用的不是软件，而是它的“服务”
如果不需要迅雷的“服务”，那任何下载软件都是替代
如果需要迅雷的“服务”，那就无可替代了，关进小黑屋吧

呃，格式没了
"switches/@next":
--name: emoji_suggestion
--reset: 1
--states: [ "🈚", "🈶" ]
"engine/filters/@before 0":
--simplifier@emoji_suggestion
--# "engine/filters/@next": lua_filter@single_char_first_filter
emoji_suggestion:
--opencc_config: emoji.json
--option_name: emoji_suggestion
--tips: none

punctuator:
--import_preset: symbols
--symbols:
----"/fs": ……
……

行首的 -- 替换为缩进

opencc 里面就三个文件
emoji.json
emoji_category.txt
emoji_word.txt
里面就是繁简转换

另外 rime 根目录有个 emoji.schema.yaml 文件，不知道有没有用

拼音 yaml 里面加上这几行
============
"switches/@next":
name: emoji_suggestion
reset: 1
states: [ "🈚", "🈶" ]
"engine/filters/@before 0":
simplifier@emoji_suggestion
# "engine/filters/@next": lua_filter@single_char_first_filter
emoji_suggestion:
opencc_config: emoji.json
option_name: emoji_suggestion
tips: none
============
印象中没有其他了，10+年前弄的，换机一直用备份，年代久远，所以有点记不清了

还是拿来主义吧，github 上面我曾见过日、韩、泰、俄、德、藏、蒙的现成配置
首次配置慢慢摸索是少不了的，尤其是合并几种语言，但弄好后就像我这样，10 年一直用备份

完全搞不定的话，另外还有两种傻瓜方式 [穷举] ：
1. 去网上下个 emoji 字符表，然后逐个设键（注意小心编辑），copy 进 custom_phrase.txt
我在这里面都加了百多个原方案没有的字符
2. 配置 yaml 里面用 symbols:语法
================
symbols:
"/fs": [½,‰,¼,⅓,⅔,¾,⅒]
"/dq": [🌍,🌎,🌏,🌐,🌑,🌒,🌓,🌔,🌕,🌖,🌗,🌘,🌙,🌚,🌛,🌜,🌝,🌞,⭐,🌟,🌠,⛅,⚡,❄,🔥,💧,🌊]
"/sj": [🕐, 🕑, 🕒, 🕓, 🕔, 🕕, 🕖, 🕗, 🕘, 🕙, 🕚, 🕛, 🕜, 🕝, 🕞, 🕟, 🕠, 🕡, 🕢, 🕣, 🕤, 🕥, 🕦, 🕧]
"/man": [ 分数：/fs, 地球：/dq, 时钟：/sj ]
=================

每行说明只有官方 wiki

拿来主义：
github 上面很多现成方案

关于候选 emoji
macOS 不晓得
linux fcitx4-rime 网上能搜到，记忆中很简单，fcitx5-rime 改了，没研究，不过现在应该也有解决方案了
windows 就是加个 opencc ，github 上找个现成的配置，把 opencc 目录 copy 到自己的 Rime 里面就行

如果有借条什么的，可以留着（你不缺钱没必要去讨），将来如果有个什么事要去走动，或者有些争执，可以厚着脸拿出来占领“道德制高点”
如果没有，那就以后都不提这事，忘了吧，提出来反而是逆操作，被对方占领“道德制高点”

跟它辩论

typing.ClassVar

迅雷其实不能当 bt 用，它更接近网盘，就是加钱可及，好多资源用迅雷直下到硬盘是糟糕的，但云端下完再取回硬盘却表现很好
另外就是免费用户会经常见到“未知错误”，但同一个源付费账户却啥事没有

迅雷国外源表现不佳，大佬告诉你“没人用迅雷”估计是因为他们都下国外高码源，他们的圈子就是这样。但实际国内很多人的需求没那么高，能看就行，留着二刷已经很少了，迅雷开箱即用比 bt 简单很多，你觉得那些用手机下载就看的人会选迅雷还是 bt 软件？
qt 下国内源并不好，主要是热度很快消失就没源了，国外维持有源时间长一些

我两个都用，因为有字幕的源（已经调好时间轴）还是国内容易找一些，特别吸引的会另外再搞一份高码收藏，稀缺资源就基本靠 pt 和国外源了，国内一个 bt 源能撑半年算不错了

排版乱了，你说的都是每行行首吧？

^[^\]\) 〗]+[\]\) 〗]\s*(\S.+)$
提取 $1 就是了

这种情况就是本地训练，但本地训练其实有个隐藏条件，就是本地样本是唯一训练样本，否则的话，得出的模型将不可预料

如果本体需要响应拖放操作，如选择复制，那还要考虑整个窗口如何拖放移动

@jojichih #90
hangeul2set
github 上面找的

刚写完一个 cef 的脚本就看到这帖子……

简繁日韩英都要用，不想装一堆输入法，直接 rime 搞定

me ，不讨厌但没感觉，大部分时候还忘了，就是忘了生日是哪天却身份证背得溜，这样说不知道能理解否

所有科目都一样，我念化学的，你觉得学校实验室用的仪器和企业用的仪器相差多远？十年以上吧，谁出钱给学校买紧跟市场最先进的设备啊？起码我当年是这样

回到主题
此题好像说的就是我，所有描述差不多都能对号入座了
当然说的也不是我，你现在还在校吧，我当年是一个学生教老师用电脑的年代，直到大学毕业，八成老师没用过电脑，那两成不是计算机专业的老师，就是刚刚毕业留校的年轻老师，别说机器学习，用过 word 的老师我都数得出，谁也“教”不了谁

但我接触机器学习很早，那时叫“多因素分析”，毕业后做了多年市场调查，这几年很重要，不但“补课”了统计学，还学了更多买书都没得卖的知识，一下子把自己拔高到“稀缺人才”（自诩的）

实际上我非计算机专业，那时不懂计算机原理，高数成绩惨不忍睹，完全不是做算法的料，就是“拿来主义”能力特别强，后来接触的一些计算机毕业的，拼凑都做不好(照抄可以，融合糟糕)，他们计算机方面知识算是让我“自卑”的（每次新招人都有自己将要“被替代”感），但绝大多数搞不定实体业务模型向计算机模型的转化，却是让我费解的

你要明白一点：单纯靠书本“学习”就能达到的人才，是最容易被“学习”取代的，AI 会最先替代他们

我觉得学校培养的“高精尖”人才，是应该流向“实验室”的。套到现在热点，就是应该弄个 gpt 对话学习模型出来，而其他懂 AI 的非科班人员，就应该去处理“归类”工作，后者是使用现有算法模型实现业务模型的工作
你觉得能把 gpt 套到某个专业领域实现的人，一定会是计算机专科的人么？现在的行业分工哪止 360 行啊
目前 gpt 在某些专业问题上“胡说八道”，就是后面这些人才参与不足

最后，小结一下，这个可以说是“通病”，其实是“读书无用论”的大学升级版，小学觉得学语数英没用，中学觉得学理化没用，大学觉得学校教的没用，不仅 AI ，其他科目都差不多
不用想太多，不要“破防”，大部分人都是这样过来的，走进社会就能慢慢适应了，如果到时还不能适应，那就是被社会淘汰的人了
至于大趋势，也不是需要想太多，等你人际关系进一步复杂化，就会明白很多事，如果有志向，那就到时去学“狭缝中生存”，坚定目标去做