V2EX

[分享发现] V2EX 上有哪些你觉得很有趣、印象深刻的妹纸？ V2EX 已知(有趣的)妹纸有哪些？你说说看！ 整理了一些 V2EX 早期 / 知名的有趣妹纸，纯好奇趣闻，绝非挖黑历史～ 妹纸： greenymora： https://www.v2ex.com/t/33224 （人称船长/春药妹 | 距今已 10 多年未活跃） Olivia： https://www.v2ex.com/t/16835 （ V 站第 3 号用户，传闻是站长对象 [doge]） sai： https://www.v2ex.com/t/14200 （ V 站第 7 号用户，被船长崇拜的姐姐 | 距今已 10 多年未活跃） 当然我觉得最神奇的妹纸就是 船长 ！不知道她现在怎么样了 其他妹纸： windsdiary： https://www.v2ex.com/t/49361 witmin： https://www.v2ex.com/t/86819 loveminds： https://www.v2ex.com/t/95398 相关历史帖 卖春药相关（逆天传奇贴！！！） https://www.v2ex.com/t/28375 （妹纸给站长还寄了几颗春药，但貌似 @Livid 没收到？） https://www.v2ex.com/t/32521 养男宠相关 https://www.v2ex.com/t/41364 https://www.v2ex.com/t/41372 站长回复妹妹贴 https://www.v2ex.com/t/3574 （发现 10 几年前站长经常出现在前面几个妹纸的帖子下） https://www.v2ex.com/t/835 （貌似 10 年站长还未移民？） V2EX 本站第一个帖子（ 2010 年 4 月 25 日） https://www.v2ex.com/t/1 另外分享一个查询 V 站第几号用户的方法： https://www.v2ex.com/uid/ + 数字 如 https://www.v2ex.com/uid/1 就是 1 号用户。 欢迎老 V2EXer 补充更多趣闻和人物～

[程序员] 字节为啥不出个国内版 Vercel？ 字节/火山引擎为啥不出个国内版 Vercel 呢？结合 Trae 开发后直接快速部署，既能吸引更多入门开发者，还能卖服务器。

[程序员] 有在大马的朋友吗? 问个运营商问题 unifi 运营商会在家宽限制入站吗? 我知道 ipv4 大概率会封, 但想问问 IPV6 的情况?

[职场话题] 你们在有领导的公司大群发过的最大胆的消息是什么 “今天又是摸鱼的一天” 大概放了 20 多秒撤回的 还好当时那个公司比较随性

[生活] 公司裁员，目前没有工作。想试试摆摊，做一个移动鲜啤打酒车 已经失业两个月了，一直按照之前的方向投简历，但基本没有回应。目前虽然还在领取失业金，但心里难免有些焦虑。 最近观察到一个情况：我们楼下有一条街，晚上非常热闹，两边有不少烧烤、炒饭、鸭货、水果等摊位。我也特地问过商贩关于城管的问题，大家普遍反馈管理相对宽松。这条街快到尽头的位置还有一家规模不小的固定烧烤店，而且这里也是附近居民取快递的必经之路——因为周边小区门口没有驿站，大多数人都要去隔壁小区门口取件。 观察了一段时间后发现，这条街上没有专门卖啤酒的摊位。 所以我在想，如果投入大概 2 万元，做一个打酒的三轮车，在这里摆摊卖啤酒，这个思路是否可行？不过我之前没有任何摆摊经验，也不太清楚实际操作中会遇到哪些问题。 有没有有经验的朋友，可以给点建议或者提醒一些容易踩的坑？不胜感激。 大家针对这个想法，有没有什么建议或意见，小弟非常感谢 大致就是图片中的样子

[Linux] 我的硬盘 Memblaze Pblaze 5 Linux 下不识别，给 Linux 内核提交了补丁， AI 说有望被合并 几年前在咸鱼上淘到几块国产硬盘，型号是 Memblaze Pblaze 516 Windows 下使用没有问题，但是在折腾 PVE 的时候遇到了问题，压根不识别这块硬盘。 然后我又试了好几个 Linux 发行版，某些旧内核版本反而能识别， 我根据 dmesg 信息和 pci 信息搜索，发现 bugzilla 上有类似的案例， Bug 205679 - not able to recognize NVME's partition https://bugzilla.kernel.org/show_bug.cgi?id=205679 我通过里面讨论的信息，自己写了个补丁（其实就加了 2 行设备信息），编译后实测能用。 更令人激动的是帖子里面有位大佬 Keith Busch 好像能提交补丁到 Linux 内核， 于是我在帖子最后跟帖（ KimChou 就是我了）希望上面的大佬能帮忙提交代码😂不出所料这个帖子根本没人看了 这几年一直只能通过 dkms 方式给 PVE 打补丁来用这个硬盘。 直到前几天我要重装机器，想直接把 pve 装到这块硬盘上，这下 dkms 都用不上了，得修改 pve 的 iso ，而且就算改了，后续一不小心更新内核，可能直接系统都进不了。 然后在 AI 的指导下，把这个补丁提交到了 Linux 内核，把得到的回复再发给它，它说已经有两位大佬 review 过了，大概稳了，将来某个时候，我将有望直接把 pve 安装在这个硬盘上，想怎么更新就怎么更新。 邮件列表地址： https://lore.kernel.org/linux-nvme/[email protected]/T/#t

[Codex] 只有我一个人觉得 codex 不好用？ 由于 codex 白嫖起来很容易，所以也备用了几个。但是我实际使用下来感觉和 claude 差一个档次啊。 具体表现在：比如我用 claude 写的一个工程，然后让 codex 接手继续干，过了一会竟然给我干出个语法错误。太离谱了。 PS:不知道是不是因为我是在 opencode 里面使用 codex 5.3 的原因。

[分享创造] 做了个 AI + 真人专家监督的广告投放平台 Auxora， 7 个品牌跑出 6x ROAS 做了半年多，有些进展可以拿出来聊了。 解决什么问题 做产品的人很多，会推广的很少。请 agency 至少 $2,500/月起，自己学投 Google Ads / Meta Ads 又要几个月。纯 AI 工具能快速出方案，但谁来判断这个方案靠不靠谱？ Auxora 的思路是：让 AI 干活，让专家把关。AI 负责调研、出素材、配置投放、持续优化；真人 PPC 专家只审核关键决策 -- 定向对不对、预算分配合不合理、素材有没有偏。 流程 1. 5 分钟聊天，AI 了解你的业务和目标 2. AI 几小时生成：GTM 策略 + 广告素材 + Landing Page + Google/Meta Ads 配置 3. 专家审核关键环节 4. 48 小时内上线，之后 AI 7x24 优化 + 专家定期复审 80-90% 执行由 AI 完成，专家集中在高价值判断。 Agency vs Auxora 同样的交付物，Agency 要 30 天 + $2,000 起步，Auxora 几小时搞定： 数据 ● 7 个付费品牌（ VOMO 、TicNote 、XMind.AI 等） ● 平均 6x ROAS ● 免费 / $49.99/月 / $249.99/月（含 1 对 1 专家） 想听听大家的想法 ● 做了产品之后推广最头疼的是什么？ ● 这个价位能接受吗？ ● 还缺什么功能？ 网站： https://app.auxora.ai ---------------------- 加入我们的 Discord 我们搭了一个增长社区，不只聊 Auxora ，更多是聊怎么把产品推出去： ● #growth-tactics -- 实战投放经验分享，踩过的坑比成功案例更值钱 ● #ask-an-expert -- 有 PPC 专家在，关于投放的问题可以直接问 ● #show-your-product -- 展示你的产品，互相给反馈、找灵感 ● #indie-hackers-cn -- 中文独立开发者专区，聊产品、聊变现、聊推广 不管你是已经在投广告还是刚开始想推广，进来聊聊，总比一个人摸索强。 https://discord.gg/UWVxh83c

[生活] 如何走出至亲的离世 母亲细菌感染多种因素叠加抢救无效去世。 这一年因为自己各种压力缠身，对她的关心少了很多。已经过去半个月，越想越陷入了无限的自责。 如果最近有多陪陪她，遗憾与自责不会那么多。虽然不迷信，但甚至有一起下去陪她的想法。 我觉得有点危险，不至于真走极端，但是陷入了抑郁的状态，每天流泪痛哭的次数越来越多。 真想不鸡汤地走出来。

[Claude] Claude Web 端貌似 claude-opus-4-7 偷偷上了？ https://imgur.com/Ka5nF0J 还是只是把 system prompt 先给改了

[程序员] 现在 Apple 开发者帳號應該是用哪个地区会更好？ 如题，最近以观望 苹果开发者这边的，但发现现在 99 刀的和以前不一样 问了一下 GPT 现在国内开发者是可以上架到海外的，仅是收帳需要报税？ 但海外开发者帳號就是直接对海外户口（港区帐户），仅要定时结汇就可以？ 在 V2 里的苹果开发者大大们有哪些建议？ 還是无脑 直接开中国区开发者帳號，同时留意相关的监管信息？

[分享发现] 用回测筛选因子的一点经验分享 我在做量化交易，也自己做因子回测，前前后后试过不少因子，真正能长期用的，其实不多。刚入门的时候很简单： ● 看别人说动量有效 → 做动量 ● 看研报说低波动好 → 加低波动 结果就是： 回测看着还行，一实盘就不稳定。 后来才明白，因子不是“看起来对”，而是“数据上成立”。 我现在的做法： 流程一直没变： 1. 拉数据 2. 算因子 3. 分组 4. 看未来收益 5. 算 IC 方法很朴素，甚至有点老，但一直够用。 数据 import requests import pandas as pd def get\_kline(symbol): url = "https://api.alltick.co/v1/market/kline" params = { "symbol": symbol, "interval": "1d", "apikey": "your\_api\_key" } data = requests.get(url, params=params).json()\["data"\] return pd.DataFrame(data) 最简单的因子：动量 def momentum(df, n=20): df\["ret"\] = df\["close"\].pct\_change(n) return df 这个东西现在看挺基础的，但不影响用。 回测：分组 + IC def backtest(df): df = df.dropna() df\["rank"\] = pd.qcut(df\["ret"\], 5, labels=False) return df.groupby("rank")\["close"\].pct\_change().shift(-1).mean() def ic(df): df\["fut"\] = df\["close"\].pct\_change().shift(-1) return df\["ret"\].corr(df\["fut"\]) 重点就两个： ● 高分组是不是更赚钱 ● IC 是否稳定 一些坑～～～ 1. 未来函数：这个很致命，看起来没问题，其实已经作弊了。 2. 过拟合：调参数调到“完美”，换一段时间直接失效。 3. 因子失效：长期是可能有效的，但短期完全不一定。我也经历过刚上线就连续回撤的阶段。如果你正好在因子失效期开始用，很容易直接放弃。