其实是这样的：需要给大模型限定边界，在垂直领域进行信息检索和加工。

@dcsuibian 2015 年之前用的都是 Android ，还买了 Nexus5 。折腾一圈用了 iPhone6S ，当时找到了“一部手机”的感觉，而后就再也没换过安卓。但最近又有点手痒，想着十年过去了，Android 阵营应该已经今非昔比了。 :)

用 codex 吧，cc 有时候我 spec 都写的很清楚了，结果还是差强人意，频繁返工，写半天有时候很想打人。再者 pro 的量真的不够用，问题还没解决就撂挑子了，太恶心了； codex感觉稍微慢了点，但是很稳健；

@TheEricZhou 是的是的，我在直播间问说课包多少钱，一天能招多少人，就被禁言了。

这方面确实 cursor 更好用，官方 repo 上的 issue 其实 3 月份就提了： https://github.com/anthropics/claude-code/issues/353

V 站这么多人考这个？

升本。
本来现在学历就贬值，专科在未来会更艰难，IT 工作也不好干了，如果经济上允许的话，升本、读硕，能接触到更多好的机会。
现在这工作 10k ，在大环境下增长斜率应该不咋样，同时也不是大平台，对你的专业性塑造其实没多大帮助。

@yumizhao888 #39 人工打码目前来说确实还是相对有效便宜的。

@silencelixing 我好像回不了图片和太长的文字，v 站新号。

@silencelixing 你给的 prompt 的问题，你要遵循一些原则。 给它完整的图片，包含验证码要求，要求它输出解决代码示例。

1. 在 github 上有很多基于 playwright 的滑动验证的实现，你可以看一下找找思路；
2. 如楼上 @Motorola3 所说，结合 LLM 来处理，prompt 提示类似 “这是一张验证码图片，请帮助识别验证码类型并给出基于 XXX 的解决代码。图片的 base64 编码如下 {base64_image}”，约束解决方案，比如返回一段基于 playwright 的代码，加载环境运行。这个方案要做的丝滑可能需要打通比较多的步骤，没有基础和时间可以做了解即可。

1. 分模块、分步骤引导，不要想一键满足诉求，现在的 AI 还做不到；
2. 一个对话的上下文最好是相对一致的，跨度不要太大；
3. 用 GPT4 ；
4. 敢于质疑自己和 AI 都会写出错误的代码；

@some2 我推荐尝试一下阅读+冥想。
就我个人的感觉，阅读的时候是主动搜索，这个过程中是会主动锻炼大脑的，而观看小视频、电视等等，多数属于被动接收。人类原生的大脑本来就是会主动规避耗能的操作，所以需要你清醒的现代大脑来调配训练。
而冥想更多的是让你的思维可以站在身体之外的空间，去注视物理世界，我认为是跳出“当局者迷”的束缚，可能用词不是很准确，但大概是这么个意思。

人类发展进程已经有数十万年，而近几百年尤其是工业革命和信息革命带来的变化，相较此前是翻天覆地的，人类的大脑进化进程可能还没跟得上，可以从这个角度去审视、训练自己的大脑。

都是个人见解，有不同意见欢迎交流指正。

不会，你自己认为你是什么样的人，你就会成为什么样的人，这和你的认知息息相关。

这几个例子都是你自己有偏好的去解释的，你换个方向，换勺子这个例子：体现的是坚韧的品质，碰到困难也不妥协； “bug 嗅觉”以及“较真”这个例子，提现的是有较好的逻辑思维以及严谨的品质，二者都可以是支撑你成为优秀企业家的品质。 如果你这么想就不会认为是代码写多了，思维方式是朝着“程序化、降低灵活性”方向变化了。

另一方面，我觉得，你可能没有意识到的是，自己没有在编程之外的时间去观察世界、去思考，反而认为是编程限制了自己思考（方式），这是不对的。

@coderxy 友情提醒：不要因为 ETL 概念陷到数据仓库的领域里面去了哈，工程问题，够用就好。

@coderxy MySQL 可以，但性能可能受限，先做数据预处理，不要想着一条 SQL 搞定，可以定时跑批实现。
给 OP 一个简单思路：原始业务数据 --> 特征提取 --> 预处理入库 --> 搜索预处理数据进行推荐。
接下来就是要明确一下业务数据来源、数据规模、提取方法、预处理方法、查询展示方法。
如果不是实时模型，是可以将 OP 的这个需求理解为一个传统 ETL 任务来实现的。

如果是想更深入讨论的，那么建议还是补充一些细节。否则只能得到泛泛的回应。

核心还是定义推荐规则：比如你认为地理位置相近的、同时年龄在同一档 且 星座相同的用户，可以相互推荐，那这就是搜索问题，使用 geo 函数计算地理位置关系、给年龄分档（幼、青、中、老）、星座匹配，只要同时命中 3 个条件的，按预定的权重来计算评分，然后排序取前 10%，每次随机从中取 10 个人推荐，还可以实现“换一批”功能是不是。

核心还是基于你们的产品设计，至于是用知识图谱去发现和推荐，还是按一般的 item-base 、user-base ，计算一下“相似度”，排序推荐，又或者向上面用 MySQL 的二维表对你列出这些维度的“排序”来决定推荐次序，都可以做得到。