[北京-京东物流-社招内推] Java 后端开发工程师
### 岗位职责
1. 负责后端开发工程师岗位，专注于 WMS （仓储管理系统）方向，深入理解业务需求，完成系统设计、开发与优化，确保系统稳定性和性能；
2. 根据业务发展，参与制定技术方案，承担核心模块的设计与编码工作，解决复杂技术问题，提升系统质量；
3. 跟踪并研究后端技术发展趋势，将新技术应用于实际项目中，推动团队技术水平的提升；
4. 与团队成员紧密协作，跨部门沟通，确保项目按时按质完成，达成业务目标；
5. 参与制定和优化开发流程，提高团队开发效率和代码质量；
6. 对现有系统进行持续优化，挖掘潜在性能瓶颈，提升系统运行效率。
### 岗位要求：
1. 教育背景
- 学历要求：本科及以上学历，计算机科学、软件工程、信息技术等相关专业；
2. 工作经验
- 工作经验：具备两年以上软件开发经验，有 WMS 系统开发背景者优先；
3. 能力要求：
- 技术能力：熟练掌握 Java 、Python 等编程语言，熟悉后端开发流程及框架；具备大型分布式系统设计及开发经验，对高并发、高性能、大数据处理有深入理解；
- 业务理解：对仓储物流业务流程有深刻理解，能够将业务需求转化为高效的技术解决方案；
4. 基本素质
- 沟通能力：具备良好的沟通能力，能够与团队成员、业务部门有效沟通，确保项目顺利进行；
- 问题解决：具备独立分析和解决问题的能力，能够针对复杂问题提出创新性解决方案；
- 责任心：具有强烈的责任心，对工作认真负责，能够承担工作压力；
- 团队合作：具备团队合作精神，能够与团队成员协同工作，共同推进项目进度；
- 学习能力：具备持续学习的能力，关注行业动态，积极探索新技术，不断提升专业素养。
### 薪资范围
(20k-50k) * 16
### 联系方式
TG9uZVN0YWNr (绿泡泡 base64) 请备注来自 V2EX ，通过如未及时回复可直接发简历哦
### 岗位职责
1. 负责后端开发工程师岗位，专注于 WMS （仓储管理系统）方向，深入理解业务需求，完成系统设计、开发与优化，确保系统稳定性和性能；
2. 根据业务发展，参与制定技术方案，承担核心模块的设计与编码工作，解决复杂技术问题，提升系统质量；
3. 跟踪并研究后端技术发展趋势，将新技术应用于实际项目中，推动团队技术水平的提升；
4. 与团队成员紧密协作，跨部门沟通，确保项目按时按质完成，达成业务目标；
5. 参与制定和优化开发流程，提高团队开发效率和代码质量；
6. 对现有系统进行持续优化，挖掘潜在性能瓶颈，提升系统运行效率。
### 岗位要求：
1. 教育背景
- 学历要求：本科及以上学历，计算机科学、软件工程、信息技术等相关专业；
2. 工作经验
- 工作经验：具备两年以上软件开发经验，有 WMS 系统开发背景者优先；
3. 能力要求：
- 技术能力：熟练掌握 Java 、Python 等编程语言，熟悉后端开发流程及框架；具备大型分布式系统设计及开发经验，对高并发、高性能、大数据处理有深入理解；
- 业务理解：对仓储物流业务流程有深刻理解，能够将业务需求转化为高效的技术解决方案；
4. 基本素质
- 沟通能力：具备良好的沟通能力，能够与团队成员、业务部门有效沟通，确保项目顺利进行；
- 问题解决：具备独立分析和解决问题的能力，能够针对复杂问题提出创新性解决方案；
- 责任心：具有强烈的责任心，对工作认真负责，能够承担工作压力；
- 团队合作：具备团队合作精神，能够与团队成员协同工作，共同推进项目进度；
- 学习能力：具备持续学习的能力，关注行业动态，积极探索新技术，不断提升专业素养。
### 薪资范围
(20k-50k) * 16
### 联系方式
TG9uZVN0YWNr (绿泡泡 base64) 请备注来自 V2EX ，通过如未及时回复可直接发简历哦
Web3 招聘 算法工程师 🔥
招聘 算法工程师，感兴趣请联系，谢谢。
岗位职责：
1. 负责短剧内容平台推荐系统的研发与优化，构建业内领先的内容分发体验。
2. 深入分析用户行为数据，构建精准用户画像，进行兴趣建模与长短期兴趣预测，持续提升点击率、停留时长、用户留存等核心业务指标。
3. 结合产品需求与业务目标，设计并迭代个性化推荐算法与策略，驱动推荐效果持续提升。
4. 追踪推荐系统领域前沿技术动态与研究进展，探索其在业务场景中的创新应用与落地。
5. 高效协同产品、运营、研发等团队，推动机器学习、深度学习等先进技术在业务中的快速落地与迭代，持续优化用户体验。
任职要求：
1. 本科及以上学历，计算机、数学、人工智能、统计学或相关专业。
2. 具备 3 年以上推荐系统、搜索算法或计算广告相关领域的算法研发经验。
3. 编程基础扎实，精通 Python 或 JAVA ，具备优秀的工程实现能力。
4. 深入理解并熟练掌握主流推荐算法（如协同过滤、Embedding 表示学习、排序模型、多塔模型等）及其在实际业务中的应用逻辑。
5. 具备优秀的数据敏感度与分析能力，能通过数据挖掘定位系统瓶颈，并提出有效的优化方向。
6. 拥有短视频、短剧或内容分发平台推荐系统相关经验者优先。
7. 良好的团队协作精神与沟通能力，较强的自我驱动力和抗压能力，注重技术创新与实际业务价值的结合。
招聘 算法工程师，感兴趣请联系，谢谢。
岗位职责：
1. 负责短剧内容平台推荐系统的研发与优化，构建业内领先的内容分发体验。
2. 深入分析用户行为数据，构建精准用户画像，进行兴趣建模与长短期兴趣预测，持续提升点击率、停留时长、用户留存等核心业务指标。
3. 结合产品需求与业务目标，设计并迭代个性化推荐算法与策略，驱动推荐效果持续提升。
4. 追踪推荐系统领域前沿技术动态与研究进展，探索其在业务场景中的创新应用与落地。
5. 高效协同产品、运营、研发等团队，推动机器学习、深度学习等先进技术在业务中的快速落地与迭代，持续优化用户体验。
任职要求：
1. 本科及以上学历，计算机、数学、人工智能、统计学或相关专业。
2. 具备 3 年以上推荐系统、搜索算法或计算广告相关领域的算法研发经验。
3. 编程基础扎实，精通 Python 或 JAVA ，具备优秀的工程实现能力。
4. 深入理解并熟练掌握主流推荐算法（如协同过滤、Embedding 表示学习、排序模型、多塔模型等）及其在实际业务中的应用逻辑。
5. 具备优秀的数据敏感度与分析能力，能通过数据挖掘定位系统瓶颈，并提出有效的优化方向。
6. 拥有短视频、短剧或内容分发平台推荐系统相关经验者优先。
7. 良好的团队协作精神与沟通能力，较强的自我驱动力和抗压能力，注重技术创新与实际业务价值的结合。
nas 异网 ipv6 访问限速问题
### 家里 NAS 服务器访问限速情况说明
家里有一台 NAS 服务器，近期发现访问时出现限速问题，具体情况如下：
- **网络环境**：
家用宽带为四川移动，通过 IPv6+端口号访问 NAS 。
- **限速现象**：
仅使用**四川电信**的网络（流量/宽带）访问时被限速，其他运营商（移动、联通等）,和其他地方的电信(比如重庆电信)访问均正常。成都和老家当地的电信网络均限速；
- **投诉进展**：
已向移动和电信投诉，但双方互相推诿——
- 移动称自身网络无问题；
- 电信要求移动排查网络故障。
请问大家这种情况怎么破,工信部投诉有用吗,是不是直接两个都投诉,现在主要是没办法证明是谁的问题,理论上电信和移动都可以在这条链路中进行限速.
### 家里 NAS 服务器访问限速情况说明
家里有一台 NAS 服务器，近期发现访问时出现限速问题，具体情况如下：
- **网络环境**：
家用宽带为四川移动，通过 IPv6+端口号访问 NAS 。
- **限速现象**：
仅使用**四川电信**的网络（流量/宽带）访问时被限速，其他运营商（移动、联通等）,和其他地方的电信(比如重庆电信)访问均正常。成都和老家当地的电信网络均限速；
- **投诉进展**：
已向移动和电信投诉，但双方互相推诿——
- 移动称自身网络无问题；
- 电信要求移动排查网络故障。
请问大家这种情况怎么破,工信部投诉有用吗,是不是直接两个都投诉,现在主要是没办法证明是谁的问题,理论上电信和移动都可以在这条链路中进行限速.
替朋友发一个招聘需求，招 Flutter 移动端开发
创业公司
职位名称：
Flutter 移动端开发（ iOS 方向 · 外包）
项目定位：
海外 AI 泛心理向养成陪伴，前腾讯+字节团队
核心需求：
1. 技术能力
✅ 2 年以上 Flutter 商业项目经验（或完整上线过 Flutter 应用）
✅ 熟练使用 Dart 语言
✅ 了解 iOS 平台特性（上架流程、App Store 审核规范、证书管理、sandbox 、test flight 等）
✅ 能独立完成 UI 开发、数据对接、性能优化
✅ 熟悉常用插件（如 revenuecat 、mixpanel 等集成）
协作态度：
✅ 对产品有热情
✅ 每周可投入≥30 小时，关键节点能灵活协作
✅ 具备基础沟通能力，能参与产品设计讨论
✅ 有已上架 App Store 的作品优先（附链接）
薪资待遇和创始人聊
绿色软件：Smlhbmc5Njg0
创业公司
职位名称：
Flutter 移动端开发（ iOS 方向 · 外包）
项目定位：
海外 AI 泛心理向养成陪伴，前腾讯+字节团队
核心需求：
1. 技术能力
✅ 2 年以上 Flutter 商业项目经验（或完整上线过 Flutter 应用）
✅ 熟练使用 Dart 语言
✅ 了解 iOS 平台特性（上架流程、App Store 审核规范、证书管理、sandbox 、test flight 等）
✅ 能独立完成 UI 开发、数据对接、性能优化
✅ 熟悉常用插件（如 revenuecat 、mixpanel 等集成）
协作态度：
✅ 对产品有热情
✅ 每周可投入≥30 小时，关键节点能灵活协作
✅ 具备基础沟通能力，能参与产品设计讨论
✅ 有已上架 App Store 的作品优先（附链接）
薪资待遇和创始人聊
绿色软件：Smlhbmc5Njg0
多位金融博主反映微信公众号被盗：犯罪分子攻破人脸识别，替换法人身份盗取大 V 账号密码
这是我常关注的一个公众号，里面有详细过程：
https://mp.weixin.qq.com/s/SksVmPB1aOEAlvtFiGhJIw
大家对这个可信度如何？
我感觉是真的， 比较很多系统人脸识别做不到 微信、支付宝级别。
这是我常关注的一个公众号，里面有详细过程：
https://mp.weixin.qq.com/s/SksVmPB1aOEAlvtFiGhJIw
大家对这个可信度如何？
我感觉是真的， 比较很多系统人脸识别做不到 微信、支付宝级别。
很巧，我也做了一个：让 AI 根据浏览器请求的路径，现场制作 -页面-
看到 https://www.v2ex.com/t/1137586 帖子，很巧，我也做了个类似的东西，发出来给大家玩玩。
不过功能稍微有点差异：
1 有配图功能
2 返回的内容不是 stream
体验传送门： https://aiweb.twokk.com/
看到 https://www.v2ex.com/t/1137586 帖子，很巧，我也做了个类似的东西，发出来给大家玩玩。
不过功能稍微有点差异：
1 有配图功能
2 返回的内容不是 stream
体验传送门： https://aiweb.twokk.com/
为什么今天 GPT 卡壳
Why ChatGPT Might Be Lagging Today (June 10): A Chinese User’s Perspective
I suspect today’s sluggish performance of ChatGPT may be due to a surge in user activity, particularly from China. From my personal perspective as a Chinese user, this period—right after the national college entrance exam (Gaokao)—is what I’d call a prime window for AI benchmarking.
Let me explain why.
1. Gaokao Timing and Confidentiality
The Gaokao took place from June 7 to June 9. Its questions are strictly classified before the exam and are only publicly released after it's over. Because of this secrecy, these questions are not included in any AI training dataset. That makes them an ideal benchmark to assess AI performance under truly unseen data.
As of today (June 10), many enthusiasts have likely already converted the questions into cleaner formats like LaTeX, making it easier to systematically test AI models. Importantly, unless you enable web access, most models cannot "cheat" by looking up recent answers, so this window gives a clearer view of raw model inference capabilities.
2. China’s AI Testing Culture
In recent years, especially with the rise of reasoning-heavy models, it has become increasingly common for Chinese users and researchers to use Gaokao questions to evaluate an AI's problem-solving ability. Given the exam's prestige and complexity, it's a high-quality, culturally relevant benchmark. The first few days after the exam are considered the “golden hours” for such testing.
The most critical improvement this year is the significant enhancement in the problem-solving capabilities and logical reasoning abilities of the reasoning series models. For example, ChatGPT-O1, O1 Pro, O3, or O4-Mini-High. This also includes China's Qwen and DeepSee R1.
3. Broader Context: Infrastructure and Misunderstandings
Some non-Chinese users might not understand how AI usage patterns differ across regions. For example, discussions on Reddit about torrent clients repeatedly downloading the same data miss the point that some Chinese users run monetized P2P services (PCDNs), and ISPs may track bandwidth ratios. While unrelated to Gaokao, this illustrates how the Chinese digital ecosystem often involves unique dynamics that outsiders might not immediately grasp.
Similarly, while it’s widely known that Chinese users rely on VPNs due to network restrictions, less attention is paid to issues like CGNAT and shared IP environments, which can distort perceptions of behavior at scale.
Conclusion
While this is purely speculation, I believe the post-Gaokao testing rush—combined with the confidentiality of the questions and the increasing desire to benchmark LLMs fairly—may be overloading servers like ChatGPT. This kind of event-specific traffic spike is rare but not surprising given the cultural and technical context.
Why ChatGPT Might Be Lagging Today (June 10): A Chinese User’s Perspective
I suspect today’s sluggish performance of ChatGPT may be due to a surge in user activity, particularly from China. From my personal perspective as a Chinese user, this period—right after the national college entrance exam (Gaokao)—is what I’d call a prime window for AI benchmarking.
Let me explain why.
1. Gaokao Timing and Confidentiality
The Gaokao took place from June 7 to June 9. Its questions are strictly classified before the exam and are only publicly released after it's over. Because of this secrecy, these questions are not included in any AI training dataset. That makes them an ideal benchmark to assess AI performance under truly unseen data.
As of today (June 10), many enthusiasts have likely already converted the questions into cleaner formats like LaTeX, making it easier to systematically test AI models. Importantly, unless you enable web access, most models cannot "cheat" by looking up recent answers, so this window gives a clearer view of raw model inference capabilities.
2. China’s AI Testing Culture
In recent years, especially with the rise of reasoning-heavy models, it has become increasingly common for Chinese users and researchers to use Gaokao questions to evaluate an AI's problem-solving ability. Given the exam's prestige and complexity, it's a high-quality, culturally relevant benchmark. The first few days after the exam are considered the “golden hours” for such testing.
The most critical improvement this year is the significant enhancement in the problem-solving capabilities and logical reasoning abilities of the reasoning series models. For example, ChatGPT-O1, O1 Pro, O3, or O4-Mini-High. This also includes China's Qwen and DeepSee R1.
3. Broader Context: Infrastructure and Misunderstandings
Some non-Chinese users might not understand how AI usage patterns differ across regions. For example, discussions on Reddit about torrent clients repeatedly downloading the same data miss the point that some Chinese users run monetized P2P services (PCDNs), and ISPs may track bandwidth ratios. While unrelated to Gaokao, this illustrates how the Chinese digital ecosystem often involves unique dynamics that outsiders might not immediately grasp.
Similarly, while it’s widely known that Chinese users rely on VPNs due to network restrictions, less attention is paid to issues like CGNAT and shared IP environments, which can distort perceptions of behavior at scale.
Conclusion
While this is purely speculation, I believe the post-Gaokao testing rush—combined with the confidentiality of the questions and the increasing desire to benchmark LLMs fairly—may be overloading servers like ChatGPT. This kind of event-specific traffic spike is rare but not surprising given the cultural and technical context.
LiquedGlass 风格图像生成器
一个 LiquedGlass 风格图像生成器：
快速生成液态玻璃风格图像。
发现原来很多壁纸都是类似这种风格，现在可以自己生成了。
https://liquidglass.icu/
> 抱歉之前发错板块了，是自己做的所以应该是分享创造。如有问题能否帮忙删除之前板块的帖子？
一个 LiquedGlass 风格图像生成器：
快速生成液态玻璃风格图像。
发现原来很多壁纸都是类似这种风格，现在可以自己生成了。
https://liquidglass.icu/
> 抱歉之前发错板块了，是自己做的所以应该是分享创造。如有问题能否帮忙删除之前板块的帖子？