[职场话题] 我这专业适合干啥嘞，佬们可以发表自己的看法
小白第一次发帖，不知道发这个板块是否正确。 本科，目前大一，专业是国贸+数据科学大数据技术，总感觉哪个都沾点边，但都学的不精，我们学校本身还是财经类的，这第二专业出来真的有用吗。个人不大想考研，不怎么爱学习，保研我们学校约等于没有。而且听说数据科学这个领域前几年就卷的要死了，所以多少还是对未来有点困惑
小白第一次发帖，不知道发这个板块是否正确。 本科，目前大一，专业是国贸+数据科学大数据技术，总感觉哪个都沾点边，但都学的不精，我们学校本身还是财经类的，这第二专业出来真的有用吗。个人不大想考研，不怎么爱学习，保研我们学校约等于没有。而且听说数据科学这个领域前几年就卷的要死了，所以多少还是对未来有点困惑
[llms.txt] voe4.net llms.txt
做了一个 Veo 4 在线 AI 视频生成器网站： https://voe4.net
llms.txt 文件是： https://voe4.net/llms.txt
欢迎体验使用哇～
做了一个 Veo 4 在线 AI 视频生成器网站： https://voe4.net
llms.txt 文件是： https://voe4.net/llms.txt
欢迎体验使用哇～
[Claude Code] 有没有遇到过只是退了 Claude Pro 订阅但是没有封号的？
如题，上周学生互相共享用的时候，突然被退了订阅，此前 10 个月均无问题，不知道是不是刚好有两个人同时用了一下。现在账号可以登录，但是没有 Pro 订阅了，看了信用卡，直接退回了全年的订阅费用，如果我再帮忙继续续上的话，会不会我自己账号同样的付款卡和手机号也会被封？ 还有想问问大家有这种只掉订阅但是号还在的问题不？ 可能是啥问题呀 ？ （补充信息：账号绑定的美国实体手机号，也是美卡付款）
如题，上周学生互相共享用的时候，突然被退了订阅，此前 10 个月均无问题，不知道是不是刚好有两个人同时用了一下。现在账号可以登录，但是没有 Pro 订阅了，看了信用卡，直接退回了全年的订阅费用，如果我再帮忙继续续上的话，会不会我自己账号同样的付款卡和手机号也会被封？ 还有想问问大家有这种只掉订阅但是号还在的问题不？ 可能是啥问题呀 ？ （补充信息：账号绑定的美国实体手机号，也是美卡付款）
[推广] 知己 AI：全球首个拥有类脑记忆的智能对话平台
你的 AI ，终于能"记住你"了
——知己 AI：全球首个拥有类脑记忆的智能对话平台
----------------------
你有没有经历过这样的崩溃？
跟 AI 聊了三个月，它还在问你叫什么名字。
你告诉它你乳糖不耐受，下次推荐食谱它还是满屏牛奶芝士。
你上周刚说搬到了上海，这周它又问你北京天气怎么样。
你忍不住想骂一句：你到底有没有在听我说话？
这不怪你。现有的 AI 助手，本质上都是"金鱼记忆"——每次对话结束，记忆清零。它们很聪明，但它们不认识你。
直到知己 AI 出现。
----------------------
一个真正"懂你"的 AI ，是什么体验？
想象这样一个场景：
----------------------
它是怎么做到的？
六层认知画像：比你更了解你自己
知己 AI 为每个用户构建了一套六层三十三维度的认知模型：
每一次对话，这张画像都在默默更新。你不需要重复自我介绍，它已经记住了。
类脑记忆系统：像人脑一样记忆和遗忘
知己 AI 的记忆不是简单的"存档"。我们模拟了人类大脑的记忆机制：
● 重要的事情刻骨铭心 —— 你说"我结婚了"，这条记忆的保护等级会自动提到最高，永远不会被遗忘
● 琐碎的事情自然淡忘 —— 三个月前随口聊的天气，会像人类记忆一样慢慢变淡
● 睡眠巩固 —— 系统每天会像人类做梦一样，把零散的记忆碎片整理、归纳、融合成更深层的理解
● 越用越准 —— 你纠正它一次，它不只改这一条，而是调整整个认知模型
这不是数据库检索，这是真正的记忆。
----------------------
和市面上的 AI 有什么不同？
----------------------
它能帮你做什么？
做你的私人顾问
做你的第二大脑
做你的成长伙伴
----------------------
隐私，我们比你更在意
你可能会担心：它记了我这么多东西，安全吗？
● 军事级加密 —— 所有记忆采用 AES-256-GCM 加密存储，和银行用的是同一级别
● 完全隔离 —— 你的记忆只属于你，任何人（包括我们）都无法看到其他用户的数据
● 一键删除 —— 随时可以清除所有记忆数据，删就是真删，不留痕迹
● 本地优先 —— 核心记忆存储在你的专属空间，不会被用于训练任何模型
你的记忆，你做主。
----------------------
60+顶尖 AI 模型，同时为你服务
知己 AI 不绑定某一家 AI 。你可以同时和通义千问、豆包、Kimi 、DeepSeek 、智谱等六十多个主流 AI 模型并排对话，一个问题多个视角，知己帮你整合精华。
不是选择最好的 AI ，而是让所有 AI 都成为最懂你的 AI 。
----------------------
谁需要知己 AI ？
● 职场人 —— 让 AI 真正理解你的工作背景和决策风格，提建议不再泛泛而谈
● 学生 —— AI 记住你的学习进度和知识盲区，复习推荐精准到位
● 内容创作者 —— 你的写作风格、选题偏好、读者画像，AI 全都记得
● 情感倾诉者 —— 一个永远记得你故事、不会评判你、24 小时在线的倾听者
● 任何想要一个"真正懂我"的 AI 的人
----------------------
用户怎么说
----------------------
知己，不只是 AI
"知己"这个名字，取自中国人最珍视的一种关系——知己知彼。
两千年前，伯牙遇见钟子期，高山流水，一曲知心。
今天，我们用技术重新定义这种理解。不是更快的搜索，不是更大的模型，而是——
让 AI 真正懂得一个人。
这是 AI 应该进化的方向。不是更聪明，而是更懂你。
----------------------
现在就来认识你的"知己"
访问 ai-know.me ，开始你的第一次对话。
无需注册即可体验。你说的每一句话，都在为未来更懂你的 AI 铺路。
你值得一个记得你的 AI 。
----------------------
知己 AI —— 记住你的每一面，理解你的每一刻。
你的 AI ，终于能"记住你"了
——知己 AI：全球首个拥有类脑记忆的智能对话平台
----------------------
你有没有经历过这样的崩溃？
跟 AI 聊了三个月，它还在问你叫什么名字。
你告诉它你乳糖不耐受，下次推荐食谱它还是满屏牛奶芝士。
你上周刚说搬到了上海，这周它又问你北京天气怎么样。
你忍不住想骂一句：你到底有没有在听我说话？
这不怪你。现有的 AI 助手，本质上都是"金鱼记忆"——每次对话结束，记忆清零。它们很聪明，但它们不认识你。
直到知己 AI 出现。
----------------------
一个真正"懂你"的 AI ，是什么体验？
想象这样一个场景：
这不是预设话术，不是模板回复。 这是知己 AI 从你过去几百次对话中，真正理解了你是谁、你需要什么、你现在的状态，然后给出的回答。
你："帮我推荐个周末去处。"
普通 AI："以下是热门景点推荐：故宫、长城、西湖……"
知己 AI："你上次说周末喜欢安静的地方，最近工作压力又大，上海周边的莫干山民宿不错，而且你之前提过想试试徒步——山里信号不好，正好可以彻底放空一下。"
----------------------
它是怎么做到的？
六层认知画像：比你更了解你自己
知己 AI 为每个用户构建了一套六层三十三维度的认知模型：
每一次对话，这张画像都在默默更新。你不需要重复自我介绍，它已经记住了。
类脑记忆系统：像人脑一样记忆和遗忘
知己 AI 的记忆不是简单的"存档"。我们模拟了人类大脑的记忆机制：
● 重要的事情刻骨铭心 —— 你说"我结婚了"，这条记忆的保护等级会自动提到最高，永远不会被遗忘
● 琐碎的事情自然淡忘 —— 三个月前随口聊的天气，会像人类记忆一样慢慢变淡
● 睡眠巩固 —— 系统每天会像人类做梦一样，把零散的记忆碎片整理、归纳、融合成更深层的理解
● 越用越准 —— 你纠正它一次，它不只改这一条，而是调整整个认知模型
这不是数据库检索，这是真正的记忆。
----------------------
和市面上的 AI 有什么不同？
----------------------
它能帮你做什么？
做你的私人顾问
"我最近总是焦虑。"
知己 AI 不会给你一篇心理学百科。它会说："你上个月连续加班三周，上次这种状态是去年项目 deadline 前。那次你说跑步三天后好多了，要不要试试？"
做你的第二大脑
三个月前看了一本书，记不清细节了？知己 AI 替你记着呢。
"你 2 月份读的那本《思考快与慢》，你当时标注了系统一和系统二的区别，还说想用到工作的决策流程里。"
做你的成长伙伴
知己 AI 会发现你自己都没注意到的变化：
"你注意到了吗？三个月前你说话总是'应该这样做'，最近变成了'我想试试'——你变得更相信自己的判断了。"
----------------------
隐私，我们比你更在意
你可能会担心：它记了我这么多东西，安全吗？
● 军事级加密 —— 所有记忆采用 AES-256-GCM 加密存储，和银行用的是同一级别
● 完全隔离 —— 你的记忆只属于你，任何人（包括我们）都无法看到其他用户的数据
● 一键删除 —— 随时可以清除所有记忆数据，删就是真删，不留痕迹
● 本地优先 —— 核心记忆存储在你的专属空间，不会被用于训练任何模型
你的记忆，你做主。
----------------------
60+顶尖 AI 模型，同时为你服务
知己 AI 不绑定某一家 AI 。你可以同时和通义千问、豆包、Kimi 、DeepSeek 、智谱等六十多个主流 AI 模型并排对话，一个问题多个视角，知己帮你整合精华。
不是选择最好的 AI ，而是让所有 AI 都成为最懂你的 AI 。
----------------------
谁需要知己 AI ？
● 职场人 —— 让 AI 真正理解你的工作背景和决策风格，提建议不再泛泛而谈
● 学生 —— AI 记住你的学习进度和知识盲区，复习推荐精准到位
● 内容创作者 —— 你的写作风格、选题偏好、读者画像，AI 全都记得
● 情感倾诉者 —— 一个永远记得你故事、不会评判你、24 小时在线的倾听者
● 任何想要一个"真正懂我"的 AI 的人
----------------------
用户怎么说
"用了两个月，有一次随口说'像上次那样'，它真的知道'上次'是什么。那一刻我觉得，这才是 AI 该有的样子。" —— 小林，产品经理
"我跟它聊减肥聊了三个月，有天它突然说'你有没有发现每次聚餐后你就特别焦虑'。说实话我自己都没注意到。" —— 阿梦，自由职业
"以前用 AI 就是工具，现在用知己像是在跟一个老朋友聊天——它记得你说过的每一句话。" —— 张哥，创业者
----------------------
知己，不只是 AI
"知己"这个名字，取自中国人最珍视的一种关系——知己知彼。
两千年前，伯牙遇见钟子期，高山流水，一曲知心。
今天，我们用技术重新定义这种理解。不是更快的搜索，不是更大的模型，而是——
让 AI 真正懂得一个人。
这是 AI 应该进化的方向。不是更聪明，而是更懂你。
----------------------
现在就来认识你的"知己"
访问 ai-know.me ，开始你的第一次对话。
无需注册即可体验。你说的每一句话，都在为未来更懂你的 AI 铺路。
你值得一个记得你的 AI 。
----------------------
知己 AI —— 记住你的每一面，理解你的每一刻。
[酷工作] 开发者运营-上海， 100 左右
开发者运营-上海
1 、有开发经验，不要代码看不懂，或者看不懂代码还完全不接触 Al-coding;
2 、工作围绕着开发者社区和产品;
3 、有一定的开发者品位，了解 cloud native APl ，知道 API 演进如何治理(比如:版本策略、弃用机制、迁移方案等)
4 、英语口语流利(海外运营)
微信：fancyfrees
开发者运营-上海
1 、有开发经验，不要代码看不懂，或者看不懂代码还完全不接触 Al-coding;
2 、工作围绕着开发者社区和产品;
3 、有一定的开发者品位，了解 cloud native APl ，知道 API 演进如何治理(比如:版本策略、弃用机制、迁移方案等)
4 、英语口语流利(海外运营)
微信：fancyfrees
[macOS] macOS26 切 ID， App 无法启动，让验证，有办法解决吗？
印象中这是 iOS 特色，现在 macOS 也这样了 一直国区、美区两个 ID 用着好好的，相安无事，最近发现，一旦切 ID ，好几个 app 连启动也不行了
还有以前恢复购买，直接在 app 内登录验证一下就行了，现在竟然把整个 Mac App Store 的账号都换掉了，导致用这个 ID 买的正常了，那个 ID 买的又崩了...
我看也有 app 在解决这个东西，请问下，除了作者主动修改 app ，还有其他办法吗？
印象中这是 iOS 特色，现在 macOS 也这样了 一直国区、美区两个 ID 用着好好的，相安无事，最近发现，一旦切 ID ，好几个 app 连启动也不行了
还有以前恢复购买，直接在 app 内登录验证一下就行了，现在竟然把整个 Mac App Store 的账号都换掉了，导致用这个 ID 买的正常了，那个 ID 买的又崩了...
我看也有 app 在解决这个东西，请问下，除了作者主动修改 app ，还有其他办法吗？
[创业组队] 中低频策略量化
自己是多年的程序员 然后量化也做了 5 年 目前有一个股票中低频量化策略 这边有一个基础的回测/实盘框架 希望做中低频截面因子模型 目前也有一些机器学习的预测模型 有懂机器学习特别是量化策略相关的人可以考虑交流下 我这边可以解决数据/实盘回测工程问题 也了解一些机器学习的模型 想找深入做这块的 策略人员合作或者沟通都可以
自己是多年的程序员 然后量化也做了 5 年 目前有一个股票中低频量化策略 这边有一个基础的回测/实盘框架 希望做中低频截面因子模型 目前也有一些机器学习的预测模型 有懂机器学习特别是量化策略相关的人可以考虑交流下 我这边可以解决数据/实盘回测工程问题 也了解一些机器学习的模型 想找深入做这块的 策略人员合作或者沟通都可以
[分享创造] 用 ai 做了个陪玩展示网站
买了个几十块钱一年的服务器挂着，不用担心盈利问题。 pw.net 功能：陪玩们在网上或贴吧接单时，不用再反复零散信息了！把这个名片链接分享给老板就能了解所有关键信息。如果老板觉得合适，就可以直接点单联系。 ✅ 陪玩照片展示区 ✅ 陪玩语音条试听 ✅ 游戏战绩图展示 ✅ 陪玩联系方式
自认为需求点：类似博客接私单跳过抽佣，快速筛选。大家有点经常陪玩的觉得有解决用户痛点吗？ 后续可能做点在线生成陪玩/俱乐部介绍图片 工具。
买了个几十块钱一年的服务器挂着，不用担心盈利问题。 pw.net 功能：陪玩们在网上或贴吧接单时，不用再反复零散信息了！把这个名片链接分享给老板就能了解所有关键信息。如果老板觉得合适，就可以直接点单联系。 ✅ 陪玩照片展示区 ✅ 陪玩语音条试听 ✅ 游戏战绩图展示 ✅ 陪玩联系方式
自认为需求点：类似博客接私单跳过抽佣，快速筛选。大家有点经常陪玩的觉得有解决用户痛点吗？ 后续可能做点在线生成陪玩/俱乐部介绍图片 工具。
[程序员] Google Antigravity 给所有用户免费提供 Pro 级别访问（50,000 prompt credits/月）（Claude Opus 4.6 (Thinking) /gemini 3.1 pro）免费用
AI 模型选择列表
----------------------
模型背景补充
● Claude Opus：Anthropic 旗舰级模型，擅长长文本处理、复杂逻辑推理、深度创作与高精度计算。
● Claude Sonnet：平衡性能与响应速度的中端模型，适合日常高效任务与中等复杂度需求。
● Gemini 系列：Google 多模态大模型，
● GPT-OSS 120B：开源大模型（通常基于 LLaMA 等架构），120B 参数版本，主打开源可定制性。
如果不想用 Antigravity 也可以把里面的模型调用到其它工具中，随意你怎么用！
AI 模型选择列表
----------------------
模型背景补充
● Claude Opus：Anthropic 旗舰级模型，擅长长文本处理、复杂逻辑推理、深度创作与高精度计算。
● Claude Sonnet：平衡性能与响应速度的中端模型，适合日常高效任务与中等复杂度需求。
● Gemini 系列：Google 多模态大模型，
Flash 侧重低延迟快速交互，Pro 系列侧重更高能力与复杂场景。● GPT-OSS 120B：开源大模型（通常基于 LLaMA 等架构），120B 参数版本，主打开源可定制性。
如果不想用 Antigravity 也可以把里面的模型调用到其它工具中，随意你怎么用！
[宽带症候群] 上海电信疑似夜间 3.31 凌晨大规模断网
根据 ping 日志，预计断网时间应该是 3.31 0 时 38 分-0 时 56 分
在睡觉，被各种告警干醒
小红书人也有多人发帖表示宽带无网 手机没信号
我自己家宽带也出现短时无网，但拨号是正常没有掉线，看来疑似核心网 P0 级故障了。
根据 ping 日志，预计断网时间应该是 3.31 0 时 38 分-0 时 56 分
在睡觉，被各种告警干醒
小红书人也有多人发帖表示宽带无网 手机没信号
我自己家宽带也出现短时无网，但拨号是正常没有掉线，看来疑似核心网 P0 级故障了。
[酷工作] 拼多多招聘内推（实习）
金三银四 xdm ，想当年在学校的时候，也是从走了网上各位大哥大内推链接，早点找到实习，早点安安心心。走内推后协助跟进 hr 进度。
1️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=uj39pS6dpk ，内推码：uj39pS6dpk 。服务端研发实习生（通过此链接投递计入内推，内推简历优先筛选~）
2️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=F8tQQFcirT ，内推码：F8tQQFcirT 。算法实习生 （通过此链接投递计入内推，内推简历优先筛选~）
3️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=aVEUKuRWiu ，内推码：aVEUKuRWiu 。大模型算法实习生 （通过此链接投递计入内推，内推简历优先筛选~）
4️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=ww6qDgNaSr ，内推码：ww6qDgNaSr 。安全实习生 （通过此链接投递计入内推，内推简历优先筛选~）
5️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=MaazGUH4CZ ，内推码：MaazGUH4CZ 。客户端研发实习生 （通过此链接投递计入内推，内推简历优先筛选~）
6️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=y3zqhgeTE7 ，内推码：y3zqhgeTE7 。web 前端研发实习生（通过此链接投递计入内推，内推简历优先筛选~）
金三银四 xdm ，想当年在学校的时候，也是从走了网上各位大哥大内推链接，早点找到实习，早点安安心心。走内推后协助跟进 hr 进度。
1️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=uj39pS6dpk ，内推码：uj39pS6dpk 。服务端研发实习生（通过此链接投递计入内推，内推简历优先筛选~）
2️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=F8tQQFcirT ，内推码：F8tQQFcirT 。算法实习生 （通过此链接投递计入内推，内推简历优先筛选~）
3️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=aVEUKuRWiu ，内推码：aVEUKuRWiu 。大模型算法实习生 （通过此链接投递计入内推，内推简历优先筛选~）
4️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=ww6qDgNaSr ，内推码：ww6qDgNaSr 。安全实习生 （通过此链接投递计入内推，内推简历优先筛选~）
5️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=MaazGUH4CZ ，内推码：MaazGUH4CZ 。客户端研发实习生 （通过此链接投递计入内推，内推简历优先筛选~）
6️⃣ [拼多多集团-PDD 校园招聘] 内推链接： https://careers.pddglobalhr.com/campus/intern/detail?t=y3zqhgeTE7 ，内推码：y3zqhgeTE7 。web 前端研发实习生（通过此链接投递计入内推，内推简历优先筛选~）
[Linux] 如何解决 eBPF sockmap 重定向转发中背压缺失带来的 OOM ？
我在尝试使用 eBPF 的
具体的环境如下：
1. Linux Kernel 6.8
2. 2 个 socket 所处网络接口不同，且 2 个网络接口带宽不一致，转发源 socket 所处接口 (测试用的 loopback) 带宽高于目标 socket 所处带宽
3. 吞吐测试是在 loopback 上使用 netperf 建立源 socket 连接，目标是转发到另一个网络接口的 socket egress 发送队列进行发送
4. 具体代码可以见 https://github.com/SunBK201/UA3F/blob/v3.3.0/src/internal/bpf/sockmap/sockmap.c
我的疑问：
1. 是否是因为由于网络接口带宽不一致（源网络接口产生的流量远大于目标网络接口所能承载发送的网络带宽），再加上
2. 如果是因为背压缺失的原因，该如果解决？实现流控 or 这种场景用 eBPF 做不合适？
希望各位前辈大佬指教！
我在尝试使用 eBPF 的
BPF_PROG_TYPE_SK_SKB 与 BPF_MAP_TYPE_SOCKHASH 实现 socket 的铰接转发，目标是基于 bpf_sk_redirect_hash 将一个 socket 的 ingress 队列数据转发到另一个 socket 的 egress 队列，但是在实际的吞吐量测试时出现了系统 OOM 。具体的环境如下：
1. Linux Kernel 6.8
2. 2 个 socket 所处网络接口不同，且 2 个网络接口带宽不一致，转发源 socket 所处接口 (测试用的 loopback) 带宽高于目标 socket 所处带宽
3. 吞吐测试是在 loopback 上使用 netperf 建立源 socket 连接，目标是转发到另一个网络接口的 socket egress 发送队列进行发送
4. 具体代码可以见 https://github.com/SunBK201/UA3F/blob/v3.3.0/src/internal/bpf/sockmap/sockmap.c
我的疑问：
1. 是否是因为由于网络接口带宽不一致（源网络接口产生的流量远大于目标网络接口所能承载发送的网络带宽），再加上
bpf_sk_redirect_hash 没有背压（流量控制），导致数据堆积造成 OOM ?2. 如果是因为背压缺失的原因，该如果解决？实现流控 or 这种场景用 eBPF 做不合适？
希望各位前辈大佬指教！