的。

@murmur 主要感觉这几年 flink 太火了，我记得当时用过一下 hadoop 的 MapReduce 组件的

移动端的 OC 、react native 多少年了还是 0.x 版本，现在讨论最多的也就是 flutter 了吧
后端 java 的 ssh 框架 ejb
游戏圈 cocos 框架应该没什么市场了吧
大数据 传统的 mapreduce ，hadoop 也衰落了

如果看日志的话，按 opentrace 那套标准打印 log ，elk 做采集分析就可以，我们现在采集的时候是把 k8s 的 podname 加上的
skywalking 可以定位到示例，但是我们用主要是用到指标的监控，快速定位哪个服务拖慢了速度

白嫖的 azure 免费一年的机器

手指蜕皮可以吃点维生素 B2 ，亲测有效

人都喜欢新鲜的东西，就像智能机刚出来的时候，也有流量贵、wifi 覆盖少、电池不经用等等问题，但是谁能拒绝智能机的智能和便捷呢。

这还不简单，移动权益超市买超市券，奶茶咖啡券，打车券等等

可以看下 lightllm 这个项目，部署还是比较简单，项目最后也列举了一些现有框架可以参考一下：
Faster Transformer
Text Generation Inference
vLLM
Flash Attention 1&2
OpenAI Triton

Airplay 可以，但是只支持到 1080p ，看着不舒服
我一般是用通用控制，一个浏览网页，一个写代码

刚毕业的时候，100%