传统的软件工程平台主要关注版本控制、项目管理与持续集成等功能。随着敏捷方法和 DevOps 思想的普及，开发流程不断向自动化、标准化迈进。而进入 AI 大模型时代后，平台的能力需要进一步扩展，不仅在于支持代码编写和测试，与部署的自动化上，更体现在如何让人类工程师与 AI 有效交互，共同推动软件工程流程的智能化升级。

整体概述 从 RAG 切入，因为与 RAG 对应的就是大模型本身内里的东西了，对数据的转化、扩散、对数据的训练、权重、微调、性能调优、GPU 加速、上下文窗口、大模型、小模型等等。

书接上回，使用谷歌NotebookLM快速读书流程 …… 如果已经对这本书的内容多多少少有一些了解了，包括直接看过这本书本身，或者是对这本书其中的事件（比如这是一本历史事件相关的书）有一些了解，这种情况下来使用大模型阅读辅助工具的话，会对你提出一个“好问题”更有助力。所谓的好问题，指的是“限定范围”、“具体的”，而不是泛的通用的问题。 btw，这一点跟做话题策划的时候同理，现在互联网技术行业里这些做活动、内容策划的，有很多这样的问题。 举个例子来说，你作为一个技术圈的活动策划，假如你是数据库圈的，然后你每次的活动主题都是诸如“数据库新趋势”、“数据库排名大探讨”、“数据库技术哪家强”、“为什么数据库圈骂战很多”……

今天记录一下开发 Flutter Web App 的时候遇到的 CORS 问题，以及本地与部署分别处理的方式。

今天发现了一个【谷歌 NotebookLM 读书大模型工具】：https://notebooklm.google.com 快速读一本书，在没有这种大模型工具的时候，我一般是这样： 1、找相关的资料，把这本书的创作背景信息大致过一下。同时看看有没有什么特殊性的地方，比如“这本书当时是为了记念二战胜利 1 周年xxxx”。

最近用了一下 Tailscale，感觉各种畅通。因为之前看别人用 Headscale 去做后端服务器，虽然跟着做成功了，但后边使用起来实际上没啥用。 这一次发现，直接用 Tailscale，完全是没问题的，也就是不用 Headscale。

参考： https://stanislas.blog/2019/01/how-to-setup-vpn-server-wireguard-nat-ipv6/ 操作上，全网文章讲得最好的就是这一篇， 当然，原理解释之类的这一篇并不涉及，有其它一些文章讲得更好更多。（但连基本安装原理都不讲明白，就有点不行了）