To be refactored.After being laid off for the third time and going through dozens of interviews, I need to deeply reflect on how to establish myself in this industry.第三次被裁员后，经历了几十场面试后，需要深入思考自己应该如何立足这个

这篇文章记录一个可复现的问题：在 goose 1.27.0 下，通过 Azure OpenAI provider 访问企业网关暴露出来的 Claude 模型一切正常；升级到 1.28.0 后，同样的配置流程会在初始化带 tool 的 chat completion 时失败。最后顺着源码一路翻下来，发现根因不是 Azure 通道本身坏了，也不是 thinking 配置写坏了，而是 goose 从

前言本文初创建于入职百度之前，写作背景为在声网的时候太多的同事咨询日常事务，且从不看文档，正值 RAG 方兴未艾，号称是大模型幻觉的通用解。 因此酷爱尝鲜的我就在本地 4070 上部署了 Ollama 跑了个 Deepseek 32B 蒸馏模型，看它一个个字的蹦，也不失为一种乐趣。

期望作为个人工作中实际用到的DevOps相关工具链的整合搭建，同时也作为新手上手DevOps的Quick Setup。 背景长话短说: 数据分析师: 作为一名数学专业的划水学生，毕业之后无比憧憬能成为一名“数据分析师”，然后被忽悠到“信老师”（化名，具体内容可以参见我的一个视频总结）旗下工作； 爬虫：老师告诉我，数据平台还没搭建好，这样吧，你先自己去公网上爬取数据； 爬虫 *2： 第一份正式

有位前辈用一句话形容 Linux：“Linux 本身不要钱，但你（折腾）的时间更费钱。” 而寄宿在 Windows 上的 WSL，更是把这句话发挥到极致。 当时我从头搭建 Kubernetes 工具链。由于家境贫寒，本想用手头 4 台老旧 PC 搭个能用就行的集群；结果在 Windows 里装 WSL、再在 WSL 里折腾 Kubernetes 的过程中，遇到太多看不到尽头的问题，最后只好放弃。

选择在我自己在作为一名初学者学习编程的时候，曾看到过一位前辈在知乎日报中写道： 他们当年学习编程痛苦在根本找不到参考资料，只能自己硬着头皮摸索前进，不过好处是每个方向的技术选型基本上是固定的，不会有纠结； 而现在的初学者在一开始学习编程，就会很容易迷失在面对浩如烟海的技术路线选择中，尤其是热门的方向，总有前人做好了各种版本的教程、工具，完全不知道从哪里开始。 在我一开始学习DevOps的时候背过官

AI 真的很强，写文档的功力是我十年也赶不上的，但前提是：需求要说清楚。 这篇文章前后经过了三轮 AI 帮写，我自己再一边声明需求一边润色，面向 Spec 写博客是吧。 本文聚焦一个可复现、可溯源的问题：Goose Desktop / CLI 在执行 goose configure（或 GUI 里配置 Provider）时，Azure OpenAI 会在“拉取模型列表”阶段报 404，

再也不是毕业在即两眼一黑，更不是初入职场惶恐不安的状态了。不知不觉已经6年工作六年，在3年的时候拍了第一个 vlog ，那个时候说三年应该跨过新手期，深耕一个领域，现在看来没有辜负当时的期待。迄今，我的职业生涯从成都小公司做 python 后端 + 爬虫，经过深圳上海做 效能 / DevOps，现在定居上海，基本快完成从小就“想进入世界一流公司的梦想”了。