ORM
从不手写 sql

alias 一下 rm

分类的规则你可以清楚的定义吗？人看了你的定义之后可以清楚的得到答案吗？
你有标注数据吗？

如果上面都 yes ，那自己搞个模型，输出到 tensorflow.js 这种不难。

上面都是 no ，建议还是老老实实 GPT

推荐个 steam deck

你说的几样东西都不难，调调包就行了。

难的是掉包有问题的时候，怎么解决。推理 QPS 上不去怎么办？训练 GPU 利用率为什么这么低？为什么 onnx 不支持我的模型？
能回答这些问题的人，都非常不便宜，而且基本只有大厂里面有。

原因就是培养这样的一个人出来，需要很长的时间（领域深，东西难学），很贵的资源（大量算力）。这部分沉没成本会加到招人的成本里面去。

收短信不方便，authenticator 比较方便

红帽都去搞 k8s 去了，openstack 难啊

定义啥是“搞云原生“？
在 k8s 上面加功能，二次开发？
运维 k8s?

@289396212 github 上面 JS 项目的占比，提供了大量训练数据

我都从来没产生过，原来还能改字体的想法

这个都是上一代的思路。

新一代的思路是 supabase ，只用搞表，后端接口跟着表结构走

fluent python 。
这本是个质变的书，看完水平上一个台阶。

视频啥的，质量一般都不太行

非常好用，王炸 feature

vsc 两大王牌 -- language server 和 remote ssh 。这两个东西实在是太厉害。

@charlie21
数据库 -- postgres ，在你公司 IPO 之前，大部分公司都摸不到数据库的天花板。全文搜索，noSQL ，向量数据库，你甚至都只需要这一个数据库
ORM 和后端 -- JS 一把嗦，express+prisma
容器和缓存 -- 在什么云上用什么。大部分公司甚至都用不上缓存这种东西
客户端 网页+手机 -- react + react native

上面这套是久经考验，每个技术都是简单皮实，平平无奇，招聘你只需要找懂 JS 的。
目的就是最快速度，最少的人干到 PMF 。然后有钱了，技术栈这种就不成为你的问题了。你爱找什么专家找什么专家

阁下？…是巴菲特？

这个就是分类之后的实体抽取。前大模型时代就是各自标注数据，搞两个模型。

大模型时代就是 prompt 工程，你仔细把规则写清楚，给把你放向量数据库里面的例子，直接 chatgpt 即可。

Airbyte

感觉不如 colab