@Gilfoyle26 #78 鹅厂是要的做是 wegame ，只不过借用下 switch 的用户群，估计是发现机能和用户群都不满意，现在放弃了。最近刚放出消息，他们找 intel 开发自己的掌机去了。

@zjiajun #24
我把我这的整理了一下。有启发的话，就用吧，如果感觉太乱了，就打搅。
本来还想分下类的，结果看见 30+的隐藏目录，我已经无力吐槽了。

1. .AzureToolsForIntelliJ：Azure 插件为 IntelliJ IDEA 生成的配置目录，用于存储连接 Azure 的配置信息。
2. .android Android 开发工具的配置目录（如 Android Studio ），存储模拟器和 SDK 配置信息。
3. .cargo Rust 编程语言的包管理器 cargo 的配置和缓存目录。
4. .conda：Conda 虚拟环境管理工具的配置目录，存储环境和包管理信息。
5. .docker：Docker 的配置目录，存储 Docker CLI 的设置和缓存。
6. .gitconfig：Git 的全局配置文件，包含用户的 Git 设置（如用户名、邮箱等）。
7. .ipython：IPython 的配置目录，用于存储交互式 Python 的历史记录和配置。
8. .keras：深度学习框架 Keras 的配置目录，存储模型和预训练权重缓存。
9. .m2：Maven （ Java 构建工具）的配置和本地仓库目录。
10. .matplotlib：Python 数据可视化库 Matplotlib 的配置目录，存储字体缓存和样式。
11. .mysql_history：MySQL 客户端的命令历史记录文件。
12. .node_repl_history：Node.js REPL （交互式命令行环境）的历史记录。
13. .npm：Node.js 包管理器 npm 的全局缓存目录。
14. .pgadmin：数据库管理工具 PgAdmin 的配置目录。
15. .python_history：Python 交互式命令行的历史记录。
16. .rustup：Rust 编程语言的版本管理工具 Rustup 的配置目录。
17. .swiftpm：Swift Package Manager 的配置目录。
18. .yarnrc：Yarn （ JavaScript 包管理工具）的配置文件。
19. .vscode：Visual Studio Code 的用户配置和扩展缓存目录。
20. .lemminx：XML 语言服务器的配置目录。
21. .redhat：Red Hat 工具（如 Red Hat Language Server ）的配置目录。
22. .visualdl：VisualDL 的配置文件，用于深度学习可视化。
23. .equo：一些 Equo 相关工具的配置目录。
24. .labelImgSettings.pkl：LabelImg 图像标注工具的设置文件。
25. .labelmerc：LabelMe 图像标注工具的配置目录。
26. .ollama：Ollama 相关工具的配置文件。
27. .modelscope：ModelScope 模型管理工具的配置目录。
28. .hawtjni：HawtJNI 是 Java Native Interface 的工具库，其配置目录。

@mMartin #1 @ericshen #18 只知道 conda 可以管理 py ，maven 和 node 也行吗?


@conn457567 #16
@liununu #17
@zieglar #19 貌似 mise 是我说的意思。

我就希望所有包或者依赖都在一个目录里，比如～/mise/install/ 下边它们想几个文件夹都无所谓。我～/ 下，现在光 带 “ . ” 的文件夹都一屏了，看着都头大。新电脑应该就有 sh 、Downloads 、Documents 等十几个的。等换电脑的时候试试 mise ，然后给老电脑彻底格了。

@lasse #18 看来咱俩需求差不多。看测评，本地 LLM 最多吃到 64G ，再往的非量化和 7B 微调，基本就是能加载加载项目，跑不动的状态。128G 属于彻底没用。
但是吧，现在都是 api+工作流的用，本来也不用本地跑，再加上有 autoDL ，一天几十块钱。本地最多自己试试 MXL 能不能用。所以比较纠结要不要 Max ，如果 Max 刷网页比 pro 续航少得多的话。

刚问了 gpt 两个问题
1 、768 个 1 加 768 个 1 （ 1111....1 + 11....111=?）。
gpt 的回答是 768 个 2.
点开计算过程，生成了段 python
# Calculating the sum of two large numbers
num1 = int("1" * 768) # 768 digits of 1
num2 = int("1" * 768) # 768 digits of 1

result = num1 + num2
result

2 、如果直接问 11+11 就是直接给的 22.
说明 gpt 的代码做了分支，如果简单计算，用的是 LLM ，直接“transformer”答案了；如果计算比较复杂，会用二次 prompt 调计算引擎。按理说 transformer 算概率的话，没办法这么精准的算上百个数字的。但是它现在学会“作弊”了，我生成不了你，我会写代码啊，哈哈哈。如果说 transformer 是黑盒，智能不智能得解释不清楚，这都出来 python 代码了，这就不能是 AI 了吧。

现在生产上的定制大模型，都是用通用接口加海量 prompt ，通用模型只是做个语意检索用的，返回答案都是通过检索到的模版回答的。比如让 agent 给写个工作汇报，公司模版库里有汇报模版，模版会细到指导通用模型写 hmtl ，然后再调通用模型，出来的工作汇报是整篇有图表的文档。现在的 gpt 也，提问个复杂问题，看回答过程，有好几部推理。这里边编写 prompt ，做工作流的工作，都不应该算 LLM 的能力了。

所以，一个堆砌了量工作流的提示词的系统，有智力？它能不能自己写提示词呢？

貌似都是 4 颗 128 位的颗粒，就是容量不一样，那功耗应该没什么区别。
就是想问下 OP 买 64 的需求？
我也挺在乎续航的。平时白天都不插电用。就偶尔重活，中午吃饭充下电。貌似大多情况 m4pro 就够用，续航还长。所以在纠结要不要那个 64G 买来看画，反正现在炼丹已经租显卡了。

@LxExExl OP 是自由行吗？
广州 - 深圳 （没去过，嗯，去找同学体验一下大厂打工人的日常）- 潮州 - 厦门 - 泉州。7 天自由行，怪赶的，毕竟要自己倒车。

还有现在境内还去台湾自由行的路子吗？个签都不给办了。

以前的项目业务逻辑都在 oracle 里，一个 sql 都大几十行起，我们都是 jdbc select sql_content from sql_config where sql_id = #{sql_id}. 业务维护基本不用动代码，直接在库里更新 sql 就行。

请问 OP 是法律专业吗？搭车问个商务合同的问题。商务合同如何从操作层面确定责任主体，和规避无限责任。不结合业务的样式合同肯定不行，一句风险共担，操作方就可以把投资方变成提款机。

1000 价位的，休闲可以看看 Jeep 、Timberland ，商务点的推荐 hush puppies 。2000 价位可以看看拉夫劳伦了。外套我都是爱高和 Lafuma 。

因为欧洲人棱角分明，比较上相。典型东方人面部过度自然，上相的话就得上浓妆或者夸张的表情。如果东方人自然了，就是周冬雨。求粉丝勿拍，哈哈哈。

@BillTin #3 一楼意思是让你学会甩锅。比如你开发要个 Jenkins 环境，现在的开发环境没有，找 it 或者运维，你的给我搞定，你搞定不了，我干不了活，版本就得延期。我们以前，数据割接，库不让直连，4a 导出有大小限制，还主管审批。别的部吗催，我就说主管出差了，下载没人批。对方一点脾气没有。大家都知道怎么自己把文件搞下来。但是没主管审批流程，我就算把文件搞下来，他也不敢用，安全审计来了，我俩都得走人。

@thtznet #58 谢谢啊
这个帖子点进来给我看懵了，以为我到外星球了。直到看到你这层，才知道自己还在地球。

看了半天，没搞明白大家在说什么？现代很多语言都是纯面向对象的啊，搞不明白怎么还出来个面向过程。举例说，python 。python 里所有的变量都是对象啊，就算是“a = 5”这种 int 类型，翻译成 java 或者 c++，就是 int a = new int ； a=5. 面向过程或者半面向对象的语言，int 这种基本数据类型不会使用内存指针，是直接开辟内存地址，后续是内存值操作。纯面向对象的，哪怕是基本数据类型，也是先创建指针，指针指向 int 内存，之后都是指针传递。只不过现在很多语言，编译器或者解释器把指针隐藏了，不开放给开发者使用。还有 map 的各种操作，map.set 、map.get ，这个“ . ”点出来的，不都是类方法吗？
看还有吐槽继承的。顺便吐槽一下 spring 的实现类，极大多少情况，一个接口对应一个实现类，的确违背接口设计的初衷了。接口类是为了多态服务的。比如 list 接口的各种实行，数组列表、链表、双端链表，它们都是 list 的实现类，list 在用的时候接可以灵活使用各种实现类的功能，扩展实现的时候直接加实现类就行，不用动 list 和所有已有的对 list 的使用。

就是说下我对这个话题的理解。如果我理解的和大家讨论的不是一回事。请无视。

都用过 iMac 5K 了，而且还要摄像头和音响，就买苹果官方的 studio display 吧。万元内，如果要品质，至今没找到对手。我用 iMac 和 LG 5k ，studio display 和三星 s9 对比过，放一起，色彩均匀度肉眼可见的差距。更别说摄像头和音响了，专门做显示器的公司都不做这两个东西。

@MackMa #8 貌似是行的 85 折。这个就算了。


@MacsedProtoss #9 现在也是担心以后，今天锁一点，明天锁一点。iphone 都快给锁成两个机型了。电脑这用好几年的。谁知道以后怎么样。

说下我的体验。
的确能提高效率，但这个效率仅仅是语法上的。比如我不会 python ，不会 pandas 、numpy 、opencv ，今年用 gpt 写了好几个 cv 工具。那些库从头学怎么也得个把月吧。现在就是，我有个 es 地址 xxx ，里边有 xxx ，你给我分批拿出来，放 xxx 里；有张照片 xx ，帮我根据 xxx 切割图片，放 xx 里，根据 xxx 规则排序，掉 xxapi 。

但是，当我以为我不用再写 crud 的时候，就让它填个 map 的活儿，得把实体类给它，得告诉它每个字段什么意思，得告诉它怎么拼 string ，还得给我写个 feign 。算了，我自己来吧。

仔细想想，这些活它也不是干不了，如果在一个很规范的开发团队里，需求转详细设计，实现过程文档很具体，接口字段，类的定义都有的话，gpt 应该可以自己干活的。我一直想自己重构个项目，用软件工程的流程试试，能不能全自动化，不知道能不能实现。如果可以，大厂在工作流程屡顺的情况下，麻烦的应该是外包公司。大厂把相设都做好了，连人都不要了，还要 OD 吗？找个外包公司帮我 review 代码，然后把我的工作流程学走，和我抢市场？

手工不手工，取决于你现在系统稳定不稳定。
我下次肯定手工，各种数据库和一堆开源项目，都删不干净，以后准备都上 docker ，不装本机了。

@MackMa #1 求带路，美区 85 折，可比教育版强。