GO Web 开发
Gin：轻量级 Web 框架，以高性能和简洁路由著称
Echo：高性能 Web 框架，支持中间件、参数绑定和 HTTP/2
Beego：全功能 Web 框架，类似 Python 的 Django，内置 ORM、缓存等
Fiber：基于 FastHTTP 的超高性能 Web 框架，兼容 Express.js API

go env  GOPROXY
https://goproxy.cn
Goproxy.cn
The most trusted Go module proxy in China

十多年前韩国年轻一代喊出了“五抛”口号：
抛弃恋爱，婚姻，生育，购房以及人际关系

《多是横戈马上行——野战主将粟裕》是张雄文创作的长篇报告文学。
以华东野战军、第三野战军主将粟裕波澜壮阔的军事生涯为主线，
再现了粟裕的传奇人生,还原了他高超的军事指挥才能和远见卓识

《大模型实战：从零实现RAG与Agent系统 》
本书深入探讨了RAG技术体系及其应用，内容涉及从基础概念到高级应用的各个方面。
首先，解构了大模型应用的基本模式与局限性，并引入RAG作为增强生成能力的一种方法，
讲解了RAG的核心概念、组成结构及应用场景，还涵盖了RAG的基础、高级、模块化和智能体形式的技术体系。
其次，以LlamaIndex为工具，展示了如何实现RAG，包括提示词设计、文档与索引创建、上下文检索及查询引擎构建等具体步骤。
最后，介绍了基于RAG构建文档聊天助手、多模态内容解析器、数据库检索器、知识图谱系统、工作流引擎及多Agent系统的实践案例，每个案例均包含技术细节与实现效果演示。 
本书适合人工智能领域的开发者、研究人员，以及自然语言处理、知识图谱、智能客服等专业人士阅读。

RAG Retrieval-Augmented Generation    检索增强生成
通过将“检索”与“生成”两种方法相结合，增强了模型在处理需要深厚背景知识的任务时的表现，
例如客服自动化和医疗咨询等场景

LlamaIndex（现更名为 GPT Index）是一个专门用于构建基于大型语言模型（LLM）应用的开源框架，
它能帮助开发者高效地将外部数据与 LLM 进行整合，从而提升模型在特定领域的应用能力。
LlamaIndex 通过标准化的数据索引和查询流程，降低了 LLM 应用开发的门槛，尤其适合需要处理大量外部数据的场景。
无论是企业级知识管理还是个性化 AI 应用，它都能帮助开发者更高效地整合数据与模型能力，释放 LLM 的真正潜力

一人公司=你+内容+产品结构+流量渠道

《小米创业思考》是雷军首部商业思考著作。
书中系统梳理 30年创业心法和经营哲学，深度复盘 “小米模式”，
首度全面公开包括三大铁律、七字诀等多维度经验，
为创业者和管理者提供借鉴和指导

《台湾往事》凤凰书品编著，
曹景行是凤凰电视台著名节目主持人，他是这本书的采访人。
他采访了服务蒋介石38年的贴身侍卫应舜仁、陈诚之子陈履安、白崇禧之子白先勇、
蒋经国私生子蒋孝严、“国防部长”郝柏村、孔大小姐孔令仪、台湾最后一个政治死刑犯陈明忠……
他们亲述了1949年后蒋介石与国民党退守台湾后的民国往事、台湾往事，
非常珍贵的口述历史！

超级个体：
特指在数字化时代中，通过整合个人能力、资源和技术工具，
突破传统组织边界，独立创造高价值并实现规模化影响力的新型职业形态

夏橙是一种具有独特生长特性和口感的柑橘类水果，因在夏季成熟而得名，
在全球多个地区均有种植，具有较高的食用价值和经济价值，
塔罗科夏橙	中国重庆、四川、湖北等地	 
果实较大，果皮颜色深橙，果肉细嫩，汁多味甜，富含花青素，营养价值高

湖北秭归夏橙
头年四月上旬开花，翌年五月成熟，生长周期长达 14 个月左右，
秭归夏橙错峰销售，在其他柑橘产区几乎没有应季鲜橙的夏季上市，具有明显的市场优势，
不仅在国内市场畅销，还出口到俄罗斯、中东和南非等国家和地区

在GPT模型的下一单词预测预训练任务中，系统通过观察之前的词来学习预测句子中的下一个词。
这种方法能够帮助模型理解词语和短语在语言中的常见组合，从而为应用于各种其他任务奠定基础

模型能够完成未经明确训练的任务的能力称为涌现(emergence)

大语言模型准备嵌入向量的过程，包括将文本分割为单词、将单词转换为词元，以及将词元转化为嵌入向量

《从零构建大模型》
本书是关于如何从零开始构建大模型的指南，由畅销书作家塞巴斯蒂安·拉施卡撰写，
通过清晰的文字、图表和实例，逐步指导读者创建自己的大模型。
在本书中，读者将学习如何规划和编写大模型的各个组成部分、为大模型训练准备适当的数据集、进行通用语料库的预训练，以及定制特定任务的微调。
此外，本书还将探讨如何利用人工反馈确保大模型遵循指令，以及如何将预训练权重加载到大模型中。

生物学的神经元与神经网络启发了人工神经网络的设计，
认知科学的注意力机制成为Transformer结构的理论基础，
复杂性科学则为理解大模型的涌现能力提供了分析工具。
正是这种深层次的学科交叉，推动了AIGC从实验室走向应用，并正在重塑软件工程的基本范式。

将大模型切实转化为软件生产力,
数据治理—模型工程—智能体协同,
软件工程3.0的本质不是技术取代人，而是人机协同创造更大价值,
“三脑协同”的核心理念：
人脑擅长价值判断与创新决策，电脑确保逻辑严谨与确定性，数脑保障大数据的高效处理与知识融合

《软件工程3.0：大模型驱动的研发新范式》
本书系统地探讨了软件工程从 1.0 到 3.0 的演进历程，深入剖析了软件工程 3.0 的新范式及其核心特征。
书中详细介绍了软件工程 3.0 的实施策略和路线图，以及提示工程、RAG、智能体、数据治理、模型工程和安全治理等核心能力的建设。
通过对需求分析、架构设计、UI 生成、结对编程、测试智能化和运维监控等关键环节的实践案例分析，全面重塑了软件开发生命周期。
此外，书中还对软件工程的未来进行了展望，探讨了多模态技术和 AGI（通用人工智能）等对软件研发的深远影响。 
本书适合软件研发管理人员（包括研发总经理、技术经理、项目经理、测试经理等）、 软件工程师、软件测试工程师，以及对软件工程智能化转型感兴趣的读者阅读参考