DPS Build

Grant Sanderson 是 3Blue1Brown 的创造者，为了节目里的动画，他特地写了一个 Pyhon 库 Manim https://github.com/3b1b/manim https://github.com/3b1b/videos

Apple 推出拥有 M3 芯片的 MacBook https://fxtwitter.com/basicappleguy/status/1774777361332056140 差点就信了

使用 Apple TV 4K 作为旁理由 看了这个视频之后，手痒买了台翻新的 Apple TV 4K，然后设置了旁路由。 视频里用的是 Surge，我用 Shadowrocket 也可以，非常简单： 1. 打开手机上的 Shadowrocket，找到下面的 Data 页面； 2. 在 Apple TV 上下载 Shadowrocket，然后在顶部右侧找到三个矩形的图标，按照提示和 iOS app 配对即可； 3. 接下来 Shadowrocket 会把你手机里的配置同步到 Apple TV 上，这样就可以了； 4. 其余的配置参考下面这个视频 https://youtu.be/1WzhoxdwpeQ

Homebrew 的图形界面 https://corkmac.app/

非常细致地介绍了如何将 Mac mini 作为服务器使用： 1. 作为文件服务器 SMB 2. 作为 Time machine 备份服务器 3. 作为内容缓存服务器 4. 作为家庭娱乐中心 5. 作为 AirPlay 的中枢 https://www.youtube.com/watch?v=CITHNloGlnU

Daily Productive Sharing 928 - Infrastructure of OpenAI 随着 ChatGPT 的流行，OpenAI 面临的工程挑战也越来越多。Gergely Orosz 邀请了 OpenAI 的应用工程主管 Evan Morikawa 介绍了他们的最佳实践，其中不少与传统的最佳实践完全不一样： 1 向 ChatGPT 提问后，系统会把提问拆解成 token，然后转换成 embedding，乘以模型的权重之后，然后获得预测值； 2 ChatGPT 底层使用 transformer 架构，使用了 self-attention 机制，又一个致命问题，就是 self-attention 的计算是呈平方增长的； 3 他们将预测问题当作一个 QKV 的模型来处理，Q 指用户的输入，K是用来输出预测值的输入，V 是预测值，其中 K 和 V 可以被缓存，而 Q 无法被缓存； 4 先在最大的硬件瓶颈在于显存大小，即使最先进的 GPU - H100 也有显存瓶颈，而它的架构设计早就在多年前就确定了，短时间也无法更改； 5 当然显卡是跟广义上的短缺问题，好在他们有微软 Azure 的支持，所以可以调用一切闲置的显卡资源。这也就意味着，从第一天开始，他们的服务器调度设计就是全球调度； 6 因为最大的计算瓶颈在于显卡，所以服务器的物理位置就没那么重要，edge computing 在这里也就无所谈起了； 7 监测 GPU 使用率其实没有多少用，因为 GPU 的计算机制和 CPU 完全不一样，看这个使用率只能告诉我们 GPU 是否在计算，无法提供更多细节。 https://letters.acacess.com/daily-productive-sharing-928/

开始用 Linear 管理项目进度，比 Jira 好用多了。 感觉这些年被 Jira 折磨的痛苦都被抵消了。快把 Jira 干翻！ https://linear.app

开始用 Linear 管理项目进度，比 Jira 好用多了。 感觉这些年被 Jira 折磨的痛苦都被抵消了。快把 Jira 干翻！ https://linear.app

开始用 Linear 管理项目进度，比 Jira 好用多了。 感觉这些年被 Jira 折磨的痛苦都被抵消了。快把 Jira 干翻！ https://linear.app

从 Ebay 上买了一台美国监狱用的笔记本电脑 https://x.com/zephray_wenting/status/1761548861896606014

Obsidian 的 CEO 谈为什么选择 Obsidian — Obsidian 和数据都是用户的 https://x.com/kepano/status/1756468726743122140

有后端经验的同学，可以自己写一些API放到RapidAPI上，纯后端和部署，不需要任何前端经验。收费、流量控制、API Key这些基础功能完全交给RapidAPI。 https://www.v2ex.com/t/1015246