这个原型项目是一个名为“访客宝项目原型V3.11”的用户管理系统，主要服务于教育行业，特别是学校或教育机构中的考勤和请假管理。
原型介绍：
该原型是一个交互式的用户界面设计，用于展示系统的功能和用户操作流程。它包含了38个页面，涵盖了用户登录、考勤管理、请假管理等多个模块。
原型文档包含内容：
登录页：为不同角色（普通老师、审核人员、管理员）提供登录入口。
考勤信息：展示今日考勤、考勤异常、考勤明细等信息。
请假申请与管理：包括请假申请、请假管理以及请假单的查看（通过和待审状态）。
个人信息：用户可以查看和编辑个人资料。
考勤管理：包括考勤时间规则、考勤组管理等。
报表与统计：提供考勤明细表、考勤统计报表、异常待确认考勤表和值班表等。
所属行业：
教育行业，特别是学校或教育机构。
解决了什么痛点或目标：
该系统旨在解决教育机构中考勤和请假管理的痛点，通过自动化和数字化流程提高管理效率，减少人工操作错误，确保考勤数据的准确性和实时性。
核心功能模块介绍：
考勤管理：自动化记录和跟踪员工的考勤情况，包括异常处理。
请假管理：简化请假申请流程，实现请假单的电子化审批。
报表与统计：提供详细的考勤和请假数据报表，便于管理层进行数据分析和决策支持。
用户管理：允许管理员管理用户权限和信息，确保系统的安全性和合规性。调休管理
合计38个页面
调休管理、用户管理、登录页、考勤信息、今日考勤、考勤异常、考勤明细、请假申请、请假管理、请假单详情（通过）、请假单详情（待审）、个人信息、登录页、考勤信息、今日考勤、考勤异常、考勤明细、请假申请、请假管理、请假单详情（通过）、请假单详情（待审）、个人信息、登录页、考勤信息、今日考勤、考勤异常、考勤明细、请假申请、请假管理、请假单详情（通过）、请假单详情（待审）、个人信息、考勤时间规则、考勤组管理、*考勤明细表、*考勤统计报表、异常待确认考勤表、*值班表
https://axurehub.com/29140.html
原型介绍：
该原型是一个交互式的用户界面设计，用于展示系统的功能和用户操作流程。它包含了38个页面，涵盖了用户登录、考勤管理、请假管理等多个模块。
原型文档包含内容：
登录页：为不同角色（普通老师、审核人员、管理员）提供登录入口。
考勤信息：展示今日考勤、考勤异常、考勤明细等信息。
请假申请与管理：包括请假申请、请假管理以及请假单的查看（通过和待审状态）。
个人信息：用户可以查看和编辑个人资料。
考勤管理：包括考勤时间规则、考勤组管理等。
报表与统计：提供考勤明细表、考勤统计报表、异常待确认考勤表和值班表等。
所属行业：
教育行业，特别是学校或教育机构。
解决了什么痛点或目标：
该系统旨在解决教育机构中考勤和请假管理的痛点，通过自动化和数字化流程提高管理效率，减少人工操作错误，确保考勤数据的准确性和实时性。
核心功能模块介绍：
考勤管理：自动化记录和跟踪员工的考勤情况，包括异常处理。
请假管理：简化请假申请流程，实现请假单的电子化审批。
报表与统计：提供详细的考勤和请假数据报表，便于管理层进行数据分析和决策支持。
用户管理：允许管理员管理用户权限和信息，确保系统的安全性和合规性。调休管理
合计38个页面
调休管理、用户管理、登录页、考勤信息、今日考勤、考勤异常、考勤明细、请假申请、请假管理、请假单详情（通过）、请假单详情（待审）、个人信息、登录页、考勤信息、今日考勤、考勤异常、考勤明细、请假申请、请假管理、请假单详情（通过）、请假单详情（待审）、个人信息、登录页、考勤信息、今日考勤、考勤异常、考勤明细、请假申请、请假管理、请假单详情（通过）、请假单详情（待审）、个人信息、考勤时间规则、考勤组管理、*考勤明细表、*考勤统计报表、异常待确认考勤表、*值班表
https://axurehub.com/29140.html
最近发现不少程序员转行大模型开发，直接去学pytorch、transformer, 从底层开始学，其实大可不必。
首先需要明确定位，如果只是想做应用开发 + 必要的时候微调一下模型，没有必要学习这些底层的技术。
对于LLM应用开发涉及的技术很少就下面几点：
1、了解不同大模型能干什么，知道一些概念就行，例如RAG、Agent、Workflow、Embedding向量表示
2、了解大模型的API，其实也没几个API，对于程序员来说没什么门槛
3、熟悉下prompt提示词的一些规则
4、学习下LangChain之类的大模型应用框架、学习一下Dify/Coze之类的可视化的workflow/agent平台（其实实际开发，你不用这些东西，直接调API开发也行，看这些框架或者平台能不能降低你的工作量）
5、如果做RAG应用，还涉及到一个向量数据库，用来解决语义相似搜索问题（区别于传统数据库的like搜索），可以选一款向量数据库学习一下就行。
6、最后就是模型微调，实际上Github上有很多微调工具（例如Llama-factory、unsloth等）、开源大模型官方也会提供微调脚本，如果你选择阿里云之类的云平台，他也提供在线微调功能，基本上都是傻瓜化的操作，你最大的工作量是数据清洗，用各种办法弄出符合你业务的数据，包括写脚本转换、刷OpenAI 接口合成数据（业界惯例，就是白嫖最强模型的数据，降低自己准备训练数据的成本）、人工整理数据等等。
如果你不想做这些上层应用，想做底层模型开发，类似弄个Deepseek，需要先评估自己的学历背景、学术背景，能不能加入国内这几家大模型开发团队，或者退一步也是做模型微调，但是不用Github开源的微调工具，自己有学术成果，设计新的微调方法，这条路几乎不适合半道转行的应用开发程序员，因为学历够、又有相关学术背景，基本上毕业就做算法开发或者在高校里面，不会选择做应用开发。
最后做LLM应用也挺好的，用了那么多年MYSQL也没见你想去重新开发一个数据库，怎么突然就想去开发一个新模型了。
首先需要明确定位，如果只是想做应用开发 + 必要的时候微调一下模型，没有必要学习这些底层的技术。
对于LLM应用开发涉及的技术很少就下面几点：
1、了解不同大模型能干什么，知道一些概念就行，例如RAG、Agent、Workflow、Embedding向量表示
2、了解大模型的API，其实也没几个API，对于程序员来说没什么门槛
3、熟悉下prompt提示词的一些规则
4、学习下LangChain之类的大模型应用框架、学习一下Dify/Coze之类的可视化的workflow/agent平台（其实实际开发，你不用这些东西，直接调API开发也行，看这些框架或者平台能不能降低你的工作量）
5、如果做RAG应用，还涉及到一个向量数据库，用来解决语义相似搜索问题（区别于传统数据库的like搜索），可以选一款向量数据库学习一下就行。
6、最后就是模型微调，实际上Github上有很多微调工具（例如Llama-factory、unsloth等）、开源大模型官方也会提供微调脚本，如果你选择阿里云之类的云平台，他也提供在线微调功能，基本上都是傻瓜化的操作，你最大的工作量是数据清洗，用各种办法弄出符合你业务的数据，包括写脚本转换、刷OpenAI 接口合成数据（业界惯例，就是白嫖最强模型的数据，降低自己准备训练数据的成本）、人工整理数据等等。
如果你不想做这些上层应用，想做底层模型开发，类似弄个Deepseek，需要先评估自己的学历背景、学术背景，能不能加入国内这几家大模型开发团队，或者退一步也是做模型微调，但是不用Github开源的微调工具，自己有学术成果，设计新的微调方法，这条路几乎不适合半道转行的应用开发程序员，因为学历够、又有相关学术背景，基本上毕业就做算法开发或者在高校里面，不会选择做应用开发。
最后做LLM应用也挺好的，用了那么多年MYSQL也没见你想去重新开发一个数据库，怎么突然就想去开发一个新模型了。
👍6
2025 LET’S VISION 大会，3月1日-2日，在上海。https://mp.weixin.qq.com/s/b0t7Rnp0CbbWQoszmrU2bA
开发者们能在这里扩展全球合作伙伴关系，能与优秀的开发团队直接交流，还有一些特别嘉宾可以遇见。
进场只需一张展览票，就可以“又看又玩又能拿”：现场近 100 个展位都有准备神秘小礼物，不到99 的票价能薅回来 999 的礼物，一点都不亏。
这次大会的所有票种均设有九折特别优惠：https://letsvision.swiftgg.team/
本条动态抽2位朋友送出Basic pass票，明天开。
开发者们能在这里扩展全球合作伙伴关系，能与优秀的开发团队直接交流，还有一些特别嘉宾可以遇见。
进场只需一张展览票，就可以“又看又玩又能拿”：现场近 100 个展位都有准备神秘小礼物，不到99 的票价能薅回来 999 的礼物，一点都不亏。
这次大会的所有票种均设有九折特别优惠：https://letsvision.swiftgg.team/
本条动态抽2位朋友送出Basic pass票，明天开。
新网站上线10天用户数突破8w，我是如何做到的？
先上图，没图没真实性
现在这个网站流量下滑是这个词的量在下滑，我的排名一直稳定在谷歌搜索结果1-2名
这次这个新词其实我大概也就花了5分钟就找到了，因为我到目前为止已经积累了超过100+个我认为比较好的词根，每天打开电脑开始找词就是不断把这些词根放进去Google Trend中，看看相关查询中有哪些飙升的词。
流程是这样的：
输入一个流量大/常用词的词根好的词根：许多高流量关键词共用的单词
好的词根---相关查询---找到新的飙升的词----相关查询-----找到新的飙升的词
新的飙升的词他也是一个不错的词根，因为它的流量在上涨。你找他的相关查询的时候，会把这个词流量上升的同时大家都在google搜索的相关的词一起放进去
我每天找新词的时候，要花4-5个小时，才可能找到1-2个可以做的，有时候甚至找不到
平时积累真的很重要，在找词过程中看到一个不错的词根就先积累起来，未来说不定真能派上用场
原文链接：https://mp.weixin.qq.com/s/rjN84BqXURtL7MDqVhWgAw
先上图，没图没真实性
现在这个网站流量下滑是这个词的量在下滑，我的排名一直稳定在谷歌搜索结果1-2名
这次这个新词其实我大概也就花了5分钟就找到了，因为我到目前为止已经积累了超过100+个我认为比较好的词根，每天打开电脑开始找词就是不断把这些词根放进去Google Trend中，看看相关查询中有哪些飙升的词。
流程是这样的：
输入一个流量大/常用词的词根好的词根：许多高流量关键词共用的单词
好的词根---相关查询---找到新的飙升的词----相关查询-----找到新的飙升的词
新的飙升的词他也是一个不错的词根，因为它的流量在上涨。你找他的相关查询的时候，会把这个词流量上升的同时大家都在google搜索的相关的词一起放进去
我每天找新词的时候，要花4-5个小时，才可能找到1-2个可以做的，有时候甚至找不到
平时积累真的很重要，在找词过程中看到一个不错的词根就先积累起来，未来说不定真能派上用场
原文链接：https://mp.weixin.qq.com/s/rjN84BqXURtL7MDqVhWgAw
做导航站的朋友有福啦～
基于 @BigYe程普 大佬开源的代码，改进做了一个npm包favicon-stealer，用于获取并展示网站的favicon，内置多个fallback，支持自定义尺寸、背景颜色、padding、border、圆角等参数。
使用方法非常简单，两行代码就能用起来（图1），我已经在我的导航站以及我的个人网站都用上了（图2），再也不用费心费力去搞网站的favicon了🤓
npm包官网地址：https://www.npmjs.com/package/favicon-stealer
另外整个npm包代码已开源，链接：https://github.com/iAmCorey/favicon-stealer
欢迎有需要的朋友使用支持～
基于 @BigYe程普 大佬开源的代码，改进做了一个npm包favicon-stealer，用于获取并展示网站的favicon，内置多个fallback，支持自定义尺寸、背景颜色、padding、border、圆角等参数。
使用方法非常简单，两行代码就能用起来（图1），我已经在我的导航站以及我的个人网站都用上了（图2），再也不用费心费力去搞网站的favicon了🤓
npm包官网地址：https://www.npmjs.com/package/favicon-stealer
另外整个npm包代码已开源，链接：https://github.com/iAmCorey/favicon-stealer
欢迎有需要的朋友使用支持～