蓝逸网络

现在 AI Agent 和相关工具铺面而来我已经用不过来了，大家集中推荐一些优秀的工具和场景吧...

不会吧~...

最近一直在折腾各种 AI Agent ，从早期的 AutoGPT 到后来的各种网页端助手，说实话，用过了那么多的 AI 工具，其实真正有生产力的没几个尤其是前端时间被吹嘘的某 claw 。 对于这些产品，主要存在几个大问题： 隐私问题：有些敏感的系统操作和本地文件，传到云端总觉得后脑勺发凉。 营销过度：实际体验与宣传的差异过大，根本无法达到那种完全自动化的过程 “手脚”断层：大部分 AI 只能在对话框里跟我“指点江山”，一让它动动我的本地文件或者剪个视频，它就开始道歉。 响应延迟：云端转圈圈的那个 Loading 动画，真的把生产力磨没了。 直到最近刷到一个挺有意思的国产项目，叫 Avelia...

明天就是愚人节了 超级适合提离职的，老板留我就提涨薪，不留我就说是今天是愚人节开玩笑的 关注我 给你分享更多涨薪小知识🌚~...

做了个小工具站，感兴趣的朋友可以看看：turbo-quant.com 起因是看到 Google Research 三月底发了 TurboQuant 这篇论文，讲 KV cache 压缩的，3-bit 量化能省 6 倍显存。但原论文读起来比较硬核，网上的中文资料要么是机翻 要么就是把"3-bit 零损失"这个标题党复读一遍。 所以借助 AI 花了点时间整了这个站，主要几个东西： 算法拆解：PolarQuant + QJL 两阶段到底在干嘛，用人话讲清楚 显存计算器：选个模型（ Llama 3.1 、Mistral 这些），填上下文长度，直接算 KV cache 吃多少显存，对比压缩前后 Turb...

这里定义快乐是一种客观感受。感受的来源分为现在与未来。未来分为推测的未来，与想要的未来。由此划分三个区域：A1: 现在，A2: 推测的未来，A3: 想要的未来人的注意力可以在这三个区域之间切换，或者两个区域，或者总观。注意力放在哪些区域，就享受该区域带来的客观感受。很明显，快乐的最高状态是把这三个区域全部点亮。那么，这三个区域，哪个区域最容易被点亮呢？A3 最容易被点亮，想象的未来由我们自己做主。这个未来也是点亮剩下两个区域的火苗。第二个容易被点亮的区域是哪个区域呢？A2 是其次容易被点亮的区域，而并不是 A1 。纵然我们可以通过吃喝玩乐等即时满足的手段使 A1 得到暂时的快乐，但这个快乐不持...

最近把自己做的一个简历编辑器项目整理后开源了，放出来和大家分享一下。 项目地址： https://github.com/beyondlong/resume-builder 这个项目主要做的是“在线编辑简历 + 模板预览 + 导出打印”这件事，当前支持： 5 套简历模板 JSON 配置驱动编辑 中英文切换 浏览器自动保存 导出 JSON 配置 浏览器打印 PDF 这次我也顺手把项目结构做了一轮整理，当前主链已经收敛成： index.tsx -> ResumeConfigContext -> ResumeEditor 模板层也抽了共享 view model / sections / l...

一直做东西也很快，自觉工作效率一直很高。 到 AI 时代也有在努力学习，然后自然还是提速了很多，慢慢就陷入一个陷阱。 活永远也做不完，做的越快，派给你的活越多，派给别人的越少。原本要一个月做完的东西，现在让你半个月，一两个礼拜就要出。 现在还找我去上课，做导师，分享 AI 提效的经验。 猛然发现这个提效对我没有带来任何优势，只有无穷的工作量。...

买的中转套餐额度用不完，需要的兄弟速蹬 https://aiwelink.com sk-Ks6rJSRDyDUucMtiZgopRL7PoBDYfAdxPRmpkqM0j5j0m8UK...

各位 V 友， 最近在研究大模型应用（ LLM-App ）的端到端数据合规实践，顺便分析了主流 AI 助手的默认策略。以“豆包（ Doubao ）”为例，分享一个通过简单配置即可提升个人/企业数据防护能力的 Tips 。 1. 背景与合规视角： 在大模型产品中，为了持续优化模型表现，通常会引入“改进计划”。从 ISO 或安全审计的角度来看，用户应当具备“知情同意”下的自主配置权。 2. 优化配置路径： 如果你在办公、代码调试或涉及敏感文案的场景下使用，建议手动复核以下设置，以实现更高密度的隐私隔离： 入口：进入 [设置] 菜单。 个性化控制：关闭 [个性化内容推荐] ，减少基于行为数据的画像生...