找工作乏了,感觉岗位越来越少,社会经济越来越差
麻木了,现在还车贷还房贷。工作又难找,工作本身屎又难吃。。
AI 资讯
已同步 31525 条公开资讯,来源和发布时间保留在每条记录中。
AIGOOD 已同步公开来源;每条资讯详情保留来源和原文链接。
麻木了,现在还车贷还房贷。工作又难找,工作本身屎又难吃。。
【摘要】本文介绍 Hermes Agent 的安装和启动方式,并通过本地 Web UI 配置 agent-toolkit 远程 MCP 服务。内容包括 API Key 准备、ADD SERVER 参数填写、连接测试、CHAT 验证和常见故障处理。 阅读全文
3080 Ti 12G 跑 125B MoE — Strata 装好后的一些实测 配置:3080 Ti 12G / 64GB DDR4 四通道 / PCIe 3.0 / Win11 模型 Qwen3.8-Flash-Next Q2 0(39.2GB)· 引擎 Strata 0.1.43 数据都是本地实测的 一、这玩法到底是怎么回事 消费级 12G 显存跑 39GB 的模型 。 MoE 模型每个 token 只激活一部分专家,这个模型大概 6B 。Strata 的做法是把装不下的专家 扔在系统内存里 ,要用的时候经…
3080 Ti 12G 跑 125B MoE — Strata 装好后的一些实测 配置:3080 Ti 12G / 64GB DDR4 四通道 / PCIe 3.0 / Win11 模型 Qwen3.8-Flash-Next Q2 0(39.2GB)· 引擎 Strata 0.1.43 数据都是本地实测的 一、这玩法到底是怎么回事 消费级 12G 显存跑 39GB 的模型 。 MoE 模型每个 token 只激活一部分专家,这个模型大概 6B 。Strata 的做法是把装不下的专家 扔在系统内存里 ,要用的时候经…
3080 Ti 12G 跑 125B MoE — Strata 装好后的一些实测 配置:3080 Ti 12G / 64GB DDR4 四通道 / PCIe 3.0 / Win11 模型 Qwen3.8-Flash-Next Q2 0(39.2GB)· 引擎 Strata 0.1.43 数据都是本地实测的 一、这玩法到底是怎么回事 消费级 12G 显存跑 39GB 的模型 。 MoE 模型每个 token 只激活一部分专家,这个模型大概 6B 。Strata 的做法是把装不下的专家 扔在系统内存里 ,要用的时候经…
3080 Ti 12G 跑 125B MoE — Strata 装好后的一些实测 配置:3080 Ti 12G / 64GB DDR4 四通道 / PCIe 3.0 / Win11 模型 Qwen3.8-Flash-Next Q2 0(39.2GB)· 引擎 Strata 0.1.43 数据都是本地实测的 一、这玩法到底是怎么回事 消费级 12G 显存跑 39GB 的模型 。 MoE 模型每个 token 只激活一部分专家,这个模型大概 6B 。Strata 的做法是把装不下的专家 扔在系统内存里 ,要用的时候经…
现在虽然有 AI 辅助,但我还是想请教下各位前端:你们做前后端对接时,是不是也这样干? 1. 后端导出 Swagger/OpenAPI ,用工具或 AI 自动生成 TS 类型; 2. 把请求封装、统一返回结构和示例代码喂给 AI ; 3. 按模块先让 AI 写 API 层; 4. 等页面做完,再让 AI 根据 API 把页面数据对接上。 我目前是这么做的,但不确定是不是主流,也不知道有没有更高效的做法。大家实际工作流是怎样的?有没有踩过坑或者更好的实践?求分享。
现在虽然有 AI 辅助,但我还是想请教下各位前端:你们做前后端对接时,是不是也这样干? 1. 后端导出 Swagger/OpenAPI ,用工具或 AI 自动生成 TS 类型; 2. 把请求封装、统一返回结构和示例代码喂给 AI ; 3. 按模块先让 AI 写 API 层; 4. 等页面做完,再让 AI 根据 API 把页面数据对接上。 我目前是这么做的,但不确定是不是主流,也不知道有没有更高效的做法。大家实际工作流是怎样的?有没有踩过坑或者更好的实践?求分享。
现在虽然有 AI 辅助,但我还是想请教下各位前端:你们做前后端对接时,是不是也这样干? 1. 后端导出 Swagger/OpenAPI ,用工具或 AI 自动生成 TS 类型; 2. 把请求封装、统一返回结构和示例代码喂给 AI ; 3. 按模块先让 AI 写 API 层; 4. 等页面做完,再让 AI 根据 API 把页面数据对接上。 我目前是这么做的,但不确定是不是主流,也不知道有没有更高效的做法。大家实际工作流是怎样的?有没有踩过坑或者更好的实践?求分享。
现在虽然有 AI 辅助,但我还是想请教下各位前端:你们做前后端对接时,是不是也这样干? 1. 后端导出 Swagger/OpenAPI ,用工具或 AI 自动生成 TS 类型; 2. 把请求封装、统一返回结构和示例代码喂给 AI ; 3. 按模块先让 AI 写 API 层; 4. 等页面做完,再让 AI 根据 API 把页面数据对接上。 我目前是这么做的,但不确定是不是主流,也不知道有没有更高效的做法。大家实际工作流是怎样的?有没有踩过坑或者更好的实践?求分享。
现在虽然有 AI 辅助,但我还是想请教下各位前端:你们做前后端对接时,是不是也这样干? 1. 后端导出 Swagger/OpenAPI ,用工具或 AI 自动生成 TS 类型; 2. 把请求封装、统一返回结构和示例代码喂给 AI ; 3. 按模块先让 AI 写 API 层; 4. 等页面做完,再让 AI 根据 API 把页面数据对接上。 我目前是这么做的,但不确定是不是主流,也不知道有没有更高效的做法。大家实际工作流是怎样的?有没有踩过坑或者更好的实践?求分享。
现在虽然有 AI 辅助,但我还是想请教下各位前端:你们做前后端对接时,是不是也这样干? 1. 后端导出 Swagger/OpenAPI ,用工具或 AI 自动生成 TS 类型; 2. 把请求封装、统一返回结构和示例代码喂给 AI ; 3. 按模块先让 AI 写 API 层; 4. 等页面做完,再让 AI 根据 API 把页面数据对接上。 我目前是这么做的,但不确定是不是主流,也不知道有没有更高效的做法。大家实际工作流是怎样的?有没有踩过坑或者更好的实践?求分享。
现在虽然有 AI 辅助,但我还是想请教下各位前端:你们做前后端对接时,是不是也这样干? 1. 后端导出 Swagger/OpenAPI ,用工具或 AI 自动生成 TS 类型; 2. 把请求封装、统一返回结构和示例代码喂给 AI ; 3. 按模块先让 AI 写 API 层; 4. 等页面做完,再让 AI 根据 API 把页面数据对接上。 我目前是这么做的,但不确定是不是主流,也不知道有没有更高效的做法。大家实际工作流是怎样的?有没有踩过坑或者更好的实践?求分享。
现在虽然有 AI 辅助,但我还是想请教下各位前端:你们做前后端对接时,是不是也这样干? 1. 后端导出 Swagger/OpenAPI ,用工具或 AI 自动生成 TS 类型; 2. 把请求封装、统一返回结构和示例代码喂给 AI ; 3. 按模块先让 AI 写 API 层; 4. 等页面做完,再让 AI 根据 API 把页面数据对接上。 我目前是这么做的,但不确定是不是主流,也不知道有没有更高效的做法。大家实际工作流是怎样的?有没有踩过坑或者更好的实践?求分享。
现在虽然有 AI 辅助,但我还是想请教下各位前端:你们做前后端对接时,是不是也这样干? 1. 后端导出 Swagger/OpenAPI ,用工具或 AI 自动生成 TS 类型; 2. 把请求封装、统一返回结构和示例代码喂给 AI ; 3. 按模块先让 AI 写 API 层; 4. 等页面做完,再让 AI 根据 API 把页面数据对接上。 我目前是这么做的,但不确定是不是主流,也不知道有没有更高效的做法。大家实际工作流是怎样的?有没有踩过坑或者更好的实践?求分享。
UMA 统一内存,GPU 直接访问共享内存池,硬件层面消除显式拷贝,不用软件层手动搬数据。 独立显卡 VRAM + 系统内存分层卸载,模型权重、KV Cache 按需在显存和内存之间动态搬运。未来只会留在发烧友、工作站、专业推理场景
UMA 统一内存,GPU 直接访问共享内存池,硬件层面消除显式拷贝,不用软件层手动搬数据。 独立显卡 VRAM + 系统内存分层卸载,模型权重、KV Cache 按需在显存和内存之间动态搬运。未来只会留在发烧友、工作站、专业推理场景
UMA 统一内存,GPU 直接访问共享内存池,硬件层面消除显式拷贝,不用软件层手动搬数据。 独立显卡 VRAM + 系统内存分层卸载,模型权重、KV Cache 按需在显存和内存之间动态搬运。未来只会留在发烧友、工作站、专业推理场景
UMA 统一内存,GPU 直接访问共享内存池,硬件层面消除显式拷贝,不用软件层手动搬数据。 独立显卡 VRAM + 系统内存分层卸载,模型权重、KV Cache 按需在显存和内存之间动态搬运。未来只会留在发烧友、工作站、专业推理场景
codex、grok、cursor、订阅都要过期了,有没有佬推荐什么组合使用。 目前再跑的项目用的是阿里系的agent。电脑没有其他agent用了,求推荐目前最佳组合。