|
Tips coming from reddit
|
Tips coming from reddit
Today I found my TabNine stop working and after 2 hours, I found it officially stop support Sublime Text
But if you having the API key here is how to make it continue work in local mode. Goto '/Users/[username]/Library/Application Support/Sublime Text/Packages' and change 'dl_binaries.sh' as below.
Change targets to your platform if required.
|
Run it to download, The 4.4.25 is the most stable version and 4.256.0 is the last known version works with sublime text 4 build 4196.
You need also block update.tabnine.com in hosts file to block TabNine auto upgrade, although codota says you can type TabNine::disable_auto_update.
C#, JS, CSS, HTML and PHP belongs to Universal model
I got my fouth MacBook Pro today. It's the second Apple Silicon CPU Mac. I bought in PDD and 48G 1T slightly high-end model.
|
|
|
Please notice ubuntu_man is used by Dash
|
|
|
|
|
人工智能(AI)在过去两年呈爆发式发展,特别是 2024 年 12 月 26 日 DeepSeek V3 模型的发布,标志着中国正式进入 AI 智能时代。对于非 IT 主业的传统企业而言,制定清晰的 AI 战略路线图已成为数字化转型的关键。
在 DS V3 实现大规模商用前,国内企业面临两大困境:其一,国际主流模型受地缘政策限制难以合规使用;其二,可用模型的调用成本居高不下(单次请求约 0.8 元),严重制约规模化应用。DS V3 通过技术突破将成本降低 40 倍(单次成本约 0.02 元),使企业级应用真正具备经济可行性。
目前看来自部署的唯一优势就是隐私安全,其他完全不能和直接调用厂商 API 比较,调用 DS 的 API,2 月份花费不到 1 元,即使考虑需求在未来增长百倍,一年也不过 1200 元的费用,而一块 4090 的显卡目前价格在 2 万左右,等于可以用几十年。
更重要的是调用 DS API 的模型是 670b 的 V3 或者 R1,从模型参数看,也比单块 4090 跑的 14b 要大 47 倍,而且这个差距不可弥补,使用 AI 最重要的是 AI 的智能,14b 的模型基本等于小学生的智能,而 V3 绝对可以达到大学本科的水平。
自部署的 14b 在实际测试中,对于合同分析的问题,比如“收款条件第一笔是否为预付款,回答是或者否”,令人难以置信的是,硅基流动的线上版本的DeepSeek-R1-Distill-Qwen-14B的思考链效果也远远好于本地部署的Ollama 的 DeepSeek-R1:14b,理论上这两个模型应该是完全一样,实在令人不解。
同时我还在微信群中看到有某单位领导部署 70b 模型后与公网差距巨大的截图,可见即使是完全相同的模型,在部署的时候的一些 knowhow 可能仍然是不公开的。
DeekSeek 在 2025 年 3 月开源第 6 天的X 推文中指出,DS 在部署中可以达到 545% 的理论每天利润率,与此同时,伯克利尤洋却可以算出每月亏损 4 亿的奇怪数字,所以自部署模型无论从经济或者技术角度,可能都不是目前的最佳选择,这至少是目前看到的形式。
另外一个存在选择的方向是使用 RAG 搜索嵌入,或者对模型进行微调,这个在网上讨论也是非常多的,目前来看,RAG 的灵活性和实时性要好得多,可以优先尝试,其实这两个方向不存在矛盾,在以后积累了一定的问答数据集后,同样可以对模型进行微调。
但第一优先的仍然应该是 RAG,RAG 的方式方法其实也非常多,在穷尽这些方法前我认为没有必要去看模型微调,尤其是 RAG 很直观,永远能从 Prompt Log 中看到引用了那些知识内容,理论上只要提供的准确的文本信息,模型能力到位,是完全可以得到准确答案的。这种确定性和实时性非常重要。
相比之下模型微调只有在经过很长时间的一段时间的模型调整后才能查看结果,而且若对这次模型调整的新的例子的推理结果不满意的话,又要将准确的例子作为训练素材进行重新微调,一次微调耗时 1~2 天(硅基流动调用频率),显然无法和 RAG 对比实时性。
当然在积累足够量的标注数据(≥1 万条)后,我们仍然可对基础模型进行领域适配。但需注意单次微调周期约 48 小时,且需要持续迭代优化。
另外我们仍然需要考虑模型的优化速度,可能这些微调都没必要做,因为可能当我们的项目做了 3,4 个月后,更优秀的模型早就出了,可能都不用做微调。
由于 AI 调用的返回极其缓慢,导致直接调用厂商 API 性能收益约等于 0,可能通过 AI 中间平台调用会损失 1 秒,但是相比呼叫 AI 模型厂商动则需要等待 20 多秒的情况,可以忽略不计。
使用 dify 应用开发平台,可以免费获得 prompt 调试环境,API 调用历史分析等功能,同时还可以将 AI 模型调整的工作从较为瓶颈的程序员下放到运营和产品经理身上,甚至最终用户身上,更加便于 AI 的使用者理解 AI 目前的局限性,所以肯定是使用类似 dify 这样的应用开发平台合适。直接调用厂商 API 都没有这些功能。
现在 AI 的瓶颈已经从模型端转移到应用端,对中等规模的非 IT 主业企业来说,最重要的是找到自己公司流程上各个可以运用 AI 智能,降低人力的应用点,逐个补强,至少是用 AI 平替这些点,这样才能在未来 AI 含量越来越高的市场环境中获得成本和反应速度优势,当然是在保持人类智能质量的前提下。
目前我们已经在用的是 7777 IT 服务问答助手,PLM 问答助手,在研发的有 BIM 空间名称识别,合同分析测试,相信还有很多微小的可以用 AI 替代人工的点存在,所以 AI 应用在 2025 年大有可为。
My new Sequoia 15.3 seems not loading C++ standard library headers and lead several native gem failed to compile:
|
Below is the correct solution:
|
Sometime, it is easier to debug the Rails program if nginx can record the user's post body and here is how to.
|
Warning: It's not compatible with .NET apps, detail not yet check so recommand only enable during debug.
|
|
|
|
|
|
|
|
|
|
The puma file which will lauch puma via system service.
|
|
|
任何一门劝人入坑的文章大家都要注意背景,比如有些 Google 的雇员,因为要推广 Flutter,会把 Flutter 的能力写的花好稻好,然后最近直接团队被裁员,只留下误导新人的一篇篇文章,当然,我也得承认我写的这篇肯定也存在误导,但是我可以发自内心的表示,我至少绝对不是有意为之,我书写本文的目的因为我本身比较喜欢 Ruby 的自由,还有 Rails 的高开发效率。另外从 2012 年全面转向使用 Ruby on Rails 编程以来,它也给了我一份相对不错的工作。
有钱上 Mac,直接 brew install ruby,然后安装 rails,没钱用 Ubuntu 的 omakub,当然我也知道用 Linux 的用户绝对不会按照我推荐的 omakub,尽量不要在 windows 上搞 Rails,不是不行,坑太多,实在要搞,用 WSL 和直接用 ubuntu 类似。
此快速入门不会导致后期的练功反噬,请放心学习。
请直接阅读官方的guide 最新版本开始,中文的手册版本到 Rails 5.1,还是推荐英语。
官方手册是最快速最正统的导览,后端的功能基本上都提到了,原先可能还需要阅读一下《The Rails Way》,目前是第七版,不过这个是可选。
快速入门阶段最好不要过于扣细节,比如belongs_to和has_many是从哪里来的,是方法的话,在哪里定义的之类的框架细节,尽量将 Rails 作为一种 web 应用的定义语言(只是它恰好可以让计算机运行和发布成 web 应用)使用。
官方 Guide 没有提及任何的自动测试内容,这是对的,但是若您接下来就要接手或者开始维护,开发一个真实的 Rails 应用,《Rails Tutorial 6th 6.1.3.p1 中文版本》推荐一读,因为真实的应用多多少少都有一些 TDD 的内容,不过这只是可选。
另外的一个选择是《Agile Web Development with Rails 7.2》,也是半官方的教材,内容更加深入一些,已经不单单是一个入门教材了。
当没有完成 Guide 的整个流程前,请不要深入 Ruby 学习,因为这样会不必要的减少您学习 Rails 的时间。
当您开始对诸如1.day.ago之类的 Rails 调用感到惊奇时,您可以考虑学习一点 Ruby 语言的知识,注意 Ruby 语言语法比 JavaScript 还要复杂,所以不要过于钻牛角尖,《Ruby 基础教程》第四版就是很好的入门。
权威性的 Ruby 教材是《Programming Ruby 3.3 5th》,只有英语版本。
不必深入 Ruby 也可以进行以下任意方向的学习
Rails 主要是一门后端框架,核心是 Active Record,还有一些 MVC 架构的约定,入门的定义是对这些已经掌握了,但是 Rails 毕竟是一种全栈的 Web 开发框架,相比后端,在前端的选择是非常非常多的。
抛去目前被废弃的 rails-ujs,Rails 出场自带的前端框架是 turbo / stimulus,若您没有任何的前端经验,推荐学习这套。
Rails 也同时支持Webpack 集成(顺带也支持了 React/Selte/Angular),Rails 也有Vite/Vue.js的支持。
若您有传统的 JSP/ASP.net MVC 程序员背景,更喜欢比较成熟的框架,Bootstrap 的支持也有现成模版,注意这个模版是笔者维护,并且使用了 coreui.io 的扩展,若您喜欢纯官方的,也可以自行封装。
《Modern Front End Development for Rails 2nd》也有助于对整个 Rails 前端生态有更多了解,但是这已经不是入门内容了。
Rails 支持 Restful 类型的 API,OpenAPI 3.0 规范 或者 GraphQL。
入门后若要进行 API 书写,推荐直接使用官方的 jbuilder 即可,OpenAPI 3.0 需要学习 grape,GraphQL 需要学习 gem graphql。
传统的 VPS 笔者还是推荐 capistrano,若您对 docker 有偏好,可以使用 kamal 2
Active Cable 基于实时双向的交互值得学习,想更深入也可以看一下 AnyCable,Bug 较多,但是性能更好。《Advanced CableReady》一书可以阅读
一些高阶的 Postgresql 数据库的特性也值得学习,Active Record 虽然非常强了,但是直接裸写 SQL 有时候更加方便。《High performance Postgresql for Rails》推荐。《Pganalyze Efficient Search in Rails with Postgres》也可以阅读。
《Ruby Science》by thoughtbot 可以阅读,不过我还是劝您不要花时间在这里,ruby 是很自由的语言,搞一下 standard 的代码风格检查已经做的有点过了。