简放视野的专栏

使用Ollama在本地运行DeepSeek-R1的操作指南。DeepSeek-R1作为第一代推理模型，在上表现优异，与OpenAI-o1模型不相上下。将此类模型部署到本地，可为AI应用带来更强隐私保护、定制化和可控性。今天指导大家。

我收获的深刻感触get感触1：解决问题才有生存价值 [产品力]感触2：永无止境的“易用性” [易用性]感触3：立下“双赢”的flag感触4：社区建设离不开用户和开发者参与感触5：从易用到用户自助 [自助能力]

调度模块在很多系统中都是常用的模块，比如实习生的每天签到邮件，预约银行的业务短信，学习通的上课通知，腾讯视频push中台的任务下发，调度系统在中间起到关键作用。用户画像：圈一群人业务场景：短信验证码、优惠券等营销活动消息通知短信、预约银行的业务短信、团课预约上课通知、推荐内容、app里的通知、消息箱、私信端触达：短信、微信的服务通知、app的通知与消息箱、手机消息通道用户：用户实操行为、感兴趣的那群人

【目标】公司CTO希望尝试引入通义灵码，助力研发流程提效。【用户群体】从产品、研发、测试到运维的各个阶段产品需求阶段，产品助手，他会和你进行多轮交互，再把需求转换成一个比较规范的产品文档。研发阶段，除了AI 辅助编码工具，还有AI review代码。测试阶段，用 AI 生成测试用例，根据我的产品需求生成库用例，然后帮我排期。运维阶段，基于Multi-Agent做了一套运维 机器人。它可以帮你提单，帮你查询资源，帮你做一些简单的故障定位，甚至帮你 跟进 故障，发现 风险 ，并通过多轮沟通来解决风险。

该文发表在 2008 年的 SIGMOD 会议上。从论文标题可以看出，论文主要内容不是陈述一种新的技术、架构，而是偏向议论、验证。其主要目的在于阐述清楚在 OLAP 下为什么列式存储Column-Store优于行式存储Row-Store。在 OLAP 场景下，基准测试的结论都是列式存储比行式存储快一个数量级。而大家普遍理解的原因是对于只读查询，列式存储的 I/O 效率更高，因为它们只需要从磁盘（或内存）中读取查询所需要的那些字段。垂直分表Vertically Partitioning。

针对资源位、评价等静态信息在xx点高峰时进行缓存，达到的目标。在成本预算控制下，云资源成本和WAF都受限于请求峰值。出于业务和数据安全考虑，公司希望接入阿里云的WAF，但一年价格和成本较高。

围绕度量遥测数据构建可视化产品，看板与监控告警。【目标】提升服务稳定性提高资源利用率，降低云成本(降本)业务梳理与架构治理度量维度

这篇文章详细讨论了如何进行高效的代码审查，包括作者和审查者应遵循的指导原则。文章强调了尊重审查者的时间，自我审查代码，将大的更改列表分解为小的、逻辑上的单元，自动化简单的任务，限制代码更改的范围，优雅地接受批评，最小化审查回合之间的延迟，明确地沟通响应，不忘记文档等。同时，审查者也需要验证代码是否必要、设计得当，是否易读、清晰，**注释是否解释了“为什么”**而不是“做什么”，代码是否过于复杂，是否遵循风格指南，是否经过充分的测试和文档记录等，对代码审查实战具有极大的参考价值。

分享是一个相互的过程，只有分享人和听众形成相互的正向循环，相互提高，那么价值才能最大化。