假货宝的键盘 公司会议室键盘长时间没用 电池漏液 拆开一看 已全部烂完 电路和接触点全完了   在淘宝找了个太阳能的 不装电池 看你怎么漏 实际上还是有电池的 我自用的罗技键盘 用的纽扣电池 这个键盘就不知道用的什么电池了 收到货一看 卧槽 usb口都对不上 键盘四个边 其中两个边都没装配好 这假货宝水真深！！！！！！！！！！     

为什么外企没有35岁危机 为什么外企没有35岁危机  本文来自微信公众号：ToB老人家，作者：王戴明 我在Oracle 公司呆了很多年，身边不少40 岁以上的同事。 如果不是公司撤离，他们大概率还在 Oracle 做着工程师的工作，压根不会有什么 35 岁危机。 一个比较典型的例子，是一位 50 多岁的同事，2000 年以前就开始做 ERP 实施，进了 Oracle 以后，就打算在Oracle 退休了。 还有一位同事，当时已经在Oracle 呆了十几年。因为薪酬和福利都还不错，也打算在 Oracle 呆到退休。 这两位同事都是一线工程师，算是Oracle员工当时比较典型的一个状态。 当然了，并不是所有职位都这么“岁月静好”，销售线同事的压力还是很大的，经常被老板“逼单”，但是也不存在什么 35 岁危机。 后来我去了互联网公司，5000 人不到，算是一个中厂。 刚进去的时候，其实还比较顺利，2 年升了 2 级，从管十几人的团队到管三十几人的团队。但是一直危机感很重。 这种危机感一方面来自于自身能力的不足，另一方面则是来自于年龄。 国内企业特别是互联网公司对于年龄卡得很死，我为了招聘一名 40 岁左右的团队 leader，甚至找到了当时的直属领导，集团高级副总裁特批。 因为“不允许招聘 35岁+的员工”实际上已经列入了公司的招聘制度。 这种歧视大龄员工的核心原因在于：国内公司大部分业务其实都缺乏创新，过度依赖抄袭和价格战。 结果就是，大家都卷入了所谓的“效率竞赛”——说得好听点是拼搏奋斗，说难听点就是压榨员工。 在这种背景下，员工比拼的不是创新能力，甚至也不是专业度，而是体力。 但是，很多人一旦接近 35 岁，一方面因为长期加班，身体多少都有点问题，另一方面也是因为有了孩子，没办法 100% 的投入工作。 于是，公司就会想着法子赶你走，换成更便宜的年轻人。 这种所谓的拼搏精神，有另一个贴切的词汇：狼性文化。 看名词就知道，这真是一种非常兽性的文化。 相对于国内企业，外企（特指欧美外企）则更擅长创新，专注于高质量的产品和服务，更尊重专业和经验。 所以他们其实不太强调拼搏，而是更强调科学管理，强调专业和质量。 有人说，这是因为外企已经完成了技术积累，所以才可以不那么卷。 我觉得这个观点没有看到本质。 实际上，国外很多软件创业公司也是非常强调创新的，虽然他们没有掌握什么先进技术，更没有很高的利润，但都致力于提供差异化、高质量的产品和服务。 这和有没有技术积累，其实没啥本质关系。 反观国内很多所谓的大厂，即便已经赚得盆满钵满，技术积累也很深厚，但照样还在疯狂内卷。 所以真相是：致力于创新才能技术领先，致力于内卷只会越来越卷。 欧美外企还有另一个特点，那就是注重员工权益。 举个例子，我刚毕业的时候，进了一家央企的 IT子公司。 第一年公司组织体检，我赫然发现，原来员工和领导的体检套餐是不一样的！ PS 我司领导和员工体检套餐也不一样 年会时，所谓的领导工衣与员工工衣都不一样，严重割裂感 仿佛员工就是低人一等 我进的第一个厂，东莞特新，领导餐补和员工不一样，虽然吃的一样，我有公开场合与领导讲过，难道领导吃的更多？领导一笑而过 后来我慢慢发现，不仅是体检，员工和领导的各方面福利都有着很大的差距。 几年后我去了外企，这才发现原来在万恶的资本主义，员工和领导的福利是如此接近。 比如，出差的住宿都是五星级酒店，并不会因为你是员工就要降级。 再比如，员工也享受高级别的医疗报销，员工父母的医疗费用也都是全额报销。 再比如，年假标准都是一样的，而且员工休年假并不会被领导刁难。如果员工离职，年假也会全额折算成现金。 后来我才体会到，外企和员工的关系，真的很平等，公司高层也绝对不会变着法子的从员工身上省钱，更不会打 35 岁员工的主意。 所以，Oracle工程师的离职率很低，这倒不是外企员工找不到工作，而是谁都愿意在一家尊重员工的公司工作！ 当然了，我们也要看到外企的弊端，那就是：太放松了。 甚至有一种说法：外企是打工人的养老院。 这种“养老状态”，在欧美国家是一种常态，但是我们毕竟是在中国！ 打一个不太恰当的比喻，一位生长在阿富汗的女性，习惯了有学校、有音乐、有社交的生活。 突然，这个环境消失了，她必须重新面对塔利班的社会秩序，上街甚至必须用罩袍笼罩全身！ 必然会有很多人不适应。 这就是真正悲哀的地方！ 这几年，随着漂亮国强制和我们脱钩，我们不得不加速进行国产化。一方面是外企减少对中国的投资。另一方面则是我们的国央企也在主动抛弃国外产品，用国产品牌进行替代。 所以用友、金蝶这几年的大项目才这么多。 要知道，国央企特别是超大型央企基本都是外企的核心客户群体，这前后夹击之下，外企加速放弃中国市场，已经是不可逆转的大趋势。 前段时间思科在中国区的大裁员，不仅仅是全球裁员计划的一部分，也是将中国区的职能彻底转移到了日本和东南亚。 这种转移，是很长一段时间内都是不可逆的。 这也意味着，又有一大批工程师将面临失业，其中不乏 35 岁以上的打工人。 更重要的是，在国内，他们恐怕很难再找到满意的工作。 [本文转载](https://www.huxiu.com/article/3831313.html)

NAS相册PhotoPrism NAS相册 PhotoPrism 是谷歌旗下的应用 可以部署在Docker环境 前几天组装了NAS 系统自带的相册太弱了 只是有个相册而已 就装了PhotoPrism 这个软件老外开发的，功能很强大 但是并不不符合国人使用习惯 首先导入照片都设置了很久 我觉得我自己动手能力还是很好的 都设置这么久 设置设置启用nas的WebDAV 服务 再到相册中连接nas 不能直接读取nas中的文件夹 不过这个可以理解 毕竟是Docker环境下的 不是系统亲生的 希望飞牛尽快升级基础功能 非常缓慢的拉取照片信息以及重建索引过程中 由于硬件条件有限，cpu几乎一直都是100% 可以完美识别照片信息，例如gps信息 自带地图 按照坐标显示在地图上 还可以按照人脸信息归类，人脸识别能力有待提高 确实很强大 photoprism passwd admin 更改admin的密码 [官方文档连接](https://docs.photoprism.app/user-guide/users/cli/) 

沙皇炸弹 沙皇炸弹 冷战期间，苏联一共制造了两枚 RDS-202 氢弹。这种氢弹威力巨大无比，被称为"沙皇炸弹"。 "沙皇"一词在俄语中通常用于形容巨型事物。  其中一枚于1961年10月30日试爆，是迄今为止最大的人造爆炸。 在全世界所有已知爆炸事件中排名第二，仅次于导致恐龙灭绝的大爆炸。 它的爆炸当量本来相当于一亿吨的TNT炸药，苏联当局忧心试爆后的核落尘对环境的严重影响，会导致内政难题与外交风波，因此将核弹减半为5000万吨的爆炸威力。 尽管如此，这枚炸弹的威力依旧是二战期间广岛原子弹的3800倍，相当于二战中所有使用的炸弹总量十倍。 爆炸的第一阶段以核分裂为主，所产生的能量诱发第二阶段的核聚变，聚变释放出的中子诱发出更剧烈的第三阶段核裂变。 试爆地点是北冰洋的一个岛屿，所产生的火球半径达4600米，将近1000公里外的地方都可看见。 爆炸产生的蕈状云宽近40公里，高约64公里，相当于珠穆朗玛峰海拔高度的7倍多； 爆炸产生的热风可以让远在170公里以外的人受到3级灼伤，爆炸的闪光能造成220公里以外人的眼睛剧痛与灼伤，甚至造成白内障以及失明。 55公里外的一个村庄所有房屋全毁。 数百公里内的木造房屋全毁，只有砖造或石造房屋残留，但是门窗与屋顶都被强风吹走。 虽然这一次试爆是在空中试爆，但是往地球传送的震波，被美国仪器侦测到，相当于里氏地震规模5~5.25的地震。 为了保证试爆人员的安全，炸弹上还特别加装一副重达800公斤的减速伞，以延迟炸弹释放坠落后的爆炸时间。 否则爆炸威力太大，会危机投放炸弹的飞机安全。 当时的苏共中央第一书记赫鲁晓夫，在1961年7月10日批准了这种炸弹的研发，并要求在十月底完成试爆，刚好是第22届苏共党代会会期， 赫鲁晓夫可以借试爆的成功来巩固自己在苏共中央的地位。 这种炸弹体积太大，当时的轰炸机无法携带它飞很远，因此苏联军方并没有用于实战的打算，主要用来对西方世界的恐吓。 不过，苏联军方却有将这枚氢弹以舰船或潜艇运至敌方海岸，在海中引爆引发巨型人工海啸的规划。

什么是人工智能(AI) 什么是人工智能(AI)  李开复老师用通俗的语言来解释，人工智能、机器学习、神经网络、深度学习……这些词到底是什么意思？彼此有什么关系？ 我觉得，这些介绍对理解 AI 的体系，挺有启发的。它们分散在各个章节，我将它们整理在一起。 为了行文连贯，我没有完全照搬原文，而是用自己的语言重新叙述，如果有错误，也归咎我。 （1）人工智能 1956年夏天，计算机科学家约翰·麦卡锡（John McCarthy）首次提出“人工智能”（AI）这个概念。 人工智能指的是，通过软件和硬件，来完成通常需要人类智能才能完成的任务。它的研究对象，就是在机器上模拟人类智能。 （2）机器学习 早期，人工智能研究分成两个阵营。 第一个阵营是规则式（rule-based）方法，又称专家系统（expert systems），指的是人类写好一系列逻辑规则，来教导计算机如何思考。 可想而知，对于复杂的、大规模的现实问题，很难写出完备的、明确的规则。所以，这种方法的进展一直很有限。 第二个阵营就是机器学习（machine learning），指的是没有预置的规则，只是把材料提供给计算机，让机器通过自我学习，自己发现规则，给出结果。 （3）神经网络 神经网络（neural network）是机器学习的一种主要形式。 神经网络就是在机器上模拟人脑的结构，构建类似生物神经元的计算网络来处理信息。 一个计算节点就是一个神经元，大量的计算节点组成网络，进行协同计算。 神经网络需要极大的算力，以及海量的训练材料。以前，这是难以做到的，所以20世纪70年代开始，就陷入了停滞，长期没有进展。 （4）深度学习 深度学习是神经网络的一种实现方法，在20世纪80年代由杰弗里·辛顿提出。它让神经网络研究重新复活。 深度学习是一种让多层神经元可以进行有效计算的方法，大大提高了神经网络的性能。“深度学习”这个名字，就是比喻多层神经元的自主学习过程。 多层神经元包括一个输入层和一个输出层，它们之间有很多中间层（又称隐藏层）。以前，计算机算力有限，只能支撑一两个中间层，深度学习使得我们可以构建成千上万个中间层的网络，具有极大的“深度”。 （5）Transformer 早些年，深度学习用到的方法是卷积神经网络（CNN）和循环神经网络（RNN）。 2017年，谷歌的研究人员发明了一种新的深度学习处理方法，叫做 Transformer（转换器）。 Transformer 不同于以前的方法，不再一个个处理输入的单词，而是一次性处理整个输入，对每个词分配不同的权重。 这种方法直接导致了2022年 ChatGPT 和后来无数生成式 AI 模型的诞生，是神经网络和深度学习目前的主流方法。 由于基于 Transformer 的模型需要一次性处理整个输入，所以都有“上下文大小”这个指标，指的是一次可以处理的最大输入。 比如，GPT-4 Turbo 的上下文是 128k 个 Token，相当于一次性读取超过300页的文本。上下文越大，模型能够考虑的信息就越多，生成的回答也就越相关和连贯，相应地，所需要的算力也就越多。 [本文转载 ](https://github.com/ruanyf/weekly/blob/master/docs/issue-330.md)

漆包线调整时钟快慢 漆包线调整时钟快慢 原理是利用电容调整晶振频率 晶振难免精度有正负偏差 会造成时钟或快或慢 慢了，串联在晶振一脚 快了，并联  [转载](https://www.mydigit.cn/thread-359226-1-1.html)

最近组建的NAS 最近组建的NAS 是的，nas是组建的 选最便宜的配件 机箱3D打印的，三围尺寸 250/210/110 Intel(R) Celeron(R) CPU J3160 @ 1.60GHz 4 核 1 条共 8 GB 1333MHz DDR3 128gb ssd 电源 明纬 12v 4.2A 拆机电源 闪迪 500gb ssd 计划用作Docker和其他应用池 主要存储是两块4TB磁盘组成RAID1 DT02ABA400V 具备 4TB 存储空间，5400RPM 转速， 硬盘采用 PMR 记录技术，最大传输速率 176.4MB/s，工作噪音仅为 24dB 硬盘在运行时的功耗为4.11瓦，闲置时的功耗为2.32瓦 CPU长期在50度左右（室温20度） 夏天可能要加强散热，到时候再装个风扇 系统用的国产NAS 飞牛系统  以下为功率计实测 关机状态 2.5瓦 属电源关机静态消耗 开机稳定后，17.5瓦，此时各磁盘均为正常工作状态，没有读写操作，非待机状态 设置了5分钟休眠 磁盘休眠状态8.5瓦 从本nas拷电影到群晖nas 两块4TB磁盘读取18-20.5瓦 满速上传18-20.5瓦