huayueli_个人页

对于开发者来说，动机和自律就像是一对好搭档，很难说谁更重要呢。先说说动机吧。当开发者有强烈的内在动机时，那感觉就像是有一团火在心里烧。他们对新技术那叫一个两眼放光，主动去探索，就像探险家在未知的领域寻找宝藏一样兴奋。这种动机能让他们在遇到复杂问题的时候，不会轻易被吓退。因为他们心里有个声音在喊：“我一定要搞定这个，我想知道这背后的秘密！” 比如那些对人工智能开发充满热情的人，他们会自己找各种资料，参加各种研讨会，就为了能在这个热门领域里做出点成绩，这种由动机驱动的主动探索，真的能让他们在技术的道路上不断前进。不过呢，自律也有它的厉害之处。一个自律的开发者就像一个训练有素的士兵。他们会严格按照规范来写代码，确保代码质量。每天给自己安排好任务，就像火车按照轨道行驶一样，按时完成项目进度。就像开发一个大型软件项目，要是没有自律，很容易就会被各种琐事或者诱惑带偏。自律能让他们在日复一日的工作中保持稳定的输出，不会因为一时的懒惰或者分心而耽误了整个项目。在实际的开发过程中，动机和自律是相互影响的。有了动机，开发者可能会更愿意去培养自律的习惯，因为他们想让自己的想法更好地实现。而自律呢，又能帮助开发者在遇到困难或者热情有点消退的时候，继续坚持下去，说不定在这个过程中，动机又被重新点燃了。所以啊，真的很难抉择到底是动机重要还是自律关键呢。

AI 音色克隆技术确实挺厉害的，要说它能不能模拟人的特质呀，那答案是肯定能模拟一些的。它可以把一个人独特的语音特点都给复制出来，像说话的语调、语速这些外在的特征，甚至连带着那种情感表达好像都能模仿个七八分呢。就好比播客创作的时候，要是用了音色克隆技术，没准能让听众感觉就像是那个熟悉的主播在说话一样，特别逼真。不过这也引出了不少问题啦，像原创性方面，大家一听，哎呀，这声音咋和谁谁谁那么像呀，那到底还算不算原创内容呢，容易让人混淆。隐私保护也是个事儿呀，毕竟声音也是很私人的东西，被这么克隆来克隆去，要是没经过同意，那可就不太好了。还有声音身份认同，万一哪天分不清哪个是真人原声，哪个是克隆出来的，多麻烦呀。再说到会不会引发和播客领域的流量竞争，我觉得还真有可能呢。想象一下啊，有些创作者可能就会利用音色克隆技术，快速地制作出大量听起来很吸引人的播客内容，而且靠着模仿那些知名主播的声音来吸引粉丝，这么一来，那些老老实实靠自己真本事、原声来做播客的人，说不定流量就被分走了一部分呢。但反过来说呀，也不是所有人都认可音色克隆出来的内容呀，有些听众就喜欢那种原汁原味、带着主播真实情感和独特风格的声音，一听是克隆的，可能还就不爱听了呢。所以呢，虽然它有引发流量竞争的可能性，但也不至于完全把传统播客的流量都给抢走啦。反正这 AI 音色克隆技术呀，是把双刃剑，得好好利用，也得好好规范才行呢。

要有效地打造适合自己的 Plan B，开发者们可以从好几个方面入手呢。首先得对自己的主要工作流程和技术栈有超级清晰的了解。就像是你要去一个陌生的地方，得先知道自己现在在哪儿是一个道理。把自己的工作内容拆分成一个个小模块，分析每个模块可能会出现的问题。比如说，你在开发一个软件，那用户登录这个模块可能会遇到服务器故障、账号被盗之类的情况。针对这些可能的问题，就可以想出对应的 Plan B 啦。然后呢，要紧跟行业动态。技术这东西更新得可快了，今天流行这个框架，明天可能就有更好用的冒出来。所以得时刻关注新技术，看看哪些可以作为自己现有方案的替代。要是主方案因为技术过时而卡壳了，备用方案就能及时顶上。还有哦，多和同行交流是个宝藏方法。你觉得头疼的问题，说不定别人早就遇到过并且有很好的解决办法。参加技术论坛、行业聚会之类的活动，把别人的经验吸收过来，融入到自己的 Plan B 里。至于我嘛，工作中肯定会常备 Plan B 呀。就像走钢丝的时候，有个安全网在下面，心里才踏实呢。有一次我们团队在赶一个项目，主要的数据库方案在测试阶段出现了性能问题。还好我之前考虑过可能会有这种情况，准备了另一种数据库架构作为 Plan B，虽然不能完全无缝对接，但也让我们能快速调整方向，没有耽误项目的进度。这就像是游戏里的存档点，有了 Plan B，就多了一条 “命” 呢。

我觉得日常工作里挺常见的效率陷阱吧，就像有时候着急完成任务，代码都不咋测试就交上去了，结果后面出一堆 Bug，又得花时间返工，这其实根本没高效起来呀。还有就是老被各种消息、临时任务打断，本来正专心写代码呢，一会儿来个这个事儿一会儿来个那个事儿，思路全乱了，效率一下就降下去了。避免的话呢，我觉得写代码前先大概规划下，按步骤来，写完了多花点时间好好测试测试。然后干活的时候呀，能把手机啥的设个免打扰，集中精力先把手上重要的事儿干完再说呗

我还真试过几次，我觉得它挺有意思的，但要说它是未来还是噱头，还真有点复杂。我第一次尝试的时候，感觉挺新奇的。就像走进了一个科技感十足的茶饮小宇宙。它那种用算法来调配茶饮的方式，听起来就很高大上。比如说，它能根据你的口味偏好，或者当天的心情（当然是通过一些简单的问答来判断啦），给你整出一杯独一无二的茶。不过呢，有时候我又觉得这有点像个噱头。因为喝来喝去，其实基础的味道还是那些茶饮原料的味道。AI 好像只是在配料的比例和搭配上做文章，没有给我那种完全颠覆传统茶饮的感觉。但要是往远了想，我觉得它也有可能是未来的趋势。现在大家不都喜欢个性化嘛，AI 茶饮正好能满足这个需求。而且随着技术的发展，说不定以后它真的能创造出一些我们现在想都想不到的茶饮口味，或者在健康、营养搭配方面有更厉害的招数。反正我还挺期待它未来能给我带来新的惊喜的。

哎呀呀，我们这打工人在快节奏工作里可太需要这么个智能 AI 总结助手啦！就说每天那堆成山的数据、一本本的报告还有老长的会议记录呀，光看着都头疼，更别说从里头找关键信息了，那感觉就跟大海捞针似的，费老多时间了。可要是有了这专属的 AI 总结助手呢，那可就不一样咯！它能噌噌地就把那些关键要点给提取出来，还能整出简洁明了的摘要，瞅一眼就能明白个大概，多省心呀。而且还能按照咱自个儿的喜好来调整输出风格呢，喜欢简洁干练的就整简洁的，想详细点那就详细点儿，这多贴心呀。像我平常工作里，有时候要处理好多不同项目的文档资料，一个个去看、去总结重点，那得加班到啥时候去呀。有了这助手，我就能快速把重要的信息抓出来，然后赶紧去干正事儿，效率那不得蹭蹭往上涨嘛，说不定还能提前下班呢，嘿嘿。人力成本也能少不少呀，本来得好几个人吭哧吭哧干的活儿，现在靠它帮忙，几个人的活儿一个人就能轻松搞定啦。反正我是觉着，这 AI 总结助手简直就是咱打工人的 “神助攻” 呀，谁用谁知道好呢！

现在这 AI 视频技术可太厉害了，从能自动生成视频，到搞出深度伪造这些，那真的是把内容创作领域搅了个 “天翻地覆” 呀。以前想做个视频，又是得学剪辑，还得琢磨特效啥的，老费劲了，成本也高。可现在倒好，有了 AI，自动剪辑啦，特效也能自动生成，甚至你给段文字或者说句话，它就能给你弄出个视频来，好家伙，这门槛一下子就降得超低，感觉谁都能轻轻松松弄出个高质量的视频了呢。但这时候问题就来了呀，那真正的原创性作品会不会受影响呢？从一方面说呀，好像是挺容易让人担心的。毕竟以前大家费老多心思，靠自己的创意、自己的本事一点点磨出来的原创内容，那多独特呀，多有价值呀。现在可好，随便用用 AI 就能弄出个看着还挺不错的视频，那原创作品那种独一无二的感觉，好像就没那么突出了，就好像被这些 AI 生成的东西给 “淹没” 了似的，感觉原创性的那种独特魅力在被一点点稀释呢。不过再从另一方面想想呢，也不完全是这么回事儿呀。真正的原创性，那可是来自创作者自己内心的想法、自己独特的经历和感受呀。AI 它再厉害，也就是根据已有的一些东西去拼凑组合啥的，它可没有自己真正的感情和独特的生活感悟呀。就好比咱写作文，AI 写出来的可能文辞挺华丽，但它没有咱们自己经历了某件事儿之后那种真情实感呀。而且呀，那些有创造力的人，人家还能把 AI 当成个工具呢，用它来给自己的创意添砖加瓦，让自己原本的想法能更好地展现出来，反倒能做出更牛的原创作品呢。所以呀，我觉得虽然 AI 视频技术让这做视频变得容易了，看着好像对原创性有点冲击，但只要咱创作者自己心里头有那份对原创的坚持，有自己的想法和创造力，那真正的原创性作品还是能闪闪发光的，不会那么轻易就被影响到啦。哈哈，反正这事儿挺值得琢磨琢磨的，你们觉得呢？

我这该死的分享欲啊。给大家分享一下作为前端我使用的一些AI工具。我们最近做的需求基本就是一句话一个想法，没有PM帮忙梳理设计需求，也没有UI设计，全部靠我自己。我也干出经验来了。我会让chatgpt帮我做产品经理的工作，把我的一句话需求转化成多个页面以及完整的流程上图是gpt帮我实现的最近的一个需求。现在页面设计有了，我还需要UI设计。分享给没有UI的前端程序猿们，creatie只需要把gpt帮我设计的页面给到creatie，然后我就得到了下面的设计稿，真真的把我惊艳到了， 终于到我的本职工作了，但是手动敲代码实在是太累了。我选择cursor编辑器。把页面结构及配色等使用自然语言进行描述，然后不满意的地方可以再次调整直到满意。截图中是cursor帮我实现的table组件封装。当然我也有实现业务上的页面，代码就不截图了。编码我还会配合使用vscode插件 通义灵码 。当我在已完成的页面中添加或者修改功能，我会在相应位置写个注释，通义灵码就帮我实现了。 不得不说，这一套流程下来，效率提高了不止10倍，而且我感触最深的是，真的不需要程序猿有很高的水平了，大概懂点就能完成整套设计+开发。 希望这些工具也能帮到大家。总结一下：PM使用gpt，UI设计使用creatie，编码使用cursor编辑器+通义灵码插件。

AI 对短剧来说可真是个神奇的东西。就拿创意来说，以前我们想短剧剧情得绞尽脑汁，现在有了智能编剧辅助，就好像有个聪明的小伙伴在旁边给你出主意。比如说，我之前和朋友试着搞一个校园短剧，本来卡在剧情发展上了，用了一些简单的 AI 编剧工具，它能给出好多我们想不到的方向，像把普通的校园比赛情节和神秘的校园传说结合起来，一下就有新感觉了。从角色塑造上，AI 能让角色更个性化。我们可以根据不同的设定让 AI 给出角色特点，比如一个搞笑的配角，AI 能给出他独特的口头禅、奇怪的小动作这些细节，让角色一下就活了。像我们有次塑造一个古灵精怪的小女孩角色，AI 建议给她设计一个喜欢模仿小动物动作的特点，这个小细节让这个角色超级可爱，观众都特别喜欢。场景自动生成也很棒。以前我们设计场景得找好多资料，还得考虑成本和可实现性。有了 AI，它能快速生成各种场景，科幻的、古代的、奇幻的都有。我们做一个古代短剧片段的时候，AI 生成的一个古代夜市场景，灯火辉煌、人来人往，还有各种小摊贩，细节满满，给我们省了好多事。在发展方面，有了 AI，能大大提高短剧制作速度。以前可能几个月才能搞出一个短剧，现在时间能缩短不少。而且能尝试更多类型的短剧，满足不同观众口味。以前不敢轻易尝试的复杂题材，比如科幻悬疑类，现在可以借助 AI 实现了。这就会吸引更多观众来看短剧，让短剧市场越来越大。而且制作成本也能降一些，一些小团队也有机会做出高质量的短剧啦。

用大模型要谨慎啊。第一呢，得自己心里有谱儿。咱不能它说啥就信啥。就像我上次，想知道哪个牌子的手机性价比高，大模型给推荐了几个，可我没马上信。我去问了身边用那些手机的朋友，还去手机店实际体验了下。咱得把大模型当参考，不能全依赖它。而且咱得有那种怀疑精神，要是它说得太绝对，咱就得琢磨琢磨。再就是，用大模型的时候，要是它给的数据或者说法，咱不太懂，那就得查查别的资料。比如我有回查历史事件，大模型说了个时间和我以前在书上看的不太一样，我就去图书馆找了相关的史书核对。还有哦，要是大模型给出的信息涉及到钱啊、健康这些重要事儿，可别轻易就按它说的做。像投资理财，大模型推荐了几个产品，我就去咨询了专业的理财顾问，毕竟这事儿可不能马虎。对于大模型本身呢，相关部门得加大监管力度，让开发它的人把好关，别让那些不靠谱的信息在里面乱窜。咱用户自己也得长点心眼儿，这样才能少被虚假信息坑。

一、关于云计算的进化方向 （一）向高性能计算方向发展在科研领域，比如天文学中对星系演化的模拟、气象学里对复杂气候模型的运算，以及生物学上对蛋白质结构的精准预测等，都需要超强的计算能力。云计算未来有望进一步提升其计算性能，通过优化硬件架构，如采用更先进的芯片技术（像量子芯片若能取得突破并应用到云计算基础设施中，将带来计算能力的巨大飞跃），以及改进软件算法来实现更快速、更精准的大规模数据运算，从而更好地满足这些对计算资源要求苛刻的科研场景需求。 我自己曾经参与过一个小型的环境科学研究项目，当时需要对一片区域多年的气象、土壤、植被等数据进行综合分析，以评估生态环境的变化趋势。我们租用了云计算服务来进行数据处理，但在处理一些复杂的模型运算时，还是遇到了计算速度不够快的问题，导致整个项目周期有所延长。所以我深切感受到云计算朝着高性能计算方向进化的重要性，它能极大地推动科研项目的进展。 （二）与边缘计算深度融合随着物联网设备的大量涌现，如智能家居系统中的各种传感器、智能工厂里的众多监测设备等，产生的数据量庞大且对实时性要求很高。云计算如果能与边缘计算深度融合，在靠近数据产生源的边缘端进行初步的数据处理和分析，筛选出有价值的关键数据再上传到云端进行进一步的深度处理，这样既能减轻云端的负担，又能保证数据处理的及时性。 就拿我家里的智能家居系统来说，之前有一次智能摄像头检测到异常动静后，要等好几秒才将警报信息推送到我的手机上，后来了解到是因为所有数据都要先上传到云端处理，再反馈回来，中间传输和处理的链路较长。如果云计算和边缘计算融合得更好，这种情况就能得到改善，在本地的边缘设备上先做一些简单判断，比如确认是否真的是异常情况而不是宠物误触发等，然后再按需把重要信息传给云端做更细致的分析和记录。（三）更加注重安全与隐私保护如今数据泄露事件频发，无论是个人用户的隐私数据还是企业的商业机密，一旦在云计算环境中出现安全问题，后果不堪设想。未来云计算必然会在安全机制上不断强化，比如采用更先进的加密技术，从数据的存储、传输到使用的各个环节都进行严格加密，确保只有授权用户才能访问和使用数据。同时，会建立更完善的身份认证体系，通过多因素认证等方式准确识别用户身份。 我曾经因为担心云存储中个人照片和重要文件的安全问题，犹豫了很久才决定使用某云盘服务。在使用过程中，也会时不时关注其是否有安全漏洞的相关报道。所以我认为云计算提供商只有不断提升安全和隐私保护水平，才能让更多用户放心地将数据存储和处理交给他们。 二、关于大模型和AI应用能否成为云服务商的第二增长曲线 （一）大模型和AI应用有潜力成为增长曲线大模型如GPT系列以及国内的众多优秀大模型，展现出了强大的语言处理和智能分析能力，它们的运行需要大量的计算资源和存储资源，而云服务商恰好可以提供这些基础设施支持。云服务商可以通过为大模型的训练、推理等环节提供定制化的云计算套餐，收取相应的费用，实现新的收入增长点。 以某知名云服务商为例，在一些AI初创企业训练自己的小模型时，该云服务商为其提供了包括高性能计算集群、海量存储等在内的一整套云计算解决方案，并且根据模型训练的不同阶段灵活调整资源配置，收取了可观的费用。随着大模型和AI应用市场的不断扩大，会有更多的企业和开发者有这样的需求，所以云服务商在这个领域是有很大的盈利空间的。 （二）也面临一些挑战大模型和AI应用领域竞争激烈，不仅有众多专业的AI研发公司，还有很多科技巨头纷纷涉足。云服务商要想在这个市场中分得一杯羹，需要不断提升自己的技术服务水平，比如能够提供更高效的分布式训练环境、更精准的资源调配等，才能吸引更多客户。 大模型和AI应用的合规性问题也不容忽视。随着监管的加强，对于模型输出内容的准确性、公正性以及数据来源的合法性等都有了更高的要求。云服务商在为相关客户提供服务时，需要协助客户确保其大模型和AI应用符合各项法规要求，否则可能面临法律风险，这也增加了业务开展的难度。 我曾经所在的一个小型AI项目团队，在选择云服务商时，就会综合考虑云服务商能否提供满足我们模型训练需求的资源，以及他们在应对合规问题上的态度和能力。如果云服务商在这些方面表现不佳，我们可能就会另寻他处。所以云服务商要想让大模型和AI应用成为真正的第二增长曲线，还需要克服不少困难。

我想到现场 对于 “AI 时代下大数据技术未来路在何方？” 这个问题，我认为大数据技术在 AI 时代将朝着更加智能化、高效化和融合化的方向发展。随着 AI 大模型的兴起，大数据为其提供了海量的训练数据，而大数据技术自身也将借助 AI 实现自动化的数据处理、分析和洞察挖掘。在这个过程中，Apache Flink 有着巨大的发展潜力。从发展趋势来看，首先，在与 AI 的融合方面，Flink 可以更好地支持对实时数据的处理，以满足 AI 模型实时训练和更新的需求。例如，在智能交通、金融风控等领域，实时数据不断涌入，Flink 能够快速处理这些数据并为 AI 模型提供高质量的输入，使得模型能够及时适应新的情况做出准确决策。其次，在流批一体的发展方向上，未来企业对于数据处理的需求不再区分流式和批量，Flink 可以进一步优化流批一体的性能和易用性，降低企业数据处理架构的复杂性，提高数据处理效率。再者，随着云原生的普及，Flink 在云环境中的适配和优化将至关重要，它可以利用云的弹性资源，根据业务负载自动调整计算资源，降低企业成本。同时，对于像 Apache Paimon 和 Flink CDC 等相关优质项目的进一步发展，将完善 Flink 的生态，为数据的存储和数据变更捕获等环节提供更强大的支持，从而推动整个实时计算领域的发展。对于这次大会，我最感兴趣的专场是实时计算 Flink 场景实践专场。原因是在日常工作中，我们团队正在利用 Flink 进行实时数据处理项目。在这个过程中，我们遇到了不少挑战，比如如何在高并发的情况下保证数据处理的准确性和低延迟。通过这个专场，我希望能学习到其他企业在类似场景下的实践经验，看看他们是如何优化 Flink 配置、设计数据处理流程的。我们团队在使用 Flink 时，最大的感受就是它强大的实时处理能力。它能够让我们快速地对业务数据进行分析和反馈，比如在电商促销活动中，实时统计订单量、销售额等数据，帮助我们及时调整运营策略。但同时，我们也在不断探索如何更好地利用它的高级特性，以进一步提升我们项目的性能和功能。

我可能不会选择养AI 宠物哦。我自己本身就特别喜欢小动物，喜欢那种能实实在在摸到、感受到它们体温的感觉。AI 宠物虽然能 24 小时在线互动，可它毕竟是虚拟的呀，没有那种鲜活的生命力。之前我养过一只小猫，每天给它铲屎、喂饭虽然麻烦，但看到它在我脚边打滚、冲我喵喵叫，那种幸福感是 AI 宠物没法给的。我觉得当代年轻人就算工作压力大、社交时间有限，也可以选择养一些相对好照料的真宠物呀，比如仓鼠之类的，而不是单纯依赖 AI 宠物来满足陪伴需求。因为真正的陪伴还是需要那种有血有肉的互动，AI 宠物还是太冷冰冰了，感觉满足不了我内心深处对陪伴的渴望。

作为一个前端开发工程师，我对阿里云99元套餐的ECS服务器还是挺感兴趣的，特别是它给开发者们提供了一个非常实惠的选择。 如果我用这款ECS服务器，肯定是用来做一些开发测试环境的部署，或者搭建一些个人的小型应用。比如有时候写一个新的前端项目，后端可能就用这个ECS来跑一个Node.js服务器，或者部署个轻量的API服务啥的。 当然，前端开发里也会有一些场景需要临时搭建个Web服务来调试自己的接口和前端页面，比如我之前用过的Vue、React项目，可能会需要配合后端调试跨域问题或者接口联调，这时候这个服务器就能派上用场了。 这台小服务器也可以用来练习云端部署啊，学一下怎么搞CI/CD，甚至玩玩Docker部署，都是非常不错的体验。学习云计算、搭建个人博客或者实验一些技术栈都能搞得定。毕竟性价比这么高的配置，先玩玩再说！

这个问题真是让人感同身受。“写代码5分钟，调试2小时”简直是每个程序员的痛点，就像是吃火锅的时候突然掉了块肉在锅底，捞不上来，急得满头大汗。我来分享一下我的经验。1.学会偷懒，能复制就复制像一些变量名，函数名什么的，能复制就复制，不要对自己太自信，觉得自己手动打的一定是对的。我曾经吃过亏2.调试代码一步步来不要好高骛远，从第一步一点点往下走，往往很快能定位到问题3.善用 log日志我虽是前端，但是帮后端解决过不少问题。其实后端代码我没有他们看的明白，那我是怎么解决的呢，每次都是看日志定位到问题。4.多用调试工具不要等到bug满天飞才想起调试工具。平时就多用用，熟能生巧。就像是平时练好游泳技巧，不至于落水时手忙脚乱。5.编写单元测试这一步说起来简单做起来难，但非常有效。就像是你每天早上出门前试试钥匙在不在，免得回家时发现忘带钥匙。6.学习和分享加入社区，多和其他开发者交流，分享经验和教训。就像是遇到迷路时，多问问路人，可能比自己一个人瞎转悠快多了。

哈哈，二维码现在确实是无处不在了，感觉走到哪儿都离不开这个小方块。那么，咱们一块儿来聊聊二维码的生成和资源问题吧！ 二维码是怎么被创造出来的？ 其实，生成二维码很简单，它就是把信息编码成黑白方块的形式。具体步骤如下（特意查了一下，分享给大家）： 信息编码：首先，把你想要存储的信息进行编码。最常见的就是把文字、URL、数字等信息转换成二进制数据。数据纠错：为了防止二维码被部分遮挡或损坏，二维码里有错误纠正码（纠错等级有L、M、Q、H四种），能保证一定程度的容错能力。数据布局：把编码后的数据按照一定的规则排列成二维码矩阵。你会看到那些黑白相间的小方块，这些方块是按特定的方式排布的。生成图像：最后，把这些黑白方块转成图像，这个图像就是二维码。那么接下来，好问题，二维码会枯竭吗？ 关于二维码资源会不会枯竭的问题，其实是很有意思的。我们可以简单计算一下：从容量来看，一个标准的QR码可以存储多达4296个字母数字字符或2953个字节的二进制数据。如果使用最高级别的纠错码（H级），容量会稍微少一些，但依然很大。从组合数来看，考虑到不同的纠错级别和布局方式，二维码的组合数是非常巨大的。即便是同样的信息，因为纠错码和布局的不同，也可以生成不同的二维码。所以从技术上讲，二维码的组合空间是非常大的，远没有达到枯竭的地步。所以，未来我们还可以继续放心大胆地扫二维码啦~ 😄

从去年开始，我们就在开发一个知识库问答平台。公司相关知识资料上传到知识库之后，有问题直接提问会通过大模型向量数据库的调用，返回相关答案。这个功能创建了一个钉钉机器人，公司内部都可以使用，大大提高了工作效率。这是在钉钉上使用知识库问答机器人的记录。 现在我们有搭建一个Dify系统，创建了很多独立的应用。公司每个人都可以创建对自己有帮助的应用或者代理，工作流。大赞Dify的工作流设计，工作流中可以调用大模型，可以直接写代码逻辑，也可以进行接口调用，真的是绝绝子！我自己的话，coding会使用一些编码插件，用的最多的是通义灵码。写一行注释，回车，AI能帮我自动生成代码。代码有bug，也能一键修复。 通义灵码有多香我不说，自己去体验！

哇，AI确实卷到很多领域了。这可就有的说了~AI完全可以帮助学生填报志愿，分析数据，推荐合适的学校和专业。以前都是靠老师和家长，现在AI直接来搞定，省时省力。如果当年我填志愿有AI的帮助，现在的情况会不会不一样～ 关于医疗，我们可以在手机上直接请教AI数字医生，省去了跑医院的困扰，一些关于健康的咨询可以随时询问，真的很方便。金融领域我也听说过一些应用。利用AI进行股票交易、风险评估，不过这个效果我就不太清楚了，关于钱的事还是再观望观望。除此之外，最颠覆性的改变，我觉得就是很多人要失业了。。。程序员，设计师，数据分析师等等。未来世界只需要两种人，一种是开发AI的人，一种是把AI使用的很好的人。在我看来，这些只是冰山一角，AI的发展真是太快了。未来可能还会有更多我们现在无法想象的应用场景。AI在重塑我们的世界，魔法终究会打败魔法

至于提升还是降低，从近期来看，应该是降低了天花板，毕竟AI的出现能很大程度上帮我们提高工作效率。平时不会的知识点，有了AI的加持，需求实现不再困难。原本不同level的程序员，现在实现一个需求用时可以说很接近了，所以短期来说，是降低了天花板。 但是长期来看的话，AI程序员的出现以及广泛使用，可以完全替代初级工程师。越简单的工作越容易被替代。所以身为程序员，还是借助AI，强大自身能力，让自己变得不可替代，打破职场天花板，未来才有站脚之地。 希望每个人都能打破天花板

当一款图像生成应用成功出圈后，想要保持大家的关注并持续发展，得费点心思。首先，得时刻关注最新技术，不停地改进算法，让生成的图像更真实、更有趣。其次，咱们得让用户觉得自己能参与进来，比如可以让他们调整一些参数，或者选择自己喜欢的风格。再者，得搞好社交互动，让用户能在应用里分享自己的创作，和其他用户互动。当然，还得确保应用在各种设备上都能好好跑，这样才能吸引更多的用户。另外，得想想怎么宣传自己，建立个独特的品牌形象，做些线上线下的活动，让更多人知道咱们的应用。最重要的，得保护好用户的隐私和数据安全，这样才能让他们放心用我们的应用。总之，得从技术、用户体验、社交互动、宣传推广、以及用户隐私安全等方面多下功夫，才能让我们的图像生成应用长久发展下去。