7月总览

一	二	三	四	五	六	日
	1	2	3	4	5	6
7	8	9	10	11	12	13
14 ×	15	16	17	18	19	20
21	22	23	24	25	26	27
28	29	30	31

2025/07/14

今天是失败的一天，来复盘一下发生了什么。

崭新的一周，我8：45左右来到公司，吃完早餐大约9点。做到工位上的第一件事是用电脑打开了B站，为了升级到Lv6，最近我每天都会投币三次。完成每日经验任务后，我并没有停下，而是继续看B站，由于最近对手机的关注，开始看各种各样的手机测评视频和网购链接，今天主要看了一加13T。B站大约看到11点。

也就是说早上一到公司就看了2个小时B站，B站首页尝尝推荐一些软色情视频，即便没有点开，但一眼看过去还是会有一丝邪念在心中升起。

11点左右，想起刚刚更新的仙逆还没有看，所以又去看仙逆。最新一集的仙逆中，王林在尸阴宗遇到了一漂亮女子，破我道心，这应该算是今天的Trigger。就这样去了厕所，下载了Telegram，打开了jable.tv，做了不该做的事情。

反思：

少看B站。每天只点开三个视频，把币投完，不观看内容，10秒钟内完成。

禁止下载Telegram。

**罪恶！**想到今天已然是失败的一天，多来一次也无妨，所以晚上回家之后，一个人在家居然又来了一次！

2025/07/15

今天7：50出门，8：30吃完早饭坐在工位上了。今天专注力恢复计划的第一天，我一定能够可以的！

9:00 - 10:00 制定公考备考计划。
10:00 - 12:30 学习论文《Towards Efficient Generative Large Language Model Serving: A Survey from Algorithms to Systems》。
12:30 - 14:00 午间休息。
14:00 - 17:00 思考树莓派硬件身份识别工作如何开展。

工作碎碎念

LLM优化

如果要将LLM应用于自动驾驶，那么LLM的输入是道路场景，包含丰富的信息，即大输入；而输出可能只有一两个token，如刹车、右转等，即小输出。在大输入-小输出的场景，对LLM的优化是否应该聚焦在prefilling阶段呢？ prefiiling和decoding的主要区别是prefilling阶段没有KV cache，所以如果要针对prefilling阶段进行优化，那么与KVcache相关的优化思路的优先级就低一些？

decoding阶段的优化在小输出场景收益有限：优化如KV Cache管理、加速单个token生成的技术（如更好的解码算法、小kernel优化）当然也有价值，但由于生成阶段本身耗时占比小，其优化的绝对收益远不如优化Prefilling显著。在小输出场景下，投入过多精力在生成阶段优化上性价比不高。

树莓派硬件身份识别

我们在空闲、中负载、高负载三种情境下采集涵盖CPU、GPU、内存、SD卡的指标，如温度、时钟周期、执行时间差异等，每次采样的数据组成一条特征向量，每台树莓派采几百条，然后针对每台设备训练一个小模型，学习对应设备的特有运行轨迹。这样再从新设备上采集参数序列，输入到所有设备的模型，理论上，误差应该是全部过大，判定为“未知设备”

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59


import subprocess
import time
import csv
import os
from datetime import datetime

def run_cmd(cmd):
    result = subprocess.run(cmd, shell=True, capture_output=True, text=True)
    return result.stdout.strip()

def get_temp():
    return float(run_cmd("vcgencmd measure_temp").split('=')[1][:-2])

def get_freq():
    return int(run_cmd("vcgencmd measure_clock arm").split('=')[1])

def get_volts():
    return float(run_cmd("vcgencmd measure_volts core").split('=')[1][:-1])

def get_mem_free():
    mem = run_cmd("free -m").split('\n')[1].split()
    return int(mem[3])  # free memory in MB

def get_sd_write_speed():
    cmd = "dd if=/dev/zero of=tempfile bs=1M count=10 oflag=dsync status=none && sync"
    start = time.perf_counter()
    run_cmd(cmd)
    elapsed = time.perf_counter() - start
    os.remove("tempfile")
    return round(10 / elapsed, 2)  # MB/s

def get_exec_time():
    start = time.perf_counter()
    _ = [x**0.5 for x in range(10000)]  # dummy workload
    return round((time.perf_counter() - start) * 1000, 3)  # ms

def collect_once():
    return [
        datetime.now().isoformat(),
        get_temp(),
        get_freq(),
        get_volts(),
        get_mem_free(),
        get_sd_write_speed(),
        get_exec_time()
    ]

def main_loop(outfile="metrics.csv", interval=5, rounds=100):
    with open(outfile, "w", newline="") as f:
        writer = csv.writer(f)
        writer.writerow(["timestamp", "cpu_temp", "cpu_freq", "cpu_volts", "mem_free_MB", "sd_speed_MBps", "exec_time_ms"])
        for _ in range(rounds):
            row = collect_once()
            writer.writerow(row)
            print("Collected:", row)
            time.sleep(interval)

if __name__ == "__main__":
    main_loop()

2025/07/16

今天一天没好好工作，而是对家庭财务状况做了一些复盘和规划。

一是规划了父母养老保险的事宜；二是规划了2026年度家庭年度预算。

用房用车相当于家里多了一口人

用房指除房贷以外的用房费用，如物业费、车位管理费、水费、电费、燃气费、宽带费。按年计，物业费每年约4000元；车位管理费1200元；水电燃气宽带加起来算2300元。共计7500元；

用车费用包括油费、保险费、停车费、保养费、违章费、过路费等，依旧按年计，油费按0.6元/公里，每年一万公里计为6000元；保险按每年4000元计算；停车费按照5000元计算；保养按照1000元计算；违章按500元计算；过路费主要为高速费，按照1000元计算。共计17500元

用房+用车 = 25000元/年，平均每月2000元左右。我读大学的时候生活费就是一个月2000，可不就相当于家里多了一口人嘛！

还有辆摩托车没算呢，油费大约0.2元/公里，保险每年300左右，保养每次50元左右。合计也得2500元/年左右。

家庭储蓄小技巧

连续三年，每年存一笔三年期的定期存款，到期后存三年。举个例子，2025年、2026年、2027年分别存一笔三年期的定期存款，这样从2028年开始，每年都有一笔存款到期，到时如果有用就拿去用，暂无用途的话就连本带息再存三年（也可以再加上一些，提高存款额度）。

【日记】2025年7月

从掌控冲动开始，逐步建立更专注、有掌控感的生活。