@di11wei 既然这样，那就不打扰大家了

faceid 解锁时不注视屏幕无法解锁，应该很早就有了

聊了这么多，有人知道在哪里关吗？

时间：加州时间下周一早上 10 点、北京时间周二凌晨 1 点

下面是具体时间流程
📌#AppleMR 头显 叫 #RealityPro 、媒体都猜错了不用$3,000 、只卖 $2899

📌首款搭载 CarPlay 2.0 的新车 9 月上市

🎬10:00 iOS 17 - 锁屏、新字体、智慧显示，iPhone X 为最后支援机种

🎬10:19 全新 AI 驱动的 Siri

🎯10:21 CarPlay 2.0 首款采用新车 9 月上市

🎯10:35 全新 M2 、15 吋 MacBook Air - 15.2 吋荧幕、1.4kg 以内、12mm 厚、解析度 2880x1800 、无风扇、$1599

🎬10:58 macOS Skyline

🎬11:05 watchOS 10

🎯11:19 Tim Cook 介绍 Apple 产品历史、揭晓 Apple headset

🎯11:26 首次亮相的 Mike Rockwell 出场介绍 AR/VR 的重要性
👉揭露头显名称为 #RealityPro 、业界最长 4 小时续航、最高显示解析度
👉LiDAR 3D 感测
👉xrOS ，几乎所有 iOS 应用都能兼容
👉售价$2899 、今秋开始销售

🎬11:56 One More Thing - New Mac Pro ，售价$5999 起

#11 是解决方案，此帖可以终结了

@wmwmajie 2023.04 版本不行，能否提供下你的版本号

new bing 的回复更有温度

@cogear 哈哈哈哈哈，做题的都给我扣 100 智商
实际生活和学习中你会发现智商只占一小部分，大部分是和记忆能力相关的。脑中如果有充足牢靠的前置知识储备，新东西会非常容易理解，记忆的重要性绝对比智商要高很多

OP 讲话真实有趣 🤭

@idlewater 我只是表达一下内心的想法，我敬佩每一位开源作者。对于您的产品，我的一点很容易想到的建议是集成 AI 功能。既然是低代码平台，就要把高效便捷做到极致，加入 AI 功能可以加速制作界面的各个流程，甚至可以利用现在的风口迅速引流并拥有变现机会（但仍然建议提供使用自己的 api 的接口）

我所理解的低代码平台的意义就是纯小白和程序员都不会使用，目标人群是只会那么一点代码的，并且又急于实现产品想法的人。那就意味着最终会被职业团队打败，它的生存方式就是在对应方向成熟之前利用国民信息差或凭借开发速度提前割一批韭菜，但最终的下场是被其他产品替代并失去流量

数据集的话，看样子像是跑深度学习，那 m1 具备 GPU 加速啊，貌似不是一个赛道

shadowrocket 便宜好用省心，shell 自动代理，完全就是系统代理，开配置模式省心的一批

@isma123 有无和 GPT 的对比？

1.清除历史信息
2.流式传输消息

会不会是 system 预设的缘故，OpenAI 做了比较专业的预设，原理类似 stable-diffusion 生成漂亮的图需要大量的 prompts

没想到公开的 key 这么快就挂掉了，大家切成自己的 key 玩吧

呃格式全乱了，方法和代码放在了这里
https://github.com/LeeeSe/openai-api.git

根据 @dreasky 提供的信息部署了镜像，实现了 stream 实时解析，速度确实快了不少，而且国内直接访问

chat.py
```
import json
import requests

# 设置请求头
headers = {
'Content-Type': 'application/json',
'Authorization': 'Bearer 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'
}

history = [{'role': 'system', 'content': '你叫大狸，今年 3 岁了，你无所不知，你的爸爸是山崽，妈妈是强崽，你的后腿生病了，走起路来很不稳。你需要以猫咪的口吻风格尽可能简洁地回答问题。'}]

while True:
user_input = input('User: ')
history.append({'role': 'user', 'content': user_input})

payload = {
'model': 'gpt-3.5-turbo',
'stream': True,
'messages': history
}

response = requests.post('https://openai.leeese.cn', headers=headers, json=payload, stream=True)

replies = ''
for line in response.iter_lines():
if line:
if b'content' in line:
reply = json.loads(line[6:])['choices'][0]['delta']['content']
print(reply, end='', flush=True)
replies += reply

history.append({'role': 'assistant', 'content': replies})

```