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

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。

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，

之前维护了一个实时记录贴，想到哪写到哪，所以格式杂乱，现重整理总结贴。 近况更新 （2026年3月）跨越一年了，进步很大，减了 30+ 斤，体脂也从 33.3% -> 24.4%。 看样子等到天气热，能系统锻炼时，就可以追求前所未有的目标了。

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。

本文先用 Cursor Plan mode Sonnet 4.5 生成 plan，再由 grok-code-fast-1 生成具体文章；（首次AI writing）发现几乎没有人味且幻觉严重距想表达的意思相去甚远，想到连完备的，没有歧义的代码都能乱理解乱改，更别说本来就“约定俗成”的自然语言了，因此最后由人类（本人）就着框架几乎重写了一遍。但不得不说，正如 Coding with AI Agen

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

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