最可行的方案应当是直接用 python 的 ast 库
https://docs.python.org/3/library/ast.html

如果你的 AI 指的是机器学习，那“几乎”完全没有关系。
现在基于机器学习的文字识别和传统的 OCR 是完全不同的技术体系，“几乎”不存在任何相似性。

这里用“几乎”是因为一些识别前可能需要对图片做一些预处理，比如将彩色图片转成灰度图片等。
另外基于机器学习的代码，核心代码的代码量都非常的小。感兴趣的话可以找个简单的自己看看。

感觉过了 40 ，忽然多了很多白头发，明明之前一直没什么白头发的。
一直有跑步，身体方面暂时没有明显的问题，不过体能方面还是有所下降的。
另外可以利用通勤时间运动。
一周挑几天早点下车，然后走路或跑步。

离了也可以复婚。
感觉目前你们都没有能力打破现在的僵局。
或许没了夫妻的名分后双方都可以更客观的看待彼此的问题。

曾在一家公司工作的很不开心，自我感觉有抑郁的倾向。然后和领导提了辞职（没直接走辞职流程）。
之后心情就好了不少，又在公司干了几个月，拿完年终奖后正式提交辞职申请。

你抑郁了，别人没有义务帮你，即使想帮也不知道要如何帮。
建议别直接说得了抑郁症，把你的诉求说出来。比如对工作安排有异议，想调回 A 组，或者辞职。
B 能解决的就找 B 说，A 能协助解决的找 A 说。

最后，工作不开心 /产出不高不一定是你的问题。
很可能只是你和这个公司 /工作组 /领导的氛围不那么契合。
实在协调不了，换个环境也不是一件坏事。

去不去创业公司，完全取决于你对公司前景的认识。
就算公司发展好，期权也不一定有用。
如果公司发展的不好，期权就是废纸。

简单来说：除非你非常看好这个公司，不然别去。

https://github.com/godly-devotion/MochiDiffusion
出图速度很快，不过我不知道怎么加插件。

用户不多的话就每分钟查一次。
用户多，根据时间间隔多做几个队列。比如超过 2 小时一个队列，1 小时一个队列。
一小时到了后，将 2 小时队列里的用户移到 1 小时到队列。

对胡子的看法是社会主流观点加个人审美偏好共同作用的结果。
现在国内普遍不留须，即使有人想留也会有所顾虑。
至于胡子好不好看，其实差异还是挺大的。比如叶倩文就表示过非常不喜欢林子祥的胡子。

对于我这种胡须不算浓密的，胡须长到适当长度后，每周简单的修一次就可以了。并不会比剃须麻烦。

保险还是有必要买的。不过这类病重疾是不保的。

Telegram 提供了完善的 API 。可以写个 Bot 跑在服务器上。可以给 Bot 发消息，让 Bot 在服务器上执行一些简单的任务。也可以让 Bot 主动给自己发送通知消息。

我只是短暂的在 AI 公司待了一年，现在已经出来了，对这个行业的了解也比较粗浅。
目前最成熟的应用也就安防，内容审查。要说盈利点，估计国内的几个头部 AI 公司都没有想清楚。
在我看来 AI 和搜索引擎、AWS 一样会成为基础服务，只有少数几个巨头可以做。这部分需要的 AI 专业人员非常少，门槛也高。
另外会有一些类似“集成商”的厂家，这些厂家通过 API 或者预训练模型给应用集成 AI 能力。这部分厂商和现有的软件开发商几乎没有任何区别。
另外也会有少部部分公司通过对数据进行标注对模型进行重新训练。这类厂商主要难点在于数据的收集、清洗、标注，以及足够多的算力。这部分厂商需要开发人员对 AI 原理有基础的了解。AI 人员的水平要求不高，且需求量极少。

国内 /外的大厂都有不少自己的模型。小厂几乎不可能去做自己的模型。顶多为了性能做作裁剪，用自己的数据作个训练调优。
目前做 AI 的厂家都以 paper 数作为一个重要的实力指标。paper 都发了，代码也一并发了（ AI 模型总共也没几行代码）。GPT 直到 3 都是开源的，最新的 4 才没有开源。
对于 AI 厂家来说，预训练模型往往比模型值钱。效果好的预训练模型都是用大量数据和硬件堆出来的，这些都是钱。

在 AI 公司干了一年，给我最大的感觉是 AI 行业是一个资本密集型产业，对普通程序员来说没太多的机会。
对普通程序员最大的变化是出现来一批很好用的 API ，可以实现一些以前实现不了的想法。

1. 常规应用，通用模型已经很成熟了。对于 99.9%人根本不可能构建出一个比开源模型更好的模型。
2. 模型的性能优化是个体力活，而且随着技术的发展，以后可能不需要手动的性能优化。
3. 模型的调优需要大量的数据和硬件。数据清洗是和 AI 没关系的纯体力活。参数调优又需要大量的硬件，¥成本普通人（公司）根本承担不起（据说 ChatGPT 训练一次的成本就高达 1 千万美元）。

对于普通开发人员，AI 会逐步演化成一些在线 服务 。比如 ChatGPT 一样，普通程序员通过调用 RESTFul API 来使用。另外一些小模型的使用，就是一些程序库。至于这些库用的是机器学习，还是传统的算法对应用开发来说是黑盒。

https://haoluobo.com/wp-content/uploads/2023/04/2018-05-15-galaxy.jpg
2018 年 5 月在雨崩拍的。
要想看到银河取决于挺多条件。另外网上看到大多银河图片都经过修图，肉眼看到的没有那么明显。

1. 无光污染（城市里看不到银河的主要原因）
2. 无云
3. 春夏季（秋冬银河不明显）

Varchar 的答案完全不可行。Python 本身就会提供 import 缓存，这么做完全是画蛇添足。如果你自己无法分别 AI 给的答案是否正确，建议不要直接发上来。
对于这个需求比较奇怪的一个点是，为啥会需要这么多个独立的脚本，而且还都需要常驻内存。

为啥要写这么久，文中完全没有提。
如果真想解决问题，应当先分析原因吧。
写字慢，专注力不够，发育偏慢，还是真的智力有问题。

我家小朋友第一学期也要写到挺晚，不过都是因为他有些强迫症。
写字实在太慢了，不满意就一直擦。

@shawndev 人脸识别可以将人脸框出来。可以取框的高度或面积。既然是自拍照的对齐，理论上照片中即使有其他人脸不应当比“正主”大。人脸检测用的 `face_recognition` 这个库，这个库支持人脸比对，要加人脸比对也不困难。不过多人脸作为小概率事件，可等有需要的时候再加。