经历类似，只是我是二线城市。
小时候在农村生活，上小学的时候来到城市。现在农村的联系基本断了，文化、亲缘、认同、感情都断了，仅有直系亲属的丧礼回去过。回去的时候，走了一圈，仅有少部分老人和留守儿童还在居住，我也不认识家乡的人了。
对于城市，所谓的归属感其实来源于资产。土著们经过上一代人的家庭合并，轻松掌握 5 、6 套房产，甚至，周边的同事有一栋楼，他们很惬意的生活、工作、旅行，转发这座城市正面的新闻，诸如新建的公园、基础设施。。自己的父母虽然没有文化，但靠着努力和时代红利，在城市落了脚。自己高考虽然考上 985 ，但走了太多弯路，算是把前途搞废了，现在领着一份仅够自己温饱的钱，也不知道未来去往哪里。父母那般在城市里买房的成就，我是达不成了。
HK 的事情刚发生的时候，我也骂他们是废青，一身黑衣做螳臂当车似的挣扎。但渐渐的，我发现我也是废青，买不起房的都叫废青。走在马路上的时候，看着这城市繁华的高楼大厦，脑海里经常觉得这里像是阿房宫，是与我无关的繁华，阿房一炬，化为焦土，我也不会感到一丝伤心把。

写 SQL 的活以后越来越少了。
大模型做单表的 text-to-sql 现在很成熟。多表的再过一年也轮不到你写了。

更惨的情况是，你的客户因为信创买了 YKW 的数据库。然后客户又要求你适配 YKW 的数据库。你并不是 YKW 的直接客户，所以你连他们家的产品文档都下载不到。反正 PG 能用，YKW 的数据库用着察觉不出问题，能过验收，这国产兼容适配的任务就完成了。

看你的描述，准备转技术岗是不太行了，知识储备只有计算机专业学生大一的水平。
但是可以做一些非技术的岗位，比如：产品经理

团结起来，减少消费，攒钱养老。
调休消费旅游去他妈。

没那么复杂，因为没有几款可以选的

GPU: NVIDIA ampere 、ada lovelace 、hopper 架构的工作站卡、数据中心卡，techpowerup 的 GPU 数据库里面筛选一下就出来了，但是里面的算力不是很准确，要搜 NVIDIA 的官方参数。常见的训练卡 A100/H100 。 推理 4090 、A6000 、A40 等。
连接性要考虑上不上 nvlink 、nvSwitch 。前者只能连接两张卡，后者用在 HGX 平台一出手就是八张卡。

CPU 就志强三代、四代。AMD 宵龙。cpubenchmark 上看个单线程、多线程跑分。

大多数 ai 应用都是在玩提示工程，这个还是要会的。
移动互联网时代也不是所有参与者要知道移动终端怎么做的，手机通信是什么原理。

简单低门槛和好找工作是矛盾的。
目前就业市场程序员供大于求，简单低门槛意味着竞争者多，那工作就不好找。

你知道 text-to-sql 吗？
以前做数据平台的厂商，基本都用 LLM 做了各类 chat copilot ，实现对话取数了。

举个栗子：gbi.cloud.baidu.com

你再试试 perplexity.ai

公司现在除了大模型的岗位在招人，其他所有岗位都在裁员。

你管他能不能实现 AGI

苹果生态支持点赞啊。

另外这个 1.8B 的大模型能达到 demo 里的效果吗？有点怀疑

恭喜你已开出盲盒奖品为阿里云社区积分 100 个（一分钟后生效）。分享更多好友参与，有机会赢取 iPhone15 、机械键盘等大奖！

顺带一提：我比较极限，把以上配置塞进了 SSUPD 里，一个 15L 体积的机箱。

本地只能跑跑推理和 7B lora 训练。更大规模的训练可以选择租 A100
我的配置是：
GPU：4090D 虽然是 dog 版，但是目前 4090D 的性价比是比 4090 高的。
板 U 内存：B550I + 5800X + 2 *32G 以前攒的，跑大模型对 CPU 要求不高，内存要注意有一些步骤，比如 lora 合并、量化会使用内存，如果内存太小可能就跑不起来，64G 是需要的。

电源散热机箱：根据自己需求配把。

主要成本还是显卡。

19.99 基础款（实际没有库存，只是压价）
23.99 走量款
36.99 高端梦想款

以前做什么工作？