你的意思是他如果先把活安排给你，名义上让你干，然后再抢着替你干了，这样你既摸了鱼又得了名，才能爽是吗？🤣

@seven777 你用你也推，我用了确实比向日葵好用，比 rustdesk 省事，比 Google remote 方便。对我而言足够了。

@seven777 是的，目前还没有笔画输入。

主要还是看产品定位。要有直接现金收入和一个产品要不要好用或者清爽，两者并不是对立面。关键是看产品的负责人想用什么方式来对营收负责。比如网易 UU 远程，听说是丁磊自己一直在用的。基础功能免费，里面有云电脑之类的收费项目，也很好用啊，也很清爽啊。如果丁磊自己不用了，应该会变质。但是如果丁磊一直用下去的话，即便有营收压力，也会用别的方式，而不是去搞免费用户

@curiohuang 这是正经国模！！！不是嫩模！！！

@zfyime 从半导体的供应情况来看，短期还是挺难的，半导体属于周期长的制造流程，还是要熬。

当年丰田也是这样，资源匮乏才必须精打细磨，经不起一点浪费，属于大后期。

目前来看，DeepSeek 有国模仙人的感觉了

@cheese #7 感谢指点，我不懂大模型的技术。我还以为 kimi 是像 DeepSeek 一样靠推理能力上的优化起来了。原来是用时间换空间呀。

但从接收到的信息来看，目前被压着打的一个大因素是半导体资源受限。如果有大量的算力支撑，相当于同时能搞好几个试验田，那或许又是另一种场面了。

现在就看国模能不能诞生出国模仙人了

@weixind 半导体资源也是资源，还是匮乏呀。

只能看国产半导体能不能跟上。

@cheese 我就在这里，不躲，不藏，不绕，不逃，稳稳地告诉你，这是国模讨论贴，不是嫩模分享会🐶

@DT37 目前来看，半导体资源还是不够呀，Kimi 都拉闸了，智谱更别说了，DS 也要涨价。

隐私的话，可以试试多家产品分散着用，比如我就用豆包输入法但不刷抖音和红果，用微信、QQ 但不用微信输入法，用支付宝但不用淘宝，用拼多多、京东但不用微信支付。https://i.imgur.com/agAJ0Rd.png

话虽如此，除非不用，不然不可能不留痕，有得选就不要给人描绘画像的机会。

换 OPPO 的时候我以为我会用，实际上我到现在都没用过的一个功能。

试过，效果还可以的。锁屏长按直接开录，自动转语音，自动 AI 整理。具体可以自己搜短视频看看，场景贴合现实，蛮好的。

不过现在信息过载，想到什么就问问 AI ，记不住的事情其实也不重要，重要的事情往往忘不了。

https://i.imgur.com/vsZMS27.png

@uiosun 是不是考虑大数据开发呀？从你的场景来看，跟数据分析其实相关性不高。我记得有那种干脏活累活的 ETL 工程师吧？你可以换个关键词，挂 boss 上看看呀。

为啥数据分析只关注技术呀？分析的目的是为了业务呀。技术在现在这个时间节点来看占比已经越来越小了，甚至分析能力都可以依赖 LLM 。

展开说就是这岗位分业务和技术两大块，古早还需要拉数，然后有能力就自己分析，没能力就需要业务人员配合定义分析模型。现今技术侧已经可以依赖 LLM ，业务侧因为管理的复杂性还是需要依赖人。

基础统计学知识，这种程度的岗位还用不上高深的统计学知识，也就是描述统计就足够了，不用推断统计。打个比方常见的均值、中位数、众数、方差、标准差、相关系数总要会吧，知道一组数据的含义，对比分析就依赖这些基础统计学知识。会 SQL 、会洗数据不代表会分析。

基础的管理能力，至少要能理解业务和辅佐管理决策，也就是偏向科学管理，会一些常见的运筹学模型，运筹学自诞生以来就是为了解决管理问题的，局部最优不等于全局最优。比如线性规划或者排队论之类的。做个决策拉了一批数据出来，想看看是投 A 还是投 B ，成本在这里，A 和 B 的预期收入在这里，混合还是全投一个？比例占多少？管理往往就是这样的，选项做好了只要不是草包都能选出个结果来。难得是怎么拿出选项。拍脑袋当然可以，反正自己选的。科学管理需要数据支撑，配合直觉判断就更有谱，对运筹学其实依赖很大的。

一个思路：AI 先补点数据分析的基础，然后再问面试者相关的业务侧问题，专门筛选过的至少不会太离谱。不至于找一个还需要让你来指导怎么建模的人吧，组团队应该形成互补，至少你这次招的人不是团队里的纯编码劳动力。

技术能力弱没关系，充钱就行，这个场景下不是做研发，只要能拿结论就够用了。业务能力弱会很难受，这点和优秀的开发需要对业务有深入的理解一样，要求并无二致，甚至更偏向业务侧，否则分析不出东西。

另外，30-35 被定义为年纪偏大？也不知道你的年纪有多大，我已经快 35 了，我觉得没必要搞年龄歧视，没有别的因素可以让你用来衡量应聘者能力时候，也别用年龄。年龄很难成为量化能力的标准，年纪大可能十年如一日，年纪小可能加班多一年抵三年。抛开年龄限制，或许能捡到漏，脑子灵的，年纪大点也灵的，不会真的说新脑子就好使一点的。

@shilianmlxg 总结是最没用的，总结适合看 v 站的网帖。特别是那种家长里短的，不过看那种帖子本身就是一种浪费时间的行为吧 https://i.imgur.com/agAJ0Rd.png

有高价值或者说信息密度很高的这种书籍，适合放到 AI 里面去辅助学习。

如果是畅销书，那种阅读门槛很低的，你可以尝试读这一段，或者说读了一章之后，自己做个总结，然后给 AI ，让 AI 跟你互动沟通。一般来说，人的视角局限性比较大，AI 会全面一点。这种情况下面，AI 能给你挖掘出一些你阅读的时候没注意到的地方。然后你通过 AI 的视角再去品味一下原文的话，可能有新的想法，或者说新的感悟。

如果是教科书或者比较学术的那种大部头，对于自学者来说，连阅读都比较困难的，那就适合边读边跟 AI 交互了。比如我上面那一本原版的工厂物理学。我就是先用 AI 翻译，然后看译本，接着把原本传给 NotebookLM ，读不懂了就提问，掌握了就继续读。就是这样依赖 AI 硬啃。

当你用这种方式把某本书或者说某些知识掌握了之后，你再回头让 AI 帮你总结一下，你会发现很多内容啊，都被 AI 过滤掉了，如果一开始就用 AI 来进行总结，对比出来你就能感受到，根本掌握不到原文的那些有价值的地方。

当然前提是一份好的材料，或者说一本好书。好的作者在写作的时候，会考虑到读者的感受，然后将这些知识合理地通过书籍这种媒介，或者说通过文字这种媒介，转交给你。AI 的介入会破坏这种交互的过程。

网帖或者一些垃圾文，不在以上的讨论范畴。那些东西发给 AI 感觉也是一种浪费 token 的行为吧。

@Clannad0708 有 APP 呀，不过 APP 和 Web 没啥区别，你手机访问也能用。但最近感觉回答的效果也越来越差了，越来越坐实美国豆包的名头了。

今天尝试直接把整本书丢 DeepSeek 网页端里进行问答，好像效果也还行呀。非扫描版的，300 多页就 3m 大小的。

https://notebooklm.google.com/

AI 的出现，利好自学。

我已经用 Google 的 NotebookLM 学习了三本大部头。
《供应链管理》 540 页；
《数据，模型与决策》 601 页；
《 Factory Physics 》 752 页；

涉及到运筹学和一些数学，还有英文原版书，没有 AI 之前我没能力自学这些内容。

运筹学和数学我可以认为是零基础，用 AI 也能硬学，在这之前是不敢想的 https://i.imgur.com/agAJ0Rd.png

@xxxman #54 来来来，论坛 AI 贴看多了，都反胃了，难得有真人互动。微信号 base64: c3VwZXJkYW5pZWxfY24= 或者我加你也可以。

@xxxman 我觉得，如果你对 To B 的方向比较看好，同时又想做制造业与软件开发的交叉领域，那么必然需要同时具备两个领域的相关知识。一个是软件工程方面的，另外一个是生产运作与管理方面的。
难得碰到和传统制造业有交集的朋友，有没有 IM 的联系方式啊？方便交流一下吗？

很巧，刚好我最近在尝试转型的供应链领域，偏向工厂管理。

看到帖子里提到了 MES 和 APS 。尝试用我最近学到的一些知识做一些补充。

首先从管理学的发展历史来看，管理学是由制造业起家的。简单地说，现代制造业是英国起来的，然后由美国发扬光大，接着由日本进行深耕细作，到现在转移到中国。

制造业的历史就是管理学的发展史。组织信息化只是一种管理手段，它并不是一项可以脱离组织管理来谈论的技术。

现实中的生产所蕴含的变异性，哪怕是超算也解决不了。这是一个管理问题，不是技术问题。

一个简单的排程问题就可以验证的出来，这个观点是否具备牢靠的数学基础或者物理基础。

打个比方，尝试对 100 个 SKU ，在持有 100 台加工中心的工厂里进行有限的加工顺序排程。

结论是排不出最优解。

同时还没有考虑到各种加工过程中的变异性。即便抛开人为因素，加工中各种随机因素也不受人控制。让排产问题更是难上加难。

所以即便是 MES 或者 APS ，也只是解决了信息传递如何更快速的问题，让信息流动更加通畅。

这些现代化技术并不能解决实践生产过程中的管理问题。需要进行专门的生产管理方面的学习，才可以将信息技术运用到真实的生产环境当中。

再加上现在制造业里面有大量的历史遗留问题存在，很多现代化的软件是在解决第三类错误问题。也就是在用正确的方法解决错误的问题，比如 MRP 的排程计算问题。即便是现在用了 APS ，也只是升级了一些算法，有限产能问题并没有通过技术手段进行解决。

因为这种方式在管理上本身就是错误的，哪怕用了再先进的科技手段，也没有办法将一个错误的问题正确的解决掉。

就目前的 AI 来看，我可以断言，解决不了生产实践过程中的变异性问题。哪怕训练得再好，在需要运用到直觉的地方，依然没有办法媲美人类。

生产运作管理是一门很复杂的科学，既有偏向数学的计算，又有偏向管理的艺术，两者相结合才能将生产运营推向更高的层次。这门学问没办法用简单的经验来解决，也没有办法用单纯的技术来解决。

关键是制造业目前来看并不受宠，很难有大量的人才会来涌入。属于要吃苦的行业。发展的速度非常慢。我看的教材还是 20 年前的教材，但当时提出的理论到现在依然没有被推翻。经历过时间的验证，越来越牢靠了。

制造业也跟现在的 AI 一样，从曾经的 MRP 到 MRP II ，又到 ERP ，又到丰田的 JIT ，又到了精益生产、六西格玛、精益六西格玛，然后到现在的 APS ，都是这样一套一套的。

铁打的人类，流水的行业。https://i.imgur.com/agAJ0Rd.png

2024 年的一个回复，希望对大家有帮助。
@lzaske9 @blackmatch @wyhaya

https://www.v2ex.com/t/1100231#reply21

我在今年 4 月份开始出现头晕的情况，三甲做了核磁共振，骨科门诊诊断颈椎病，但没有压迫神经，开药后建议转诊神经内科。西药只缓解了我的头晕，并未根治。

在核磁共振检查之前还去看过一趟康复科，拍片，诊断颈椎生理曲度变直，医生也是开药+建议转诊神经内科，末了顺口说了一句可以理疗。

大概两个月前，头晕难受，想到去社区卫生站理疗，社区卫生站的理疗医师排查出我的肩胛提肌过度紧张、僵硬，安排理疗，主要治疗方式为针灸+艾熏+拔罐。

前三次理疗的效果十分显著，肌肉僵硬的感觉立马得到改善，头晕症状通过理疗被极大缓解。
后续每周一次，未间断治疗，截止上周为最后一次，共计 8 次？（未记录具体次数），但后半程感受不如初期明显。

在站内搜到类似情况的 V 友建议改善体态：双肩收紧，自然下沉，缓解后通过麦肯基颈椎锻炼方法进行锻炼。

感谢 V 友分享，截止现在，我的头晕症状基本上已经很轻微了，对比五个月前饭后散步都会产生严重的眩晕感来说，已经轻微到不影响生活和工作。

回顾整个过程，我从有症状开始，主要做了以下事情：
1. 发现头晕后自我排查出是因为高强度使用鼠标导致的肩颈肌肉疲劳导致，开始注意使用电脑的体态问题；
2. 就医求诊，确认是颈椎病；
3. 调整坐姿，用坐骨来坐，显示器高度调整为平视状态，日常端碗吃饭，举杯喝水，平视玩手机，想尽办法避免低头；
4. 通过中医理疗重建肌肉弹性，治疗肩胛提肌的僵化；
5. 调整体态，锻炼颈椎，避免肩颈疲劳；