与「100セカラストライブ」相关的搜索结果

100℃の世界のみんなお疲れ様でした☺️ みんなの成長を間近で見られて嬉しかったです✨ 解散は寂しさもあるけど、新しい挑戦のはじまり‼︎ みんなのこれからも応援してます♪ そして応援してくださった皆様、最後までたくさんの声援ありがとうございました‼︎ #100セカラストライブ#

株歴26年。忠告は一度だけ 今は買わない方がいい 地獄： ・任天堂：𝟭𝟰,𝟭𝟯𝟭円→8,715円 ・キオクシア：𝟭𝟭𝟬,𝟱𝟱𝟬円→13,500円 ・村田製作所：𝟭𝟮,𝟮𝟮𝟬円→𝟴,𝟭𝟯𝟯円 ・フジクラ：7,933円→4,110円 【天国 】 ↓↓↓ 400株でもいいから買っておけ

11月13日，本地大模型推理引擎 llama.cpp 与底层张量库 ggml 同步发布 1.0.0，这是项目诞生 3 年半以来的首个正式大版本。 这次升级的看点是接口契约：删除 35 个废弃函数，今后任何破坏 API/ABI 兼容的改动都以主版本号跳升明确标示。 依赖它的应用开发者，从此能提前规划迁移。 新版本还补齐一批功能：新增 FP8 键值缓存与 MoE 模型的主机内存专家缓存，加固推理服务器防御 SSRF、跨域和 DNS 重绑定攻击，并加入兼容 OpenAI 的语音合成接口与全新网页界面。 llama.cpp 如今支持超过 150 种模型架构，个人电脑断网也能跑大模型，是本地 AI 生态最常用的地基之一。 里程碑式 1.0，意味着开源本地推理真正进入稳定期。

先月200万AIで稼いだけど、絶対手を出しちゃダメなNG副業 🙅‍♂️センス❌ ・You◯ube（収益化まで年単位） ・Webライター（AIと取り合い） ・動画編集（修正が夜中まで） ・ブログ（上位表示まで100記事以上） ・せどり（部屋が段ボールで密） ・SNS運用代行（毎日拘束） ・ポイ活（アプリ10個を毎日作業） 🙆‍♂️センス⭕️↓

株で家族を養っています。 600万円から始めて→資産は10億円。 その過程で学んだ、初心者向け投資ルール。 （保存推奨） ルールを守れないなら、株を買うな。 私はこの8つの鉄則だけを用いた（後で見返せるように保存推奨） ① 5％下落 → 何もしない → まず様子を見る

Agent 最缺的不是更大的上下文窗口，而是理解整个代码库的能力：当一个项目有数万文件、跨模块调用和海量文档时，为什么还要让 AI 一遍遍 Grep、Read、重新理解整个工程？ 📦 项目档案 项目：Graphify-Labs/graphify GitHub Stars：⭐ 147299 技术栈：Python + Tree-sitter + NetworkX + Leiden 核心定位：将代码、文档、SQL Schema、PDF、图片及音视频转换成可查询、可追溯的知识图谱，让 AI Agent 从「搜索文件」升级为「理解工程关系」。 GitHub： 🛠️ 一、底层架构：不是传统 RAG，而是图结构知识引擎 Graphify 最值得研究的地方，是它没有走传统向量检索路线。 传统 RAG 通常需要经历： 文件切分 → Embedding → 向量入库 → 相似度检索 → 上下文拼接。 Graphify 直接构建 Graph。 底层采用 NetworkX 图数据结构，以 Node 和 Edge 表达工程实体及其关系。 整个处理链路可以概括为： detect() → extract() → build() → cluster() → analyze() → report() → export() 每个阶段职责独立，通过 Python Dict 和 NetworkX Graph 传递数据。 这意味着它不只是索引代码，而是在构建整个项目的结构化关系网络。 🛠️ 二、Tree-sitter AST：让代码解析摆脱 LLM 依赖 这是最有工程价值的设计。 Graphify 使用 Tree-sitter AST 解析约40种编程语言，提取： • Classes：类定义及结构。 • Functions：函数与方法。 • Imports：模块依赖关系。 • Call Graph：跨文件函数调用。 • SQL：表、视图、外键及 JOIN 关系。 其中33种语言使用 Tree-sitter Grammar，另外7种使用内置解析器。 关键在于：代码结构提取完全在本地完成，不需要调用 LLM，也不需要把代码上传到云端。 对于大型代码库，这种确定性解析比单纯依赖模型阅读文件更容易复现和追踪。 🛠️ 三、EXTRACTED / INFERRED：让每条知识关系都有证据 很多知识图谱最大的隐患是：模型推断出来的关系，很容易被误认为真实事实。 Graphify 给关系增加了置信度标签： • EXTRACTED：源码中明确存在的关系，例如 import、函数调用。 • INFERRED：通过上下文、命名和调用关系推断出来的连接。 • AMBIGUOUS：存在不确定性的关系，需要人工复核。 INFERRED 关系还会附带 0.0—1.0 的 confidence_score。 这套机制非常重要。 它实际上把知识图谱从一个简单的关联网络，变成了一个能够区分事实、推断与不确定性的工程知识系统。 🛠️ 四、Leiden + SHA256 Cache：解决规模与重复计算 Graphify 使用 Leiden 社区发现算法，根据节点之间的连接密度，将复杂工程拆分成不同功能子系统。 例如，一个大型后端项目，可以自动识别认证、数据库、路由、权限等不同社区。 同时，SHA256 内容哈希缓存会记录文件指纹。 文件没有变化，就跳过重复提取；只有新增或修改的文件才重新处理。 音视频还可以通过本地 faster-whisper 转录，再进入统一知识图谱。 这让增量更新不必每次重新扫描整个工程。 五、真正解决了什么工程问题？ 想象一个场景： 你接手一个陌生的微服务项目，需要搞清楚： 用户认证最终连接了哪些数据库模块？ 修改某个核心函数会影响哪些下游组件？ 某个架构决策为什么会存在？ 两个看似无关的模块究竟有什么隐藏依赖？ 传统方式：Grep、Read、跳转、反复询问 Agent，消耗大量上下文。 Graphify：直接执行 query、path、explain。 它还能生成三个核心产物： • graph.json：完整知识图谱，可供后续查询。 • GRAPH_REPORT.md：核心节点、社区及关键关系分析。 • graph.html：可交互的可视化图谱。 甚至支持 Mermaid 调用链导出、Markdown Wiki 和 Obsidian 知识库。 最重要的设计思想是： 不要让 AI 每次都重新阅读整个世界，而是提前把世界组织成它能够理解和遍历的结构。 这才是 AI Coding 从上下文堆砌走向工程知识管理的重要一步。 对于大型 Monorepo、遗留系统维护、跨模块依赖分析，以及需要长期理解代码库的 Agent，这套架构尤其值得研究。 🔗 GitHub 开源地址：

【衝撃】OpenAIの年間売上約200億ドルに対し、イーロン・マスクのxAIは約10億ドル。 →20倍の差をどう埋めるのか聞かれたマスクの回答がぶっ飛んでるｗｗ 記者「OpenAIに売上で20倍も負けてますやん」 イーロン「でも本当の市場はもっと大きい」 記者「……どれくらい？」 イーロン「兆ドル単位だよ」 記者「いきなり桁おかしいｗｗ」 イーロン「デジタルヒューマンを作るんだ」 記者「……何それ？」 イーロン「人間がパソコンでする仕事を何でもできるAIだよ」 記者「ほな何から始めるん？」 イーロン「カスタマーサービスだね」 記者「電話対応？」 イーロン「そう。世界で約1兆ドル規模の仕事だと考えている」 記者「でも導入って大変でしょ？」 イーロン「既存のソフトをAIがそのまま使えばいい」 記者「……え？」 イーロン「人間と同じ画面で、同じ仕事をするんだ」 記者「システム開発いらんの！？」 イーロン「大規模な変更を減らせる可能性がある」 記者「ほな人間の代わりにAIを雇うん？」 イーロン「しかもコストを大幅に下げられるかもしれない」 記者「コールセンター終わりますやん……」 イーロン「まずはそこから大きな市場を狙うんだ」 記者「でもOpenAIも同じこと考えてるんちゃう？」 イーロン「もちろん競争はあるよ」 記者「勝てるん？」 イーロン「実現できれば、世界有数の企業になれる可能性がある」 記者「……夢の規模が違いすぎるｗｗ」 これ、経営者としてかなり面白い話。 例えば、毎月100万円かけている事務作業。 これまでは人を採用するか、外注するしかなかった。 でもAIが人間と同じパソコン操作をして、同じ仕事を完了できたら？ 会社のコスト構造そのものが変わる。 僕が注目しているのは、AI専用のシステムを作るのではなく、AIが人間用のシステムをそのまま使うという発想。 これが実現すれば、導入のハードルは大きく下がる。 ただし、実際にはセキュリティや誤操作への対策も必要だし、すべての仕事を任せられるわけではない。 そして1兆ドルという数字も、そのままAI企業の売上になるわけではない。 それでも、今後のAI競争は面白くなる。 AIの賢さを競う時代から、AIがどれだけ人間の仕事を代わりにできるかを競う時代へ。 皆さんは、自分の仕事の何割をAIに任せられると思いますか？

株で家族を養っています。 600万円から始めて→資産は10億円。 その過程で学んだ、初心者向け投資ルール。 （保存推奨） ルールを守れないなら、株を買うな。 私はこの8つの鉄則だけを用いた（後で見返せるように保存推奨） ① 5％下落 → 何もしない → まず様子を見る

月500万以上稼ぐトレーダー4人に、 「もし今、資金10万しかなかったらどうする？」 って聞いてみたら面白かった。 手法は全員違うけど、最初にやることはかなり似てた。 まず1人目は、 ① 10万円を増やそうとしない。