节后第二天，坐在工位不知道怎么开始干活，感觉要做的需求收益很低，但又不能不做；想看看机会，又不想在工位明目张胆，坐如针毡，非常难受。百无聊赖，写点东西，平复下心情。
这本书中，有对时间管理的认识，有对金钱的看法，有对职场经验的分享。整体上说，这本书还是对我有启发，尤其是在职场部分，例如《工资是职场最大的陷阱》。有时间的也可以看看，虽然这本书没有说明具体要如何做，但至少说了要做什么好。
没时间的话，可以抽空看看以几篇，这是我觉得还不错的文章（这些小章节均相互独立，百度即可搜到）。
- 《要赚未来的钱》
- 《你笑他们太low，他们笑你不懂》
- 《高收入都是睡出来的》
- 《摆脱低水平的勤奋陷阱，获得高水平的反思能力》
- 《为什么别人是高管，你至少员工》
- 《请警惕你的“弱者思维”》
- 《不忘初心？也许“初心”没那么重要》
- 《工资是职场最大的陷阱》
- 《你的收入为什么还没有指数增长？》
偶然翻到自己在5年前写的读后感，人的记忆确实不靠谱，因为要不是翻到这篇读后感，我忘记了自己读过这本书，即使现在翻到这篇读后感，也忘记了每篇的内容是什么了。^_^
面向初学者的生成式人工智能课程
课程简介：微软云技术布道师团队提供的十二章系列课程，了解构建生成式 AI 应用程序的基础知识。
课程介绍和学习环境设置
代码资料：https://github.com/microsoft/generative-ai-for-beginners
第一章 : 生成式人工智能和 LLMs 介绍
学习目标，学习完本课程后，您将会了解到：
- 什么是生成式人工智能以及 LLMs 如何工作。
- 如何针对不同的使用 LLMs 的例子(这里我们重点关注教育场景)。
第二章 : 探索和比较不同的 LLMs
学习目标，完成本章学习后，您将会学习到：
- 为您的应用场景选择合适的模型。
- 了解如何测试、迭代和提高模型的性能。
- 了解企业如何部署模型。
第三章 ： 负责任地使用生成式人工智能
学习目标，学完本章内容后您将了解到：
- 构建生成式人工智能应用程序时负责任的人工智能的重要性。
- 在构建生成式 AI 应用程序时何时思考和应用 Responsible AI 的核心原则。
- 您可以使用哪些工具和策略来将 Responsible AI 的概念付诸实践。
第四章：提示工程基础
学习目标，在本章中，我们将了解什么是提示工程、为什么它很重要，以及如何针对给定的模型和应用程序目标制定更有效的提示。 我们将了解提示工程的核心概念和最佳实践，并了解交互式 Jupyter Notebooks“沙箱”环境，在 Notebooks 中我们可以看到这些概念应用于实际示例。
在本课结束时，我们将能够：
- 解释什么是提示工程及其重要性。
- 描述提示的组成部分及其使用方法。
- 学习提示工程的最佳实践和技术。
- 结合 OpenAI 将学到的技术应用于实际示例。
本章值得反复看，尤其是提示词使用那块
第五章：创建高级的提示工程技巧
学习目标，完成本课程后，您将能够掌握：
- 应用提示工程技术来改善提示结果。
- 执行多样化或确定性的提示。
T+1与T-1的区别主要是看数据的角色视角不同
T+1：站在数据生产的视角观察，数据是生产后，T+1天后才被看到（即生产出数据第二天才能看到，所以是 +1）；T-1：站在数据分析人员等看数据的视角是，看到的数据是T-1的数据（即昨天的数据，所以是-1）。
思路如下图：
将需要完成的目标的具体实现步骤，梳理出来，越具体越好，梳理的时候需要用逻辑思维推理，完成了这一步，是否能到下一步，如果不能，还需要什么，逻辑关系提前在脑子里理顺了，实现起来也就不会因中途某一步卡住阻塞，打断。
PS：这个思路灵感来自与QA（软件测试）在写测试用例时，会提前将需要测试的每一步梳理出来，拉产品、研发评审，之后等测试时就完全按照这个测试用例执行了。
