低学历没技能该何去何从
大专学历现在去上海还能干什么活?上不了夜班和重体力活,没什么技能,想找份八小时的工作,求指导谢谢
大专学历现在去上海还能干什么活?上不了夜班和重体力活,没什么技能,想找份八小时的工作,求指导谢谢
我想使用 browser-use (或类似浏览器自动化工具)从多个网站中自动提取我需要的数据。
例如:
我想在 A 网站上找到“XX 数据”, 同时也希望在 B 、C 、D 等多个网站上获取相同的“XX 数据”。
请问,使用 browser-use 是否可以实现这种跨网站的自动化数据提取?
这几天都在用 browser-use 测试,效果简直不忍直视。
主要是,各个网站的结构不一致,browser-use 不能做通用查找。
如果对某一个特定网站,我写好了 prompt ,还能拿到,但是换个网站就不行了
如果大家有闲置的 AI API 额度,可以丢 Poixe.com 上回收,独立后台,自定义价格,每一笔调用明细/收益均可查。
官方网址: https://poixe.com/
供应商申请表单: https://poixe.com/products/vendor/application
支持的模型系列如下(截止 25.7.10 ):
Poixe AI 把你闲置的 AI 接口,变成真金白银
注意:V2exer 友友们提交申请后,可以评论区滴滴我给立即通过哦~
8 年前端,第一学历大专,后面套了个本科,vue3+nuxt3+ts+uni-app ,几个大型 erp 项目,2 个 nuxt 的商城项目,1 个上线了的微信小程序。 这周开始在 BOSS 上找工作,138 个聊天,其中 57 个未读,9 个是其他行业,剩下几十个已读的也是外包占一大半,基本上就没几个自研公司,而且外包的薪资也基本上是 15 以下 想问下,是我自己简历写的有问题,还是现在环境确实差的离谱
最近在家闲的无聊,去了一个很适合 i 人的数字游民社区;
说是社区其实是在一个学校里面,在井冈山脚下,就是住学校的宿舍,然后上班可以去他们的教学楼、共享办公室、咖啡店或者图书馆,吃饭吃食堂,学校的操场健身房啥的也可以用,设施非常新非常齐全;他们这里是一个民办学校,所以
之所以说适合 i 人,是因为他们这里很大,宿舍有好几栋楼,办公的地方也很多,所以不像 DNA 那种大家会在一块地方活动,低头不见抬头见总得打个招呼啥的,适合自己一个人宿舍食堂图书馆操场四点一线;可以完全按自己的节奏来
井冈山市确实很小,市区就几条街,骑共享电动车一下就逛完了,四面全是山;
住下来体验还不错,跟我利益无关,只是帮他们宣传分享 一下,我住的是单间宿舍,三百多一个星期,也有多人间会便宜很多大家感兴趣的话,可以加他们的群:
我们是小团队(只有 2 人),要开发 4 款跨平台 App ,需兼容 Android 、iOS 、Harmony Next。人手吃紧,希望能找到一套 "一码三端" 方案减负。但折腾了一圈,发现选型都是坑,尤其华为的 ArkUI-X 差点把我们整崩……求大佬们给点建议或避坑指南 🙏
方案 | 经验/优点 | 硬伤(尤其 Harmony Next ) |
---|---|---|
RN | 没用过;社区活跃 | 官方不支持 Harmony Next ,仅靠社区版,稳定性存疑 |
UniApp/UTS | JS/UTS 写代码编译到原生 | 一套代码出三端 bug ,调试地狱; Harmony Next 兼容性模糊 |
Flutter | Android/iOS 很熟,Web 也稳 | Harmony Next 全靠社区(这个);实测过轮子,但是配置繁琐,没不知道是否完美支持 harmony |
腾讯 Kuikly | 文档看着比华为强,官网有完整范例 | 非官方、插件市场空荡荡 |
华为 ArkUI-X | 已用 ArkTS 开发原生 App ,语法接近 TS | 生态灾难级!团队快被劝退,重点吐槽👇 |
我们押宝 ArkUI-X ,但开发过程全是泪。简单说:
import(harName).then(...)
搞动态加载,但静态编译报错(harInit not found
)。any/unknown
),连 CodeDenie (官方 AI )都答非所问。toolchains:-1
错误频出)。完美方案存在吗?
替代路线求评估
flutter_fluuter
)有无长期维护项目?情感诉求(小声)
---## 背景与痛点 我们是小团队(只有 2 人),要开发 4 款跨平台 App ,需兼容 Android 、iOS 、Harmony Next。人手吃紧,希望能找到一套 "一码三端" 方案减负。但折腾了一圈,发现选型都是坑,尤其华为的 ArkUI-X 差点把我们整崩……求大佬们给点建议或避坑指南 🙏
方案 | 经验/优点 | 硬伤(尤其 Harmony Next ) |
---|---|---|
RN | 没用过;社区活跃 | 官方不支持 Harmony Next ,仅靠社区版,稳定性存疑 |
UniApp/UTS | JS/UTS 写代码编译到原生 | 一套代码出三端 bug ,调试地狱; Harmony Next 兼容性模糊 |
Flutter | Android/iOS 很熟,Web 也稳 | Harmony Next 全靠社区轮子(类似这个,但没官方人维护) |
腾讯 Kuikly | 文档看着比华为强,官网有完整范例 | 非官方、插件市场空荡荡,更新日志玄学(去年 10 月后没动静) |
华为 ArkUI-X | 已用 ArkTS 开发原生 App ,语法接近 TS | 生态灾难级!团队快被劝退,重点吐槽👇 |
我们押宝 ArkUI-X ,但开发过程全是泪。简单说:
import(harName).then(...)
搞动态加载,但静态编译报错(harInit not found
)。any/unknown
),连 CodeDenie (官方 AI )都答非所问。toolchains:-1
错误频出),连 SDK 下载都得切代理(国内镜像?不存在的)。完美方案存在吗?
替代路线求评估
harmony_next_bridge
)有无长期维护项目?情感诉求(小声)
想象一下:我们的应用用户量稳步增长,传统数据库的成本和维护压力也随之上升。而在这个时代,有没有更高效、更经济的数据库解决方案?Cloudflare D1 结合 Drizzle ORM 的组合,正在为众多出海应用开发提供一条全新的技术路径。
传统数据库方案在高并发场景下往往需要复杂的扩容、分片和负载均衡,成本随着流量呈指数级增长。而当我们了解了 Cloudflare D1 这款基于 SQLite 构建的边缘数据库,再配合 Drizzle 这个轻量级 ORM 的强大能力,我们会惊讶于这个组合如何能在保持高性能的同时,将我们的基础设施成本直接腰斩!
无需复杂的数据库集群,无需昂贵的专用服务器,无需担心地理位置带来的延迟问题 — 这个方案将彻底改变我们对数据库架构的认知。
Cloudflare D1 是 Cloudflare 推出的一款分布式 SQL 数据库,它基于 SQLite 构建,完全集成在 Cloudflare Workers 生态系统中。D1 将 SQLite 数据库部署到 Cloudflare 的全球边缘网络,让我们的数据库与应用代码一样,运行在离用户最近的位置,大幅降低延迟。
在深入技术细节前,让我们先来看看 D1 在成本方面的巨大优势。Cloudflare D1 采用了极具竞争力的定价模型:
资源类型 | Workers Free (免费版) | Workers Paid (付费版) |
---|---|---|
读取行数 | 每天 500 万行限制 | 每月前 250 亿行免费,超出部分 $0.001/百万行 |
写入行数 | 每天 10 万行限制 | 每月前 5000 万行免费,超出部分 $1.00/百万行 |
存储空间 | 总计 5GB 限制 | 前 5GB 免费,超出部分 $0.75/GB-月 |
让我们来分析一下免费版的套餐:
付费版的价格是 5$,免费版的规模足够处理 5000-20000 日活的应用,付费 20000-100w 日活。
首先,我们需要安装 Cloudflare 的 Wrangler CLI 工具:
npm install -g wrangler
登录我们的 Cloudflare 账户后,创建一个新的 D1 数据库:
wrangler login
wrangler d1 create my-database
执行后,我们会看到类似这样的输出:
✅ Successfully created DB 'my-database' in region APAC
Created D1 database 'my-database' with id: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx
请记下这个数据库 ID ,我们后续会用到。
在我们的项目根目录创建或编辑 wrangler.toml
文件,添加 D1 数据库配置:
[[d1_databases]]
binding = "DB" # 在 Workers 中使用的变量名
database_name = "my-database"
database_id = "xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx" # 替换为我们的数据库 ID
创建一个 SQL 文件,例如 schema.sql
:
CREATE TABLE users (
id INTEGER PRIMARY KEY AUTOINCREMENT,
name TEXT NOT NULL,
email TEXT UNIQUE NOT NULL,
created_at DATETIME DEFAULT CURRENT_TIMESTAMP
);
然后执行:
wrangler d1 execute my-database --file=./schema.sql
现在,我们可以在 Cloudflare Workers 中使用 D1 数据库了:
export interface Env {
DB: D1Database
}
export default {
async fetch(request: Request, env: Env): Promise<Response> {
// 查询用户列表
const { results } = await env.DB.prepare('SELECT * FROM users ORDER BY created_at DESC LIMIT 10').all()
return new Response(JSON.stringify(results), {
headers: { 'Content-Type': 'application/json' }
})
}
}
在实际开发中,我们需要更多的工具来管理数据库。D1 提供了一系列强大的命令行工具,让数据库管理变得轻松高效。 数据库迁移:管理我们的架构变更 数据库结构会随着需求不断变化。D1 提供了完善的迁移系统,让我们可以版本化管理数据库结构:
创建一个新的迁移文件
wrangler d1 migrations create my-database add_user_role
这会在项目中创建一个类似 migrations/0001_add_user_role.sql
` 的文件。编辑这个文件,添加我们的 SQL 变更:
-- Migration: add_user_role
-- Created at: 2023-10-15 14:30:00
-- 向用户表添加角色字段
ALTER TABLE users ADD COLUMN role TEXT DEFAULT 'user' NOT NULL;
-- 创建一个新的角色权限表
CREATE TABLE role_permissions (
role TEXT NOT NULL,
permission TEXT NOT NULL,
PRIMARY KEY (role, permission)
);
然后应用这些迁移:
应用到本地开发环境
wrangler d1 migrations apply my-database --local
应用到生产环境
wrangler d1 migrations apply my-database --remote
这种方式让我们可以: - 追踪数据库的所有变更历史 - 在团队中同步数据库结构 - 在不同环境(开发、测试、生产)之间保持一致性
需要备份数据或将数据迁移到其他环境? D1 提供了简单的导出导入功能
导出整个数据库(结构+数据)
wrangler d1 export my-database --output=backup.sql
只导出特定表
wrangler d1 export my-database --table=users --output=users_backup.sql
只导出结构,不导出数据
wrangler d1 export my-database --output=schema.sql --no-data
导入数据同样简单:
wrangler d1 execute my-database --file=backup.sql
让我们通过一个实际案例来展示 D1 的强大功能。假设我们要构建一个简单的博客系统,需要存储文章和评论。
首先,创建数据库结构:
-- migrations/0001_create_blog_tables.sql
CREATE TABLE posts (
id INTEGER PRIMARY KEY AUTOINCREMENT,
title TEXT NOT NULL,
content TEXT NOT NULL,
author_id INTEGER NOT NULL,
published_at DATETIME DEFAULT CURRENT_TIMESTAMP,
status TEXT DEFAULT 'draft' NOT NULL
);
CREATE TABLE comments (
id INTEGER PRIMARY KEY AUTOINCREMENT,
post_id INTEGER NOT NULL,
author_name TEXT NOT NULL,
content TEXT NOT NULL,
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (post_id) REFERENCES posts(id) ON DELETE CASCADE
);
CREATE INDEX idx_posts_status ON posts(status);
CREATE INDEX idx_comments_post_id ON comments(post_id);
npx wrangler d1 execute prod-d1-tutorial --local --file=./migrations/0001_create_blog_tables.sql
然后,在 Workers 中实现 API 接口:
export interface Env {
DB: D1Database
}
export default {
async fetch(request: Request, env: Env): Promise<Response> {
const url = new URL(request.url)
const path = url.pathname
// 获取博客文章列表
if (path === '/api/posts' && request.method === 'GET') {
const { results } = await env.DB.prepare(
"SELECT id, title, published_at FROM posts WHERE status = 'published' ORDER BY published_at DESC LIMIT 10"
).all()
return new Response(JSON.stringify(results), {
headers: { 'Content-Type': 'application/json' }
})
}
// 获取单篇文章及其评论
if (path.match(/^\/api\/posts\/\d+$/) && request.method === 'GET') {
const postId = path.split('/').pop()
// 获取文章详情
const post = await env.DB.prepare('SELECT * FROM posts WHERE id = ?').bind(postId).first()
if (!post) {
return new Response(JSON.stringify({ error: 'Post not found' }), {
status: 404,
headers: { 'Content-Type': 'application/json' }
})
}
// 获取文章评论
const { results: comments } = await env.DB.prepare(
'SELECT * FROM comments WHERE post_id = ? ORDER BY created_at DESC'
)
.bind(postId)
.all()
return new Response(JSON.stringify({ post, comments }), {
headers: { 'Content-Type': 'application/json' }
})
}
// 添加评论
if (path.match(/^\/api\/posts\/\d+\/comments$/) && request.method === 'POST') {
const postId = path.split('/')[3]
const { author_name, content } = await request.json()
// 插入评论
const result = await env.DB.prepare(
'INSERT INTO comments (post_id, author_name, content) VALUES (?, ?, ?) RETURNING id'
)
.bind(postId, author_name, content)
.run()
return new Response(JSON.stringify({ id: result.results[0].id }), {
status: 201,
headers: { 'Content-Type': 'application/json' }
})
}
return new Response('Not Found', { status: 404 })
}
}
这个简单的博客 API 已经能够: - 获取已发布的文章列表 - 获取单篇文章及其评论 - 为文章添加新评论
在开发过程中,我们可以使用本地数据库进行测试:
启动本地开发服务器,使用本地 D1 数据库
wrangler dev --local
这会在本地创建一个 SQLite 数据库文件,我们可以在开发过程中使用它,而不需要每次都操作远程数据库。当我们的代码准备好后,再将变更应用到远程数据库。
应用迁移到远程数据库
wrangler d1 migrations apply my-database --remote
通过这种方式,我们可以在本地快速迭代开发,同时确保生产环境的数据安全。
而在下一章节中,就讲解``Drizzle\
,讲这个的主要目的是为了给大家普及一下`海外批量应用`的基础套件的知识
关于我
有朋友打算来北京送外卖,请问大概一个月能挣多少?
内测阶段注册享 14 天全功能体验。
作为一个喜欢折腾、愿意尝试新鲜事物的程序员,我一直在业余时间探索各种工具和玩法。早在上学那会,我就发现 GitHub Copilot 能极大提升开发效率,甚至带来新的认知视角。可以说,有了 Copilot ,我在职场上能更快跟上经验丰富的工程师。
从 2022 年 4 月到 2024 年底,我一直是 GitHub Copilot 的忠实用户。后来因为工作涉及 AI 应用开发,亲身感受到 AI 技术的迅猛迭代,特别是 Claude 爆火后带动的 Cursor 编辑器,我当时试用了一下,简直被惊艳到。本来我是个非常排斥写前端的人,总觉得排版、布局、交互太耗费时间,可 Cursor 生成的前端代码不仅结构清晰,页面也好看、现代化,直接改变了我的固有偏见。
这让我更深刻意识到:AI 确实在潜移默化中改变了程序员的工作方式,也许是危机,但也可能是契机。
危机在于,老板知道你有了这种提升效率的利器,只会让你“工作加量不加价”,而你原本引以为傲的“代码能力”也可能变得廉价,早晚面临被取代的风险。
契机则是,你可以选择不与 AI 在同一赛道内内卷,而是站在它的肩膀上,成为那个会用、敢用、用得巧的人。这样,你不一定要 996 才能拿到满意的工资,也不必非得把键盘敲烂才能拼出价值。
我的看法是:既然 AI 能帮程序员写好业务代码,也一定能写好量化策略的代码。
早在 2021 年,我就开始接触量化交易。那时候研究得还比较浅,主要是通过爬虫抓取数据,结合 K 线指标和深度学习模型做一些尝试。也正因为这个契机,我做了一个开源项目,到现在在 GitHub 上已经收获了 2.4k star 。
转眼到了 2025 ,我完成了从学生到职场人的身份转变。工作中参与过 C 端产品开发,也在优秀老板的影响下,逐渐不满足于只用技术完成本职工作,而是开始主动思考、发现痛点和需求,尝试去打造真正让用户爽、能解决实际问题的产品。如今,我也算是交出了一份自己的答卷。
投资市场从来没有放之四海而皆准的万能策略,但在成千上万的标的和交易机会中,总能找到某些策略在某些标的上具备极高的胜率。只要这份盈利预期与你的风险承受能力相匹配,那你就可以坚定执行。
我自己拿真金白银去践行这个理念,也经历过高额盈利和惨痛亏损,最终靠策略修复慢慢恢复了收益。 从下图可以看到我今年以来收益率最高从 16% 左右,跌到接近-30%,最后慢慢在慢慢修复中。
如果你认同这个逻辑,可以继续往下看。如果不认同,可能继续看下去只是浪费时间。
新时代的量化研究助手,应该具备这些特性:
而这样一款工具,我已经做出来了。它叫:量云启智。
之前我感受到 AI 能显著提升我写复杂代码的效率,便开始设想:如果它能写业务逻辑,也肯定能写量化策略。
现有量化框架像 backtrader 、zipline 虽然成熟,但回测速度与灵活性远不及我预期,语法也不够简洁。我理想中的量化策略开发流程应该是这样的:
例如,一个基于 RSI 指标的简单策略,只需 3 行代码:
rsi = ta.RSI(close, 14)
buy = rsi > 30
sell = rsi < 70
简单直观。
但我更清楚,不是所有用户都愿意学 DSL ,更别说去写代码。大多数人只想直接说:“我想做个 RSI 超卖反弹策略”,然后 AI 就能帮他生成好代码。
于是,我做了 AI 策略助手,你只需要用中文描述你的想法,它就能自动转化成标准化的策略代码,哪怕你自己完全不懂策略体系,也能跑出策略来试试看。
功能展示
策略写好了,接下来就是验证它在实盘中的表现。
我设计了一个多维度回测系统,用户只需:
点击开始回测,即可查看策略发出的交易信号、收益曲线、资金回撤、胜率、盈亏比等多维度数据。
无论是跑单品种,还是全市场轮测,都能轻松搞定。
功能展示
回测之后,策略往往存在缺陷。这时候,大多数人要么停在这里,要么自己慢慢调参,费时费力。
所以我直接做了个 AI 策略优化助手。
你可以把策略保存后,进到策略优化页面,选择想改进的方向,或者直接跟 AI 聊你的困惑,它会分析问题、帮你修改策略,甚至给出优化后的版本,供你直接测试,极大提升策略迭代效率。
功能展示
只在一只股票上跑策略风险太高,尤其是小市值品种操控空间大,信号失真严重。
因此我做了一个策略批量选股功能:
你设定好策略条件,系统就能在多只股票中自动筛选出符合买卖条件的标的,方便批量监控和实盘执行,免去一个个手动跑回测的繁琐。
功能展示
量云启智 是我在 AI+量化 赛道上交出的第一份作品,目标就是降低量化门槛、提升策略研发效率,让每个投资者都有能力探索属于自己的策略体系。
如果你对量化感兴趣,或者在用 AI 辅助开发量化策略,欢迎来试试看:https://beta.quantflare.cn 内测阶段注册享 14 天全功能体验。
希望它也能像当年的 GitHub Copilot 于我在编程方面的帮助一样,成为你量化投资路上的好助手!
大家好 我想帮家人咨询一下关于 室内设计/软装方向 AI 图像生成的一些实际应用落地情况 所以有了这篇帖子
我的家人目前在一家室内设计公司工作 主要负责 家装设计 样板间 软装搭配 等相关内容 日常工作除了设计方案 还需要定期出一些 标书/PPT 类的提案文档 里面需要高质量的效果图 空间搭配图 风格展示图等
她目前偶尔会使用 豆包 来生成部分参考图片 但是对 AI 相关工具了解不多 也没有接触过其他专业的图像生成或图像编辑 AI 工具
我自己是做开发的 对 AI 在代码开发方面的应用比较熟悉 对在 视觉设计 空间创意 等行业的应用场景了解有限 所以想请教大家有处在类似的行业吗 AI 目前在这个领域是否已经有一些成熟的工具可以落地使用 用来做生图 消图的 AI 工具
Poixe AI 平台面向所有用户提供免费模型调用,这些模型分为”大杯”和”小杯”两个组别,每组配额独立,并且每日自动刷新。这些免费资源非常适合测试与接入验证阶段使用。
// nodejs 代码示例
import OpenAI from "openai";
const openai = new OpenAI({ apiKey: "POIXE_API_KEY", baseURL: "https://api.poixe.com/v1" });
async function main() {
const completion = await openai.chat.completions.create({
model: "grok-4:free",
messages: [
{ role: "system", content: "You are a helpful assistant." },
{ role: "user", content: "Hello!" }
],
});
console.log(completion.choices[0].message.content);
}
main();
推广贴,但属于免费资源分享,希望对大家有所帮助~
岗位职责:
1 、配合产品经理完成产品功能开发和优化;
2 、配合交互设计师及视觉设计师实现交互效果,可以高度还原设计稿。
3 、深刻认识前后端分离的开发方式。
4 、负责前端基础架构、组件抽象以及优秀的组件实现基础和理论知识。
任职要求:
1 、本科及以上学历,计算机相关专业,至少 3 年以上 React 经验,有 Nextjs 项目经验,熟悉微前端框架
2 、熟悉前端主流开发技术,包括但不限于 typescript 、sass/scss 、less , 对函数式编程有深刻认识和理解
3 、熟悉 webpack/vite/rollup 等相关工具链
4 、精通 React 框架,精通相关全家桶和相关的开发思想和理论,熟悉 hook 的开发模式,可以抽离公共 hook 提高工作效率
5 、经验丰富,开发过中大型 Web 应用程序,良好的 UI 交互实现能力者佳
6 、具有一定专研精神,敢于挑战自我,解决各种未知问题
v: thqy39