帖子
文章
问答
帖子
文章
问答
主席顾问团
公司最近很多内部 AI Agent 工具一上来，原本要我一个前端干一天、甚至好几天的活，聊几轮天就能跑起来并交付。效率爽是爽，但也逼着我思考：在 AI 越来越聪明、我们只需要点介入就能把需求跑完的时代——那省下来的大量时间，我到底该把注意力放在哪些更有价值的事情上？
有一个比较好玩的生图指令，能测试生图模型是不是智能
---
> “A horse riding an astronaut” （一匹马骑在宇航员身上）
---
弱智能模型只会关键词匹配，看到 `Horse` 和 `Astronaut` 就按习惯拼凑，AI学习的几亿张图片都是“人骑马”，没有“马骑人”，如果模型只能画出“人骑马”，说明它只是机械地抓取关键词（马、人）然后按概率拼凑；如果模型能画出“马骑人”，证明它真正读懂了语法结构，知道是谁在骑谁，具备了反直觉的推理能力。
---
所以对不同模型，写提示词的侧重也是不同的，对于旧模型要把它当成搜索引擎，堆砌关键词标签（马, 宇航员, 高清），因为它听不懂复杂的句子；对于新的智能模型，要用自然的语言写小作文，用详尽描述和语法来掌控画面的逻辑和细节
今天看新闻，几乎所有大厂都在抢“端侧”入口。不只是阿里、字节在做眼镜和手机助手，连理想汽车昨晚也发布了自己的AI眼镜Livis。巨头跨界很凶猛，背后逻辑是硬件能更快变现、更好保护隐私。搞云架构的伙计们，是不是得考虑一下云、边、端如何协同了？
今天看到一则新闻说去俄罗斯免签？意思随便就去俄罗斯了？网上查了下去俄罗斯3899 元起含全餐 + 四星酒店 + 往返直飞，加起来不到5000元，这么便宜吗？还是说估计降低门槛，促进当地经济消费呢？没有去过俄罗斯，好玩吗？
共 1 张
图片加载中
中午在小火锅碰见一对男女坐我们隔壁，听见了他们的对话。回家我和女朋友八卦了一夜也分析不出来他俩到底是啥关系，来求助🆘
对话重点如下↓
① 女生说：等会吃完饭准备去男生家睡一觉
② 他们俩分别谈论了各自的孩子小时候的趣事，期间女生还提到了几次自己婆婆说最近都是自己婆婆带孩子（推测没离婚？）
③对话全程都没有提到各自的伴侣
④女生提议喝点酒，男生说单位每天查酒精不能喝。女生还说男生的单位也不能开除人（推测不是一个单位的）
和女朋友八卦了一晚上，感觉他俩好像也没有很熟悉但又是能去对方家睡觉的关系？不像同事也不像情侣[石化R]我俩真的太好奇了，有没有人可以帮忙分析解惑下
在与 GPT 5 的正常讨论中我混入了一句吐槽“但是他嗓门大，让人不能忽视”，这句话后面直接被大模型当做事实引用，并且基于此给出了看起来像那么回事其实跟嗓门大半毛钱关系没有的推断，让它解释一下它竟然还能强行圆回来（但是圆得太勉强了）—— 所以大模型的推理都不是真的在推理，只是在做引用，引用是否合理它自己并不清楚
背景：昨天晚上跟我老婆在聊天，
我：”我突然想起，上周看喜人奇妙夜，“荆轲刺秦”那个小品。荆轲和樊於期后边相约在奈何桥，了无遗憾后，一起过了奈何桥，如果我到时候先到了那边，我肯定会等你一起，牵着手跟你一起过这个桥的，我牵着你走，你就不会害怕了。”
这个时候我老婆不知道为啥就开始哭（我这个时候也在哭，我俩都是很感性的人）
然后她说，“那可以不喝那个孟婆汤吗？不想忘记哥哥”
我：”不会的，就算喝了，我们都会记着彼此的“
我俩现在都健康平安，但是不知道为啥突然会有这一段。我俩肯定是真爱了吧。
明年真是个大年，主要的几个头部的AI公司都准备IPO。
之前OpenAI说要准备IPO，国内的智谱和Minimax也在做准备。
现在 Anthropic 也跟进了，目前正在跟与投行的沟通。
同时正在进行的私募轮可能将Anthropic估值推至3000亿美元+。
CEO 说，ARR 有望在明年升至260亿美元，客户数有30万+企业。
北方大白菜两三毛一斤，大葱十块钱一大捆。而南方大白菜几块钱一斤，大葱四五根就要十块钱。南方豌豆尖五块钱一大口袋，还特别嫩，芦笋几块钱一斤，粗壮甘甜。而北方豌豆尖八九块一小把，都是老杆子，芦笋二三十几根，还没小拇指粗。我还发现很多南北方菜价差异和品质优劣，有办法倒菜赚钱吗？
Pulsar采用计算与存储分离的架构设计，这使其在消息队列中独具特色。整个系统明确划分为计算层和存储层：计算层由Broker集群组成，负责消息路由、协议处理等核心MQ功能；存储层则由独立的BookKeeper集群担当，专门提供高可靠、分布式的日志数据持久化存储。这种分层架构让Pulsar在扩展性和资源管理上具备了显著优势。
从组件构成来看，Pulsar计算层包含Producer、Broker、ZooKeeper和Consumer四大要素，共同完成消息队列的服务逻辑。存储层的BookKeeper作为一个独立的开源项目，由多个Bookie存储节点和ZooKeeper协同工作，本质上为Pulsar提供了一个远程、共享的日志存储服务。在实际部署中，这两层可以独立进行：先部署好BookKeeper存储集群，之后一套或多套Pulsar计算集群可以同时接入并使用同一套底层存储资源。
与Kafka等传统消息队列相比，Pulsar在架构实现上存在根本差异。例如Kafka的Broker直接读写本地磁盘，而Pulsar的Broker则通过客户端SDK将数据写入远程BookKeeper集群。值得注意的是，Pulsar和BookKeeper都依赖ZooKeeper存储元数据，实践中为节省资源通常会共用一套ZooKeeper集群。若将BookKeeper视为存储后端，Pulsar计算层的架构逻辑与Kafka颇为相似，都具备Topic、分区、消费订阅等核心概念，客户端同样需要通过寻址机制定位到负责特定Topic的Broker节点。
Pulsar还引入了一些特有的概念来支撑其架构特性。在计算层，Bundle机制实现了资源的弹性分配与管理；在存储层，BookKeeper的相关概念如Bookie（存储节点）、Ledger（只追加的日志流）和Entry（日志条目）共同构成了其底层存储模型。这些设计使得Pulsar在保证高性能的同时，能够更好地适应云原生环境下的弹性伸缩需求。
共 1 张
图片加载中
技术同盟成员
更多 >活动日历
线上直播
线下沙龙
线下沙龙
线上直播
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
腾讯云开发者
提问已提交，平台将在审核通过后自动邀请对方回答
您可前往问题详情页查看问题进展 查看详情>