#程序员

Github Profile 组件收集网站
https://bubble-awesome-profile.vercel.app/?gefei
​界面挺好看的，还是开源的
https://github.com/LHRUN/bubble?gefei

【亚洲保理税易融产品】业务逻辑+rp产品原型源文件

保理产品系统在现代金融领域中扮演着至关重要的角色，它为企业提供了一种灵活、高效的融资方式，同时也为金融机构带来了可观的盈利。保理产品系统不仅仅是一个简单的融资工具，更是一种金融服务体系，其运作涉及到多个环节和多方参与主体。本文...

source

直播间高光内容提效法则
https://tqdo6rbu6vt.feishu.cn/docx/VjfZdGfEKoUH2AxLzohcMMqCnkb?from=from_copylink

短视频盈亏平衡点计算器
https://y954s1arm7.feishu.cn/wiki/BT5ew5kmJixeqJk30TNcYUKenef?from=from_copylink

运营操盘sop完整版
https://y954s1arm7.feishu.cn/wiki/UebkwrRYTiWiF9kE0gdcC0TCnme?from=from_copylink

直播GMV目标计算器（点开领取表格）
https://y954s1arm7.feishu.cn/wiki/wikcneHzBcdfszTqiXIIy7QlZFe?from=from_copylink

自媒体运营秘籍

#程序员

在未来，云厂商提供解决方案，业务方自己购买机器，借助云厂商来构建专有云，或许也会成为一种趋势。

机器打包到云服务一起，就会贵的要命，但自己构建专有云，将机器费用均摊到未来几年，账单就好看多了。问题在于，只提供解决方案和软件 License，云厂商愿意这么干么？

#职场社畜日常

很多招聘方还在想梦想着招到一堆职业稳定性佳的小朋友。
恕我直言，以中国职场的pua泛滥程度，内卷程度，宫斗程度，一年半换一次工作算是很长了。如果可以待满三年，只有小部分概率是他运气好遇到了好团队好业务，更可能是他自己更会pua或者能忍罢了。

互联网大会好平淡呀，但主旋律却很浓

完蛋，我被美女包围了
这类游戏很适合用 VR 的载体来做
沉浸感更强，更适合 VR 体验

不过，有 VR 设备的人少
可能发布了效果也一般

#程序员

诚聘开源项目包装师傅，
最好能够自如出入Github小区，
最好能够寻找有潜力项目，
最好能够懂宣传推广，
最好能够开单，有提成。

#程序员

咱也是上过 GitHub Trending 的人了 😆

#程序员

作者实践下来，算上 DBA、运维等成本，价格仍然比云要低很多，一千万的云成本，最高可以节省五百万。

对于成熟的中大型公司，面向未来三到五年做预算，（部分）自建机房会是一个很大的优化点，在全面降本增效的大背景下，也是一个必然趋势吧。

https://web.okjike.com/originalPost/65517c9fde31fdaa4ec50b61

#产品知识库

和高T聊天。

忽然觉得扎克伯格敢于大力投入做ARVR被群嘲也是一种勇敢。

反观国内互联网公司的ceo，这个时候要么享乐，要么雇着一帮战略商分四处盯梢窃取信息。

和一个大厂战投的哥们聊各个条线的AI技术和产品进展，
聊到另外一个大厂的AI战略，

他说：听说他们在All in AI；
我说：是啊，不All in 这个还能All in什么呢？
他说：从我人生角度也一样……这一集你也看过我不废话了。

艹了，
这TM，
把话题又给聊沉重了……

#程序员

阿里云炸了？

#程序员

有什么礼物建议可以送程序员🧑‍💻

#产品知识库

工作快两年，在公司认识了不到30个女生，但男生的话拉两个开发群就有30个，互联网这极品的男女比

阿里云今年内的连续几次宕机，足以说明，当你进入行业决赛圈的时候，你其实不用跟第一名死磕，只用等着第一名犯错就行了

#程序员

现代软件架构的真实写照😂

#程序员

使用检索增强（Retrieval-Augmented Generation，RAG）可以缓解大模型的幻觉问题，从而避免大模型胡说八道，但传统的 RAG 存在一个很大的弊端——无论内容跟输入是否有足够的关联、对事实是否有足够的支撑，搜索模块都会不加区分地将内容召回，然后交给大模型来进行推理，这会很大程度降低大模型的多功能性，并导致生成质量不佳。

Self-RAG，https://selfrag.github.io，在一定程度上解决了这个问题。它设计了一个算法，将内容召回过程与大模型的推理过程进行了深度结合，大致思路如下：

1）设计了一些标签，包括「是否检索」（Retrieve）、「内容是否相关」（ISREL）、「内容是否支撑事实」（ISSUP）、「内容是否可用」（ISUSE）等，可以理解它们是对检索内容进行评分的工具

2）循环「推理->检索->过滤->评分」这个流程，在推理过程中，结合已有的信息和 LLM 的反馈，来判断要不要继续检索，过程中会获得足够多的包含了评分的内容

3）根据已获得的信息的权重进行重新整理，将与内容相关、能够支撑事实以及高可用的内容保留下来

4）可以进行全局设定，对于事实性要求高的推理任务，增加检索频次；对于创造性要求高的推理任务，减少检索频次

这个算法思路的表现非常良好，只不过在过程中需要跟大模型进行多次交互，与 ToT（Tree of Thought） 类似，比较消耗资源。

它有一个工程上的完整实现，可以戳这个项目：https://github.com/AkariAsai/self-rag

结果还是苹果先出手去禁止 App 摇一摇广告