Ijiran_社区达人页

目前项目中还是在使用js，全新项目是否会使用ts，这也取决于团队人员的学习成本。

单体架构更偏向于快速实现、迭代的情况，微服务则是偏向于业务之间的分离解耦。

近几年，市面上的公司基本上都适应微服务架构了吧，但是弊端就是维护成本比以往高了，需要的人自然也就多了。

可读性重要，但可读性是相对的。

对于没什么规范意识的朋友就没什么必要，设计模式、最佳实践这些都只会造成更大的困扰。

所有人都执行一个标准的情况下，可读性才能体现出意义，不然每个人的代码只能针对自己可读性高。

如果纯技术来看，无所谓国产还是非国产，都需要完善自己的生态，跟随社会技术人员普遍的技术水准来调整产品。
当然了，国产服务厂商的崛起对国内技术人员也是福音。

其实函数计算本身就是降低使用服务的门槛，而再次升级的3.0会再次降低门槛。
可能有朝一日，企业中也不会需要太多的技术专家了。

低成本 = 可复用性高。
扩展性 = 灵活性高。

当然，这两个概念也不是绝对的。

当前的人工智能技术仍然存在许多限制和挑战，要实现真正的AGI还需要解决许多问题。虽然像GPT-3、AIGC等技术可以生成高质量的自然语言文本，但它们仍然无法像人类一样具备全面的认知能力，无法综合考虑各种因素做出正确的决策。此外，AI系统还缺乏情感和直觉方面的能力，这也是实现AGI的重要组成部分。

目前的AI系统本质上是数据驱动的，依靠大量的数据进行训练和学习，但这种方法并非万能。尤其是对于需要创造性思维和灵活性的问题，数据驱动的方法可能无法胜任。因此，寻找新的算法和模型，突破当前技术的局限，是实现AGI的必要条件之一。

AIGC作为当前较为先进的技术之一，可以在一定程度上实现更加智能化的对话系统。但是要实现真正的AGI，需要更加全面、深入地理解人类认知和行为过程，探索新的算法和模型，以及开发更加复杂和强大的计算架构，这需要持续的研究和实践。

初期学习还是比较倾向于1视频，因为能直接看到结果，有一个正反馈，有助于入门。

现在我会选择2看书，因为从业时间长了，不再单纯的贪图速成，在学习的时候通常会有自己的思路，要知道自身的盲点；这个时候看书来的更会全面一些。

而且随着各项能力的提升，视频能起到的作用不大了，相反，一些公开交流会上的分享倒是有很大的启发和帮助。