#职场社畜日常
有个记忆力特别好的leader是什么体验🤡
开发同事跟我说,他正在跟我们前同事谈恋爱。
好几个月前,leader问他恋爱情况,
鬼使神差地,他不好意思说是前同事,就随口说是自己大学同学。
结果后来,吃饭leader时不时就会问起他女朋友的事🤣🤣
他就开始编他们学校里怎么认识的、怎么开始谈的……
===============
过了几个月,最恐怖的事情发生了,因为编了太多,又都是随口编的,导致他编的东西自己都快记不住了🌚🌚
但leader记忆力又特别好,经常在聊天的时候call back他之前说的故事😶😶😶
他现在再说其实女朋友是前同事感觉很尴尬,但他又已经编到生无可恋的程度了哈哈哈哈哈哈哈,所以只能选择尽量避免跟leader吃饭聊天。
真的,聊天有风险,开口需谨慎啊hhhh😆😆
有个记忆力特别好的leader是什么体验🤡
开发同事跟我说,他正在跟我们前同事谈恋爱。
好几个月前,leader问他恋爱情况,
鬼使神差地,他不好意思说是前同事,就随口说是自己大学同学。
结果后来,吃饭leader时不时就会问起他女朋友的事🤣🤣
他就开始编他们学校里怎么认识的、怎么开始谈的……
===============
过了几个月,最恐怖的事情发生了,因为编了太多,又都是随口编的,导致他编的东西自己都快记不住了🌚🌚
但leader记忆力又特别好,经常在聊天的时候call back他之前说的故事😶😶😶
他现在再说其实女朋友是前同事感觉很尴尬,但他又已经编到生无可恋的程度了哈哈哈哈哈哈哈,所以只能选择尽量避免跟leader吃饭聊天。
真的,聊天有风险,开口需谨慎啊hhhh😆😆
才发现有这么一个话题,分享下目前做过的或者了解过的:
1. 小红书博主,坚持了几个月做到几千粉,赚了一两千广告费,别绑定身份证信息再卖号可以再有一笔收入
2. 卖资料等虚拟品类,也可以做到月赚两三千,但不持久容易被封号,挑品类要注意
3. 黄牛,左手倒右手,eg 中奖茅台 百亿补贴手机转卖,演唱会门票,转卖渠道有闲鱼 得物 负责收购的个体户
这个主打运气,电子彩票,真中了一单就是大几百
4. 价差代购,赚信息差的钱,主打选品。具体看品类毛利润。
5. 🔮算命引流,老带新,不稳定,主打随缘,也容易被封号
6. 平台内容收益 ,比如头条阅读收益,YouTube 视频收益,以前的抖音滤镜,西瓜的新人计划800元等等
7. 家教,摄影等等不多说了。一般一两百一小时是OK的,上限要靠时间积累。
8. 带货 包括官方平台返利和跟别人谈合作,主要看个人水平
以上,赚小钱不难的,真的有很多是动动手就可以赚到的钱,但也真的就是副业,赚大钱或者转成主业是第一个门槛
1. 小红书博主,坚持了几个月做到几千粉,赚了一两千广告费,别绑定身份证信息再卖号可以再有一笔收入
2. 卖资料等虚拟品类,也可以做到月赚两三千,但不持久容易被封号,挑品类要注意
3. 黄牛,左手倒右手,eg 中奖茅台 百亿补贴手机转卖,演唱会门票,转卖渠道有闲鱼 得物 负责收购的个体户
这个主打运气,电子彩票,真中了一单就是大几百
4. 价差代购,赚信息差的钱,主打选品。具体看品类毛利润。
5. 🔮算命引流,老带新,不稳定,主打随缘,也容易被封号
6. 平台内容收益 ,比如头条阅读收益,YouTube 视频收益,以前的抖音滤镜,西瓜的新人计划800元等等
7. 家教,摄影等等不多说了。一般一两百一小时是OK的,上限要靠时间积累。
8. 带货 包括官方平台返利和跟别人谈合作,主要看个人水平
以上,赚小钱不难的,真的有很多是动动手就可以赚到的钱,但也真的就是副业,赚大钱或者转成主业是第一个门槛
我身边有类人,通常是家里很有钱的女生,会听朋友推荐买一些股票,比如在今年2月份的时候就把六成仓位买了英伟达,那肯定是超100%的收益了。好像他们也没深入研究这股票,但经常货真价实赚到钱,这种情况出现好几次了。
背后的原因是啥?
背后的原因是啥?
#程序员
看到一个超炫酷的量子纠缠实现效果,其原理是通过 window.getScreenDetails() 获取窗口详细位置,然后通过 LocalStorage 共享窗口信息来实现的,这个创意太赞了。作者是 x.com/_nonfigurativ_
看到一个超炫酷的量子纠缠实现效果,其原理是通过 window.getScreenDetails() 获取窗口详细位置,然后通过 LocalStorage 共享窗口信息来实现的,这个创意太赞了。作者是 x.com/_nonfigurativ_
《向量数据库》,https://guangzhengli.com/blog/zh/vector-database/,这是一篇值得阅读的长文,它介绍了向量数据库的方方面面,包括 Vector Embeddings、Similarity Search、Similarity Measurement、Filtering 等等,单纯从实现角度来看,技术复杂度并不高。
短短几个月,各大数据库厂商也增加了对向量的支持,https://github.com/openai/openai-cookbook/tree/main/examples/vector_databases,可以在这篇 OpenAI 写的文档里找到各自对应的代码参考。
但随着 LLM 底层能力的提升,如今的 ChatGPT 已经支持了 128k 的上下文,而且在 GPTs 中也默认提供了检索能力,这波操作,针对大部分需求场景来说,可以直接免除对向量数据库的调用了。随之而来的,也是向量数据库风投的“降温”。
《向量数据库凉了吗?》,https://mp.weixin.qq.com/s/0eBZ4zyX6XjBQO0GqlANnw,这篇文章给出了一个观点:“专用向量数据库陷入了一个死局之中:小需求 OpenAI 亲自下场解决了,标准需求被加装向量扩展的现有成熟数据库抢占,超大需求也几乎没什么实现的门槛。留给专用向量数据库的生态位也许能足以支持一家专用向量数据库内核厂商活下来,但想做成一个产业是不可能了。”,感兴趣的也可以读一读。