卷的是后端，从来不是Java

最近高强度和ai对话的时候，尤其是进入心流状态后，脑子里思如泉涌，AI那边生成的也老快。但是这两个超级大脑直接的交互真的太慢了，还在那一点点敲键盘，感觉带宽真得升升级。我看油管上开屏广告也有这种产品，大多都是英语的语音转文字，中文效果后来我试了试Mac自带的语音转文字，说中文转出来之后我看的都不知所云，传给下游大模型直接语义坍缩。。。各大llm厂商对此也有些优化，他们在网页端加了个语音输入  但是在中文场景下，除了chatgpt的那个语音转文字，其他厂商的对中文识别率都挺低的，即便大模型有兜底，能根据上下文猜测你说的是啥意思，但还是容易发生语义坍缩而gpt的语音转文字也有局限，当你说话说过超过一分钟之后，就会因为说话的信息tokens过长或者网络波动，给你全部吞了，说了两分钟的话，还得重新说一遍，杏仁核小朋友就要闹了。当时这真是个折磨我好久好久的痛点。  我就在想，gpt的转录引擎是什么呢，中文优化怎么这么好，要不抽出来本地跑，连上剪切板当个小工具不行么，后来也确实vibecoding了一下：做了个基于OpenAI Whisper引擎的转录工具  做完后我试了试，Mac本地跑完一段语音转文字的时间，和去openai服务器走一圈再回来不相上下；而跑出来的文本准确率 甚至要比 chatgpt网页端的那个还要高  估计openai算力全堆给llm了，asr这种边缘业务算力分不到多少了哈哈哈  Whisper还提供了个CUDA加速，要是英伟达显卡，本地跑的速度还能在mac的速度之上快个四倍左右，还得是老黄  多亏现在llm兜底能力强，只要术语不错一半以上，都能根据上下文基本都能推断出来，语意不会崩。现在已经常驻后台当我小工具了哈哈哈哈。

Chap1 事业主线的确定“学弟，采访你一下，你在拿录取通知书的时候，对大学四年的自己有什么期待呢？”大一的石学弟思考良久，回复了我一个猫猫“耄耋”表情包。“加入威软实验室，拿大厂offer，找到女朋友。学长，你呢？”我呢？我高三的时候就知道，大学里有七条路，一保二考三就业，四留五公六创业，再加上一个“混吃等死”，没关系，人生是旷野————开玩笑，学历变不了现，不都是白扯吗？所以，我绝不考研。唐学长是某军工985的19级本科生，他对他压抑的本科生涯恨之入骨。大学前两年，他活在育才高中的回忆中，而后两年，则活在浙大上岸的渴望里。他从大三开始苦苦备战约15个月，动态里将校园比作肖申克，最后以400...

这个话题不知道大家是怎么想的。我是比较两极分化。对于我感兴趣的东西我可以付出大量时间精力，也不觉得累，最后大概率也能得到不错的结果。比如我卷了两段大厂实习，在最热的时候去了上海，最冷的时候去了北京，一个认识的人都没有，很辛苦，但也收获了很多东西。我记得当时是特别兴奋的，也不觉得自己卷，朋友都说我是卷王我并不这么觉得，因为我的目标就是找到好工作，所以为了目标付出的努力不是恶性竞争，只是一种途径而已。当然对于自己不想做的，比如运动，我一直提不起兴趣，同事下班就去健身，叫我去我就懒得去，人家下次也不叫我了,身体也没有什么毛病除了瘦，为什么要健身，感觉健身在极速消耗我的能量。

题干解析 题设定义：针对一个无根无向有权树：  树中两点的距离为两点间路径的权值之和。 树的直径即为树中两点间最大的距离。 树中节点到路径的距离定义为点到路径上任意一点距离的最小值。 确定直径上一条长不超过s的核后偏心距（EEC）定义为图中任意节点到该路径（核）的距离的最大值。 题设给我们树的邻接数据以及s的大小，要求我们计算符合要求的核对应的EEC的最小值。  算法思路 寻找直径  首先我们需要找到树的直径，由于树中任意两节点有且仅有一条路径，使用弗洛伊德算法能够求出所有树中任意两点间的路径距离。 基于此我们找到最大的路径长度然后找出所有符合条件的路径节点便可以得到树的直径。  对直径路径进...