这篇文章总结一下我过往项目的web性能优化，主要是就项目中如何发现性能问题，优化如何解决，谈一下性能优化。把学习的过程跟大家分享一下，共同学习。web的性能监测工具我用的是Chrome的Performance 面板和Lighthouse。回想起以前工作被产品拉进小黑屋，要我优化目前项目组的3个项目的性能问题。说体验起来比较卡。我带着激动地心，颤抖的手打开项目跑一下分数，普遍15-60分。因为我们项

2023年以来，LLM 变成了相当炙手可热的话题，以 ChatGPT 为代表的 LLM 的出现，让人们看到了无限的可能性。ChatGPT能写作，能翻译，能创作诗歌和故事，甚至能一定程度上做一些高度专业化的工作，比如法律服务和医疗诊断咨询。然而，正如任何新技术一样，LLM 也带来了新的挑战和问题。我们如何确保它们的安全性，如何防止它们被用于不良目的？这些都是亟待解决的问题。

本文系统介绍了Transformer模型中三种主要位置编码方法：绝对位置编码、相对位置编码和旋转位置编码。绝对位置编码通过正弦余弦函数为序列每个位置生成固定向量，实现简单但长距离依赖表现有限；相对位置编码则关注元素间距离关系，更适合处理长序列任务；旋转位置编码通过旋转操作将位置信息融入注意力计算。文章以"我爱你，中国。"为例，结合代码展示了不同编码的实现方式，并分析了各自的优缺

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模

本文为算法岗位求职者提供全面指南，涵盖Transformer架构详解、大模型应用技术(RAG、Agent等)、性能优化方法(量化、蒸馏等)、训练中的常见问题及解决方案，以及数据并行和模型并行技术。文章还提供了AI算法交流平台信息，帮助求职者准备面试、获取内推和学习资源，是面试准备的实用宝典。

程序员应该算是牛马界比较高薪的职业了，不过这行一向是长江后浪推前浪，30岁出头就开始面对行业危机了，有没有35岁左右的程序员现身说法，程序员真的只能干到35吗，转行能做点什么呢

n8n是一款开源图形化自动化工具，提供直观的拖拽式界面构建工作流，支持JavaScript自定义逻辑，可连接数百种应用。文章详细介绍了在阿里云主机或本地虚拟机上部署n8n的步骤，包括Docker安装、容器配置和数据持久化。通过实际案例——每天定时获取天气信息并发送邮件，展示了如何使用n8n创建自动化工作流。文章最后还提到AI大模型技术在就业市场的热度及学习资源。

文章介绍了GitHub上12K星爆火的"hello-agents"项目，这是一个系统性的智能体开发教程，帮助开发者从理论到实践掌握构建智能体系统的能力。项目分为五大部分，涵盖基础理论、构建方法、高级技能、综合案例和未来展望，适合有Python基础的AI开发者和学习者。项目完全开源免费，旨在帮助开发者在AI从"展示能力"转向"创造价值"的关键时期掌握这一炙手可热的技能。

DeepResearch是一种专业AI研究范式，采用Plan-Execute-Synthesize三步流程，将复杂研究任务分解为可执行的工作流。文章介绍了多种DeepResearch框架实现，并重点展示如何使用LangGraph进行实践，包括状态管理、工具集成和工作流可视化。通过模块化设计，可整合网络搜索、网页访问和学术搜索等工具，构建完整的AI研究助手，帮助用户系统性地完成深度研究任务。

大模型的发展对云端和车端算力、感知端、执行端以及商业模式都产生了深远影响。BEV+Transformer技术通过整合多模态数据，提供全局视角，消除遮挡和重叠问题，从而提高物体检测和跟踪的精度。这种技术还通过注意力机制增强了智能驾驶的泛化能力，促使智能驾驶从机械式学习向总结归纳转变。在车端，大模型可赋能自动驾驶的感知和预测环节，并逐渐向决策层渗透，驾驶策略或将从规则驱动向数据驱动转变。在云端，大模型