GeruzoniAnsasu

> 还有一个很奇怪的现象：本地的比外地的好吃？（不管是菜还是肉）

也不是很奇怪，客观原因：

1. 外地运输时间长，保鲜要求高
2. 目前的育种水平，保鲜能力和风味不能兼顾，大多数基地产品都优先照顾保鲜能力
3. 外地货源大多来自大型基地，标准工业化养殖，满足的是基线要求，无法跟小农小养殖户精细化管理的产出的风味相提并论
4. 本地养殖户长期深耕本地需求，口味和品种把握更准（比如山东的炒鸡用的辣椒，它们只种筛选过的更好吃的螺丝椒），所谓老祖宗严选
5. 气候和水土问题，永远有本地优势物种

真的：
1. 老干妈改过配方，在它是个大型村镇企业的时候是最好吃的时候
2. 现在回农村抓的走地鸡/自种蔬菜远比城市里生鲜供应链的鲜鸡肉、蔬菜基地菜品好吃



假的：
1. 小时候的糖比现在好吃→真相是儿童的脑内奖励中枢与成人相比，对甜味更敏感
2. 小时候的杂牌零食比现在好吃→儿童的味觉系统训练不足，不能有效分辨有害物质/风味，我现在对增香剂的敏感程度比小时候高得多

> 为了其他人 clone 下来能直接用，我又添加了对应的 example 配置文件

本来项目也不应该其它人 clone 完就能直接用，应该是 clone 完，自动 build 一下能直接用，要么就下载 release 后能直接用

增加个 build 环节就好了

先说前提结论：M4pro 你买的是 GPU 和 **显存**，NPU 和 CPU 都不是很重要（用不上/性能溢出）



这是平时中低负载时的状态



这是本地运行 qwen:32b LLM 的状态，可以看到有 24g 的 wired ram ，这些是分给 gpu 用的


我用同时跑多个 LLM 的方式测试过内存压力，虽说 mac 的 swap 性能很强，但当然是还是无法完全取代 ram 的，当我的显存使用达到 40G 的时候系统卡死，看门狗 kill 掉了我的 session ，最后看到的总 ram 占用是 50g 左右


现在 pytorch 反正只适配了 apple silicon 的 gpu ，所有相关应用使用的是 Metal Performance Shaders (MPS) 来加速 ，NPU 只能在 coreML 中调用，which 只能在 xcode 中开发 native 应用时，把模型转换过来使用。 至于 GPU 本身的性能，据说大概不到桌面级 2060 （记不清了），所以也只能跑推理，不能跑训练


我目前稍微有点后悔，上限不够高，轻量冗余得又有点多了，也很贵，不如稍微加点钱买 air+正经 N 卡训练机

这么说，rebase 之于 merge 约等于 golang 之于 c++

说实话可能不如磨掉重新刷漆

问行政没衣服穿了衣服没晾干能不能 remote ，能的话告诉同事可以不用来公司的，衣服洗好再来就好了