chrome 可以把 log 下载成文件，你在页面上把所有功能点一遍
把这个 log 文件送给 ai 处理不就行了

一个非常大的疑问就是，你训练出来的模型如果比市面上的都差，怎么办？

我们已经基于 langchain 做了一个，学生和 ai 聊天，ai 会随机出一些题目让学生做，最后 ai 对学生进行评分总结。

总的来说，工程背后的工作很多，并不是那么简单就可以做得好用。

自己搭完就会发现还是云服务便宜

两种架构用过就知道了，arm 就是慢一点的 x86 ，服务器你又不用在意功耗，直接 x86

楼上根本没训练过模型在这瞎扯。。。。
自己收集数据集，比如一大批 ai 生成的图片，和真图像，自己做标记，ResNet50 训练
往简单里做，比如就收集几百张图片，随便找个在校研究生都能搞，就是效果肯定比较初级
往复杂了做，想达到商业级别，数据集你也可以收集几百 T ，招几百个人的团队给你做标记，租集群做训练，成本就无上限了

前一阵遇到个问题才知道 macOS 不区分大小写，而且想改成区分大小写要重装系统，当时就在想最终开发还得用 Linux

读得多就值得买，读得少就不值得买

你说的目录是源码结构，最终打包结构和源码显然不是一回事，严重怀疑没做过真实项目才有这种设想

你一年回家几天还担心再也回不去？你想借就借吧，反正也不用网友出钱。

保持别人插不进来的距离，狭路相逢勇者胜

都是鸡毛蒜皮的事，整天折腾这些事，不如早点写完回家喝啤酒

语法上肯定是 lisp ，数组 flatten 的函数，别的语言得多繁琐

```
; (flatten L)
; -----------
; takes a potentially-nested list, L,
; and collapses all its elements into a single level,
; maintaining their order
; e.g. ((1 2 (3 4) 5) 6 ((7 8) 9))
; becomes (1 2 3 4 5 6 7 8 9)
(defun flatten (L)
(cond
((not (listp L)) L)
((null L) L)
((not (listp (car L))) (cons (car L) (flatten (cdr L))))
(t (append (flatten (car L)) (flatten (cdr L))))))

; trial runs
```

别人多挣的是别人的本事，可能人家学历比你好，或者小姨子让老板睡了呢？
有这个心思多学学技术，跳槽加薪，等你薪资比他们多 1 万，就会发现现在想法很可笑

我用了两块 apple watch ，第一个是初版用了 5 年，后来电池鼓了去店里免费换个新的。后来换了个 s4 用了 4 年，电池鼓了这次没换，直接换了个 s10