Mr Panda (@PandaTalk8)
@PandaTalk8
0 正在关注 0 粉丝
相对客观的讲，如果我是 Nikita， 我也不一定比他做的好。 我们可以找出他做的不好的地方有很多， 但我们自己处在这个位置，面对着几十亿用户体量， 多国别，多语种，多种文化，多宗教信仰的一个社交产品，面面具到几乎是不可能的。
显示更多
只要成功一次， 就能找到感觉， 成功两次， 就能隐约找到规律， 成功三次， 那你就永远不会回去了
一年前， 我认为上班就是牛马，没有人性可言。
现在我我完全反转了，上班表面看起来被迫内卷、卖身给公司，事实上这几年我独自面对这个不确定的世界的时候，深深的觉得，还是有个老板好啊。
老板替你扛了很多事风险，遮挡了很多风雨，如果你还上班，一定要好好珍惜你的老板。
显示更多
传统的岗位就是类似于你还想找前端工程师、后端工程师、大数据工程师之类的。
你应该重点关注的是AI产品经理、企业FDE， AI Agent 工程师 。
我大胆的顾测一下， 科技行业的岗位变化， 会导致传统研发的产品岗位消失， 被AI产品经理、企业FDE这样的职位所替代。
当然不可避免的是， 企业不会像以前那样大量的招聘人类工程师了。
显示更多
我最近关注到程序员的就业有所改善，大家如果找工作， 不要盯着那种传统的职位，那一定是没有前途的。
找工作就跟搞社媒一样， 热点和趋势是必须要关注的。
现在的热点是AI 开发者、AI产品经理、AI 前向部署工程师（FDE） ， 根据岗位描述去准备， 你一定能找到工作。
尤其是有着丰富工作经验的人。
显示更多
我最近关注到程序员的就业有所改善，大家如果找工作， 不要盯着那种传统的职位，那一定是没有前途的。
找工作就跟搞社媒一样， 热点和趋势是必须要关注的。
现在的热点是AI 开发者、AI产品经理、AI 前向部署工程师（FDE） ， 根据岗位描述去准备， 你一定能找到工作。
尤其是有着丰富工作经验的人。
显示更多
我感觉我现在既会 building ，也会了一点marketing 。
但是我现在的问题是： 我特么没什么好点子啊。
我做不起来国内的社媒帐号， 可能就是打心眼里看不上国内的社交媒体推荐流的内容， 我感觉信息量很低，内容调性很low，我做不到去迎合更下沉的用户的口味儿的需求。
显示更多
现在靠单纯的软件变现太难了。
但你可以把软件绑定在服务上进行变现。
在AI帮助下， 高度可定制化的客户服务相比过去更加容易。
说明你身边的这些“小登” 认知很高， 古法编程对于教育和学习来讲是不能跳过去的。
我发现身边很多小登对 AI Coding 的积极性还不如老登。问了一下，小登说：他可不想一出道就不如 AI，所以想坚持古法编程，尽量手搓。
现在的中医极其繁荣。 有没有用不知道，但是有信仰。
对于我来说 typescript 是工作， Go 是生活。
typescript 目前对于AI来说生态过完美， 很适合小项目的起动阶段。
Golang 优势还是在于开发后端高并发服务，容易编写，容易理解， 容易维护。
显示更多
我思来想去，我选 TypeScript 和 Go。
不对，不用想，这就是我现在主力。
理由如下： TS 相对容易理解的语法，广泛的适用场景，优异的性能，AI 的适配，没任何理由不会。
选 Go 倒不是偏爱，毕竟一眼望去所有的软件都在 Rust 化而不是 Go 化。
Go 主要是没什么好学的，关键字那么丁点，适用领域也不是那么的全方位普及。
但社区的态度，思路，出发点，从来没有过任何一个别的语言那么激烈的动荡，哲学这块的一以贯之，严谨的态度，浸泡在这个社区里是全方位的受益无穷。
显示更多
最近 在Codex一个人提了一个issue， 他发现codex 的异常现象：
他统计了约 39 万条使用记录后发现，gpt-5.5 在处理任务时，内部“thinking”消耗的 token 数，经常刚好停在 516，有时也会集中在 1034、1552 附近。
这是什么意思？
你可以把 AI 做复杂任务理解成“先在草稿纸上推理，再给出最终答案”。reasoning tokens 就类似这张“草稿纸”用了多少空间。
正常来说，简单问题用得少，复杂问题用得多，数字应该比较自然地分散。
但现在的问题是，很多结果都刚好卡在几个固定数字上。
这就像很多学生写题时，不管题目难度如何，草稿纸都刚好写到第 516 个字就停了。这个现象不太自然。
这可能说明几种情况：
- 系统给模型设置了固定的“思考额度”；
- 高负载时模型被分配到更省资源的模式；
- 某些复杂任务还没想完就被迫停止；
- 也可能只是统计记录方式本身有问题。
他在issue 中说， 不是在证明 OpenAI 一定“偷偷截断了模型思考”。
更准确地说，这是一个值得调查的信号：
如果 AI 在复杂任务中经常被限制思考长度，
那它的回答质量就可能变差，
尤其是在写代码、排查 bug、做复杂推理这类任务里。
显示更多
几年前， 遇到一个文科生的神人。 他问我面向对象是什么， 我说是一种抽象，给他讲了一大堆， 类， 继承，多态之类的概念。
最后他若有所思， 原来你说的就是分类啊。
他这个回复把震惊了，原来一直都没有搞懂真相的是我， 事实上还真的就是分类的方法。
这几年我才看到有一门问叫 Category Theory ， 原来这玩意儿可以搞的这么高深。
显示更多
这是一个本地运行大模型的硬件与配置指南。
作者分享了从约 2000 美元到 4 万美元级别的本地 LLM 方案：
便宜方案可用双 RTX 3090 跑 Qwen 和本地语音转文字；
高端方案用 4 张 RTX PRO 6000，384GB VRAM，接近 Claude Opus 级别体验。
内容包括硬件清单、PCIe switch、GPU 通信、Docker 配置、STT、本地模型权重管理等。
显示更多
