首先讲为什么写这个啊，这个和大模型有什么关系，其实本质上我什么都会看看，更ai相关的，比如infra，算子，或者加速推理框架，联邦学习基本上只有前沿实验室在搞，我也在做这个，这里顺手更新一下：一、边缘计算详解：1. 核心概念：是将计算、存储和网络资源从集中式云数据中心下沉到靠近数据产生源的网络边缘。边缘节点可以是路由器、网关、基站、工业控制器、手机、汽车、智能摄像头等。与传统云计算的根本区别在于处理方式：传统云计算是“数据搬家”——所有数据都要通过网络上传到遥远的云服务器集中处理；边缘计算是“计算搬家”——大部分计算直接在数据产生的附近完成，只把必要的结果或摘要上传到云端。2. 典型架构：边缘...

说真的，提前实习在我这完全没半点好处，反而把毕业前的快乐时光全搅和了！本来拿到 offer 后，明明可以好好享受最后一段无忧无虑的校园生活，跟朋友聚餐、旅行、好好放松，结果现在提前实习的风气越来越浓，逼着人早早去公司当社畜，提前体验那种朝九晚五、被工作追着跑的日子 —— 毕竟这种生活以后要过几十年，真没必要提前透支！反而我觉得，不打算转正的实习才是真・爽局！不用顾忌 “表现不好影响转正”，不用硬扛着做不喜欢的活，也不用小心翼翼看领导脸色，觉得工作没意思、学不到东西，或者单纯不想干了，随时能拍屁股走人，主打一个 “老子不转正，谁也管不着” 的自由。这种没有心理负担的实习，才不用把自己逼得紧绷，反而能更真实地感受工作氛围，合得来就多干阵子，合不来就及时抽身，比提前实习硬熬舒服多了！

😂😅😃😉😁😓😋😏

在 Claude Code、Cursor 等 AI Agent 工具的使用过程中，MCP（Model Context Protocol）与 Skill（Agent Skill）是两个高频出现的能力扩展概念。二者看似都是为了增强 AI 的能力边界，但在设计哲学、技术架构和适用场景上有着本质区别。本文将从这三个维度，彻底厘清两者的核心差异、存在价值及选型原则。一、一句话核心区分MCP 和 Skill 是 AI Agent 能力扩展的两大核心支柱，定位截然不同：MCP 解决「连接」问题：让 AI 突破自身数据局限，访问外部世界的工具、数据源与服务。Skill 解决「方法论」问题：为 AI 注入专业的...