与「毕业论文」相关的搜索结果

世界上前20的Skill必装榜！ 1、superpowers（by obra），当时星标 30.2 万 它把开发拆成四步：头脑风暴、写计划、测试驱动、代码审查，串成一套开发流程。做中大型功能之前装上，AI 不会一上来就乱写代码。 2、skills（by mattpocock），当时星标 29.8 万 需求说不清的时候，它会反过来追问你，再帮你理清架构。排查 bug、重构老项目，用它最顺手。 3、andrej-karpathy-skills（by multica-ai），当时星标 22.1 万 一份项目规则：AI 先想清楚再动手，只改该改的地方。放进项目根目录，写代码时就生效。 4、skills（by anthropics），当时星标 18.2 万 官方技能库，Word、PPT、表格和 PDF 都能直接做。想自己写 Skill，照着它的模板改就行。 5、ponytail（by DietrichGebert），当时星标 16.8 万 让 AI 像最懒的资深工程师一样思考：能不加的抽象就不加。代码写完让它过一遍，把过度设计和技术债挑出来。 6、ui-ux-pro-max-skill（by nextlevelbuilder），当时星标 13.8 万 整套配色、字体搭配和交互规范都在里面。做落地页、后台和 APP 界面之前装上，页面更像设计师做的。 7、graphify（by Graphify-Labs），当时星标 12.9 万 把代码、文档和数据库结构转成一张知识图谱。接手陌生项目时先建图，再问"这个函数被谁调用"，一查就清楚。 8、caveman（by JuliusBrussee），当时星标 11.4 万 让 AI 用最少的字回答，啰嗦的铺垫全删掉。长时间跑 agent 的时候装上，能省下一大截 token。 9、agent-skills（by addyosmani），当时星标 10.9 万 谷歌工程师整理的工程规范，覆盖接口设计、上下文管理和质量检查。团队一起写项目，用它统一写法。 10、taste-skill（by LeonxLnx），当时星标 9.9 万 给 AI 补上审美：排版、参考图和动效都有讲究。做官网首页和作品集的时候用，页面不再像套模板。 11、Understand-Anything（by Egonex-AI），当时星标 8.7 万 把代码变成能点开的交互图谱，还会讲清楚业务流程。新人上手项目、读开源代码，最省时间。 12、impeccable（by pbakaus），当时星标 8.3 万 专门提升 AI 的设计能力，会检查间距、层级和细节。页面做完先让它审一遍，再按建议打磨。 13、awesome-claude-skills（by ComposioHQ），当时星标 7.7 万 一份技能合集，按场景收录了八百多个 Skill。不知道该装什么，先来这里挑。 14、last30days-skill（by mvanhorn），当时星标 6.5 万 它会去 Reddit、X 和 YouTube，汇总最近 30 天的讨论。 做选题、追热点、调研同类产品的时候用。 15、humanizer（by blader），当时星标 5.9 万 专门去掉文字里的 AI 痕迹，比如套话和固定句式。公众号、口播稿和邮件写完，都可以让它过一遍。 16、diagram-design（by cathrynlavery），当时星标 5.8 万 支持四十多种图表，直接输出成网页文件。写技术文档、做方案汇报，用它画架构图和流程图。 17、i-have-adhd（by ayghri），当时星标 5.8 万 让 AI 先说结论和下一步，再给细节，不把答案埋在长段落里。问技术问题、想马上拿到结果，就装它。 18、marketingskills（by coreyhaines31），当时星标 5.6 万 覆盖文案、SEO 和数据分析这些营销技能。写推广文案、提升网站搜索排名的时候用。 19、academic-research-skills（by Imbad0202），当时星标 5.3 万 从查文献、写论文到模拟审稿，一条流程串起来。写毕业论文、投期刊之前都能用。 20、scientific-agent-skills（by K-Dense-AI），当时星标 5.3 万 让 AI 变成科研助手，接入生物、化学这些领域的数据库和工具。做实验分析、查专业资料的时候用。

截止日期之外，还有一个问题。 那就是人在一开始估算完成时间时，往往就已经过于乐观，这也被诺贝尔经济学奖得主丹尼尔·卡尼曼称为计划谬误。 事实也正是如此。 心理学家罗杰·布勒等人就曾验证过这个理论，他们让正在写毕业论文的大学生预测，自己还需要多少天完成论文。 学生的平均预测是33.9天，实际花了55.5天，即使他们设想的最坏情况，平均也只有48.6天，仍然远低于现实水平。 因为在我们估算一项任务需要多久时，往往不会认真参考过去类似任务花了多少时间，而是按照这一次想象中的顺利过程来判断。 所以更可靠的做法，是先看过去类似任务实际花了多久，再安排这一次的时间，截止日期也不要只放在最后，中间留出几个节点，任务才不会一直拖到最后。

发现一个超大的教育资源整理仓库： edu-knowlege。 据介绍，里面汇总了大量学习资料，体量接近 100TB，覆盖从幼儿园到大学阶段的内容。 资源范围包括： • 幼儿园资料 • 小学课程 • 初中课程 • 高中资料 • 大学相关资料 • 毕业论文参考资料 • 纪录片 • 电子书 • 多语言学习内容 还整合了学而思、猿辅导、作业帮、万维等多类教育资料入口。 比较适合几类人收藏： • 家里有孩子，需要找学习资料 • 正在备考、考研、考公 • 想系统补课、自学 • 需要查找电子书、纪录片、论文资料 它不是一次性丢资源就不维护的仓库， 而是按月更新，持续整理。 GitHub 目前 2.8k 星， MIT 开源。 项目地址： 提醒一句： 资料可以收藏备用， 但使用时注意版权和合规问题。 真正有价值的不是“囤资源”， 而是能不能把资源变成自己的知识体系。

戴尔 DELL 这样的老 IT 公司，如今也成为炙手可热的明星股，真是让人惊讶 说起 DELL，我想起的是另一则往事 2008 年的时候，通过 social media / SNS 做营销还是一个很新鲜的事情。Dell 当时是全球 PC 份额 13.2%、排名第二的 IT 企业，很有前瞻性，是知名品牌里第一个大举在 Twitter 做营销的，且通过 Twitter 获得了超过 100 万美元营收 我作为一个非常喜欢 Twitter 的用户，就以此作为研究方向，写了我的 2009 年本科毕业论文，跟 Dell 的 SMM 负责人做了一个访谈，通过 Gtalk 聊的。后来这篇论文还获得了学校的优秀毕业论文。 这个访谈内容在我的 blog 上有记录

武大文科毕业论文一堆女权主义。 领导审核给过，就会滋生更多女权文章。 毕竟这一风气持续了数年。 等大家发现后她们早在各大行业扎根。

【1】一个本科生的愚蠢错误 1990年，明尼苏达大学 1990年，Jeff Dean还是个本科生。他选了两个学期的并行算法课，其中有一周讲到了神经网络。 他着迷了。 于是他跑去找教授Vipin Kumar："我想做个毕业论文，研究怎么用并行计算来训练神经网络。" 系里正好有一台32个处理器的超立方体计算机。Dean想的是：如果能用上32倍的算力，是不是能训练出更厉害的神经网络？ 他动手做了两种方法。一种是把数据切开，每个处理器算一部分——三十年后，这叫"数据并行"。另一种是把模型切开，不同的处理器算模型的不同部分——这叫"模型并行"。当时他给它们起了两个怪名字，什么"模式分区"和"模型流水线"之类的。 但他犯了一个愚蠢的错误。 他只增加处理器的数量，却没有增加模型的大小。结果就是，他把一个10个神经元的小网络摊到32个处理器上，效率惨不忍睹。加速曲线难看得要命。 那篇毕业论文写完，他就把神经网络这事儿放下了。在他的脑子里，这只是个"有趣的抽象概念"。 他不知道的是，自己当时其实已经站在了通往未来的门口。他只是还没找到钥匙。 二十年后，他会在Google的微型厨房里遇见一个人，然后一切都会不一样。

我反复讲四点： 1. 文科很伟大，但文科生基本都是垃圾——必须把文科和文科生区分开来； 2. 判断一个文科生垃不垃圾的最简单办法，就是看他能不能靠人文社科专业知识吃饭，比如发论文、当教授、进智库，或者进咨询、私募、基金工作； 3. 证明一个文科生的知识素养，就看他的论文或者毕业论文， 一个天天鼓吹文科多牛逼、多伟大、多么影响世界的人，最终自己的毕业论文是垃圾，自己的论文是垃圾，自己创造的知识和内容是垃圾——那么这个文科生就是垃圾； 4. 市场是检验文科生真实价值的试金石，天天自称水平多牛逼的文科生们，先去大学、研究所、智库找个教职当当——连你妈教职都当不上的文科生，凭啥说自己水平牛逼？