有这个说法么？我怎么觉得是 google 帐号关联设备？
google 帐号管理里面可以删除设备

智谋计谋说到底就是知识的排列组合，123 组两个就是九种可能，当知识越多，一般人越难想到所有可能，你能想到别人想不到的，就是计谋；实现是另一回事，就是模拟和真正实施，计谋也需要包括一定的模拟预想
当想到一个组合，还需要将它连贯起来，这中间的串连需要其他方面的知识

例如武术，一套拳法有很多招式，按顺序打出来，是演示；真正格斗，就需要不按顺序组合，但这些组合可能下一招出拳的起点和前一招的结束点不同，中间如何过渡和连贯，就是能力。高手就是这些招式基础扎实，能出奇招（对手没想到的组合拳），并能连贯

所以，结论是想要提高谋划能力，横向纵向扩大知识是前置，然后尝试不同的组合，书籍只是启发参考

两个 M2 口？这么好？
如果是一个 M2 ，一个 SATA ，建议 M2 作为系统盘

@LimboRunner #5
其实中国是有相关法律的，广告需要注明，用户可明确拒绝
但现在很多就是钻法律空子，用户“拒绝”不是拒绝广告，而是某个广告，包括“回复 TD”，就是你拒绝的那个广告不发了，其他继续发

用户体验嘛，中国自上而下都需要大量广告，某位领导人就对采访问题说过“你们去宣传的时候……”，你觉得呢？

六字真言，“历史遗留问题”

@2232588429 #64
你好像喜欢扯到很远无关的事，又食人族又乱杀人什么的，很好奇你成长的环境是怎样的
上面都有人说你举很多例子，看来也不是我个人感受

你就做个调查：
“室内，身边有抽烟的人，你不接受，怎么办？”
我基本就听过几个答案：1.不许抽，2. 去阳台抽，3. 去楼道抽，(4.去厕所抽，但家里的话很少这个答案)
我觉得这就是大家认知的范围（如果不准确你指出来），你的认知就是把 2 去掉，因为 3 和 2 性质一样的，那就剩下 1 了，这样推导没错吧
如果你有这三条以外其他建议，也是大部分人认可的，那属于公共认知；但如果认可的人不多，或者只有你本人，那就是你的个人认知

我没有说个人认知是否合理（可以对也可以错），但是“个人认知强加到众人头上”是不合理，这就是我说的逻辑，因为这是放大公权的典型例子；你想实现就去走程序改变，而不是靠只言片语就变成“大家都要这样”
所以，你谴责什么，是自由，但谴责中要求别人改变些什么以适应这个（例如隔离），就是不合理了；你要达到这个目的，需要有公共守则支持你的诉求，或者去改变现有公共守则

这个逻辑明白了么？不要放大公权，或者遇到不符合自己利益借用公权压制，这种做法应该很多人都很熟悉了吧

我其实没搞清你说的点，如果徒手抓菜再烧熟，好像饭店的厨师也是这样的（厨师戴手套只是见过隔热目的）
但是如果是徒手抓熟食，这就有点问题了
你说的是哪个？
如果说不洗手，谁都有问题，所以好像总体区别就是有门店和路边摊（后者洗手难）？

@2232588429 #49
我说的是，大家有公共的守则可以守，如果本来就没有相关的守则，那么大家怎么做都是随意的
谴责也要有合理性吧，我只是觉得你把一些个人认知就视为公共守则，这是有问题的
人家一样有自己的认知（没有法律认可的伤害性），所以人家也有维护自己权益的自由
双方认知不同，利益相左，那剩下的解决方案不是法律么？

你有谴责的自由，我也有评论这个谴责有问题的自由，一样的

就这种情况，对方还有其他什么选择的方法么，我觉得除了不抽（禁烟）好像是没有

如果在有公知属于加害的情况下，说些什么的言论是问题，但公知不明的情况下，那只是说出一个可行的解决方案而已，不要有罪推论对方什么心态
“你去报警吧”和“你去报警啊”，根据听的人心态不同，他会选择听到（听成）哪一句

关键点是“分开保存”

私有化需求总是超前的，就是说设备总是不能完全满足所有需求，只能部分满足，就是满足大家都共有的需求
纯云端设备，像以前的无机工作站，只能满足那些没有超出共有需求的人
但既然有这样的人，也会有这样的设备，只是不会是全部

TOTP
基本能用这个的 2FA 我都用它，可编程、可备份、可兼容

@2232588429 #45
关键点是在家/阳台吸烟不违法啊，除非像前面说的全民禁烟（修改法律），不然你打算开个道德法庭么？不违法的事情你靠嘴强制别人执行？你好像也是理所当然觉得道德观和你不符就要改
如果你觉得对你伤害了，应该应用环保法律，拿仪器测出指标然后举报

@jiawei26 #40
他说在家

你干脆说全民禁烟好了，按你这样说，基本只剩下关在密闭箱子里抽，然后还要有个气溶胶化学分解的设备才行，不然通过排风口吹出去还是会影响别人

翻了一下我的 python 程序，从采集到识别（机器学习），几十行
大部分工作都是三方包完成了，现有模型已经不俗，不需自己搞模型，我脑子花得更多还是在如何方便地遍历图片文件

github 上一大堆人脸识别，java 应该也不少，毕竟 android 端需求挺大的

初入门先理清需求：
a. 判别两个样本是否同一人，这个更像是人脸鉴权开机、开门那种
b. 未知照片找已知的人，已知的人已经有相当多样本（照片）
c. 找未知的人（不属于任何已知的人）
这几个前面采集的步骤是一样的，但后面判别的方式有点不同
b 是比较简单的，我恰巧做的是这个，逻辑不复杂，代码很少
c 对我来说就比较难，看上去好像将 b 取反就是了，但实际逻辑并非这样，因为存在 threshold ，threshold 意味着有可能误判，需要更完善考虑“误判”情况

好久没用淘宝系，没用过 PDD
借楼问一下，现在这两家如果买三根线，分属三个商家，要各自给运费么？

当初就是这点让我不爽，买小额商品，运费占了一大截，但我也觉得无奈，不同商家只给一家运费也不合理，jd 自营商品丰富后算是解决了这个痛点
其实最大痛点还是售后，过程很烦不说，而且我不习惯开箱录像，几次售后都被否，每次购物都有开盲盒的感觉

淘宝以前还有个问题，同一家店买几样东西，居然各算一个运费，每次都要跟商家通话改为只算一次，累得慌，不过这是很多年前的事了

不是，这个关别人什么事？
没有带薪病假，支撑着上班很正常吧，谁说就让他捐点房租生活费吧
如果有人这样拍放上网，他多数也会被别人诟病，如果居然没人说他，你想想他的圈子是怎样的？这种人见一个躲一个吧

1. 先找后路，找一个境外的熟人，让他“认领”了这个 apikey ，后面有什么必要说明，就说 apikey 是他借给你用的
2. 部署 gpt 这个事，如果没有任何的工单（书面），那就不是工作的一部分，只是你个人的“善意”；如果有工单，那似乎理不在你这边，因为他们支付了之前使用 apikey 的费用，如果没有注明归属，那么理论上这个 apikey 是公司的，你只是“代为注册”性质
3. 上面第二点有工单的话，你可以离职后反手举报，就看你愿不愿意撕破脸，这是两败俱伤的做法，因为双方都有不法行为

其实你有点糟，他们认的话，你会失去 apikey ；公司不认的话，他们反而在制高点，可以说你在职期间做了不法的事
我的建议是：
1. 明确声明整个部署行为是“试验”性质，并非落实完成一个工作任务，并声明这个试验未完成
2. 不要提任何注册和缴费 apikey 的事，不认自己注册，也不要写如何部署方法，也不要提任何将来如何使用之类
不要给他们抓到文字证据（因为这个部署本身就违法），强调前面所说“是别人借的”
简单点说，就是看他们认不认，他们认这个帐号是他们的，你做的事就有“接受工作安排”的事实，并非你个人擅自做的不法行为
3. 如果第二点他们认了，apikey 就给他们吧，但要他们书面承诺做好交接，例如你所有私人信息需要转换为对方。
这个相当于把难题抛给对方，gpt 官方应该没有转让的方式吧？且对方不懂的情况下，他们续费、信道什么的都困难
当然你这边也要立即停了缴费，清理个人信息（尤其是解绑支付渠道），自己另外注册一个算了

首先你要将一些东西模块化、流程化，写好不同的模块类，然后用抽象类继承做流程化
例如必经步骤是路径处理，你就写好一些处理的函数或，然后定制为输入单一变量就能得到结果，多用继承和闭包
指定 csv 放在哪里、dataset 放在哪里、结果放在哪里……规范好子路径名字，你的路径函数就“可程序化”了

少用外部命令作为前置，将这些前置的 bash 等写成等效的 python 并函数化，这样你可以在程序中调用，而不是每次重写一个 bash

如果字符串有一定规律，善用 pandas
很多人以为 pandas 只是处理数值，其实 series.str 系列函数很强大，而且是向量化的，另外它基本兼容正则，直接用加个 regex=True 的参数即可，无需分开再 import re 另写一段代码
例如两个等长的字符串列表按序号用逗号拼接
pd.Series(['a', 'b', 'c']).str.cat(pd.Series(['A', 'B', 'C']), sep=',') 就得到了 ['aA', 'bB', 'cC'] 了，向量化函数速度很快的
，数据量大的话，远超遍历乃至并行，我经常用来批处理数千上万个路径

def longestSubFromStart(strings:tuple[str]):
return ''.join(next(zip(*(itertools.takewhile(more_itertools.all_equal, zip(*strings)))), ''))
知道这个函数做什么么？它是从一堆字符串(tuple)，找每一个从开头都相同的部分
最明显用处就是找公共的最长父路径了

字符串处理有很多很有用的包，就看你怎么发掘他们的用途了，例如用 AC 自动机做分类

如果你不是做全栈的，建议不要想到什么就学什么，先规范数据输出格式，交给前端，他们自然能懂怎么输出漂亮的图表；你只需会用简单的 matplotlib 检查 chart 没有什么错误就好了，你自己学 web 还有 css 会很累的