眼望星云_个人页

传统架构在面对当今数字化转型浪潮时，存在的缺陷如：扩展性差：传统架构通常依赖物理硬件，扩展资源需要购买和配置新的服务器，耗时耗力，难以快速应对业务流量的突增。相比之下，云上的Serverless架构可以根据实际需求动态调整资源，实现无缝扩展。 运维成本高：传统架构需要企业自行维护硬件和软件，包括定期检查、更新和故障修复等，这不仅需要专业的技术团队，还需要投入大量的时间和资金。而Serverless架构将这些工作交给了云服务提供商，企业只需专注于业务开发，大幅降低了运维成本。

可以借助AI技术的深度学习优化数据处理，如智能数据分类、快速内容检索、数据去重与压缩等

我觉得可以提供补贴和培训课程给被技术变革影响的职业群体，助力其顺利转移到新的工作岗位；多创造出使用人工智能辅助的工作岗位

平时会使用通义千问等来提升搜索查找效率，使用通义听悟来实时记录语音转文字、自动分析文档中的关键内容信息等

使用过程：上传图片，保留区点选选中猫狗 Prompt：三只动物在阳光洒在柔软的绿草上，草尖在微风中轻轻摇曳，远处几朵白云悠闲地漂浮在蓝天之上。输出结果： 使用体验：可以直接使用，很方便

帮手还是“枪手”都取决于用的人，使用得当则可以提高学习效率、获取丰富的学习资源，使用不当就会使学生应付作业、影响学习。未来中小学教育应鼓励学生适度使用AI工具，重视理解和掌握知识的过程。

一般按Shift+Enter键，或Ctrl+Enter键可以换行输入

还真的是

在日常生活中，这两种我都会用到，选择哪种类型的模型取决于具体的需求。如果需要一个能够处理多种任务和内容的工具，就选通用大模型。如果需要在特定领域内获得深度和精确的分析，垂直大模型可能更适合。 对于这两种要对比的话，我还是更倾向于垂直大模型，因为本身是做技术工作，所以特定领域的专业性更重要些。

避免在工作中习惯性依赖原有方法的情况，我觉的最主要的是要克服的心理上对现状的偏见，消除改变现状的抗拒心理，对于新的变化可能带来更好的结果保持好奇心与成就感。同时可以通过划分小步骤，来阶梯性的达到目标。

使用体验：自带了多种风格和形象模板、咒语书，能够快速参考这些生成Prompt，当然也能自己添加Prompt，对生成的图片不满意的部分还能自己局部重绘，特别方便好用。动漫头像： 配置过程：AI工具：通义万相选择风格：复古漫画Prompt：二次元男孩黑色碎发，黄色上衣，大眼睛，笑脸，星空背景，太空光（微调强度0.7） 原先Prompt只是（二次元男孩黑色碎发，黄色上衣，大眼睛，笑脸），生成的头像也是黄色背景的，更上衣同色了，就想换成另外一种，于是添加了（星空背景，太空光）修改了背景

主备的话可以用辅助DNS，辅助DNS是云解析为使用自建DNS或第三方DNS的用户提供的 DNS容灾备份服务。负载的话可以用云解析DNS权重配置，指在DNS服务器中为同一个主机记录配置多个IP地址，在应答DNS查询时，所有IP地址按照预先设置的权重进行返回不同的解析结果，将解析流量分配到不同的服务器上，从而达到负载均衡的目的。

拍摄过程：平时总会对着天空拍照，无论好看与否，每天都会不一样，就像生活一样，每天不重样。 编辑过程：试着使用AI工具把晚霞弄得更好看些，用的是通义万相的图像风格迁移方式，生成后图片：喜欢第二张图片，但是山上的高压电塔有瑕疵，需要进行局部重绘，直接用通义万相就能实现 重绘后的结果：出现了一个建筑和一棵树

【部署过程】： 点击下方链接 使用阿里云函数计算FC部署生成3D卡通头像：https://developer.aliyun.com/adc/scenario/c337057d6e1242b2b9bd74271a7b0e4c 选择“领取免费试用额度” 前往函数计算控制台。在左侧导航栏中，单击应用。 注意：如果您之前使用过应用中心，在单击应用之后出现类似于下面的页面，此时您可以单击创建应用继续流程。 在单击应用/创建应用之后，您可以看到应用列表。 在应用页面，搜索并选择图生图-图像风格转换模型，单击立即创建。 在创建应用页面，选择直接部署。 此时还需要关注页面上角色名称部分，例如：说明：如果您的角色名称已有相关权限，可忽略此步骤。 此时需要单击前往授权进行授权，授权完成可能会提示： 应用可支持部署地域为北京、杭州、上海、深圳，请选择任意一地域。说明：如遇部署异常，特别是AIGC公共镜像拉取耗时长/失败问题，请切换其他地域重试。 【必填】填写fc-chatyuan镜像地址，镜像地址需要与应用所在的地域保持一致。（请注意不要多复制多余空格）为方便您的体验，本实验提供基于开源项目构建的镜像，您需要自行填写地域对应的镜像地址。 说明：本次实验提供的镜像由Serverless Devs开源项目贡献者贡献，仅供您体验使用。您也可以使用自己的构建的镜像，构建方法详情请参见项目代码内的 README 文档。 上海地域镜像地址：registry.cn-shanghai.aliyuncs.com/aliyun-fc/3d-cartoonization:v1杭州地域镜像地址：registry.cn-hangzhou.aliyuncs.com/aliyun-fc/3d-cartoonization:v1北京地域镜像地址：registry.cn-beijing.aliyuncs.com/aliyun-fc/3d-cartoonization:v1深圳地域镜像地址：registry.cn-shenzhen.aliyuncs.com/aliyun-fc/3d-cartoonization:v1 完成之后，单击页面最下面的创建并部署默认环境。注意：部署应用之后会产生函数计算资源使用费用，计费情况详情请参考计费概述。 在基本信息页面，单击部署版本。说明：大约需要等待1~2分钟。 在部署版本页面，请您耐心等待部署状态变为部署成功，在部署时您也可以查看日志观察应用部署情况。 检查GPU函数（model）的镜像加速准备状态，函数计算提供的镜像加速能力专门为AI/GPU大镜像进行启动优化，请当镜像加速准备状态处于可用后，再开始进行函数调用。在基本信息页面，单击环境名称。 在环境详情页面的资源信息区域中，单击函数model。 在函数model详情页面的环境信息区域，检查镜像加速准备状态，请您耐心等待镜像加速准备状态变为可用。 镜像加速准备状态变为可用后，返回到应用的基本信息页面。在基本信息页面，单击访问域名中的第一个域名，进入程序加载页面。请您稍等片刻，等待程序加载完成。 加载完成之后，返回如下页面。 【使用体验】：整个部署过程很顺利，好用方便

模型在简单题上的表现较好：这表明大语言模型在处理较为直接和基础的数学问题上已经具备了相当的能力，能够理解和应用基本的数学原理和公式。 中档题的表现一般：这说明当前的大语言模型在处理需要多层次推理和复杂计算的数学问题时还存在一定的局限性。这可能是由于模型的推理能力和计算精度还不足以应对复杂的数学问题。 GPT-4o与Qwen-72b表现相对稳定：这两个模型在两次测试中都排名靠前，表明它们在解决数学问题上具有较好的一致性和稳定性。这可能是由于这两个模型在训练过程中采用了较为先进的技术和方法，使得模型在理解和解决数学问题上具有较好的能力。 通义千问Qwen2-72b超过GPT-4o：这表明在某些特定任务上，国产大语言模型如Qwen-72b已经具备了超越国际领先模型如GPT-4o的能力。这可能是由于Qwen-72b在训练过程中针对中文数学问题进行了特别优化，使其在解决这类问题上具有更好的表现。

在编程实践中提升编码效率，减少调试时间，避开这个陷阱的方法有： 单元测试：编写单元测试可以在早期发现并修复问题，避免将错误累积到后续的开发阶段，从而节省大量调试时间。持续集成：使用CI系统自动运行测试和构建，可以帮助开发者及时发现引入的新bug，并且在代码合并到主分支之前进行修复。代码审查：通过同事之间的代码审查，可以提前发现潜在的问题，同时也能促进知识共享和团队协作。静态代码分析工具：使用如SonarQube、ESLint等工具，在编码阶段就检查代码质量，防止一些常见的编程错误。使用调试器：学会熟练使用调试器，如GDB、Visual Studio Debugger等，可以帮助快速定位问题。理解并应用设计模式：设计模式能帮助你写出更健壮、更易于维护的代码，减少未来的修改和调试工作。模块化和解耦：将代码分解为小的、独立的模块，这样当出现问题时，你可以更容易地定位到具体的部分。良好的注释习惯：清晰的注释可以帮助自己和他人更快地理解代码意图，减少不必要的混淆和猜测。版本控制系统的有效利用：Git等版本控制系统可以帮助你追踪代码的变化历史，对于回溯问题源非常有帮助。代码重构：定期对代码进行重构，以保持其清晰性和可读性，减少技术债务，使得未来修改和调试更加容易。

1、你知道APP是怎么开发的吗？如何将开发完成的APP发布在应用市场？APP开发过程包括需求分析、设计阶段、开发阶段等步骤；将开发完成的APP发布在应用市场的流程包括注册开发者账号、准备上架所需的材料、进行APP备案等。2、在阿里云上实现一站式App的开发、测试、运维、运营等，你觉得体验感如何？阿里云提供的一站式移动APP开发等，能提供便捷和高效的体验，尤其对于希望减轻技术负担、加速产品迭代的企业或个人开发者来说，这可能是一个非常有吸引力的选择

如何降低日常业务中断的风险？a. 高可用架构设计：冗余设计：确保关键组件有备份，如数据库主从复制、多数据中心部署。容错设计：系统设计时考虑组件故障，确保单点故障不会导致整体服务中断。b. 持续监控与告警：实时监控：使用监控工具（如Prometheus、Grafana）对系统性能和健康状态进行实时监控。告警机制：设置合理的告警阈值，及时通知相关人员处理潜在问题。c. 自动化运维：自动化部署：使用CI/CD工具（如Jenkins、GitLab CI）自动化发布过程，减少人为错误。自动化恢复：配置自动化的故障恢复机制，如容器的自我修复能力。d. 定期演练与预案：故障演练：定期进行模拟故障演练，验证系统的恢复能力和应急预案的有效性。应急预案：制定详细的应急预案，确保在发生故障时能够迅速响应和恢复。e. 资源管理和优化：资源预留：确保有足够的备用资源应对突发情况。性能优化：持续优化系统性能瓶颈，提高系统的整体稳定性。如何提升应用服务的负载均衡能力？a. 使用负载均衡器：硬件负载均衡器：如F5的BIG-IP，适用于高流量场景。软件负载均衡器：如Nginx、HAProxy，灵活且成本较低。b. 分布式负载均衡：云原生解决方案：如Kubernetes的Ingress控制器，可以实现跨多个节点的负载均衡。服务网格：如Istio、Linkerd，提供更细粒度的流量管理和负载均衡。c. 动态调度策略：基于权重的调度：根据服务器的处理能力动态调整权重。会话保持：确保同一用户的请求被定向到同一台服务器，以维持会话状态。d. 多层负载均衡：七层负载均衡：基于URL、Cookie等信息进行更精细的负载均衡。四层负载均衡：基于IP和端口进行负载均衡，适用于TCP/UDP协议。e. 弹性扩展：自动伸缩：根据实时流量自动调整服务器数量，如Kubernetes的HPA（Horizontal Pod Autoscaler）。弹性资源池：使用云服务提供商的弹性计算资源，如AWS的Auto Scaling Group。f. 监控与优化：性能监控：实时监控负载均衡器和后端服务器的状态，识别瓶颈。策略优化：根据监控数据不断优化负载均衡策略，提高系统的整体效率。

使用AI代码助手通义灵码来辅助编写一个飞机大战小游戏，平常一大段的代码，只要几十秒就能通过自然语言来自动生成框架，提高了编程效率，非常实用；局部优化代码也很方便，代码质量也提高了；而且错误率也低，即使错误也可以问通义灵码哪里错了，怎么优化；还能生成生成单元测试；整体使用下来真的太高效了。

小时候经常跟朋友一起到家附近的小池塘旁钓小龙虾，那时候水质还算好，有很多小龙虾，每每钓上一只个头大的，都会高兴半天。Prompt:三个孩童并排站立，站在小池塘的岸边，手持钓竿，眼神聚焦于水面之下。夕阳的余晖洒在他们认真的小脸上，投下长长的影子。水面平静，偶尔泛起一圈圈因小龙虾引起的涟漪。远处，树木与天空相接，一片宁静。超广角镜头，长焦镜头，俯视视角，侧面。AI生成结果：Prompt优化过程：原先只是简单描绘下场景：描绘3个小朋友站在小池塘岸边在钓小龙虾的场景。然后使用通义千问的智能体 Prompt大师去进行丰富优化：但是生成的是近景，所以加了些视角（超广角镜头，长焦镜头，俯视视角，侧面），进行调整Prompt