https://youtu.be/RFjAqth-EQk?si=2t6n0ybkfgkNrh6s
看了部关于 Nord Stream pipelines 爆炸案的纪录片，制作方是德国的 DW。
可以很明显地感受到，制片人基本上已经主观认定是乌克兰所为了。一个贴有乌克兰军人照片的护照持有者，租了一辆小游艇两个星期，这艘游艇足以实施这次袭击。而且，租借游艇的机构和金钱都来自于乌克兰。
但是，也有安全专家提示，你们这么轻易地调查就得出了这些线索，很可能是对方设下的圈套。比如故意留下乌克兰的蛛丝马迹，让你以为这是乌克兰所为。
而德国政府对北溪案件持严格保密态度，更让人怀疑是在故意隐瞒一些信息。
不过这案子难查的一个主要因素是，北溪管道实在太容易破坏了，甚至可以说任何一个有意向的组织，投入很少的资金，就可以完成。家庭作坊制造炸弹，能搞定 70 米海水的潜水员，租借一艘小游艇，足矣。
看了部关于 Nord Stream pipelines 爆炸案的纪录片，制作方是德国的 DW。
可以很明显地感受到，制片人基本上已经主观认定是乌克兰所为了。一个贴有乌克兰军人照片的护照持有者，租了一辆小游艇两个星期，这艘游艇足以实施这次袭击。而且，租借游艇的机构和金钱都来自于乌克兰。
但是，也有安全专家提示，你们这么轻易地调查就得出了这些线索，很可能是对方设下的圈套。比如故意留下乌克兰的蛛丝马迹，让你以为这是乌克兰所为。
而德国政府对北溪案件持严格保密态度，更让人怀疑是在故意隐瞒一些信息。
不过这案子难查的一个主要因素是，北溪管道实在太容易破坏了，甚至可以说任何一个有意向的组织，投入很少的资金，就可以完成。家庭作坊制造炸弹，能搞定 70 米海水的潜水员，租借一艘小游艇，足矣。
https://laisky.notion.site/What-We-Got-Right-What-We-Got-Wrong-4a44534fca40489eb2302161512e662b?pvs=4
Rob Pike 在 2023 年 11 月的一次内部演讲稿，回顾 Golang 14 年的历程，没什么技术内容，热爱 Golang 的人可以读一读。
Pike 强调发明 Go 是为了解决 Google 所面临的超大规模团队的工程问题。而在今天看来，有很多人批评 Go 的语法，却几乎没人批评 Go 的工程化能力，这可以看作初创者们的初衷已经圆满实现了。
因为 Google 内部使用 monorepo，导致初创团队对于依赖管理经验不足，也严重低估了其复杂性，所以早期 Go 是没有多版本依赖管理的，直到后来实现了 gomodule。
在并发问题上，Pike 再次推荐了经典论文 CSP，并且认为 async/await 的写法实际上是把复杂性交给了程序员。（我倒是觉得 async/await 在手写调度时实际上比 CSP 简单）
还有就是作者认为 interface 已经足够了，但是迫于社区压力引入了范型，范型和 interface 的兼容很成问题，为此付出了大量的努力。
关于 Golang 和 Google 的关系，Pike 总结为：the core Go team is paid by Google but they are independent。Google 付钱，但并不干涉，Golang 是完全由社区主导的。
BTW，Rob Pike 已经 68 岁了，据说已经退休，近年来已经很少露面。
Rob Pike 在 2023 年 11 月的一次内部演讲稿，回顾 Golang 14 年的历程，没什么技术内容，热爱 Golang 的人可以读一读。
Pike 强调发明 Go 是为了解决 Google 所面临的超大规模团队的工程问题。而在今天看来，有很多人批评 Go 的语法，却几乎没人批评 Go 的工程化能力，这可以看作初创者们的初衷已经圆满实现了。
因为 Google 内部使用 monorepo，导致初创团队对于依赖管理经验不足，也严重低估了其复杂性，所以早期 Go 是没有多版本依赖管理的，直到后来实现了 gomodule。
在并发问题上，Pike 再次推荐了经典论文 CSP，并且认为 async/await 的写法实际上是把复杂性交给了程序员。（我倒是觉得 async/await 在手写调度时实际上比 CSP 简单）
还有就是作者认为 interface 已经足够了，但是迫于社区压力引入了范型，范型和 interface 的兼容很成问题，为此付出了大量的努力。
关于 Golang 和 Google 的关系，Pike 总结为：the core Go team is paid by Google but they are independent。Google 付钱，但并不干涉，Golang 是完全由社区主导的。
BTW，Rob Pike 已经 68 岁了，据说已经退休，近年来已经很少露面。
Laisky on Notion
What We Got Right, What We Got Wrong | Notion
This is my closing talk (video) from the GopherConAU conference in Sydney, given November 10, 2023, the 14th anniversary of Go being launched as an open source project. The text is interspersed with the slides used in the presentation.
https://chat.laisky.com/ 狗屁通套皮站可以跨设备同步所有的配置和对话记录了。
之前支持了各个会话保存独立的设置，这样就可以开一堆会话，然后通过 system prompt 给每个会话定义不同的角色。用起来虽然很爽，但是每个设备都得这么设置一次很烦，所以同步设置成了必要的。
现在可以通过 sync key 同步记录和设置，使用相同的 sync key 就可以拉取相同的记录，所有的记录在云上都使用 AES-256 加密，密钥就是 sync key，无需担心隐私。
Ps. 视频里出现的 sync key 我已经销毁了，不用费劲黑我了。
之前支持了各个会话保存独立的设置，这样就可以开一堆会话，然后通过 system prompt 给每个会话定义不同的角色。用起来虽然很爽，但是每个设备都得这么设置一次很烦，所以同步设置成了必要的。
现在可以通过 sync key 同步记录和设置，使用相同的 sync key 就可以拉取相同的记录，所有的记录在云上都使用 AES-256 加密，密钥就是 sync key，无需担心隐私。
Ps. 视频里出现的 sync key 我已经销毁了，不用费劲黑我了。
https://free-for.dev/#/ 免费 SaaS 服务索引，独立开发者的省钱宝典。
https://chat.laisky.com/# 套皮站支持自定义 session 名了，而且在左侧会显示快速切换按钮。每个 session 都可以有独立的模型选择和配置（比如 system prompt），你可以给不同的会话设置不同的角色，这样在不同的任务间切换会更方便。
这站现在成我的日常娱乐了，有空就写几行垃圾代码，我自己用着舒服就行，缺啥加啥，哈哈哈哈。
next: https://t.me/laiskynotes/135
这站现在成我的日常娱乐了，有空就写几行垃圾代码，我自己用着舒服就行，缺啥加啥，哈哈哈哈。
next: https://t.me/laiskynotes/135
修电脑的后续，我高兴太早了，实际上并没修好，只不过出现了新的症状（最初刚升级 win11 时的症状）。
具体情况是，我修好后用了一天都没问题，让我以为修好了。但后来发现只要待机个五分钟后就会卡死。再后来发现不仅仅是待机，我在桌面上做一些轻度操作也会卡死，而我做一些需要大量 CPU 和磁盘 I/O 的操作就没事儿。然后我猜想是 win11 存在一些隐藏的省电策略，发现你负载低时就会触发，然后这个功能有致命 bug，会导致系统卡死。
基于这个猜想，我在 terminal 里跑了一个死循环，会稳定地吃掉一个核。然后奇迹发生了，这台 PC 从昨晚放置到现在都没死！
Ps. 我已经关闭了系统设置里所有的节能选项，sleep 全部设置为 never，power mode 为 best performance，但都没用。
BTW，我这台电脑外接了 UPS，所以在 OS 看来可能会误以为这是一台笔记本电脑，而 win11 在笔记本上的休眠死非常常见。今晚回去我把 UPS 拔掉试试。
补充：不是 win 的问题，是 CPU + 主板的问题。主板会自动调整 CPU 的电压，然后 CPU 在低电压时会卡死。
不知道为什么升级 win11 后立刻就出现了这个问题，可能是 win11 把我的主板 or CPU 驱动给静默升级了。
在 BIOS 设置里把 CPU 频率的 Auto 改成一个固定值就没问题了。
具体情况是，我修好后用了一天都没问题，让我以为修好了。但后来发现只要待机个五分钟后就会卡死。再后来发现不仅仅是待机，我在桌面上做一些轻度操作也会卡死，而我做一些需要大量 CPU 和磁盘 I/O 的操作就没事儿。然后我猜想是 win11 存在一些隐藏的省电策略，发现你负载低时就会触发，然后这个功能有致命 bug，会导致系统卡死。
基于这个猜想，我在 terminal 里跑了一个死循环，会稳定地吃掉一个核。然后奇迹发生了，这台 PC 从昨晚放置到现在都没死！
Ps. 我已经关闭了系统设置里所有的节能选项，sleep 全部设置为 never，power mode 为 best performance，但都没用。
补充：不是 win 的问题，是 CPU + 主板的问题。主板会自动调整 CPU 的电压，然后 CPU 在低电压时会卡死。
不知道为什么升级 win11 后立刻就出现了这个问题，可能是 win11 把我的主板 or CPU 驱动给静默升级了。
在 BIOS 设置里把 CPU 频率的 Auto 改成一个固定值就没问题了。
最近几天都在折腾修电脑。
我家里有一台不关机的 win10 服务器，上面用 vmware player 跑了一台 ubuntu 作为我的主开发机。平时我随身带一台 macbook air，可以用 tailscale 连到这台 ubuntu 上远程开发。
前阵子我手贱点了升级到 win11。自从升级完成后，每天半夜这台 win11 都会完全卡死（freeze），只能长按电源强制关机再重启。后来忍无可忍用 win10 的启动盘重装了，但是自从重装了 win10 起，死机变得越来越频繁，逐渐从刚开始的一天一次变成了几分钟一次，最后连系统启动过程中都可能卡死，最夸张的时候 UEFI 一加载 OS 开始转圈就死了。
我琢磨着估计是 win11 把我硬件损坏了，中间略去无数插拔、更换硬件寻找问题的过程。直到今天，我用 win11 启动盘重装了 win11 后，一切问题突然自动消失了。
没能最终定位到问题，盲猜是初次升级时出现不兼容问题，同时 win11 修改了 UEFI 里的一些配置，让硬件无法再兼容 win10 ，重装 win11 后就好了。（我把老硬件全装回去了也没问题，看来硬件都没坏）
顺带推荐一个在 mac 下制作 windows 启动 U 盘的工具:
https://github.com/TechUnRestricted/windiskwriter
只要从 MS 官网下载系统镜像 iso 文件，就可以直接在 mac 上用 U 盘制作 window 启动盘了，U 盘可以使用 FAT32 格式。
next: https://t.me/laiskynotes/130
我家里有一台不关机的 win10 服务器，上面用 vmware player 跑了一台 ubuntu 作为我的主开发机。平时我随身带一台 macbook air，可以用 tailscale 连到这台 ubuntu 上远程开发。
前阵子我手贱点了升级到 win11。自从升级完成后，每天半夜这台 win11 都会完全卡死（freeze），只能长按电源强制关机再重启。后来忍无可忍用 win10 的启动盘重装了，但是自从重装了 win10 起，死机变得越来越频繁，逐渐从刚开始的一天一次变成了几分钟一次，最后连系统启动过程中都可能卡死，最夸张的时候 UEFI 一加载 OS 开始转圈就死了。
我琢磨着估计是 win11 把我硬件损坏了，中间略去无数插拔、更换硬件寻找问题的过程。直到今天，我用 win11 启动盘重装了 win11 后，一切问题突然自动消失了。
没能最终定位到问题，盲猜是初次升级时出现不兼容问题，同时 win11 修改了 UEFI 里的一些配置，让硬件无法再兼容 win10 ，重装 win11 后就好了。（我把老硬件全装回去了也没问题，看来硬件都没坏）
顺带推荐一个在 mac 下制作 windows 启动 U 盘的工具:
https://github.com/TechUnRestricted/windiskwriter
只要从 MS 官网下载系统镜像 iso 文件，就可以直接在 mac 上用 U 盘制作 window 启动盘了，U 盘可以使用 FAT32 格式。
next: https://t.me/laiskynotes/130
GitHub
GitHub - TechUnRestricted/WinDiskWriter: 🖥 Windows Bootable USB creator for macOS. 🛠 Patches Windows 11 to bypass TPM and Secure…
🖥 Windows Bootable USB creator for macOS. 🛠 Patches Windows 11 to bypass TPM and Secure Boot requirements. 👾 UEFI & Legacy Support - TechUnRestricted/WinDiskWriter
https://laisky.notion.site/The-Pulse-Will-US-companies-hire-fewer-engineers-due-to-Section-174-5082d31da80245e5889c218769f16262?pvs=4
关于美国税法新规 Section 174 对科技公司带来灭顶之灾。
川普在 2017 年提出的减税法案，使得税务局修订了征税标准，要求严格执行 S174。这一修订于 5 年后的 2022 年生效，而 2022 财年于 2023 年结算，导致很多公司在 2023 年收到了巨额税单，这也是造成 2023 裁员潮的一大原因。
S174 的最重要内容就是研发成本摊销，要求将美国内研发成本平摊到未来 5 年，美国以外地区的研发成本平摊到 15 年。简而言之，一家在年度内收支相抵零利润的公司，在税表上会表现为盈利，盈利额为 80% 的研发成本，这是因为当年的研发成本在每年只计算 20%。
S174 事实上给科创公司造成了财务重负，美国很可能会迎来一波出海潮，将科创公司主体设置在海外，从而规避 S174。
关于美国税法新规 Section 174 对科技公司带来灭顶之灾。
川普在 2017 年提出的减税法案，使得税务局修订了征税标准，要求严格执行 S174。这一修订于 5 年后的 2022 年生效，而 2022 财年于 2023 年结算，导致很多公司在 2023 年收到了巨额税单，这也是造成 2023 裁员潮的一大原因。
S174 的最重要内容就是研发成本摊销，要求将美国内研发成本平摊到未来 5 年，美国以外地区的研发成本平摊到 15 年。简而言之，一家在年度内收支相抵零利润的公司，在税表上会表现为盈利，盈利额为 80% 的研发成本，这是因为当年的研发成本在每年只计算 20%。
S174 事实上给科创公司造成了财务重负，美国很可能会迎来一波出海潮，将科创公司主体设置在海外，从而规避 S174。
优化了一下 github action
设置 commit 的 7 位短 hash 作为 docker image tag：
将 docker layers 在 github action cache 里缓存：
设置 commit 的 7 位短 hash 作为 docker image tag：
- name: Add SHORT_SHA env property with commit short sha
run: echo "SHORT_SHA=`echo ${GITHUB_SHA} | cut -c1-7`" >> $GITHUB_ENV将 docker layers 在 github action cache 里缓存：
-
name: Build and push hash label
uses: docker/build-push-action@v5
with:
context: .
push: true
tags: YOUR_IMAGE_NAME:${{ env.SHORT_SHA }}
cache-from: type=gha
cache-to: type=gha,mode=max
又学到一个 python 的 trick，finally 始终会执行，甚至能重写 return。
今天学到一个 Go 的
如果要进行时间比较，
已加入到合集本：https://blog.laisky.com/p/golang-race/
time.Parse 坑。虽然 time.RFC3339 里并没有定义毫秒，但如果被解析的字符串包含毫秒，那么解析结果实际上也会包含毫秒。带毫秒的解析结果和不带毫秒的解析结果是不相等的。如果要进行时间比较，
Parse 后需要手动通过 Truncate 来修订精度ts2 = ts2.Truncate(time.Second)已加入到合集本：https://blog.laisky.com/p/golang-race/
学到一个前端 UX 小知识，绑定 SHIFT+ENTER 触发在 input 里是一个非常糟糕的设计。因为英文键盘里，按一次换行就会自动激活 SHIFT，此时如果再按一次换行就成了 SHIFT+ENTER。如果你绑定了这个按键组合，就会导致用户误触。
关于 azure openai 费用争议的最终结论：
1. cost management 会滞后 billing period 5 天，budget 同理。所以你没看到花钱，不代表不扣你钱。（和之前的结论一致）
上次我的结论中有一些需要修订的地方：
1. 目前 Azure OpenAI 的服务价格列表参见 https://azure.microsoft.com/en-us/pricing/details/cognitive-services/openai-service/
2. gpt-3.5-turbo 升级最新版本 1106 后，默认 context 就是 16K，而且价格比此前的 gpt-3.5-turbo 和 gpt-3.5-turbo-16k 都更便宜。
经过我“吹毛求疵”的争论后，Azure 反馈承认他们不但搞错了计价，还搞错了 invoice 中的模型名称，所以此前产生了很多误解。
记了一篇博文：https://blog.laisky.com/p/azure-billing/
就目前最常用的 gpt-3.5 和 gpt-4 而言，实际上只需要使用三个模型就足够了：
1.
2.
3.
Ps. 我套皮站上也做了更新，openai 目前只支持这三个模型了。我的 oneapi 网关上还另外支持 text-embedding-ada-002、dall-e-3、gemini-pro 和 gemini-pro-vision。顺带一提，如果你使用 gpt-3.5-turbo-16k-0613 或 gpt-3.5-turbo-0301 实际上会被自动转发给 gemini-pro，这是为了可以免费使用如 gptcommit 这种仅支持 gpt 的工具。
1. cost management 会滞后 billing period 5 天，budget 同理。所以你没看到花钱，不代表不扣你钱。（和之前的结论一致）
上次我的结论中有一些需要修订的地方：
1. 目前 Azure OpenAI 的服务价格列表参见 https://azure.microsoft.com/en-us/pricing/details/cognitive-services/openai-service/
2. gpt-3.5-turbo 升级最新版本 1106 后，默认 context 就是 16K，而且价格比此前的 gpt-3.5-turbo 和 gpt-3.5-turbo-16k 都更便宜。
经过我“吹毛求疵”的争论后，Azure 反馈承认他们不但搞错了计价，还搞错了 invoice 中的模型名称，所以此前产生了很多误解。
记了一篇博文：https://blog.laisky.com/p/azure-billing/
就目前最常用的 gpt-3.5 和 gpt-4 而言，实际上只需要使用三个模型就足够了：
1.
gpt-4-1106-preview: 支持 128K context，而且是最便宜的 gpt-42.
gpt-4-vison-preview: 价格同 gpt-4-1106-preview3.
gpt-3.5-turbo-1106: 支持 16K context，而且是最便宜的 gpt-3.5Ps. 我套皮站上也做了更新，openai 目前只支持这三个模型了。我的 oneapi 网关上还另外支持 text-embedding-ada-002、dall-e-3、gemini-pro 和 gemini-pro-vision。顺带一提，如果你使用 gpt-3.5-turbo-16k-0613 或 gpt-3.5-turbo-0301 实际上会被自动转发给 gemini-pro，这是为了可以免费使用如 gptcommit 这种仅支持 gpt 的工具。
https://devv.ai/
正好这篇文章在 devv.ai 上遇到了很经典的 RAG 幻觉。
devv.ai 是基于网页抓取的 RAG 应用。我问他“什么是 ROG”，它很正确地抓取到了这个网页。但是这个网页中大篇幅都是描写 RAG 和 RCG 的内容，仅有两句话提到了 ROG。而 devv.ai 显然被误导了，它使用 RCG 的内容来描述 ROG，生成了完全错误的答复。
虽然 devv.ai 是一个很好用的平台，但是通过这个案例可以了解到，基于 RAG 是无法避免幻觉的。好在 RAG 提供了透明性，你还是要自己去查阅一下来源，自行判断真伪。
正好这篇文章在 devv.ai 上遇到了很经典的 RAG 幻觉。
devv.ai 是基于网页抓取的 RAG 应用。我问他“什么是 ROG”，它很正确地抓取到了这个网页。但是这个网页中大篇幅都是描写 RAG 和 RCG 的内容，仅有两句话提到了 ROG。而 devv.ai 显然被误导了，它使用 RCG 的内容来描述 ROG，生成了完全错误的答复。
虽然 devv.ai 是一个很好用的平台，但是通过这个案例可以了解到，基于 RAG 是无法避免幻觉的。好在 RAG 提供了透明性，你还是要自己去查阅一下来源，自行判断真伪。
https://laisky.notion.site/Knowledge-Retrieval-Takes-Center-Stage-0583843afb0940cbafc4ce34805a761c?pvs=4
之前分享的那篇论文是对 RAG 的综述。而目前的一个研究方向则是更进了一步，提出了 RCG 的概念。
RAG 是利用 retrieval data 增强 LLM 的能力。而 RCG 则是摒弃 LLM 的内生知识，完全使用 retrieval data 来生成答复。
在 RAG 时代，人们认为 LLM 越大越好，内嵌的知识越全面，对 retrieval data 的利用也就越充分。
但是在 RCG 时代，小型 LLM 也能够取得和大模型相媲美的性能，甚至更好。小模型不再专注于大而全的信息原文，而是专注于对信息抽象认知模式的学习和推理。对于 retrieval data，RAG 的理解能力依赖于 pre-training 数据集和外部数据的重叠。而 RCG 更强调于对未知数据（unseen data）的抽象认知能力。
用人来打比喻，RAG 时代就是一个能力平平但是善用网络的懂王，而 RCG 则是试图塑造一位天资聪颖的人才。
之前分享的那篇论文是对 RAG 的综述。而目前的一个研究方向则是更进了一步，提出了 RCG 的概念。
RAG 是利用 retrieval data 增强 LLM 的能力。而 RCG 则是摒弃 LLM 的内生知识，完全使用 retrieval data 来生成答复。
在 RAG 时代，人们认为 LLM 越大越好，内嵌的知识越全面，对 retrieval data 的利用也就越充分。
但是在 RCG 时代，小型 LLM 也能够取得和大模型相媲美的性能，甚至更好。小模型不再专注于大而全的信息原文，而是专注于对信息抽象认知模式的学习和推理。对于 retrieval data，RAG 的理解能力依赖于 pre-training 数据集和外部数据的重叠。而 RCG 更强调于对未知数据（unseen data）的抽象认知能力。
用人来打比喻，RAG 时代就是一个能力平平但是善用网络的懂王，而 RCG 则是试图塑造一位天资聪颖的人才。
Laisky on Notion
Knowledge Retrieval Takes Center Stage | Notion
TL;DR;