染陌的 2017 年度总结

简介: 染陌的 2017 年度总结

写在前面

看到了死月doodlewind佳楠等朋友都写了关于 2017 的年度总结,总觉得自己也应该写点东西来回首过去的一年,顺便展望一下未来的 2018 年。

由于之前忙于撰写《剖析 Vue.js 内部运行机制》,一直没有抽出时间来写这篇年度总结,借着农历新年穿梭在七大姑八大姨家的喧闹中偷点时间总结一下过去的一年,农历的新年也算是个辞旧迎新的时间,希望不算太晚吧。

牛头山

时间被拉扯回 2017 年的二月份,乘着过年的闲暇跟小伙伴们一起去金华牛头山浪了一波。

毕业以后大家都在不同的地方生活工作,一年见不到几次,但是希望大家的感情就跟小时候一样好永远不变,以后每年过年都要一起出去浪一波。

你好,大搜车

浪完了就要回杭上班了,过完年经过了几个公司的面试最终确定了要接受大搜车的offer,真的很感谢芋头在面试时对我的认可。薪资方面不是当时手上offer中最高的,但是我还是义无反顾地离开了上家来到了大搜车,因为我觉得大搜车是一家技术氛围很好的公司,有利于我快速地学习成长。事实证明我当初的选择并没有错,这一年的成长速度让我感到满意,每一天都会有新的进步。

离开上家的原因其实很简单,封闭的环境没有良好的技术氛围。在开发新系统进行技术选型的时候最终选择了一款“上古框架”,在MVVM框架大行其道的今天,至少我感觉技术有些太过于过时。但是我依旧心怀感激,在那边我也学到了很多东西,认识了很多有意思的朋友。

在搜车的工作并算不上十分忙碌,在工作之余下班以后我还有很多时间可以去学习研究新技术,这也为我这一年的成长奠定了一个良好的基础。在 16 年年底 Vue2.0 发布以后我才开始接触 Vue.js,机缘巧合的是搜车的技术栈也是 Vue.js,抱着想要深入学习的心态,尝试着开始研究它的内部实现,在4月份的时候在 Github 上建立了 learnVue 项目,阅读源码并写了一系列的源码解析文章,原本作为记录个人学习的项目截止目前已经收获了 2100 个 star 了,受宠若惊。

在搜车的生活十分愉快,合适的工作量,良好的技术氛围,优秀的同事,在这里学到了很多,感谢搜车的朋友们。

上海·沪 JSConf

七月份的 JSConf,收获颇丰。跟着芋头、死月带领的搜车五人组来到了上海,上一次来上海已经是很久之前的事情了,大概要追溯到小时候因世博会去上海玩的时候了。

虽然说吃了两天的炸鸡(四顿饭加夜宵,在魔都我吃不起别的了,哭),但是这一次大会还是很有意义的。尤大、贺老等大佬都有非常不错的主题,学习到了很多,回到搜车我还把尤大的「前端工程中的编译时优化」整理了一下做了一个技术分享。

周六晚上的 after party 也非常不错,芋头跟死月两位大佬贡献了两个非常不错的 topic,萌新一边喝着啤酒一边在台下给他们拍照(抖。

杭州Node Party

借着周末的闲暇,跟几个小伙伴从余杭跑去滨江参加了一波杭州 Node Party,丁香园的环境真是非常赞。

几个 topic 都非常赞,最后闪总的话题圆桌讲知识变现,也学到了很多。

D2

有幸在年末的时候参加了一波 D2,第一次去阿里西溪园区,感觉非常高大上,虽然食堂好像并没有想象中的好吃23333333(不过好像是访客中心的食堂,是不是跟员工食堂不一样呢 -。- )。

除了听了几个非常有意思的话题,还跟在掘金上认识的小伙伴 doodlewind 以及 木羽 面了一波基。

掘金小册 —— 《剖析 Vue.js 内部运行机制》

非常有幸在掘金平台上发布了这本小册,花了两个月的时间把 Vue.js 的一些核心功能抽离成一个一个独立的代码量更小的 Demo,并完成了这本小册,希望能够帮助更多同学理解 Vue.js 内部运行机制。

这里要感谢一下阴明以及掘金的工作人员们。

小册的内容没有一本实体书那么大,但是我也确确实实花了很多精力在里面,12 月到 2 月过年前的基本所有业余时间都搭了进去。不过通过这个过程自己也进步了很多,算是首次进行成体系的技术分享的尝试,希望以后有时间并且有机会的话也能尝试一下写实体书吧。

社区

这一年在各个社区还算活跃,认识了不少同行的朋友,在他们身上学习了很多。

比如掘金作者群的 木羽相学长薛彬qiangdada等等。

比如说因写 《剖析 Vue.js 内部运行机制》而认识的黄轶老师

比如说因为“怼”而认识的 doodlewind(玩笑。

还有很多很多朋友,在这里也不一样列举了,这一年真的感谢你们,从你们身上我学到了很多东西。

关于Github,17 年的打卡记录还不错,18 年希望能给社区贡献更多的内容。

在这份榜单上排在 411 的位置,18 年也希望更上一层楼。

其他

还有一些其他的对我个人比较重要的事情。

  • 年底跟女朋友结束了四年的恋爱长跑,成功领证。
  • 在杭州买了人生的第一套房子,虽然背下了一身负债,但是算是有个盼头了。

鲁迅故居

写这篇文章的时候,我刚跟小伙伴自驾游从绍兴回来,一年前说好的以后每年出去浪一波的约定也没有失约,希望以后每年都可以这样。

你好,2018。

加油,2018。

目录
相关文章
|
6天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站,马上报名
大会以“智能跃进 创造无限”为主题,设置主会场峰会、分会场研讨会及展览区,聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
|
23天前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
27天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
18天前
|
并行计算 前端开发 物联网
全网首发!真·从0到1!万字长文带你入门Qwen2.5-Coder——介绍、体验、本地部署及简单微调
2024年11月12日,阿里云通义大模型团队正式开源通义千问代码模型全系列,包括6款Qwen2.5-Coder模型,每个规模包含Base和Instruct两个版本。其中32B尺寸的旗舰代码模型在多项基准评测中取得开源最佳成绩,成为全球最强开源代码模型,多项关键能力超越GPT-4o。Qwen2.5-Coder具备强大、多样和实用等优点,通过持续训练,结合源代码、文本代码混合数据及合成数据,显著提升了代码生成、推理和修复等核心任务的性能。此外,该模型还支持多种编程语言,并在人类偏好对齐方面表现出色。本文为周周的奇妙编程原创,阿里云社区首发,未经同意不得转载。
11700 12
|
12天前
|
人工智能 自然语言处理 前端开发
100个降噪蓝牙耳机免费领,用通义灵码从 0 开始打造一个完整APP
打开手机,录制下你完成的代码效果,发布到你的社交媒体,前 100 个@玺哥超Carry、@通义灵码的粉丝,可以免费获得一个降噪蓝牙耳机。
5325 14
|
18天前
|
人工智能 自然语言处理 前端开发
用通义灵码,从 0 开始打造一个完整APP,无需编程经验就可以完成
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。本教程完全免费,而且为大家准备了 100 个降噪蓝牙耳机,送给前 100 个完成的粉丝。获奖的方式非常简单,只要你跟着教程完成第一课的内容就能获得。
9482 14
|
1月前
|
缓存 监控 Linux
Python 实时获取Linux服务器信息
Python 实时获取Linux服务器信息
|
16天前
|
人工智能 自然语言处理 前端开发
什么?!通义千问也可以在线开发应用了?!
阿里巴巴推出的通义千问,是一个超大规模语言模型,旨在高效处理信息和生成创意内容。它不仅能在创意文案、办公助理、学习助手等领域提供丰富交互体验,还支持定制化解决方案。近日,通义千问推出代码模式,基于Qwen2.5-Coder模型,用户即使不懂编程也能用自然语言生成应用,如个人简历、2048小游戏等。该模式通过预置模板和灵活的自定义选项,极大简化了应用开发过程,助力用户快速实现创意。
|
5天前
|
机器学习/深度学习 人工智能 安全
通义千问开源的QwQ模型,一个会思考的AI,百炼邀您第一时间体验
Qwen团队推出新成员QwQ-32B-Preview,专注于增强AI推理能力。通过深入探索和试验,该模型在数学和编程领域展现了卓越的理解力,但仍在学习和完善中。目前,QwQ-32B-Preview已上线阿里云百炼平台,提供免费体验。
|
12天前
|
人工智能 C++ iOS开发
ollama + qwen2.5-coder + VS Code + Continue 实现本地AI 辅助写代码
本文介绍在Apple M4 MacOS环境下搭建Ollama和qwen2.5-coder模型的过程。首先通过官网或Brew安装Ollama,然后下载qwen2.5-coder模型,可通过终端命令`ollama run qwen2.5-coder`启动模型进行测试。最后,在VS Code中安装Continue插件,并配置qwen2.5-coder模型用于代码开发辅助。
881 5