为何 G+ 的圈子是进步?

刚在ifanr.com上看到一个非常有意思的文章, 特转来分享. 原文link: http://www.ifanr.com/47332#comment-74938


音量

学生时代,你在教室后面给同桌的美女讲笑话,可能被前排的同学听到,但是,一定不会传到讲台那里。而如果被叫起来回答问题?那声音却可以被全班同学听到。

你制造的信息,是有音量的。

音量控制一种非常有用的能力。小时,他能保证我们可以安全的泡妞。大了,他让我们可以控制消息的范围,背着老婆讨好小三。

但是,这种能力在现实生活中太过普通,而且大家从小就无意识的运用自如,以至于都忘记了他的重要。

超导

当我们在网络上发言的时候,情况发生了戏剧性的变化:网络是超导的。

本来,我在东京抱怨搜狐,是不可能传到北京去的。但是昨天来自搜狐朋友的留言说明,网络上可并非如此。我的信息毫无阻力的穿过了日本海。

噪音

如果你在教室里,却能听到整个学校的窃窃私语呢?恐怕会让人疯掉吧。

而“超导”的网络上就是如此。超导的环境下太多人说话的结果就是:没有人在听。

网络上绝大多数的 Blog 的浏览数不会超过 100 。获得转发的 Tweet 数量,也仅仅总数的很小的一部分。

我们在网络上的行为方式,和真实世界中严重耳背的残疾人是非常类似的:无视几乎所有的公开信息。只有自己感兴趣的,才凑上去听一听。(这也是一种在噪音环境下无奈的自我保护。)

网络的音量

推送,包括 RSS 订阅和 Twitter 的 Follow 改变了网络:这种机制比以前更好的描述了“音量”。

两万多个 Follower 的 @iFanr 在 Twitter 上的音量,肯定大于只有一千多的 @newkhonsou 。

不过, Twitter 的办法奇怪的地方是:音量的大小不是由你控制的。

虽然 Twitter 有 Block 等机制,但基本上,这些社交网络上的音量是由别人决定的。( Follow 或者不 Follow 你)

G+ 呢?

现实生活中,信息的控制是双向的:一方面,你可以根据想传达的范围调整音量。另一方面,别人也可以根据自己的意愿凑过来听,或者走远些。

Follow 机制和推送,解决的其实是后一个方面的问题(你是否愿意听这个人说话)。所以把 Follower 多的人叫做音量大,其实并不合适。

G+ 的圈子,才是在社交网络上,尝试解决音量这个方面的问题(你的消息只推送到某个圈子内的人那里)。

他在尝试通过圈子,让我们可以相对方便的在社交网络上改变音量。对着全体朋友说话,或者,把音量控制在最私密的朋友之间。

终于,嗓子回到了你自己的喉咙里。

最后的话

G+ 之前,关于普通人的关系缺乏“全部公开”和“点对点”之外的中间状态?有些争论。(履历可以为证,我是在 Google 推出 G+ 之前几个月问的这个问题。)

但是, G+ 用产品证明,音量这个功能,可以成为千万级别的用户选择他的理由之一。即使,和我控制自己音量的能力比较, G+ 圈子使用的 Category 的方式,还显得笨拙

面对这个已经证明了的巨大需求,一定有人在酝酿比 Category 更酷的解决方案。(比如,如果 QQ 群可以怎么的进化一下?)

最后, G 粉们稍安勿躁,这个人,也没准就是 Google 自己。




AI 代码审查Review工具 是一个旨在自动化代码审查流程的工具。它通过集成版本控制系统(如 GitHub 和 GitLab)的 Webhook,利用大型语言模型(LLM)对代码变更进行分析,并将审查意见反馈到相应的 Pull Request 或 Merge Request 中。此外,它还支持将审查结果通知到企业微信等通讯工具。 一个基于 LLM 的自动化代码审查助手。通过 GitHub/GitLab Webhook 监听 PR/MR 变更,调用 AI 分析代码,并将审查意见自动评论到 PR/MR,同时支持多种通知渠道。 主要功能 多平台支持: 集成 GitHub 和 GitLab Webhook,监听 Pull Request / Merge Request 事件。 智能审查模式: 详细审查 (/github_webhook, /gitlab_webhook): AI 对每个变更文件进行分析,旨在找出具体问题。审查意见会以结构化的形式(例如,定位到特定代码行、问题分类、严重程度、分析和建议)逐条评论到 PR/MR。AI 模型会输出 JSON 格式的分析结果,系统再将其转换为多条独立的评论。 通用审查 (/github_webhook_general, /gitlab_webhook_general): AI 对每个变更文件进行整体性分析,并为每个文件生成一个 Markdown 格式的总结性评论。 自动化流程: 自动将 AI 审查意见(详细模式下为多条,通用模式下为每个文件一条)发布到 PR/MR。 在所有文件审查完毕后,自动在 PR/MR 中发布一条总结性评论。 即便 AI 未发现任何值得报告的问题,也会发布相应的友好提示和总结评论。 异步处理审查任务,快速响应 Webhook。 通过 Redis 防止对同一 Commit 的重复审查。 灵活配置: 通过环境变量设置基
【直流微电网】径向直流微电网的状态空间建模与线性化:一种耦合DC-DC变换器状态空间平均模型的方法 (Matlab代码实现)内容概要:本文介绍了径向直流微电网的状态空间建模与线性化方法,重点提出了一种基于耦合DC-DC变换器的状态空间平均模型的建模策略。该方法通过数学建模手段对直流微电网系统进行精确的状态空间描述,并对其进行线性化处理,以便于系统稳定性分析与控制器设计。文中结合Matlab代码实现,展示了建模与仿真过程,有助于研究人员理解和复现相关技术,推动直流微电网系统的动态性能研究与工程应用。; 适合人群:具备电力电子、电力系统或自动化等相关背景,熟悉Matlab/Simulink仿真工具,从事新能源、微电网或智能电网研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握直流微电网的动态建模方法;②学习DC-DC变换器在耦合条件下的状态空间平均建模技巧;③实现系统的线性化分析并支持后续控制器设计(如电压稳定控制、功率分配等);④为科研论文撰写、项目仿真验证提供技术支持与代码参考。; 阅读建议:建议读者结合Matlab代码逐步实践建模流程,重点关注状态变量选取、平均化处理和线性化推导过程,同时可扩展应用于更复杂的直流微电网拓扑结构中,提升系统分析与设计能力。
内容概要:本文介绍了基于物PINN驱动的三维声波波动方程求解(Matlab代码实现)理信息神经网络(PINN)求解三维声波波动方程的Matlab代码实现方法,展示了如何利用PINN技术在无需大量标注数据的情况下,结合物理定律约束进行偏微分方程的数值求解。该方法将神经网络与物理方程深度融合,适用于复杂波动问题的建模与仿真,并提供了完整的Matlab实现方案,便于科研人员理解和复现。此外,文档还列举了多个相关科研方向和技术服务内容,涵盖智能优化算法、机器学习、信号处理、电力系统等多个领域,突出其在科研仿真中的广泛应用价值。; 适合人群:具备一定数学建模基础和Matlab编程能力的研究生、科研人员及工程技术人员,尤其适合从事计算物理、声学仿真、偏微分方程数值解等相关领域的研究人员; 使用场景及目标:①学习并掌握PINN在求解三维声波波动方程中的应用原理与实现方式;②拓展至其他物理系统的建模与仿真,如电磁场、热传导、流体力学等问题;③为科研项目提供可复用的代码框架和技术支持参考; 阅读建议:建议读者结合文中提供的网盘资源下载完整代码,按照目录顺序逐步学习,重点关注PINN网络结构设计、损失函数构建及物理边界条件的嵌入方法,同时可借鉴其他案例提升综合仿真能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值