@bug403 50-60 的随便买，都差不多。

我喜欢李宁 G300 和 G600 ，球偏重所以感觉飞行稳，关键是耐打，1 个球能撑一场业务对抗。

@silverdog 球鞋 9200 就行。9200 就很多款，但球鞋结构比较经典，不同的款式基本只换颜色和配色。所以找一个价格合适的有喜欢的就行。（ 500-1000 都有）

@xu455255849 有抑郁风险。 大家可能有体验，长期不吃糖或者吃不饱，心情会很容易变差，变暴躁..

我也有朋友试了一个疗程，跟我们吃饭都是板着脸，两口就不想吃了，后来停了之后跟我们说那段时间真的是遭罪

@ma836323493 辣条有糖的，糖可以让辣味凸显，有层次感。很多辣菜都回额外加糖。 而且辣条的油脂也很高，盐分也超标，可以说是非常不健康

# 不止要控糖，也要控制脂肪
“糖”我们可以统称为“碳水化合物”，是人体的三大营养素之一（蛋白、碳水、脂肪）。三者在人体内是可以相互转化的。对于大部分人而言，多吃的碳水、脂肪最终会作为脂肪存储起来，所以人会发胖。
1 克脂肪=9 千卡，1 克蛋白=4 千卡热量，1 克碳水=4 千卡，从这个角度上，控脂肪比碳水还重要。

那么楼主要做的不仅仅是断糖，更需要控制油脂的摄入。关于这方面的科普可就太多了，三言两语讲不完。

办公室里的小零嘴、好喝的奶茶、酸奶，要么高糖，要么高脂，还有可能高盐，都是不利于人体健康和体重控制的。所以首先你需要戒掉这些零食。最好是一点都不要吃。
然后在生活里，要减少碳水主食的摄入（米饭、面条等），可以减少 1/3 甚至一半；同时少吃油炸、爆炒类的菜。

还有几个隐藏的脂肪和糖分来源：牛油果、牛奶、川味凉拌菜（没错，川菜凉拌放糖的）、葡萄、西瓜、浓缩果汁、酸奶，都是要尽量避免吃太多。

还有一个小窍门，吃放的时候，主食（米饭、碳水）少一半，多一点绿色蔬菜和白肉（鸡肉、鸡蛋），同时控制到八分饱，就是对自己身体“糖”控了。

# 学会看营养成分表
预制品记得要看营养成分表，糖和油在表里藏不住的（看热量，比如一块酸奶 100ml 350+kj 的，一定是放了很多糖；少糖的一般 270kj ）

# 增加水分的摄入，但不要依赖饮料
多喝水对人的好处可太多了，但是我们都是提倡白开水或者过滤直饮水。
饮料为了好喝，大多会放糖，或者原料中本身含糖。一个常见的骗局是“零添加糖”的果汁，其实非常甜，也有大量糖，因为它添加的浓缩果汁本身含有大量糖，是非常不健康的。

饮料上茶饮料、无糖饮料都是可以的，但别老喝饮料，或者用饮料替代水。还是要在身边长期放一水杯，多喝水，也能减轻自己要吃零嘴、和饮料的习惯。 （东方树叶确实不错，也可以让自己养成喝绿茶、红茶的习惯）。

# 培养运动习惯

运动其实很简单，吃完饭去散步半个小时就是运动了，动起来就比不动好。在家里做一下瑜伽入门，基础核心训练（ Keep 上、B 站都有，不依赖设备，有个瑜伽垫就行。）有了运动的铺垫，就可以试一下户外、或者健身房的规律训练了。

每个话题都可以讲很多，不知不觉打了这么多字...

200 就可以，再高档的基本是添加了一些无线充电之类的提升体验和做工的成本。

对我来说，只有这几点是必须具备的：
1. 要有压力提醒（压太紧会亮红灯或者声音提醒）。 我现在牙齿已经有磨损了（小时候刷牙太用力了），甚至医生建议我可以考虑补牙（补牙齿正面被磨损的地方）。我三十多才第一次洗牙，牙龈萎缩+牙床磨损，会对冷热过度敏感。
2. 替换刷头要实惠，不要一个刷头卖 50 、60 块，有被割韭菜的感觉。
3. 要充电，能水洗。

这些点足够了，至于更多的蓝牙啊、扫描啊我不看重。
所以我一直用欧乐 B 的电动牙刷（现在好像直接归入博朗系列）的入门款，200 块，用了 5 、6 年了也没啥问题，替换刷到 100 多可以买五个。

顺便提一下，吃完饭用牙线剔牙比牙刷还重要，可以养成这样的习惯。ora-b 的 glide 系列是我用过最好用的，也很实惠，建议随身带。


这么说来，我牙齿用品全是 Orab 的：牙刷、牙膏、压线、漱口水... ：）

@kylebing 三合一的充电，业内有苹果加持的就只有 anker 这款和 belkin 的老款了。后者 800 多（打折史低 500 ）。
因为可以说竞争，定价就很贵了。

当然我的需求是之少手机手表 2 合 1 ，选择很少。（耳机我淘汰了 AirPods Pro ，太容易掉了）。

anker 出的那个磁吸盒子，造型很喜欢。价格劝退。 等打五折的时候考虑买。

还有影视飓风里，他们工作人员用的那个盒子，同款方形，掀起盖子就是充电底座。没看到链接

胜利（ Victor ）挑战者 9500 ，价格在 100-150 ，在用，均衡拍，适合新手手感
胜利大铁锤（ TK-HMR ），价格在 150 左右 ，在用，进攻拍，球拍头比较重，适合男生耍帅扣杀
胜利小铁锤（ TK-HMRL ），价格在 150 左右
迪卡侬的入门款 （ 200 左右，店内穿线终生免手工费）
浓缩一点，就是各大品牌的百元*碳素*球拍都可以的，选个自己喜欢的颜色和重量就行 （球场用铁拍会没朋友的）


网上的话，挑战者假货比较多，需要小心一点，最好是大平台和自营买。便宜的球拍一般不带线，基本都会送一个手胶，送一个球拍袋。（建议买不带线的，送的线一般不好，然后磅数也不准）
不送线的话新手推荐 Yonex BG65 ，24/25 磅，一般在当地的球馆或者迪卡侬穿，算手工费是 50-60 块。

最后，建议买一双专用的羽毛球鞋。

祝打球愉快。

@pengtdyd

lbs: location based service, 用在业务场景里，就是根据访问者设备的一些地理位置特征，比如通过基站、wifi 、网络 ip 等综合得出此设备所处的实际物理位置，甚至可以得到具体的经纬度坐标（注意国内经纬度应用通常存在故意混淆的偏差）。这个访问地址，就可以帮助 App 和应用程序快速给用户反馈。
举个例子，打开外卖软件，外卖软件会推荐周围的可以点餐的餐厅，这就是自动根据你的地理位置计算得出的。如果你在系统里把他的地理位置权限关掉，他就做不到了。

NER: named entity recognition, 命名实体识别。 实体在自然语言分析行业中，可以理解为一个物体，一个对象，可以是具体的也可以是抽象的。在给定的条件下，例如我指明“苹果”是一种水果的名称，那么 NER 就是从文本中，抓到指代“/水果/苹果”的实体词条出来（并且尽量避开手机品牌“苹果”）。 比如“苹果必须削皮吃吗”， 这里就应该识别；“苹果手机啥时候发货”，这里就不能识别。
这种识别和 chatgpt 是类似的，本质上是一个数学概率和逻辑关系的模型，中间也需要很多的人工标注，可以认为是有间监督的机器学习。

---
@SZhan 这就是 toG 业务的难点了，屁大点预算想发射卫星。我建议在 Github 上找点开源的模型工程（开源大模型，或者开源的 NLP 功能挂件、分词器。），然后搞一个文本地址库做三元组数据库，写一个强匹配的规则引擎，直接用前面的地址文本库做文本相似度匹配，给出 1-2 个结果，让操作员自己去选最后的结果。
毕竟只设计地理位置这一个领域的文本数据，准确度是可以达到一定程度的（但按照我的经验，到 90%就不错了）

什么大模型计算，让对接业务的销售去吹：得加钱。
注意，地址库每年都会有一些变化，比如上面回复的统计局地址，其实都是有过期消息的（毕竟是 年度的），如果用了这种方案，后面更新也得注意，省得被那边客户骂。（同样，得加钱）

你说的那种锁没有任何防盗能力，专用老虎钳直接剪断的。

另外现在的经济形势下，可以预见到治安会变差。这个月我们小区地下车库的电瓶车电池都被偷了几台。

感觉是回到了 05 年左右，车子和电瓶车放外面就会不见的时候...

莲花山吧，老年人应该有点兴趣的。下山之后去市民中心走走。路程不远不会很累，有自然、有红色景点，也有人文景点，沿途休息的地方也挺多的。

早上出门，傍晚回来。

256 的现在回收平台是 4800 -5200 左右。 （苹果官方是 4800 ）

二手交易看成色，保养特别好的估计 5500 ，不介意边框划痕的 5000 就有的。

@Liuyt03 找你贷款银行的前台，让他们给你贷款经理的电话，联系负责你的贷款经理咨询。

这次给了第二次机会。

但别莽啊，经济是有周期的 LPR 下行趋势，也可能会被反转的。没必要的嘲笑。
都是成年人，为自己的决定负责。

NER 要用好，前提是有好的文本分析和分词器，所以我们之前搞搜索的时候，最难的分词已经被解决了。
所以我前面的回复可能不适合楼主的问题，毕竟前置要求太多了，成本也就太高了。

建议还是尝试直接找第三方的接口服务来解决。 建议试试菜鸟、京东、甚至其他大型快递物流公司的地址接口，包括邮政管理部分，可能也有类似的标准接口。

再补充一下 “获取了一批城市的所有 POI 点位” 这个想法我们在项目实施中也是考虑过，并且爬取过一些邮政网站的地址库。最后放弃了，脏数据太多，时效性也很差。

你给的 demo 里，最大的问题是单地址信息 POI 的输入。 如果是这样的输入，搜索引擎一定会按照自己的相关性算分额外排序，很难命中第一条结果。 而你通过后台接口（非 web ），有可能获得更多的候选结构自己筛选。

当然最好的方法是，你既然是给某个地区的机关试用的，访问默认带上地区限制试试。 （有很多大开发商的楼盘是全国都有重名的）。
---

前面没有给具体的案例，如果是你说的这种反馈的话，NER 感觉是不合适的。

要不要考虑下菜鸟和邮政平台的地址，他们结合访问的 IP ，可以给出更合理的地址建议。

@SZhan

这个思路没问题，但是在调用此接口之前，你需要用 NER （命名实体识别）的技术，讲文本中的地址、街道分离，然后通过不同层级的地址（城市、道路名称、小区名称等等）来做一个概率匹配，最后得到 1-3 条候选方案（可以打分）。

最后用这几条结果去尝试高德/百度地图的地址接口来获得反馈，能帮你再处理一次。 （但如果是大规模应用的话，接口可能是要收费的）。

当然，命名实体识别，需要你首选有一套国内的地址库（省份、城市、区（县）、街道（乡/村）、社区、小区）这样的一个层级的地址，然后在此基础上做一个别名的语料库（比如黔、京、沪）。
之前做这个行业的时候，也一直没有找到特别官方的数据库，是自己捞了一份数据再请外包清洗的。这个数据还要更新，也是有点点维护成本。比较麻烦的是两个字的重复。（比如杭州有湖州街、上海有河南街），所以在你请求的时候，一定是要有预警（ context ）限制的。（我们当时是用的图谱，每个实体都是有类型限制的）

------
再补充一下，百度搜索、夸克搜索 这两个平台，内部都做过我上面整个过程的业务的（地址栏搜地址，给出地图卡片），但不清楚是否对外开放商用接口，理论上是有的。

你可以模拟下用户访问 query 查询这两个网站的 web 端测试一下。