产品经理之思产品经理是一个资源调度者，把一切能调动的资源都当做自己的武器，核心的工作是洞察机会、构建系统，不论是用产品实现系统、还是用人力形成系统、或者用机制形成系统、或者用代码形成系统，产品经理就是一个调度资源来构建系统的角色，让系统正常运转，产生源源不断的现实价值。 如何成为一个有产品思维的研发人员 知识图谱的梳理 分享一个想法：一个产品或服务是否有商业价值，首先要做的不是把这个东西做到多好再拿出 2023-10-12 产品 产品经理 思考 需求调研
如何做好时间管理背景现在我已经是一个自由人了，我的时间几乎完全由自己控制。以前只需要随波逐流，跟着公司的机制，按点上下班，有任务完成任务即可。但现在，这套机制不在了，我需要一套新的机制来保证我的时间可控性。 思路整理为什么需要时间控制机制？ (核心逻辑)就像 keep 的标语： 自律给我自由。 世间充满了诱惑，有些来源于外界，有些来源于内心。当没有一套框架去辅助我们安排好生活节奏时，我们就会很容易被各种意外所打断 2023-08-31 个人管理
任务流管理工具背景当我们经常和机器打交道时，就会有大量的 任务 需要管理，比如一个小的 shell 脚本，或者一系列 shell 脚本，有时候甚至是一系列的 python 脚本。 场景很多，比如 启动一台机器并进行一些设置，比如 对某个项目进行打包然后推送到制品库 等等。 在 CI 中，我们一般使用 CI 平台提供的任务流管理器，例如 gitlab-ci、jenkins、argo-workflow 等等。在机器 2023-07-17 scripts tasks tools
对于 AI 的一些简单认识人所使用的自然语言有一个特点： “模糊” 这和程序的 “精准” 特点刚好相反 我们当前的大语言模型，实现的能力是在理解自然语言的基础上做推理。大语言模型的初衷就是为了让 AI 能够理解人的语言和指令。如果，我是说如果，AI 的设计初衷是机器打交道，或许会更简单。 一个推论：如果让 AI 去理解编程语言，会比自然语言更加简单 这或许是 AI 发展的另一个方向。 人类开发者，最大的价值在于 “能理解人 2023-07-06 AI ai
实现一个简单的fileserver背景当我们希望把某个文件夹暴露到网络上，形成一个简单的 static server 时，常用的做法是 nginx 指定 root 地址，例如： 123456789server { listen 80; server_name _; root /usr/share/nginx/html; index index.html inde 2023-05-30 golang fileserver easyserver cobra
服务端框架再反思背景做服务端开发快 3 年了，陆陆续续也写了很多项目，cli 的、http server 的、rpc server 的、job 的 等等，也用了很多工具、框架。稍微多用几套框架后，发现大家写的都差不多，虽然具体的实现方式总有些差异，但都无关紧要，因此也逐渐认为框架没那么重要，习惯一种就好。 最近有一个自己的小项目要开发，服务端一直在想用什么方案。没想到真正做框架选择时，反倒拿捏不准，就像下棋时握着 2023-05-29 golang backend server framework
一个简单的文件管理器背景最近在玩 AI 画图，但有一个问题，画出来的图不知道该怎么存放，也不知道该怎么展示，于是，希望把一些信息存放起来，便于以后使用。 如果要做分布式，最好是无状态，把 AI 生成的图片和所产生的信息以文件的形式管理，方案类似于 Minio (一个文件，一个 .sys 的 fs.json 文件) 这是一个文件的例子: 1{"version":"1.0.2&qu 2023-05-27
记一次简单的打包速度优化背景在项目中需要交付一个离线包，主要用于客户自行在内网中部署，该包的大小有点大，压缩前达到了 19GB，gzip 压缩后也有 11GB，在 CI 中，使用的 tar zxf xx.tar.gz xx/ 的方式把所有依赖文件打成一个文件，该步操作耗时约 14 min，整个 CI 的流程甚至达到 35 min，于是决定优化一下。 打包及压缩优化众所周知，tar -z 使用了 gzip 压缩，压缩是一个 2023-05-04 devops tar gzip ramdisk memdisk pigz
记一次协同问题的内部分享背景最近在团队内做了一次协同问题的分享，从一个更全面的视角看了一下 什么是协同，同时分析了其中一种协同场景的实现思路，并且用这种思路写了一个 demo: http://101.42.240.235:8080 (姑且先用 ip 吧，之后空了再弄成域名的方式)。 受启发于前端的响应式编程，这个项目也姑且叫 reactive 吧 ~ 项目地址： https://github.com/iamlongal 2023-04-25 协同 collaboration share
记一次使用jupyter做数据分析背景因为工作需要，最近做了一次数据分析，用于洞察客户的使用情况及服务运行情况。 由于整个体系接触的比较少，因此做一下记录。 数据分析的结构在 数据分析 这项工作中，有如下环节： 确认需求，明确想要分析的问题是什么，预期的产出是什么 确认数据源，明确数据的结构、格式、数据量等 确认数据逻辑，明确需要分析的问题所需数据是否到位 做数据预处理，数据清理、异构数据格式转换 查询的语句、分析的代码编写 ( 2023-04-13 python jupyter 数据分析
