一般来说就是：用适合自己肤质的护肤品做好保湿，比较热的时候有点油可以用吸油纸擦一擦，平时饮食尽量清淡，睡眠尽量规律且保持充足的睡眠时长，床上用品（尤其是面部接触较多的枕套）定期更换+日常让太阳晒一晒。

在做好了这些的情况下，正常是不会还这样的，还这样说明是身体问题导致的，要去医院治疗。

@knva #1 因为本身用户量少+其他功能相比起 edge 而言存在缺失。

而相反的是，edge 如果给了扩展功能，那狐猴、kiwi 这种的存在意义就更小了。并且 edge 会由于本来就有的很大的用户量基数，不仅仅能吸引到想要使用 edge 的功能且想用扩展的用户，还能吸引到更多实际可能不怎么需要扩展功能但被人推荐使用的用户。

@xiongperry #23 写 GitHub 的太多了，没东西的写上去纯扣分项

坑在于外包这个工作形式，其他没什么坑。

比冲科技这个公司，从官网介绍来看明显是个做外包项目较多的公司，驻场外包人员对于他们来说本质上就是些关系没那么大的“资源”，且对于甲方的无限光年而言也只是个外部公司的员工，你相当于是个被夹在中间的边缘人。

而且，由于你的人员性质特殊，也很容易有公司层面的责任归属问题。假设出了啥事情（任何事情），扯皮可能都得扯半天。

---

单纯从工作内容来说，目前搞 LLM 的多少都会有点爬语料甚至从竞争对手那搞模型输出结果来训练的情况，但要有足够多的数据去训练也没什么更好的办法，这是当下甚至未来很长一段时间内的常态现象，也是典型的野蛮生长期的红利。在行业层面解决数据问题前，这都不是什么太大的问题。

从更具体一点的角度来说，有没有问题还是得要看这个 LLM 到底是干什么的。比如如果是学了一堆文章数据，然后就拿去大量生成同类文章，那当然会有侵犯训练数据中涉及到的文章版权的问题；但如果训练后是用来识别文章内蕴含的信息，比如情感分析、关键词提取之类的，那没什么问题，因为这中间必然涉及到对数据二次加工、创作，并且训练出来的模型也没有侵犯原作者的利益，只是对公共数据的合理使用罢了。

还是那句话，爬虫本身只是个工具，怎么用、违不违法是人的问题。

刚毕业可以写，因为本来就没什么实际项目能写，写这些至少能体现出一些个人特质，比如喜欢技术、有自驱力、喜欢钻研。

但如果都工作了几年还写这些不新鲜且缺乏深度的事情，就没什么意义了。尤其是在正经项目内容少的情况下还会起到反效果，只会让人感觉做事能力不行、学习能力也不行，这点事情也要特意写到简历上炫耀。

换个场景就是：小朋友拿个刚买的文具盒给别人展示有多好玩没问题，大人还这样就是幼稚了。但大人如果拿个自己设计的创意文具盒出来，展示设计有多巧妙，这是没问题的。

你做好风险提醒和告知替代方案就行了，最终怎么用是他们的事，最终有问题也是他们负责，大可不必太过纠结。

@mrfox #12 具体怎么做配对操作你得问厂商或者自己网上搜一下，每家的做法都不一样，只是从原理上来说就是个走 2.4GHz 频段、有这种配对绑定机制的私有协议而已。

@lpf0309 #9 这种无线控制方式都是走同样的私有协议的，初次连接后互相绑定设备标识，旧键盘多加个重置步骤清空绑定就能跟新接收器连接了。

@mrfox #8 查了一下你这型号，从拆解图来看，改有线的综合成本可能比你新买一个支持有线无线双模的键盘还高，不如找售后看看能不能解决无线连接的问题，或者直接买个新的。

另外机械键盘也可以很静音，只要选择本身就静音的轴体，加上轴周围一圈有橡胶圈的处理，就基本没声音了。

改是可以改，难不难看情况。我觉得比较离谱的是，你这无线键盘居然是个纯无线的？一般不都是有预留 USB 口，直接往接口上一插就变有线了吗…

这三个功能好像有了很久了吧…你那一直没显示？

只能说符合预期水平，这些都是肯定会有的问题，科技水平目前就那样。

要看还是得看堆料堆出来的体验在实际使用环境下能比没堆料的好多少，如果能堆到明显提升一档使用体验的程度，那就是物有所值的。

比如：
从一般人看久了能注意到像素点，提升到不盯着看就一直看不到像素点；
从特定条件下能看到轻微眩光，提升到完全看不出眩光；
从 20%的场景下识别不了手部动作，提升到 99%的场景下都能准确识别手部动作。

像这种忽略了续航、重量之后仍然会影响长时间佩戴时使用体验的问题，如果能靠堆料得到解决，就已经能让很多人愿意作为日常设备使用了。

通用 PC 当然是 Windows ，要么你就用主机。

但是如果你很喜欢用手柄，也可以试试装个 Steam OS ，专门针对手柄优化了操作的，在 SteamDeck 出来之后很多游戏的兼容问题也不再是问题。

@halowang #4 如果更换端口有效，那就是 8211 被拦截了，测试一下就知道了

可以尝试更换其他端口号看看，或者是你的端口转发配置的协议有问题

简单需求是可以直接生成，单纯的 内容搜索 / 提取个概括 再合并整理都能出结果。
但实际使用中必然会存在很多复杂需求，所以这种用法终究会受模型本身的可理解上下文长度限制。只要模型不能一次性理解足够长的内容，那就会导致输出质量受影响，或者直接就没法在使用通用处理方式的情况下满足需求，进而也就没法大规模使用。

很简单，因为绝大多数正常人不会需要那么多设备同时登录，但一定会有不正常的人一个付费账号给一堆人登录。