@Vindroid 肯定是影响的，不然贵的套餐怎么跟便宜套餐区分开来。
基本上只有打折前原价 200 左右的套餐才是 QCI6 ，然后套餐还有上下行带宽限制。

这个方法有用，但是由于套餐从 229 降低到 41 ，所以流量的 QCI6 降低到了 QCI9.火车站和演唱会体感很明显

最好的是两个号互相携号转网到对方的运营商，这样号码不变，还能用折扣套餐，200 的套餐基本上都是 3,4 折的样子。

Q10K 路过
你说的这个问题我装一些 App 有过这个问题，但是换了几个版本就又没了，能正常弹出文件授权。
所以我觉得是 App 适配的问题。
EMBY ，kodi ，tvbox 改版都正常
tvbox 原版倒是真的无法授权文件管理权限

菲诺厚椰乳 + 单位咖啡机

之前我买的学生账号到期了，但是有学生优惠，是可以用的。
Jetbrain 账号是可以改邮箱的

鲁班到家、万师傅之类的平台
不过还是物业是最方便的，这种活难度不高，其实举手之劳
但是承包出去之后一方面要平台要收费，另外师傅也要通勤。所以是个双输的局面，还不如就近找

你这个需求其实跟零冷水其实不是一回事
零冷水是指打开热水龙头就能出热水，这个好解决，(TB 搜“淼来”。我家就装的这个，500 块带涂鸦的 App ，设置好定时循环场景就行)

但是你说的感觉是水管的保温性能不好，停止冷水后很快就凉了，这个零冷水也解决不了。

玩 CS 就不要追求 4K 了
我 3080 玩 2K 我都觉得卡（当然可能是因为我用的 240Hz 太明显了）
这游戏帧数越高越好，200 帧以下一眼卡
另外 4K 显示的响应速度普遍不行，进一步拉低了显示效果

大麦抢票的验证码必须要有姓名！
提交订单的时候弹出的那个刮刮乐，刮到出现一个 XX 出现就停止
如果刮过了，刷新一个新的刮刮乐！！！！
妈的 10 场演唱会 9 场卡在这里

不熟悉的话，用 tailscale 直接组局域网吧，sub net 和 exit node 够用了
用 tailscale ping 设备，如果无法直连。在 VPS 上搭一个 derp 节点中转就行

真正搞过的人不请自来
原来直接弄了两个型号一样的机器组双屏
我还用校色仪都校色了
然后发现，这个屏幕左边缘和右边缘亮度不一样 https://i.imgur.com/n119Wvk.png 搞得我更难受了

后来我组双屏我连校色都懒得弄了 https://i.imgur.com/Ug1iMq4.png

真要体验角色卡，还是付费买 API 用 claude 或者 Llama 3.1 405B 比较靠谱，毕竟大故事背景的，后期单次请求都要几十 WToken ，个人自部署的话显存根本不够用

https://i.imgur.com/14cwgsI.png 别乱填运行命令啊
运行命令就是你发的容器图里面的第七行 ENTRYPOINT
命令改成 /clash 应该就能正常启动了

天玑的硬解确实不行
去看看串流机器评测就知道
基本上天玑的各种格式的解码延迟都在是骁龙的和麒麟的好几倍
不过这种需求厂家都不会宣传，毕竟没有游戏帧数来的亮眼

而且现在虽然骁龙解码性能领先，但是在 AV1 格式出来之后，AV1 的解码性能得到了保证，但是 HEVC 的解码性能反而倒退了。现在骁龙最强的 HEVC 解码芯片是 870 。。。
但是相比之下，Intel 核显的 HEVC 性能断崖式领先，只有几毫米

3 个平台都用，感觉 Ubuntu 下用 Jetbrain 是最流畅的 https://i.imgur.com/N9E3iZ2.png
Mac 内存太贵了，感觉没必要

https://i.imgur.com/Ug1iMq4.png
刚装修完的表示，吸油烟效果，烟道才是最关键的
你问我为什么这么说，因为我家的西门子开到 3 档辣眼睛，后来发现是烟道止逆阀被水泥糊住了 https://i.imgur.com/NIvxivj.png

手头有个项目也在尝试做这个，也参加了不少厂家宣发活动。简单来说，很困难
RAG 其实说实话，就是再重走一遍搜索引擎的老路，而且资料还得自己整理

一方面是数据预处理的方法很难把握，因为作为开发实际上没有用户那么精准的把握，随便分段的结果就是一开始奠定了失败。
另外一方面是，系统的易用性需要持续不断的维护和改造，但是对于企业来说，一个没有立竿见影效果的项目，很容易中途夭折。（上次参加百度的大模型宣发时，主讲就强调了，大模型落地需要领导坚定的信心和支持才能做成。）


AI 知识库目前还是靠向量搜素来压缩语义，靠原来的 ES 分词之类的关键词搜索还是达不到要求。另外向量搜素也会出现跟提问偏差很大的情况，所以还需要 ReRank 模型重排结果。上面完整的开源项目可以参考 fastgpt ，https://doc.fastgpt.cn/docs/course/rag/ 里面有知识库搜索的实现方法。

目前我手上的项目主要步骤
1. 特定文档定制的切分方案，丢给 ES 存储，同时将切分文本丢给向量模型转换成向量存向量数据库
2. 用户问问题，ES 搜索 + 向量数据库搜索返回 Top K ，返回的 2K 个文本用 ReRank 模型排序打分，然后文本去掉低评分的丢给大模型

上述的方法能一定程度改善本来有文本但是搜索不准的问题。

8 寸安卓平板现在基本只有 Y700 和酷比还在做了
不过在 i2ex ，LZ 发这个帖子肯定没有好果汁吃 https://i.imgur.com/agAJ0Rd.png
iPad mini 舍不得上高刷是硬伤，相比 3 代 Y700 确实没有优势
酷比拿来看剧、玩玩轻度游戏模拟器够用了