毕业快两年了,想买台车,求佬友推荐
其实也是买个der的状态 人在成都,堵的批爆+单位不远,每天骑车上班不到10分钟 但是想出去玩 想去西岭雪山,四姑娘山一类的地方拍照,可能还带两三个朋友一起,还有就是漫展出cos不好打车,有台车会方便点(从打不到车变成堵在西博城外) 预算五万下,二手吧,目前在看哈弗h6二代,找个
不远 - 钛刻 - 科技风向旗 - 深度刻画技术趋势,引领数字未来 - 钛刻科技 | TCTI.cn - 钛刻 (TCTI.cn) 为您提供最前沿的硬核科技资讯、深度评测和未来技术趋势分析。
共 13 篇相关文章
其实也是买个der的状态 人在成都,堵的批爆+单位不远,每天骑车上班不到10分钟 但是想出去玩 想去西岭雪山,四姑娘山一类的地方拍照,可能还带两三个朋友一起,还有就是漫展出cos不好打车,有台车会方便点(从打不到车变成堵在西博城外) 预算五万下,二手吧,目前在看哈弗h6二代,找个
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
最近刚接触 vibe coding ,被它的能力震撼到了。 生产突然出现一个 bug ,那是我很久以前改的,我还在那看 git 历史回忆以前为什么这么改,同事用 AI ,几分钟就把问题找到并修复。我不服,我花了几十分钟排查论证,结果发现还是 AI 的答案最完美,这让我有一种挫败感
白嫖有感: 从0元team试用,free注册机,0元plus,gopay plus,48个月team,到现在的paypal plus… 虽然免费渠道层出不穷,白嫖党的挖掘能力日益见长.. 但可以预见 全面拉闸不远了 后续大家可能都得奔赴正版付费或者低价区付费,甚至后期正版付费都会
从 Deepseek v4 看 AI 未来新格局 1.英伟达彻底丧失独大地位已为时不远,预估两年左右AI硬件会形成两极格局,即中美。 2.传统向量检索的 RAG 形式会很快淘汰,RAG 的趋势一定是以结构化数据为基础的各种变体,检索上引擎会完全由LLM驱动。 理由: 第一个问题: