因为国内厂商目前的场景理解能力、应对速度、观察能力都做不到特斯拉 FSD 那么好，如果保守处理，那么又可能会在更多没那么极端的情况下做出不必要的刹车、让行之类的操作，日常场景体验会更差...

说白了就是不够“聪明”、“视力差”，无法做到自主判断什么时候该激进、什么时候该谨慎，所以只能往偏激进一点的方向调，免得日常场景保守导致被人乱插影响体验。

像懂车帝那个高速左侧一排车跟车距离比较近，自车开在右侧车道跟车的场景，懂得安全驾驶的人类驾驶员会选择把车距适当拉远，并且错位观察前方，发现有不对劲就开始提前减速了，根本不会等到前车急刹或者紧急变道之后再做出反应，可操作的时间要长得多。

但这个教学方法，本质上还是因为考试本身的规定限制导致的，压点线、停得稍微不到位一点、没有一次停到位之类的就要扣分、重考，实际停车的时候可没那么严苛...本质上就跟地理、历史考试的技巧是纯靠死记硬背一样，考试考的点就是死记硬背，得到的结果自然也是如此。

跟规模没什么关系，只要会用，并且基础设施到位（包括但不限于镜像源网络问题、程序容器化、自动构建、自动部署、可靠的存储服务），那上 K8S 是纯粹的收益。而且现在几乎不用考虑维护问题，现在的部署、配置工具都已经很傻瓜化了，K3S 之类的更不用说，按官方文档来，不搞骚操作，很难搞出问题。更别提还有公有云提供的容器服务了，更傻瓜化。

因为是 HR ，不是部门负责人，HR 本来就不怎么懂业务，他们只能通过聊天去尝试判断你这个人大致怎么样，那不就只能问那些有的没的了吗？

无所谓了，像我现在版本管理都是用 UV 的，无论用的啥操作系统，都是一行命令就能安装指定版本了

@YLGG #13 比亚迪才是真的老用户与狗...换一次代就抛弃一次老用户，几年时间能换好几次代

@BeFun #42 然而实际基本并不会挂水珠，一下雨就自动开后视镜加热了，整个后视镜最多挂一两滴水，远比没有后视镜加热但有边框的后视镜干净。

@4zp8oaahntzvhd #9 你所谓的“一个步骤一个步骤执行”应该只是提功能需求，但实际 AI 如果要写好代码，需要的不仅仅是功能需求，还需要有具体的编程思路，但你提供不了。前面我说让 AI 自行规划一套实现方案，解决的就是你无法提供编程思路的问题。

到具体执行层面，你知道大概能用什么东西实现，而 AI 会存在把多个东西混淆、新旧 API 乱用的情况，所以你需要提供文档、提供详细的信息，而不是让 AI 反向给你提供信息。而且还是因为你不懂细节的关系，你提供信息之后，要让 AI 自行规划，先规划再写。

而且语言模型存在上下文上限的问题，你如果只知道在同一个对话中反复堆砌，那结果也会很差，因为信息都丢失了，你跟它扯半天它又没记住，当然会出现“给出的代码各种编译报错”的问题。

如果你细节啥都不懂，那你就应该先调研清楚方案，确认完整个实现路径的可行性之后，再用尽可能聪明的模型来帮助你实现需求。

实现需求时，你需要把你了解到的所有信息和你的需求都详细描述给 AI ，然后让它自行规划一套实现方案，再让它去按照方案进行实现，这样 AI 的实现结果才更能跟你的意图对齐。

像你这种情况，我建议你直接上 Claude Code ，付费买能用 Opus 的会员，然后全程 Opus...或许能做出你想要的东西。

负面案例了属于是，一点开没有一张图能加载 https://i.imgur.com/NIvxivj.png

我这不用手机号，甚至用的邮箱是我的自定义域名邮箱，到目前为止完全没问题

@justsomac #33 大概率是没有了解参数功能，然后拿着 AI 的输出结果就用，结果直接对全盘测试了，直接把文件系统干报废。如果还测了 4K 性能，那肯定还会有随机写，全盘数据都给间断性覆盖破坏了，更加不太能恢复出来完整数据。

说实在的，用来用去还是 win11+wsl2 体验最好...

@gzldc #2 不会给的，会让你找律师

最直接的就是起诉，对方不还钱可以强制执行，但是耗时非常长，而且初期要拿到对方个人信息（用于立案）难

主要是微塑料颗粒，部分材料所谓的“毒性”都只是顺带的，因为无论有没有“毒性”都不应该吸入。你只要打印的时候放在有 PM2.5 传感器的设备（空气净化器、新风机）边上，就能明显看到传感器数值上升。

微塑料是会沉积的，一般的空气流通肯定做不到把房间里一些无法被近距离接触到的地方上的颗粒物给吹起来，必然会越积越多。

比较理想的做法是在打印机封箱的基础上增加一个过滤器，从内部抽风并在过滤器内循环过滤，尽可能把颗粒物都留在滤芯里。

@istevenshen #12 然而基于 md 格式会导致在扩展功能的时候存在很大的局限性，像 logseq 现在就是在往数据库格式存储转