111111111111

遇到很多次了，通过短信（或微信）让你提供邮箱，然后会给你邮箱发一个又 low 又丑的录用 pdf 文件，
这个文件的抬头是一个能查到的公司名，落款是狗屁不同的公司名，
核心内容是**先培训 3 天再考核**，然后会让你下载 App 参加培训

> 有时候一个简单的 Flask 或者 FastAPI 接口就可以解决的事情

这种场景用我是让 AI 生成 go 或者 rust 代码编译成单文件扔服务器上，反倒不用 python 了

用 Python 多的地方是写自动化脚本、调 python 的一些库（比如数据处理、大模型），写命令行程序什么的，好久没写在服务的跑的程序了

web 没搞头啊，python web 更没搞头

如果你学了软件工程就会知道， 先面向对象分析，然后面向对象设计，最后才是面向对象编程，只知道面向对象编程意义不是很大
如果你掌握多种语言（比如 c++、java 、python ）就会知道，不同语言中的面向对象实现是不一样的，一些思想细节也是不一样
至于设计原则、高内聚低耦合这些的前提是代码需要维护、修改、协作，特点是人多、代码多、逻辑复杂、时间跨度大、水平差距大，如果是一个人、少量代码、不需要反复修改，不好体会到好处。所以


具体到 Python 语言，用不用面向对象，和用不用`class` 关系不大，所以他不是一个语法的事情，而是一个思想的事情，如果回到第一句，在分析和设计时用采用面向对象方法，写代码就可以很自然实现面向对象（不论用不用 class 语法）

面向对象、设计模式是前辈根据工程实践提出的方法论，不必刻意追求这些，
代码写多了看多了，有了自己的思路和方法论，就好理解这些别人提出的经典方法论了（当然，你带着这样的疑惑不断思考，也是一种精进）

看第一句的时候心里还想，这东西为什么还需要很快才能做出来？爱发电不是已经有现成的了吗
第二句就看到你们爱发电。。哈哈哈哈

既然只是临时使用，建议用在线模型，质量好成本低
处理长内容可以考虑这样：
1. 先把待翻译的文件切片，然后调教一个质量好的提示词，
2.翻译时每次发送：提示词+切片内容，
3. 最后把所有的切片的翻译合并在一起

Python 可以做很多事情，但是：
Python 运维：得会运维
Python 自动化：得会自动化
Python 数据分析：得会数据分析
Python Web 开发：得会 Web 开发
Python 量化交易：得会量化交易

你发现了没有，Python 本身不是重点，这玩意有代码基础一周就能上手，重点是 Python 之外的东西
不用纠结学什么语言，跳过语言看后面的，看后面的东西会不会，怎么学，有没有市场

2 、3 比较成熟了，难点还怎么让 LLM 更好的理解需求

实际点说，现在开发和测试对需求的理解也不是一次性的理解到位的，需要反复不断的沟通的

假设 LLM 能够代替测试，也需要有一个即了解需要有了解实现的人，一直陪着 LLM 做用例生成，而不是解析一把 PRD 就把需求理解到位了

怎么这么多人无脑 MCP ，MCP 只是个接口协议和数据库没啥关系呀

我这边自己做的 demo 是：
- rag （描述业务关系和数据关系）+
- function calling （执行 sql ）
- 提示词工程（要求 LLM 按照既定步骤进行，比如先查表结构再生成 SQL ，认真检查和验证 SQL ，最后再执行 SQ 取数据回答问题）

在表不多而且表关系不那么复杂的情况下，效果看起来还好，至少没有再出现生成的 SQL 执行不了，几乎不太需要代码级别干预，但是 LLM 在生成 SQL 过于聚焦你提出的“问题”，问题之外的事情考虑还是不完善，比如人的重名，数据的统计维度。所以还是需要每次的反馈，不断调整问题或者提示词。

在这个 demo 中，我的感受是：其他人必须要通过我来使用效果才好，直接给他们用效果非常差
因为我会把他们的的问题或者需求理解一遍后，再以 LLM 更容易理解正确的方式进行提问，
这有点像专职司机，车是公司的，但是只有我最懂它，最能用好它，知道怎么对它进行保养维护

MeterSphere = jmeter + selenium ，勉强算是接口 + UI +性能，但是用起来一言难尽
如果是 Python 技术栈的话可以自己撸，request + selenium + locust 实现后端服务，外面套一个 web 壳子。
要注意的是 request 语法和 locust 语法不一样，如果一个接口用例既要测功能有要测性能，需要做个兼容（用 yaml 描述用例，再解析 yaml 内容调用对应的库执行用例）

这个方向搞的人少难有交流，所以我用回 Jenkins+jmeter+selenium 了（也是一言难尽，对付着用着）