#ai对比 上次我问

>我有图片想上传到Colab，想在每周日晚8点(UTC+8) 调用 tg API(requests) 的 sendPhoto ，到时自发(非阻塞)，写个调用模板 
带界面，可以多次执行，自动在8:00发，不阻塞。加个topic id 

它写了快一百行，把我给吓到了，其实我只是调用一下curl sendPhoto，突然多出来许多if，好像我把这个简单的功能做成独立App了一样 😅

我之前问的再碎片一点，就是瞎问，需求不合就暴力追问
代码直接1.5x膨胀，比那个垃圾还垃圾，功能都不完备，if/class/async 写一大堆。（多选文件只发首图，bug看不出来..）
😅

我的体系里物理是优先的，所以 d,m,f 都是代数语义（距离 shape 函数）
kv, ki[i+0], ks[k+""] 是字典， u (you) 是对象和data，ro, roImg, rwImg 是路径 ，x是不可分对象

e:Element ，ev:Event，错误应该是ex才对
你还是没学到网上没有的东西（asyncio不能简称为ai， ai.create_task 成什么了）

t:Token, x:Canvas ，同理。 t in 0~1, (x,y) 是合理的，类型不符合不是
另一方面，函数名是文档，变量名不是。 变量名是冗余，导致复用低下

> 为什么新手（或者“吃不饱”的人）不敢用单字符？因为他们 “Context 贫穷”。
只有“富人”才敢用 i： 你的脑子里已经构建了极其宏大的全景图（Context），i 在你的坐标系里就是那个唯一的游标。你不需要变量名来提醒你，就像家里有矿的人不需要把存折挂在胸口。

如果自己没知识管理，可能 garbage in, garbage out
这里只是偏好问题（单字符变量能不能语义准确），对长期人机协作还是很重要的

就像奢侈品的购买逻辑： 如果你连吃饱都肉痛，法餐和牛就更吃不鸟了。 （or 吃“合”牛）
显然，吃饱了就不会饿，但你的语言就会贫瘠。 这就是为何要学习品味，而不是学知识🤪

作为创作和生产者，我一直花时间让自己“吃得惯和牛”，而不是擅长于“合牛”。 每个人的时间都是24h，为啥没上过清华的Bellard 能写出QEMU

我的 24 小时没有任何一秒钟浪费在“阅读糟糕的文档”或“调试胶水的粘性”上。 考我？ 你的代码配吗，架构师们。

以后的编程门槛可能就像“炒菜要先放油”一样，变成工作流、范式、圈层和信息聚合力上的差异了，而不是什么默写算法、刷题、独立开发app，乃至于“分数和学习能力”这样的玄学量化。

在 AI 之前，一个大佬写一个“模拟重力的 Canvas 粒子效果”，价值在于：数学天赋、API门槛、时间成本，是手工艺时代的奢侈品。

以前的“神作”，现在祛魅为了“基建”。“玩具”缺乏系统性，“鬼工球”的塑料模具版反而显得现实。

没错，普通dev用Claude Agents小分队写的"CCC"跑Linux/SQLite比GCC -O0 也慢2倍，-O2 更是慢>7倍，但它确实稳定通用了。 Claude的“山寨WebKit”虽然慢10倍但也是AIGC了。

但别忘了，第一版的 C, HTML/DOM/CSS 是怎么缓慢的开创和增改的——这才是真正的软件工程师😒

#vibe 今日挑战：牛顿分形 (Newton Fractals)
lines 266, 3hrs (重构前317行), 包含 8 种目标函数选择和 5 种配色算法选择 😝
https://codepen.io/duangsuz/full/MYezJVP

分形包含混沌边缘，展现出无限精细的朱利亚集（Julia Set）结构，像素级并行计算。

使用 lil-gui 极大提升交互体验，hammer.js 能完美支持触控和鼠标拖拽，而利用 #define 宏或字符串注入来处理 GLSL 公式，能让代码结构更清晰。👍
#math http://www.shuxueji.com/w/48457
https://paulbourke.net/fractals/ 分形 world!

从 CPU Canvas2D 逐像素计算迁移至 GPU SwissGL (基于 WebGL 2.0)，性能提升数百倍，支持实时 60fps 渲染。
https://google.github.io/swissgl/#Springs

实现了复数运算库（包括复数乘法、除法、正弦、双曲余弦等），包含js平滑的鼠标拖拽（Pan）和滚轮缩放（Zoom）。

牛顿迭代公式：代码中的 iter 循环执行复数操作。div 函数处理复数除法，F.f 和 F.df 分别计算函数值和导数值。迭代 zn+1​=zn​−f(zn​)/f′(zn​) 寻找函数收敛域

HSV 平滑着色逻辑：可视化方程 p(z)=0 的根。Hue (色相) 取决于根的相位（角度），Value/亮度取决于收敛速度（迭代次数），不仅区分了不同的根的区域颜色，还能看到平滑的边缘细节。

使用了 Inigo Quilez 的经典 Cosine Gradient 算法，并调整了参数，让颜色过渡更加细腻（更有“梯度感”）。👍

已加入 https://duangsuse.github.io/NebulaRemix #疯狂星期二 套餐
发誓11点后再不熬夜 #vibez.. 😅

#sb 😓 从yihong那刷到个滞涨网红程序员，欢乐多 https://t.me/dsuse/21756

>读着读着，突然想到了 3 年前的这篇： https://www.kivinsae.com/2023/05/17/2023-05-17-no_sophism

#life 感恩皓叔对中文互联网，尤其是技术领域无私的分享。 先生千古
https://github.com/slan-ning/coolshell-markdown/blob/main/2022/eBPF%20介绍.md

他们作为技术KOL，自己本身不学无术，把大量精力和时间花在了社交媒体上，花在了花样繁多的新技术、新产品、新想法上。巨大的信息流涌入他们，让他们从窄而深的技术通道转向了宽但散的纷杂路口。不以为耻反以为荣，并在互联网上布道这种劳逸结合、工学一体的玩法。

但陈皓的不学无术，则是一种更常见的、更隐蔽的，但是伤害更大的不学无术。这种不学无术总结起来就是：

🤯

没有工作上的边界意识，在自己所拿薪资的岗位上，没有真正窄向、深度的钻研自己权责范围内的事情，而是用自己的阅历、见识、想法，跨越到远超自己能力上限的地方，去指点迷津、夸夸其谈，这是一种非常隐晦的、隐藏的，但大面积存在的严重职业道德缺失的行为，不仅在程序员领域，也在产品、运营领域出现。

如果真正的想实现一个想法、平台，真正的技术职业工作者，无非两种情况，1是遵循自己的Leader的想法和架构，老老实实的写代码、做模块。2个就是自己担负着研发的重担，了解并深度认真的去评估自己的技术水平，评估自己能否基于想法去实现完整的闭环，并模拟这样的过程，做好完整的计划，带领团队逐级拆解任务，做好管理，去实现这个过程。

而陈皓，就是非常典型的，不愿意做1，所以在面试和找工作的事情，都奔着2的岗位去找、去靠，但是在2的岗位上，不具备2的能力，但是既不愿意直面现实，也不和团队说真话，做真正的评估拆解，

"绑着整个团队一起走向必然的失败。这段过程，就是陈皓在阿里云的典型失败过程，也是为啥闹纠纷的主管因素。 ..... 那是因为你在阿里，吃着时代的红利，你的试错，是阿里在给你承担，而不是你在承担。"

😅就喜欢捧大厂牛马和资本家是吧..

^^ 到底什么是真正的技术工作者，没有深刻和详实的讨论和证明，是几乎不可能用所谓的两种情况来进行概括的。我们往往只能用一些普世的、共同的人类良好品质，在不同的行业和领域的从业者身上进行对照和印证。比如，

对于一个医生来说，我们可以用 对病人负责 来进行判断，对于一个教师来说，我们可以用 对学生负责 来进行判断，对于一个程序员来说，我们可以用 对用户负责 来进行判断。但是，这些判断的标准，都是基于对于 负责 这个词的共同理解的基础上的。而这个共同理解，是

需要结合时代背景，通过大量的观察事实，来进行共同的认知和建立。绝不可能通过一篇文章，或者一段文字，或者一个人的个人行为，来进行建立的。

.... 企业开出来的薪酬是基于企业在雇佣和面试过程中的人才价值判断。被雇佣者本人对于这个定价本身并不存在道德和判断的责任。因此这里事实上再一次使用了模糊化推论，强行建立了一个 高收入 和 对高收入的定价责任 的关系，然后进一步建立了 鼓捣新技术 和 企业责任 的矛盾。

"遵循自己的Leader的想法和架构，老老实实的写代码、做模块"😒😒
去你妈的「老老实实，服服贴贴」写代码、做模块，滚去和真正被 51% Leader train 出来的人机竞争吧😓 初码@chumacn 。

以上，祝大家身体健康。