大部分 opencv 就能处理吧，都不需要上深度模型

国内号称最大的开源商业化应该是 PingCap 吧，就是 TiDB 那个

@roding 对，所以我才说强耦合飞书。但由于他本身支持自定义代码 node ，所以理论上可以直接去通过调用其他第三方微信、小红书等的 API 去完成 [每天定时去搜索热点 - 基于热点生成 UGC - 自动分发到各个内容平台 - 自动获取用户评论、分析用户评论 - 自动回复、拉群] 等 workflow 。

而 AI/LLM 在其中扮演的角色就是，把“判断这段文本是正面还是负面”，“从这个网页中抽取描述 xxx 的图片”之前完成不了的需求，交给 LLM 去处理了

可以看看字节（飞书）的这个 aily ，https://bytedance.larkoffice.com/wiki/SYLNwnUxjim3DUkWMuHcvX3xnLg
好处是：支持多 agent 、workflow 等功能，有抖音、飞书数据接口
坏处是：强耦合抖音、飞书，而且目前只是试用

建议写上项目及可量化的成果，比如优化千级 qps 的接口，RT95 线从 500ms 降至 200ms ，只写熟悉什么什么实在是太抽象了

飞书不有技术客服吗，响应还挺及时的，干嘛这里问-_-||

刘擎的《西方现代思想讲义》我看的感觉是比较通俗的

顺便借楼主帖子，列下我自己看的，和大家互通有无

1. 一个博主的 blog ，快速了解 LLM 相关的概念和学习路径： https://gugehome.com/am.php?t=a8pslXGjYFhJ
2. 《动手学深度学习》，从最基础的 LR 开始一直到 DeepLearning： https://zh.d2l.ai/index.html
3. transformers 官方 nlp courses ，集中介绍 DL/LLM 如何做 NLP 任务，有机翻中文，https://huggingface.co/learn/nlp-course/en/chapter0/1?fw=pt
4. 复旦《大规模语言模型-从理论到实践》，主要介绍 LLM ，从 transformer 源码到分布式训练： https://intro-llm.github.io/
5. 《深度学习推荐系统》- 王喆，实体书，搜广推
6. 斯坦福大学 cs231n ，Deep Learning for Computer Vision ，据说是最好的 DL 课程，我还没看完，https://cs231n.github.io/convolutional-networks/
7. 苏神的博客，苏神应该是国内研究 ML/DL 理论比较深的了，写的博客也大多数是原理解析，需要比较深的学术背景 https://spaces.ac.cn/category/Big-Data/1/

@lemoon 有在线版的 https://intro-llm.github.io/

复旦出了一本 《大规模语言模型-从理论到实践》，不知道你看过没？讲的比较广，还介绍了分布式训练

一些共享 workspace 也就 1000~2000/人/月吧，网络、办公用品、环境啥的都给你配好，工作室几个人的话，7000 预算应该满足的

transformers 的官网中文文档应该就是机翻的，质量一般

即便是计算机培训班如火如荼的年代，培训几个月就能安稳入行的比例也不大。楼主当初为什么会觉得一个新的行业培训一个月就能稳定下来呢，会不会当初的预期太高了

南站、华理附近的房子都不贵，但都很老破小。稍微远一点莘庄到莲花路地铁站附近性价比高一点，但你要转车

我平常用绵羊油，龟裂时用尿素软膏，另外，洗澡用温水不用热水

1. elastic 将 json.RawMeassage 转化为自定义 struct ，参考 https://github.com/olivere/elastic seachResult.Each
2. 自定义一些 tag 解析，如 `gorm:"col_name" my_tag:"col_name"`，参考 https://gist.github.com/sosedoff/b373623a9572cf1a992486d2d87dcd85

请问“两级索道+四层扶梯直达金顶”，是不是老人也适合去，几乎不用爬的？

@Vegetable 没玩过生产环境的 flask ，请问这里的 100 个 worker 是相当于 100 个 process 吗？相当于 1req/s/pro 这也太跌破我想象了🤣