@yjim 之前玩 5 代多些，其实 6 代就是看着便宜就入了，玩的不多。我最近两年肝最多的还是城市·天际线😂

Epic 、Steam 、PS 、Switch 上都入了😂

你的需求是快速切 conda 环境？
看看 direnv 能不能满足你 https://direnv.net/

哈哈哈真是围城，我们组有 Java 后端在学安卓开发

要画原型，选显示屏大的。

要不要试试 lsd
https://github.com/Peltoche/lsd
自带 icon 小图标，靠图形分辨，不怕没颜色了

看代码，感觉是不是可以用原始数据 pandas ，对 df 做 groupby 后再 sum 解决？

安全套买小一号

@edis0n0 那就自己搭吧，rasa 框架可用，语言支持在模型上，不在机器人框架上。难点在 NLU 效果调优，中控，及对话管理，和已有业务对接上。

你这不就是想要整套智能客服功能么，找个商业 SaaS 服务吧，开源的你二次开发成本比你买的便宜不了多少。

利益相关，智能客服行业从业者

面向特定业务的 NLU 分类任务，很难通过开源库直接解决，可以用开源的预训练模型，但需要一些语料去做 fine tune.

类似解决方案自己搜搜应该不少，可以搜下

In [1]: s = [1,2,3,4,[5,5,5,5]]

In [2]: candle = {'h':9, 'l':7, 'c':6}

In [3]: s[-1][2] = candle['h']

In [4]: s[-1][3] = candle['l']

In [5]: s.append(s[-1])

In [6]: s[-1][2] = candle['c']

In [7]: s[-1][3] = candle['c']

In [8]: for i in s:
...: print(f"{i=}, {type(i)=}, {id(i)=}")
...:
i=1, type(i)=<class 'int'>, id(i)=4549804272
i=2, type(i)=<class 'int'>, id(i)=4549804304
i=3, type(i)=<class 'int'>, id(i)=4549804336
i=4, type(i)=<class 'int'>, id(i)=4549804368
i=[5, 5, 6, 6], type(i)=<class 'list'>, id(i)=4582898496
i=[5, 5, 6, 6], type(i)=<class 'list'>, id(i)=4582898496

早在 Google Reader 时代就实现了社会化推荐。只是后来一个个都死了而已

看标题以为讨论的是机器阅读理解，结果是 TTS😂

中文 TTS 的话，其实大多数厂商就是可用水平。效果好的也就是微软和阿里。主要这玩意想调教好烧钱。

这价格够入手个 PS5 + 50 寸电视了

标准库中具体是什么关键词这个也不太清楚
================
这个提取好说，就是地点 NER 。但和标准库没法直接 NLP 替换啊，文本层面一点相似性都没有。你这匹配规则是啥都不清楚。明显是需要地点和区域映射。
如果外网的话，有些地图服务商提供 API 的，内网的话，只能自己维护。

大众需求就 Excel 最合适，如果技术流你可以考虑导入数据库里折腾。如果是固定任务，写脚本处理吧

试试 HTTPie 的客户端版？ https://httpie.io/app

蹲一个解决方案，我之前也遇到这个问题，最后因为都是整数，所以取巧把分箱最大值改成 1000.0000001 了😂