不太对味_个人页

AIGC（Artificial General Intelligence Challenge）能推动人工通用智能（AGI）研究。它通过提出一系列任务和挑战，鼓励研究人员开发出在多个领域表现出广泛智能的AI系统。 尽管AIGC是推动AGI研究的一种方式，但它并不能被看作是通向AGI的唯一路径。AGI的实现是一个非常复杂和综合性的问题，需要涉及多个学科领域的研究和突破，包括机器学习、认知科学、神经科学、计算机视觉等等。 虽然AIGC可以为研究人员提供一个平台和目标，但要实现真正的AGI仍然需要大量的研究和发展。目前，科学界对于AGI的实现仍存在许多不确定性和挑战，需要继续探索和努力。 所以，可以说AIGC是AGI研究的一条重要路径之一，但并不是唯一的路径。 如果说算力足够大，数据足够多，依靠生成模型实现真正的智能，需要考虑到背景数据的真实性，当数据的量达到一定程度，肯定是会失真的，到时候以人类的角度来看，这样创造出来的AGI是否还真实呢？如果不真实，那能否给它们创造一个相对真实的世界？

1、要使AI应用开发更简单，可以考虑以下几个方面：使用成熟的AI开发框架和工具。这些框架提供了丰富的API和示例，可以更快地构建和训练AI模型。 利用云平台提供的AI服务。云平台提供了各种AI相关的环境和服务，如语音识别、图像处理等。可以直接调用这些服务而无需从头开始部署。 参考开源社区和在线教程。在开源社区中，有许多优秀的AI项目和教程，可以借鉴和学习他们的经验，加速开发过程。 2、云上AI开发有以下几个优势：弹性扩展：提供了弹性的计算和存储资源，可以根据实际需求调整规模，无需担心硬件资源的限制。 快速部署：提供便捷的部署和管理工具，可以帮助你快速将AI应用部署到云端，提高开发效率。 大规模数据处理：云平台拥有强大的数据处理能力，可以处理大规模的数据集，能更好地训练和优化AI模型。 AI服务集成：云平台提供了各种AI相关的服务，如语音识别、图像处理等，直接调用这些服务，无需从头开发，节省时间和精力。

数字人会是未来的趋势，如果想要代替真人主播，可以选用某些知名ip的代表角色，并在影响力已经很大的基础上开发数字人，这样一来，数字人不仅可以有一个较为全面的背景、性格和受众，在宣传和盈利方面也会取得较好的表现。数字人的发展前景还是较为广阔的，常用到视频、影视、游戏社交，也可以和区块链、AI等前沿技术相结合。不过现在各式各样的真人主播已经趋于饱和，目前观众对数字人的需求并不大，数字人要真正得到发展必然是得先让人们有这方面的需求，得让市场认可。未来数字人直播的发展可能会更倾向于第一人称历史重现、星际幻想和太空遨游，全世界景观游览、赛博朋克等。与此同时，要注意各项安全问题，包括但不限于法律、财产和人身安全。

1、掌握各种函数。如基础函数ROW函数（行位置）、COLUMN函数（列位置）、RANDBETWEEN函数（随机整数）、RAND函数（随机小数）、MOD函数（求余）；第八章：统计函数SUM函数（求和）、SUMIF函数（单条件求和）、SUMIFS函数（多条件求和）、AVERAGE函数（求平均）、AVERAGEIF函数（单条件求平均）、AVERAGEIFS函数（多条件求平均）；第九章：逻辑函数IF函数（条件判断）、IFS函数（多条件判断）、AND函数、OR函数；第十章：日期与时间函数YEAR函数（提取年）、MONTH函数（提取月）、DAY函数（提取天）、HOUR函数、MINUTE函数、DAY函数；第十一章：文本函数TEXT函数、LEN函数（计算字符串长度）、LEFT函数（从左提取字符串）、RIGHT函数（从右提取字符串）；第十二章：查找函数与Subtotal函数、VLOOKUP函数、MATCH函数、Find与FINDB函数、SEARCH与SEARCHB函数等。 2、精通图表，如超级表的建立和应用，簇状柱形图、堆积柱形图、折线图、条形图、组合图、迷你图，数据透视表和切片器等。通过“一列法”制作各种数据透视表，实现数据分析中的分类与统计，并通过数据透视图，可视化地进行对比，对“现状”原因和趋势进行分析，从而得出相应的决策。

1、为何各类网站都执着于结合“社交媒体算法”？因为目前看来，这样能最大程度上保持用户粘性和活跃度——人们往往倾向于观看自己感兴趣的东西。通过社交媒体算法，网站可以更好地了解用户的需求和偏好，从而提供更加符合用户兴趣的内容，增加用户忠诚度。 2、作为开发者，你对“猜你喜欢”功能持怎样的态度？作为开发者，对于“猜你喜欢”功能，我持支持的态度。这种功能可以根据用户的历史行为和兴趣，预测用户的喜好，并向其推荐相关内容。这种个性化推荐能够提高用户体验，帮助用户发现更多符合其兴趣的内容，节省用户自己寻找的时间和精力。当然，在使用这种功能时，也需要注意保护用户的隐私和数据安全。 3、你觉得推荐算法是让信息更高效还是更封闭？推荐算法可以使信息更高效。通过分析用户的兴趣和行为，推荐算法可以将用户感兴趣的内容呈现给他们，提高信息获取的效率。它可以帮助用户发现自己可能会错过的内容，扩大信息的广度和深度。然而，推荐算法也可能导致信息的封闭。当算法只根据用户的历史行为和兴趣推荐内容时，用户可能会陷入信息过滤的“舒适区”，只看到自己感兴趣的内容，而忽视其他可能有价值的信息。这可能会导致信息的局限和用户视野的狭窄。因此，在设计和使用推荐算法时，需要平衡个性化推荐和信息多样性之间的关系，以确保用户能够获取多样化的信息。

1、Node.js新版本发布，你觉得哪一性能提升最实用？Node.js主要改动有：在 Node.js 中实现了权限模型自定义 ESM loader hooks 接近稳定版同步化 import.meta.resolve()V8 引擎升级稳定版 Test Runner最新版本的 URL 解析器 Ada 2.0通过注入 Blob 来准备单个可执行文件优化 Web Crypto API更好的 TypeScript 支持官方支持 ARM64 Windows 等 个人认为权限模型最实用，这项功能可以设置文件系统访问权限和网络请求访问权限，是一项重要的安全机制，能够保证Node.js程序在运行时以合适的方式进行权限管理，从而提高程序的安全性和稳定性。 2、你觉得Node.js与JAVA相比，其优势在哪里？未来会超越JAVA吗？前端和后端都可以使用javascript，在需要时更容易迁移代码。对比Java，Node.js入门更快。但Java已经积累了大量包含可重用代码组件的库，并有庞大使用群体的支撑，Node.js很难超越它。

1、高端的程序员朴素的编程方式包括但不限于以下几点：保持简洁：注重代码的可读性和可维护性，避免逻辑过度复杂和代码冗余。代码复用：善于抽象和封装，将常用的代码块封装为函数、类或模块，以便在多个地方使用。持续学习：始终保持学习的态度，不断探索和尝试新的编程技术和工具，积累更多的知识和经验。注重细节：注重代码的细节，包括变量命名规范、代码缩进、注释等，以提高代码的可读性和可维护性。测试驱动开发：注重编写高质量的测试代码，并在开发过程中通过测试来验证代码的正确性。 2、程序员必须掌握的技术包括但不限于以下几点：编程语言：至少掌握一门编程语言，如Java、Python、C++等，并能够熟练运用其语法和常用库函数。数据结构与算法：熟悉各种常用数据结构（如数组、链表、栈、队列、树、图等）和算法（如排序、查找、动态规划等），能够灵活运用解决实际问题。数据库：了解SQL语言和关系型数据库（如MySQL、Oracle等）的基本操作和设计原则，能够进行数据的增删改查和简单的数据库优化。网络编程：理解网络协议（如TCP/IP、HTTP等）和常用的网络编程库（如Socket等），能够进行网络通信和开发简单的网络应用。前端开发：掌握HTML、CSS和JavaScript等前端开发技术，能够实现页面布局和交互效果，了解前端框架（如React、Vue等）更佳。后端开发：了解常用的服务器端开发框架（如Spring等），能够实现业务逻辑的处理和数据库交互。软件工程：掌握软件开发的基本流程和常用的开发工具（如版本控制工具、项目管理工具等），能够进行团队协作和项目管理。安全与性能优化：了解常见的安全漏洞和攻击手段，能够进行简单的安全防护措施，同时了解性能优化的基本原则和方法，能够提高程序的执行效率和响应速度。

可以说大模型是自然语言工程领域的银弹，但范围一旦扩大，比如软件工程范畴，大模型就很难成为银弹，因为其目前的适用范围毕竟有限，一些比较基础的程序根本用不上大模型，一旦使用不当反而可能会浪费大量资源。 大模型拥有十分强大的功能，它可以提供预训练方案，提高了深度学习模型的通用性。不仅如此，大模型的自监督学习方法大大减少数据标注，极大降低开发使用成本。 因此大模型被广泛应用于机器翻译、自动问答、语音识别、智能客服、信息检索、金融投顾、风险管理、低代码开发、AI绘画、文本审核、文档识别等领域。

首先需要说的一点，龙蜥社区是一个 优秀 的社区。不管是从开源操作系统Anolis OS、社区维护、centos迁移方案，到开发者支持、免费体验和任务发布等功能，都是比较完善的，并且提供商业版，对公司、职场人士和学生来说都是一个比较合适的选择。 龙蜥社区近期正式推出 Anolis OS 23，新增对 AI 的全面支持，根据其说明文档，该系统提供 rpm 格式的 AI 组件，支持用户使用 yum install 安装 AI 相关组件；提供 tensorflow2，支持深度学习框架能力；提供 pytorch，支持神经网络框架能力。这些功能对需要使用到AI的用户十分友好，功能 确实是 强大，可以免去用户搭建环境消耗的时间。 Anolis OS 23 是 OpenAnolis 基于操作系统分层分类理论，全面支持智算 的 首款 国产操作系统。这个“分层分类理论”理解起来非常容易，意思就是给你提供一个已经拥有某个领域功能的系统，就像超市里分零食区、生活区、冷冻区一样。这样一来的缺点就是可定制性较差，而与之对应的优点就是开箱即用。但总体来说是瑕不掩瑜，毕竟这样肯定会方便很多。 CentOS 停服事件我觉得让国内系统有了 崛起 的机会，他们应该把握住这次机会，让用户慢慢回归国内系统，了解到事实上国内系统也是做得很好的，甚至比国外系统更加便利，我们应该对此充满 信心。 对于国产操作系统的性能，最首要的就是安全，因为没有人希望数据泄露；其次是体验感，不是说要求做得多顶尖，而是至少要让使用者用起来很流畅，没有一些捆绑的东西；然后还有稳定性强、易上手、易维护、兼容性好、性能高、成本低等，这些其实都是比较基本的要求，因为用户在这些方面体验不好，那肯定是要对这个系统进行斟酌是否继续使用。 除此之外，系统附带的功能就是加分项，就比如支持智算、支持监控。 最后希望国产操作系统越来越好。

现想的打油诗，如有雷同纯属巧合。桌前电脑光，疑是淡银霜。举头望电脑，低头眼睛伤。 开发人员多多少少都会接触到运维，但开发和运维在职能上实际有本质的区别。运维工程师负责服务的稳定性，确保服务可以不间断地为用户提供服务。所以运维工程师要对公司硬件和软件进行维护。 就比如阿里系的购物系统，7x24的肯定是运维人员，而不是开发人员。运维需要掌握的东西覆盖面很广，需要掌握的技术要求没有开发高，总体来说还是比较辛苦，所以引入智能运维还是很有需要的。 AIOps主要是基于机器学习，这里不多阐述原理，但说一点可以值得关注的问题——适用性。不同的平台肯定有不同运维标准，在实现通用AIOps后，还可以对这一方面进行细化，从而达到类似于会员的机制。 总而言之，AIOps引入肯定是有利于从业人员和相关公司的，可以使运维更加智能，并节约成本，希望AIOps能快速发展。

1、一定要有很强的编码能力才能担任架构师吗？ 从某种意义上来说是的。 架构师不同于普通工程师，他们在长期编程中已经积累了大量经验，并储备广泛的技术知识和经验，能够理解各种技术和工具的优缺点，并根据需求选择最适合的解决方案，所以架构师的编程能力一定不差。 此外，架构师还需要具备良好的沟通和领导能力，与团队成员和利益相关者进行有效的交流和协调。 2、你觉得怎样的迹象表明架构师已经PM化了？ (1) 架构师花费更多时间和精力在项目管理活动上，例如制定项目计划、跟踪进度、协调资源、管理风险等，而非技术领导。 (2) 开始承担项目管理责任，例如负责项目的整体规划、决策和结果交付，而不仅仅关注技术架构和设计方面的工作。 (3) 参与项目决策，例如预算分配、资源规划、风险管理和项目优先级等方面的决策。 (4) 与利益相关者进行沟通：架构师可能开始与利益相关者进行更频繁和更广泛的沟通，例如与客户、团队成员、高层管理人员和其他利益相关者协商和交流项目相关事宜。 (5) 主动提升项目管理技能，例如参加项目管理培训、获得项目管理认证或学习项目管理最佳实践。 3、你在工作中是否也遇到类似的情况呢？你认为有哪些好的方法可以避免呢？ (1) 明确架构师的角色和职责，强调其在技术决策、架构设计和技术领导方面的重要性，同时强调项目管理的职责应由专门的项目经理来负责。 (2) 建立一个明确的技术评估机制，以确保所有技术决策都经过充分的评估和讨论，而不是仅靠PM或者架构师。如技术评审会议、技术评估报告等。 (3) 架构师应与其他团队成员保持密切合作和沟通，包括开发人员、测试人员和项目经理等。通过团队协作和信息共享，可以确保架构师始终保持对项目的技术领导地位。 (4) 为架构师设定明确的目标和指标，使其能够更好地衡量和评估自己在架构设计和技术领导方面的贡献。这可以帮助架构师更好地专注于自己的核心职责。 总之，明确工作职责与职业规划可以有效防止架构师PM化。

你认为一款优秀的消息队列应该具备什么特质？ 吞吐量高，性能好，消息重复率低 消息延迟低，可用性高。使用分布式等结构，数据可备份，不会丢失数据 健壮、稳定、易用、跨平台、支持多种语言、文档齐全 官方一直在维护该产品，社区活跃度高 功能完备，提供快速入门，首次部署难度低 你使用过云消息队列RocketMQ吗？它让你印象最深刻的点是什么？ 消息可靠性高：经过参数优化配置，消息可以做到0丢失 采用分布式架构，扩展性好，且功能较为完善 支持10亿级别的消息堆积，不会因为堆积导致性能下降 源码是java，可以根据需求定制代码 RoketMQ在稳定性和可靠性上更值得信赖，这些业务场景在阿里双11已经经历了多次考验，具有高吞吐量、高可用性、适合大规模分布式系统应用的特点。

1.一款优秀的数据库应该具备以下特点: 可靠性：保证数据安全，防止数据丢失或损坏，并可以恢复。 可扩展性：能够处理大量数据并随时扩展，以满足不断增长的业务需求。 灵活性：可以支持多种数据类型和数据结构。 高性能：快速处理大量的数据查询和插入。 安全性：通过各种安全机制来保护数据的隐私和完整性。 易用性：简化数据管理和维护的任务，同时具备友好的界面和操作方法。 2.RDS MySQL 支持 MySQL 5.5、5.6、5.7 和 8.0 版本，拥有优良的性能和吞吐量，并且提供了容灾、备份、恢复、监控、迁移等方面的全套解决方案。 基于 Mysql，RDS MySQL 拥有更加高级的功能，可以针对情景更加灵活的运用，在价格方面也比较友好。

个人认为，代码重构适用于较大型的程序，如果代码重构所花的时间和应用的提升不成正比，那么重构就是没有必要的。 在代码十分冗余、结构混乱，可读性、可维护性、可扩展性差时，可以考虑代码重构，以此来提升性能和各方面的优越性。并且如果开发者想持续开发一个应用，那么有时候重构节约的成本往往会在后期得到大幅体现。 要写出优雅的代码，代码需要拥有较为统一的格式和命名规范，不写重复代码，合理利用检查工具来帮助识别和判断等。

感觉日常最经常使用的devops平台就能和大模型结合起来，比如将一些常不能通过测试的代码，或者常用代码组成一个代码大模型，对开发者进行提示，甚至可以告诉开发者不能通过测试或与需求不符的具体错误。 再想远一点，一些重复性或者简单代码确实可以用大模型来做。不过现在开发者们所写的代码还是基于一个整体架构之上，可能大模型完成起来还有些困难。 同理，grafana等监控仪表盘也可以接入大模型，将一些出现频率很高的问题标红，根据时序或者问题描述找到对应日志，并可以帮助人类分析代码上线的一系列问题。 除此之外，大模型用于自然语言处理也十分好，比如网购客服、平时聊天机器人、用于学习和模拟讨论等。 反正总而言之，言而总之，中长期来看，AI 必将对人类的生活带来极为深远的影响。

最想使用大数据开发治理平台 DataWorks 吸引我的点是在于： 可以快速建立数据模型，并支持逆向建模，大大提高数据分析效率 支持多种数据源，如数据库、文件存储、消息队列等，使数据管理更加便捷。可轻松完成数据同步 全链路诊断，保证数据生产的稳定性，与此同时还能预防和发现数据治理问题 保证数据安全性，防止数据泄露行为，并对高危操作进行权限审批 可以快速构建 API 和编排较为复杂的工作流 可以用于实时和离线数据处理，并对数据进行计算和分析，用于机器学习和数据挖掘也是十分不错的选择

相比于ChatGPT，GPT-4最大的改变就是拥有多模态能力，可以识图。比如你将一个网站的截图贴上去，GPT-4可以分析出该网页部分HTML代码，放上文献图片也可对其进行分析。 不仅如此，GPT-4可接受的文字输入长度大大增加，减少溢出情况，同时这也意味着它的处理能力得到提升。相比之前的模型，它的回答逻辑性更强，创造力更高，显得更加人性化。 局限就是对于一些俗语、方言或俚语，它可能并不是十分了解，在这方面还需要加强。 不得不说，大语言模型的出现确实对人类的职业带来了危机感，但更多的还是要回归到人本身，人工智能仍是辅助的工具，并且此行业的高速发展也在挑战着安全和法律问题。 题外话：开个玩笑，它暂时还不会撒谎，这有点像三体人。

沟通能力良好，能表达清楚产品的需求是什么，了解一定的开发知识，以及掌握产品整个生命周期的规划。 具有较好的文档编写能力，并通过需求文档将需求描述清晰。 能领导和引导开发小组，平衡需求，并对他们的开发结果提出一些合理的意见和看法。 进行调研，完成需求设计，对需求进行分析，具有批判思维，将一类需求整理成一个通用的模型。 做好产品规划，项目管理和业务分析，跟进整个团队的开发进度。 制定清晰的团队目标，对产品效果进行追踪。对当前市场有一个大的把控，清楚的知道公司的发展方向，把握用户的需求。

● 开源社区需要为开源软件的安全负责吗？ 需要付一定责任，比如， 建立良好的安全开发生命周期：检查最基础的语法、分支规范、风险、漏洞等。并且定期更新软件和补丁，管理项目中的依赖项。 有效识别漏洞并警告：成立专门的小组，对社区中的开源软件进行监测和修复，以防有漏洞或者极易被外部攻击，并及时对各种反馈信息进行响应。 · ● 为了开源生态能更好的发展，应该如何保证“开源可控”？ 断供风险：一些开源项目不再进行维护，但一些软件依赖于此，这时是否能保留最新开源版本，或者在此基础上进行二次开发。如果该项目具有极大的商业价值，那么社区是否可以承担维护的职责。 知识产权问题：应明晰不同开源软件的知识产权问题，不要乱用滥用，社区和项目开发人员也应该注意到这方面是否存在侵权问题。可提供法律支持。 贡献者：对于社区项目的贡献，应该尽量避免无意义的代码或文字，减少社区资源使用率和维护人员的工作量。建立完善的奖励机制，对突出项目贡献者给予适当激励。 · ● 上云能从一定程度上解决开源带来的安全性问题吗？ 在一定程度上可以改善，因为上云其实就需要身份认证，也有云防火墙，如果能进行双重身份验证或者更复杂的保护，那么是可以避免一些软件攻击的。 但这也要求云服务器商家必须要保障好云上的安全。

ModelScope 社区对 AIGC 起到了很大的推进作用。 1. 开源且易用 首先它是开源的，并且创空间里面的所有功能，都十分容易上手，非常适合所有行业的人使用。 拿 AI 作画举个例子，你只需要点进去，然后描述图像就可以了。等待片刻，将会生成你需要的图片。 虽然现在喂的图片还不够多，有些地方是失真的，但在不久的将来，这个功能肯定会更加完善。 2. 模型库丰富 模型库有多种体验模式。 快速体验：直接上手，生成图像可以在 preview 或者 jsonOutput 里面下载。 在线/本地环境使用：在线使用直接用阿里的服务器接入，可直接加载模型。本地环境需要安装相关模型库。 也可以在 github 中下载相关代码。 并设置反馈区、讨论区，功能十分完善。 3. 数据集下载 有时候身在江湖，没有数据，自己收集也比较麻烦。这时候开源社区 Modelscope 可免费下载数据集，分类多，质量高，谁看了不说好。 综上 AI 模型开源社区 Modelscope 从各方面都在推动 AIGC 的发展。既可用于日常生活，也可用于较为专业的学习和开发，为人们的生活带来了便利。 祝阿里云和 ModelScope 社区蒸蒸日上。