看了上面的评论我说我的观点。
这篇文章里面有个时间尺度，接下来 10 年，因为拉长时间尺度来看的话，科技的发展是完全可以超脱我的想象力的，我无法对此做出合理的推断和假设。
所以也就讨论接来下来 10 年好了。

当前情况下的 AI 主流是多模态。多模态的模型起核心是要基于训练数据来推断上下文的概率关系，推断出最有可能出现的内容。。这一模型我认为是有很大的局限性的，也就是基于已知的内容做概率运算，模型本身的创造力是有限的。

换言之，AI 辅助变成也是对已有信息的高效整理和归纳，主力应该解决信息的收集整理，并不具备类人的逻辑能力，也就是他是没办法从语言处理变成逻辑推理。


期待模型的进一步演变。

买个 onedrive ，财务的文件都是直接挂在 onedrive 目录 里面，实时上传。

各种设计其实是一个多方取舍的过程，没有万能的设计。

这个设计我一般是在看数据重要程度的，像库存、金额，这一类的计算结果必然需要落到实体表里面，优先保证数据可回溯性，并确保数据可以被完整校验和二次核查，否则程序出 bug 的情况下，损失定位都很花时间。在这个基础上再去考虑成本和性能。

像消息已读未读这种的，优先考虑性能和成本，并不考虑其它的。

发图失败，链接在这里

https://imgur.com/a/BJtRAyo

itx 的扩展比较弱。能上 matx 就上 matx

感觉可以考虑下用模板引擎

我有一个特别不方便的做法，就是在每天凌晨我在睡觉的时间里，有几个小时是直接关机的。。通过日志，能看出来被访问的频率大幅度降低。

刚点开帖子觉得不会吧。。。后面觉得 你 TN 的真是个人才。。。贡献我早上的第一个好心情。哈哈哈

不备份，特别重要的数据在 icloud

京东回收好像就是爱回收，直接回收，然后京东上买新款的还可以抵扣下，主要是不用跟人去扯皮。。。价格会比自己去咸鱼少大几百。

你觉得学的慢，是因为学习的方向多了。各方向虽然都是 python ，侧重点上还有区别的。先选好一个方向，web 、爬虫或者什么。。然后找个实际的项目做一次就好很多。

选好方向之后再去学，这个很重要。

有个词叫做 “技术洁癖” ， 当你学习技术的时候，这玩意可以让你飞快的进步。。
当时当你去做市场的时候，这个反而会有概率拖慢你的进度，因为花了太多的时间打磨，忘记去看市场和用户反馈，也许你花了几个月解决的技术问题，压根没人用。。。

技术人员做市场的时候，一定要学会断舍离。。秉承能用的态度先上线再说。

双向选择问题。
IT 行业这些年从 C++往后，编程语言的入门门槛其实是降低了的，古早点的编程语言基本都是 C++和 C 做底层，然后屏蔽掉部分底层工作后，创造一个新的编程语言，这样可以方便开发人员关注应用本身而不再关心 C++和 C 这些技术细节。

这也就导致当你去讨论应用构建的时候，大概率不会接触到 C++和 C 这一类的开发人员。
当你去讨论语言本身的原理的时候，你大概就会遇到对 C 和 C++比较了解的人。

像游戏引擎、AI 框架这些对性能要求高，业务场景相对固定的时候，C++能达到其他编程语言无法比拟的速度，就会再次遇到 C 和 C++。

然后。。。回复里面说 C++冷门，是认真的吗？好好看看多少语言是基于 C++做的解释器或者编译器。。。

单纯用过 PG ，没做过深入的运维。
schema 和 db 相同和不同点倒是能说上几个，太深入的俺也不是很清楚。
1. pg 备份和恢复的时候是可以根据 schema 操作，也可以根据 db 操作，这个区别不大。
2. pg 的配置 pg_hba 里面可以限制 ip 和用户访问 db ，这个无法做到 schema 级别。
3. 跨 schema 查询很容易，跨 db 查询的时候需要 dblink ，需要额外的配置。
4. 不同 schema 数据文件是逻辑隔离，相同 db 的数据文件是放在一起的。 不同 db 的数据文件则可以分布在不同的硬盘上，属于物理隔离。

8700K CPU 没有大小核，加个水冷满负荷跑。可是我只有 64G 内存，看主板说明可以上到 128G ，内存频率是 2133 ，自带集成显卡，全套下来不到 2k 。

@rustnj 这个吧，刚毕业前三年的小伙子，找个大平台给简历镀个金是最好的。。找不到的情况下就学习老板是怎么做成老板的。。随时准备摆脱老板自己单干。。。反正年轻，赌得起。

看情况其实。
1. 假如工作的内容确实能增长自己技能，做的东西也觉得还不错，就先做着，然后时不时跟老板诉苦说工作强度很高，这里抽不开身，那里忙不过来，反正就是喊累，工作强度高啊之类的，让人知道你做的很辛苦，千万别蒙头干活不喊累。

2. 假如做的东西不靠谱，也没什么学习的地方，就直接骑驴找马了，有好坑位就果断走人。