标题: 大众点评ai 点评有技巧吗？？
作者: #lhc
板块: #搞七捻三
编号: 932658
帖子: https://linux.do/t/topic/932658
时间: 2025-09-05 18:55:31
摘要:

ai 生成的内容一直被g

标题: 移动云盘免流 未完全免流求告知可能的原因
作者: #luoyezhidao
板块: #开发调优
编号: 932662
帖子: https://linux.do/t/topic/932662
时间: 2025-09-05 18:58:28
摘要:

使用场景：alist挂载使用移动云盘，且通过生成strm文件（直链播放）构建了emby。
使用问题：在观看视频过程中，经常遇见的两种情况，成功免流，消耗少量的通用流量（用于访问网页，回传数据等其他消耗）；
未完全成功免流，免流了一部分，但是消耗了比以往更多的通用流量。（应该可以排除其他的后台应用流量的使用情况）。
我知道我给出的信息比较少，我以为ipv6不能免流，也尝试过仅ipv4访问，似乎还是有点问题。希望有同样使用移动云盘免流的用户可以告知我你是否存在该问题。谢谢各位佬。

标题: 佬们，在哪可以学习一些大厂的前端设计思路和方案
作者: #histore
板块: #开发调优
编号: 932673
帖子: https://linux.do/t/topic/932673
时间: 2025-09-05 19:08:12
摘要:

佬们，在哪可以学习一些大厂的前端设计思路和方案

标题: 帮忙谷歌二验证，可有偿，大佬请私聊报价，感谢
作者: #docker
板块: #搞七捻三
编号: 932678
帖子: https://linux.do/t/topic/932678
时间: 2025-09-05 19:13:29
摘要:

今天最后一天了，哪个佬方便，帮忙验证下。接受有偿，感谢

标题: 做了一个网页，想在网页中调用 mcp 是不是不可行
作者: #duoer
板块: #搞七捻三
编号: 932679
帖子: https://linux.do/t/topic/932679
时间: 2025-09-05 19:13:43
摘要:

求大佬解答，求大佬解答

标题: 严肃的问一个关于女生的问题
作者: #histore
板块: #搞七捻三
编号: 932687
帖子: https://linux.do/t/topic/932687
时间: 2025-09-05 19:22:25
摘要:

女生为什么都爱穿丝袜 ？
原因是什么

标题: OpenAI 研究员发现最好的 AI 也无法解决大部分编程问题
作者: #ttbxbm
板块: #开发调优
编号: 932693
帖子: https://linux.do/t/topic/932693
时间: 2025-09-05 19:28:30
摘要:

生产力网红扎堆跃入 AI 赛道，过去说效率逆天改命，现在变成了 AI 逆天改命。但正如那句“古训”说的那样，真正能赚钱的方法是不会有人公开的。如果 AI 真的像他们说的那么强，他们可以用他们的 AI Agent 24 小时接开发外包。可以说有多强的服务器，就能有多大的收益。
所以“AI 编程有多强”、“AI 潜力有多大”，和“AI 马上取代程序员”是完全不同的话题。如果我们谈论 AI 马上取代程序员，我们就得知道程序员每天都干什么。
面试造核弹，入职读屎山。
真实的编程工作从来都不是解一道算法题，也不是在单一文件中修复语法错误，而是在混乱中创造秩序：你需要理解庞大代码库的历史包袱、协调多个模块的交互、处理用户数据中的“脏输入”，和表达能力有问题的客户和管理人员沟通，甚至要在不完善的文档和模糊的需求中摸索解决方案。这种复杂性往往没有标准答案。
那么这种能力应该怎么评估？
作为尝试，OpenAI 在他们的最新研究里提出了一个新的测评基准 SWE-Lancer。他们从真实商业项目（上市公司Expensify的开源代码库）中提取了1,488个付费开发任务，覆盖从漏洞修复到功能开发的全场景。结果显示，即便是当前最强的Claude 3.5 Sonnet模型，在需要编写代码的任务中成功率仅有26.2%——这意味着超过七成的问题，AI给出的方案无法通过真实工作场景的验收。
比如，一个价值1,000美元的“修复个人资料页与分享页头像不一致”任务，暴露了AI的典型短板。模型虽然能快速定位前端代码中的头像显示模块，却屡屡忽视三个关键点：

用户上传头像时可能触发多线程冲突
第三方分享插件会缓存旧头像
移动端和网页端的用户登录状态同步机制

这种需要跨模块追溯因果关系的能力，恰是AI的致命弱点。人类工程师会通过日志排查、断点调试逐步缩小问题范围，而AI往往止步于“找到明显错误代码”的层面。
另一个例子是复杂任务中的“拼图难题”。在价值1.6万美元的“应用内视频播放”开发任务中，成功方案需要同时修改11个文件，涉及浏览器事件循环、移动端硬件解码优化、跨平台API兼容性调整。
AI在此类任务中的失败率高达89%，最常见的错误是：

只修改了核心播放器模块，却忘记更新相关配置文件
未能处理Android端特定机型的解码延迟
忽视了用户从后台切换回应用时的播放状态恢复

这就像要求AI拼好一幅1000块的拼图，但它只会盯着其中几十块反复调整。
为什么模型会失败？
因为 AI 被设计的工作方式和真实人类的工作方式不同。
当任务描述是“用户有时无法保存修改后的邮编”（价值500美元），程序员会主动追问：

具体发生在哪些国家？
输入框是否有特殊格式限制？
错误是否与浏览器类型相关？

而AI往往直接修改邮编验证函数，结果导致加拿大用户（邮编含字母）遭遇新问题。论文数据显示，涉及“需求澄清”的任务中，AI的二次修改请求率是人类的3.2倍。
另一个问题是 AI 还没有系统级的思维。有时 AI 提交的方案虽然通过了网页端测试，却在 iOS 端因内存泄漏导致崩溃。它们擅长局部代码生成，却无法像人类一样预判“修改A模块会对B模块产生什么连锁反应”。
AI 调试能力不足。当代码运行出错时，人类会通过控制台日志、性能监控工具甚至用户反馈逐步定位问题。但AI的“调试”更像是一次次重写代码的赌博。数据显示，在需要三次以上调试的任务中（例如“企业账户导出PDF崩溃”问题），AI的成功率骤降至7%，而人类工程师仍能保持34%的通过率。
OpenAI的研究还揭示了一个更深层的结论：软件工程本质上是社会学问题。
在一个价值2.4万美元的“重构过期支付模块”任务中，AI提交的方案虽然技术可行，却因不符合团队代码规范（如变量命名风格、文档格式）而被驳回。
面对“选择iOS图片粘贴技术方案”的决策任务（价值3,200美元），AI能准确推荐“原生API+自定义剪贴板”的混合方案，却在后续沟通中无法解释“为什么这个方案比第三方库更适配现有架构”。
也就是说，真实编程不仅需要正确性，还涉及与人的协作成本、技术债务管理、长期可维护性——这些无法被简化为代码行数的维度，构成了AI难以突破的“玻璃天花板”。
《SWE-Lancer》的价值不在于证明AI的失败，而在于它用真实商业场景的数据，照亮了技术革命的现实边界。当最先进的模型在26%的任务中战胜人类时，我们看到的不是威胁，而是机遇：那些被AI攻克的26%，可能是工程师最不想处理的重复性工作；而那74%的失败案例，恰恰标定了人类创造力的不可替代性。

标题: 求助，笔记本打不开了。
作者: #Asdhsd
板块: #搞七捻三
编号: 932699
帖子: https://linux.do/t/topic/932699
时间: 2025-09-05 19:31:58
摘要:

给笔记本换完硅脂就成这样了。

标题: window11 游戏本 卡顿问题 求助
作者: #LLLike27
板块: #开发调优
编号: 932704
帖子: https://linux.do/t/topic/932704
时间: 2025-09-05 19:33:06
摘要:

有没有懂 Windows 优化或者系统调校的朋友
我用的是宏碁掠夺者游戏本，遇到一个很奇怪的问题：运行开发相关的软件（比如 VSCode、Cursor、WebStorm、Sourcetree），特别是执行 npm 的时候，会异常卡顿。但是运行其他的软件好像都不会 都挺流畅
这种卡顿不是网络的问题，而是终端运行时经常卡住，有时候又突然很顺畅，像“见鬼”一样。
我试过以下方法：

换过内存条 → 一样卡
纯净模式下运行 → 依旧卡顿
换过终端 但是好像也没多大关系
硬盘我觉得也不太可能有问题

最明显的是 Sourcetree，运行起来更慢，切换到别的项目的时候 有时甚至直接卡死。感觉可能是这些软件比较吃性能？，或者跟大小核调度有关（Windows 调度确实比较迷）我已经限制了CPU的频率了 之前会蓝屏 现在不会出现这个问题，总之就是非常不稳定。
对比下来，公司台式机（Win10）跑同样的环境就很流畅，所以我已经不确定是系统优化问题还是硬件兼容性问题了。
想问下有没有人遇到过类似的情况？或者有类似排查的经验吗？