最近 腾讯元宝推出"AI 录音笔"功能， 可以试试看

🐂，都上 v 站了， 智谱还是靠谱的。

物体检测 这么成熟的技术，用用百度的飞浆平台吧
看起来你只知道 yolo, 像 ssd, fastercnn 等一堆物体检测算法不清楚， 真的建议直接用平台，

百度家 easydl ， 自己标注好数据就可以。

此外你提到场景（比如施工和安全锥桶的关系）， 我要说明这个不是物体检测， 你需要把要求再仔细写清楚和想明白。

@zek 是的，这些人估计连女朋友都不一样有。
有了小孩，会有各种新的家庭开支， 在国内如果你能管家和做好家庭预算和开支，家里事情都要管的话才可能不上交，否则还是将钱上交到共管账户。

看了几眼，在 go 中用法错误，属于强行套用 OOP 在 go 上面
https://github.com/yuluo-yx/design-pattern/tree/main/struct-type/07_decorator
这个例子就是 go 语言用法错误

正确写法在这里
https://coolshell.cn/articles/17929.html

架构设计过不了多久将不再是 AI 的难题，

深入理解业务，那些业务知识需要积累的领域，AI 做不了，而且互联网上流通的知识全部都是有一些问题的，比如医疗、金融证券、BI 等。

未来精通 AI agent 开发将成为必须， 开发 agent 解决读取公司内部架构设计文档，接口文档，分析公司私有代码库，使用文档 写出公司风格的代码

https://competition.atomgit.com/competitionInfo?id=1a3e1f9990e267464c8d1bbef2bee337#heading-0-0

可以看看这个竞赛
赛题 3：复杂代码生成 DeepCodeResearch ， 这个将在 5 年内很火

跨领域难度太大， 就像金融知识需要学习不少时间，目前 AI 的开源项目比如 tradingagent 全都是玩具， 一些不懂的人写出来的东西。

有点意思，一个不错的尝试。
多公开一些 prompt 和 你怎么做的思路。

怀疑是 AI 写的， 没有贴出是哪个股市（ A 股，港股，美股 根本都不是一回事）， 做研报也是 AI 应用开发 deep research agent 这一类，
又没有给出合理的步骤， 上来 plusefin.com , antv.antgroup.com 连证券公司和一些专业的提供财经数据的接口也不用，我根本不相信。

使用 https://github.com/seifghazi/claude-code-proxy
主模型用 glm, subagent 使用 openai + claude opus
用了 openrouter

直接用 AI 是无法感知上下文和做一些复杂地功能地，除非你自己去写一个编程 agent 来做各种上下文管理以及 MCP 、长短记忆以及执行，所以你需要先去用用 claude code 以及 codex cli, 等你懂了如何开发 AI agent, 可以自己写一个更加贴近业务的 agent 出来，这个根据公司内部脚手架（未开源的那种）代码和文档以及各种架构图设计就能自动生成公司的项目已经是搞 AI 创业 和一些软件公司的产品方向，随便给一个比赛，大家可以看看

https://competition.atomgit.com/competitionInfo?id=1a3e1f9990e267464c8d1bbef2bee337#heading-1-0


赛题 3：复杂代码生成 DeepCodeResearch

赛题描述

本赛题要求参赛者设计并实现复杂代码生成任务，让智能体先做自主研究，再设计和实现项目代码。



支持多技术文档输入，如方案详细设计文档、paper 、流程图、技术框图等形式；文档类型涵盖 PDF 、PPT 、DOCX 、TXT 等格式

先做深度研究，再做代码生成

支持 web search

产出 repo-level code

自主探索、自主设计、自主编码实现/调试/修复

支持 human-in-the-loop


技术考察点：



Agent 对于外部文档/知识库的自主深度理解和洞察的能力

多模态知识检索的能力（ Multimodal RAG ）

长短期记忆依赖与超长上下文管理

Code Agent 的自我反思能力（ bug shooting ）

wasm 前端已经出现在各个公司了比如 ffmpeg wasm , opencv 浏览器 wasm ， 后端 wasi 运行时 以及 wasm 还在变化，这个月出现了 wasm 3.0 了,
现在云原生网关大多支持 wasm

wasm 运行时是否能代替容器还不一定，但是在云原生 cncf 中已经有众多项目了

https://landscape.cncf.io/?group=wasm

@bruce0 你这种情况，
第一看你游戏中的是什么数据， 如果是虚拟资产，那么的确要存数据库。
其次正在进行的游戏数据当然放在内存中，通过各种缓存库操作，
不需要实时读取的数据， 放 kvrocks 中，kvrocks 整合 redis 和 rocksdb 用来写数据

由于 Python 和 C++ 相互调用操作太好了， 所以不少 c++库 都可以调用 python, 而 python 也可以调用导出的 ffi 接口
libboost-python 就是 Boost.Python 能够完成 python 和 c++ 相互调用.

python 和 从来就不是对立的， 快速迭代开发 + 关键代码和库重构就是 核心，
往往是核心模型比如计算以及网络底层处理用 c/c++/rust 写，python 做业务层调用封装好的共享链接库。

比如 Opencv, libuv 的库的封装， 可以说 python 能达到几乎 c 的 70%水平，比 java jni 调用 opencv 都快多了，

libuv 的 库 导出为 python 接口有一个叫做 Pyuv

ffmpeg 的众多库如 libavcodec, libavformat, libavutil, libswscale 的接口导出叫做 PyAV.

我费了时间读了一遍，没解决任何 AI 实际问题， 请问你到底是自嗨还是解决了 AI agent 开发的任何痛点。

https://www.cloudflare.com/zh-cn/the-net/building-cyber-resilience/regain-control-ai-crawlers/
可以看看这个

这都 2025 年， 谈这些我还以为活在 10 年前， 不少云是提供微服务治理的基础设施， 要单体要微服务这东西也能讨论， 实在是技术眼光太窄了。

历史还能倒退？
单体和微服务之间没有任何矛盾，都是什么的业务选择什么样的架构。

再提一点，对于规模在不断扩展上升的业务，微服务极大的降低了基础设施成本，用一些垃圾普通的 x86 服务器就能干以前只有小型机，高端 EMC 存储才能干的事情。

首先我就说说专业的做法对于可预见的流量变化是怎么做的，

有明显波峰波谷的在线业务：例如在线教育、电商等业务的流量通常有明显的波峰波谷

非持续运行的计算任务，使用 Pod 运行计算任务，无需保留固定节点，仅需为任务执行期间的计算资源付费，降低计算成本，例如：

数据计算：Spark 大数据计算
CI/CD Pipeline
Job 任务：例如定时任务、AI 任务等。

这种在 k8s 上一般用虚拟节点，其实是基于 Virtual Kubelet 组件来做的，有些云商提供了支持。