척척석사

코시국 다들 부동산에 미쳐있을 때를 기억함? 지금이 마지막 기회다. 지금 안사면 집 한채 없이 살아야 한다. 몇 년간 땅에, 건물에 대출로 묶여있어야 한다는 것에 질려버림. 미장으로 주식에 입문해서 티끌모아 티끌이라는 것을 깨닫고 저축 해지하고, 직장에서 대출 풀로받아서 목숨걸고 투자 중

@RealChickenBoy9 거들먹거리다

근데 꺼드럭이라는 표현이 최근에 많이 나오던데 최초에 어디서 나온 표현인가요??

@Passive_Builder 익스플러로 진 98만원... 근데 진짜 좋던데요

@keep_throttle 어흐 넘 이븐것

예쁜게 왜 이렇게 많은지..

@Passive_Builder 크 딱 그거 신어보고 왔습니다. 전 녹색 매니아

@keep_throttle 맨 윗칸 좌, 중간 넘 이쁘군요

와. 진심 대단하다.

@friendlyhoon 삼각지 신용산 사당 4호선 라인입니다ㅋㅋㅋ

@keep_throttle 앜ㅋㅋㅋ 저는 세종대로 한강대로 종로 통일로 라인입니다 🥰

횡단보도 건너다가 너무 예뻤던 녹사평역 서울타워🥹

나는 예능, 쇼 프로그램을 좋아하지 않는다. 십수년전 사람들이 이제 불혹을 훌쩍넘겨 아직도 술레잡기를 하거나 세상 물정 모르는 바보인척 하며 웃음을 이끌어내는 모습들. 그리고 자기들끼리 별명을 지어 부르고, 각자 파벌을 만들어 친목하는 모습들 그냥 다 기괴하다고 생각된다. 공감하지 않을 수도 있는데 그냥 오래된 생각이다.

@Oncemate0707 맥도날드와 KFC

어제 이 시간쯤 저녁으로 버거킹 먹었는데 오늘은 뭘 먹는게 좋을지 고민됩니다

@friendlyhoon 어르신들 맛집은 실패가 없습니다ㅋㅋ

@keep_throttle 정갈한게 편안한 집밥 느낌이어요🥹

송파 효미역 본점 고등어 구이 정식🤓 수 많은 어르신들 사이에서 뚫고 점심 먹었는데 미역국이 기본이라 음식이 간도 적당하고 속이 편함

@yongZa_R 5번은 패시브 육아탓 노노

@doppingtest 백퍼 머 묻었다

왜 자꾸 사람들이 쳐다보지... 난 사실 메이크업을 안한 게 더 예쁜건가 어쩌면?? 지금 메이크업 안한 상태인데 남자들이 빤히 쳐다보눈 것 같으네

@yonaiyy 거의 저 나이대ㅋㅋㅋㅋㅋ 성지다 성지

@keep_throttle 혹시 옆에 이분 계셔?

@sohn_ji @becomingEnadam 다시 들이고 싶네요ㅋㅋ 운동 진짜 많이 됐는데

@keep_throttle @becomingEnadam 지금 내가 컨셉투 당근 내놧는데 너무 멀군😂

도수치료실 닫고 빈 공간에 그냥 운동기구나 들여놓을까 하는데 고수님들 천국의 계단이랑 러닝머신 / 싸이클 등등 좋은 기계 추천 좀 ㄳㄳ

@stop_loss_stop sa na yo

이 책 상당히 좋습니다. 무슨 기법 따위는 전혀 나와있지 않고, 전업투자자의 애환. 고군분투하는 삶이 적나라하게 나와있습니다. 추천추천.

@gmpnavi @cfyj00 업글ㄱㄱ?

@keep_throttle @cfyj00 지금이 저점같기는 합니다. 내일은 언제나 고점이고 ㅋㅋ

github.com/garrytan/gbrai… [Gbrain] 지브레인을 아세요? 맥북m5 pro 64 환경에서 qwen3.6:35b를 사용하여 구축했습니다. GBrain은 단순한 데이터베이스를 넘어서, 에이전트(AI)를 위한 Second Brain입니다. 기존 메모리 도구들은 '파일'과 '폴더'로 정보를 저장합니다. 저의 경우는 옵시디언으로 저장중 입니다. GBrain 은 그 내용을 벡터로 변환하여 '문맥'을 이해합니다. 벡터로 변환하여 문맥을 이해한다는 말이 무엇이냐면 예를들어 옵시디언에 저장된 데이터를 의미를 분석하여 숫자로 변환하여 좌표평면에 배치합니다. 그러면 비슷한 의미를 가진(비슷한 숫자를 가진)것들 끼리는 좌표평면상에 끼리끼리 모이게되고, 의미단위의 지도를 가지게 되는것입니다. 즉 어렵고 복잡한 질문을 하더라도 메모리를 그냥 참고해서 단어를 검색하는것이 아니라 (메모리에 없는 단어일지라도) 의미가 비슷한 개념끼리 연결해(내 자료안에서) 가장 정확한 답을 찾아주는 엔진이라고 할 수 있습니다. 지금저는 Hermes-Obsidian-Gbrain-Hermes 이렇게 구성해놓았습니다. 첫번째층. 자료창고 Obsidian Vault 에 원천 마크다운 파일들을 때려넣고 hermes로 분류 정제합니다. 두 번째 층 (뇌세포): GBrain Obsidian 에 있는 문서를 읽어서, Ollama(qwen3.6:35b모델)가 이를 '숫자 벡터'로 바꿉니다. (예: "커피"와 "원두"를 서로 가까운 개념(가까운 숫자)으로 인식). 세 번째 층: Hermes Hermes의 역할은 "사용자의 말 -> gbrain 으로 전달 -> 결과 받기"입니다. 1. 제가 "카페 실패 사례가 뭐야?" 하고 물으면, 2. hermes가 gbrain을 호출해 질문합니다. 3. gbrain이 수십억 개의 거리 계산 중, "실패"와 가장 가까운 느낌을 가진 노트를 뽑아냅니다. (키워드 찾기가 아니라 의미 기반 매칭) 4.gbrain 이 찾아온 결과를 JSON 으로 저에게 건네주면, 저는 그것을 요약해서 "주인님, 현재 내 기록에는 이런 커피 철학 관련 실패 사례들이 정리되어 있습니다..." 라고 답변합니다. 위의 과정을 전부 연결하여 자동화 하였습니다. -외부 api없이 모든 데이터는 로컬에서 연산이 완료됩니다. -로컬llm 사용으로 비용이 들어가지 않습니다.(gbrain의 디폴트값은 유료api사용입니다.) -실시간으로 obsidian에 메모를 쓰면 자동으로 활용됩니다.

@gmpnavi @cfyj00 지금이라도 팔고 바꿀까 싶기도 한게 지금이 제일 쌀 것 같은ㅋㅋㅋ

@keep_throttle @cfyj00 애매하게 LLM 모델 돌리기 넘 힘듭니다 ㅠ

@gmpnavi @cfyj00 나두....,

@cfyj00 흑흑 노트북 살때 램 36gb로 살걸 그랬어요. 24gb라 애매하네요. ㅠㅠ

@mewpink 기분좋게 일어나실 듯ㅋ

@keep_throttle 아저씨 시원하시겠다

종로의 밤은 이 맛이지