最大基友社区GitHub：存在性骚扰行为
GitHub与来自学术界、业界及开源社区的研究人员紧密合作，设计了一份调查，旨在收集开源软件开发实践和社区方面高质量、新颖的数据。
相关分享
重要系统外网可访问，可能存在哪些风险？又该如何防范？
在使用 MySQL 时，动态表名查询需求较为常见，可通过拼接 SQL 动态生成查询语句，再结合预处理方式避免安全问题。此外，使用存储过程或视图也能实现类似功能。灵活运用这些方法，能显著提升数据库操作效率！你常用哪种方法？
无图
利用gorm自身提供的方法实现存在更新不存在则创建的能力
MySQL 有一个语句是 UPSERT 的操作，它结合了 update 和 insert 两种操作的功能。当执行 upsert 操作时，如果指定的记录已经存在，则执行更新操作；如果指定的记录不存在，则执行插入操作。这种操作可以用来确保数据的一致性，并且可以减少对数据库的访问次数。
无图
Github commit 签名+合并 Commit
借着这个机会也了解了 rebase 的骚操作挺多的，不过我平时用的最多的还是 merge，这个倒没有好坏之分，只要同组的开发者都达成一致即可。
无图
如何高效使用 GitHub Copilot
GitHub Copilot 是一款由 OpenAI 和 GitHub 联合开发的人工智能编程助手，基于 GPT-4 模型。它可以帮助你编写代码、提供代码建议、自动完成代码片段等，大大提高编程效率。下面是如何高效使用 GitHub Copilot 的一些建议。
无图
后 GPT 时代，NLP 不存在了？
ChatGPT 发布以来，关于被 AI 替代以致于失业的焦虑声音不断涌现，即便是传统的 NLP 亦不能幸免。在开发贾维斯的过程中，博主需要解决意图识别的问题，本文分享了两种解决问题的思路，它们分别是以 ChatGPT 为代表的大语言模型、以 Rasa 为代表的传统 NLP。
对于 “NLP 已死”、“NLP 不存在了”这样的观点，笔者的看法是，这实际代表了人工智能的两种方向：通用智能和专业智能。虽然像 ChatGPT 这样的通用型 LLM 表现不俗，但是对于 NLP 的一系列问题，永远依赖于调用一个外部模型注定不可行。在这种情况下，你不可能像 OpenAI 一样投入大量人力、物力去训练一个 LLM。此时，选择 LLaMa 或者 Alpaca 这样的“小”模型就不失为一种明智的选择。
此外，现阶段 LLM 的微调、“投喂”数据依然需要 NLP 的知识。像传统 NLP 那样细分的、垂直的子任务会越来越少，而多模态/跨模态的场景和应用会越来越多。如果用一句 100% 正确的废话来描述就是，这是一个机遇与挑战并存的时代！
无图
拥抱 GitHub Actions
工作这么多年以来，种类 CI/CD 工具都有些接触。但唯独最青睐的还是 Jenkins ，她的灵活性、定制化、插件覆盖度等都是一度好评。
我有多个服务、站点，虽然没什么流量，但一直做为我自己调研的目标和学习的途径。在实际使用 Jenkins 时，也屡试不爽。但随着服务数量的增加，是越来越不好维护。当然，这里并不是说 Jenkins ，因为跟我本身能力有很大关系，没有好与不好，只有合适不合适。
无图
上架Steam一周的付费游戏，在GitHub开源了！
最近，一位开发者把自己在 Steam 上的游戏 ——SNKRX 开源了，这一举动引发了网友们的关注。
这款游戏几天前刚刚在 Steam 上线，售价是 15 元（促销价 12 元）。
并且大部分网友给出了很高的评价：
无图
在GitHub上提交代码必备指南！
将拉取请求（Pull Request，即 PR）控制在很小是一门艺术。在编写代码的时候，你经常会有重写、重构代码或整理代码的格式的冲动，但总的来说，优秀的开发人员会抵制一次性修改所有内容的诱惑。他们会集中一个目标，并将需要更改的代码量降到最低。有些人甚至会相互比较“删除的代码行数”与“增加的代码行数”比率。如果你需要重构和优化代码，那么请分别进行。不要找借口将所有改动都塞到一个 PR 中，这是懒惰。
无图
黑客用GitHub服务器自动化挖矿，一次可运行上百矿机
这是社交媒体上的一个言论，谈论的是前不久，黑客白嫖 GitHub 服务器进行挖矿的事件。早在去年 11 月，就有媒体曝出此类事件，可惜到今天似乎仍然未被禁止。
无图
程序员必备的10大GitHub仓库
GitHub 不仅是维护代码的好工具，而且是学习和成长的好工具。身为一个软件开发者，我一直在寻找有用的 GitHub 仓库，从中学习和发现灵感。以下是我最喜欢的 10 个仓库。
无图