分批修 bug 没问题，特别是互相有关联的 bug 。修好测试跑通了 git commit 然后再修下一个。

成本可控的性能可能不太过关。

啊？企业和企业之前几千万美刀的订单靠买 20 块钱的账号来提供服务？

怎么利用网络应该是你搞宽带的前提条件啊，哪有先考虑拉宽带再考虑拉来怎么用的。
正常应该是你的路由器接管两个 WAN 线路，然后在路由器内部去处理负载的问题。

另外 AI 也不都是在阻碍学习的。AI 快速产出的能力，不怕试错的特点，注定会让你的学习路线更加广阔。比如你现在只会写 Java 不会写 C++，没有 AI 的时候你可能只能想着看看书学 C++，然后看着看着就不想学了，扔了得了。现在呢，你可以让 AI 帮你写你想要的代码，写完以后你自己去咀嚼研究。就算不去深究，就只是用 C++把程序 vibe 出来，也一样可以让你学到原本看书学不到的东西。

之前有个程序，C 写的，当时当然是手写的，稀烂。后来玩 C++的时候用 C++2x 的新标准 modules 把之前的项目重写了一遍。最近看着又觉得不爽了，AI 推荐我换用 nim 试试，就把这个项目又重写成了 nim 。当然，代码都是 AI 写的，但我至少有了用 nim 的宝贵经验。而这是没有 AI 的时候我想都不敢想的事情。

所以学习也好进步也好，还是要取决于你怎么去发掘 AI 和自身的潜力，充分利用好这些资源。

@Kinnikuman 那说明这部分的「进步」已经不再被需要了。
三十年前的程序员们研究 DOS 实模式，研究各种汇编指令，中断，结果到了 NT 时代，一切都是美好的 WINAPI 编程，再也不用和底层打交道了，写代码也只要写写高级语言，最低也不过就写个 C ，是不是也可以说现在的程序员们都没有咀嚼到营养没法进步了？
科技总是在进步的，古法总要被淘汰或者扫去角落的。有了 AI 那有基于 AI 工作的方法，死抱着旧世界才是更难进步的。

举个例子，我之前写某个开源软件的时候，大量的时间花在写计算逻辑，还有手动汇编优化上。那时候为了把汇编调通，动辄就要花上好几天的时间调试修改。最近有机会回头去看这个软件，我的工作流程就完全变了。首先第一步就是让 AI 帮我把测试环境部署上，用成熟的测试框架，把核心算法的正确性确立下来。一套 C 语言版本，一套 SSE 汇编，一套 AVX 汇编，先用随机输入数据喂进去然后检查输出是否完全相同（包括浮点数也需要计算结果完全精确）。有了测试框架以后，接下来要改代码就简单了，想做什么就让 AI 放手做，做出来如果效果不好，就 reset hard 然后走别的方向尝试。

做项目要遵循的过程是什么？
Make it work, make it right, make it fast.

以前古法编程的时候，得花大量的时间去完成最简单的 make it work 的部分，因为光是一个项目一个核心算法就要花掉几天甚至几十天时间。现在呢，一套需求可能只要几个小时甚至几十分钟就能做完了。你可以频繁地试错，用最短的时间去完成尽可能多的事情。最快地做完 make it work 的部分，然后马上就可以投入到 make it right 甚至 make it fast 当中去。当你有了一个新的点子以后，再也不用畏首畏尾担心把大量的精力投入到错误的点子里去，因为你畏首畏尾的这点时间里 AI 已经帮你平推完了。

以前软件互联网行业创业讲究一个快速开发，所以 Ruby on Rails 那时候在硅谷非常流行。你有一个点子，操起键盘，两个星期时间就能用 Rails 平推出一个 MVP 来，投放到市场上去试错。现在有了 AI ，你有一个点子，操起 AI ，一下午就能上线了。

你说，谁需要去这么关心背后的学习调研实践呢？归根结底工作是看结果的（人生其实也挺像），工作完成了，挣到钱了，才是真的。你努力学习目的就是为了学吗，不是吧，目的不是为了更好地完成工作吗。那现在已经能完成工作了，还需要学那些干什么呢。

从另外一个角度来说，其实 AI 出现并不会显著改变人与人之间的顺位关系。没有 AI 的时候，想学的人还是会努力学，不想学的人还是会躺平。现在有了 AI ，想学的那些人跟着 AI 学习，进步速度更快了，躺平的人还是继续躺平。
-----
现在我司是强迫要求每个人都要重度使用 AI ，所有的代码都要用公司提供的 AI 工具来生成，所有的 PR 都要用公司的 AI review 工具来检查。我只能说，走一步看一步吧……AI 这波技术估摸着还要快速迭代好几年，可能两三年以后又要变得妈都不认识了。

编码能交给 AI ，但你其他的基本功还是有用的。
我前几天在帮人改代码改善性能。对面是个处理视频的开源软件（ AES 和一些辅助处理），在我的服务器上跑起来大概 20MB/s 的读写速度，CPU 跑满了，我一看，肯定代码里有大坑。后来我拿了 perf 去找函数热点，然后让 AI 来分析，让 AI 来改善代码，我再编译了验证，最后大概把性能提升到了原来的 2.5X ，在朋友台式机上跑出了 500MB/s+的处理速度。

那为什么开发这个软件的人，自己没有用 AI 发现并优化呢，用这个软件的其他人没有发现并优化呢，为什么这个人是我呢。技术能力，并不全是把设计书变成代码的能力。想一想，公司的 CTO/VP-E ，平时也不写代码的，那他们的价值体现在哪里呢？技术选型，方向把控，拿捏重心，除了打代码以外还有很多事情是需要人脑去发力的。

笑死，我之前笔记本 4060 拿来跑图的，就是慢点而已。

公司给的 GPT4.1/5 ，自己用免费版 Gemini Pro 。

VSCode 本来就是一个很常用的编辑器，一般不需要谈「怎么转 VSCode 」的问题。

现代 AI 编程就是开个 CLI 或者是用 RooCode 之类的，和编辑器整合让 AI 边读边写。

@c9792536451 懂了，这就联动 EVA （狗头

顺便提一句，不要重蹈这位老哥的覆辙 /t/532897

体积小、跨平台、性能高

谁不想呢。可惜，想法是美好的，钱包是骨感的……

其实这个年代，想试试的话也未尝不可。掏出 AI ，找个便宜点的中转平台，给自己定下 100 块钱的成本，找个价格适中的模型，花几天或者一周时间开发一个 markdown 编辑器的 MVP 出来，然后根据结果来决定要不要下水。如果一周时间都写不出一个 MVP 甚至 POC ，那我觉得就可以放下笔了。

咱们就按 100 算，如果你的卖点就只是所见即所得修改大文件的话，就算全中国加起来愿意买你的产品的人恐怕也不会超过 20 个吧，那你能用于开发和后续维护的成本就只有 2 千块。按照月薪 1 万来算，你这个项目得 3 天内干完，然后留 1 天的余量给后续维护，这才只是能回本。

反过来说，如果你的目标是做一款完全代替 typora 的上位产品，即实现 typora 的所有功能，在这基础上再加强大文件修改的话，倒可能市场还大一些，但说白了还是要做好成本核算，再加上 typora 已经有很多人买了，他们愿不愿意再掏一份钱也是个问题。

（除非你打算用爱发电做免费开源的项目，干死 typora ，倒说不定可行？）

这年头本地 md 编辑器就已经是小众软件了。大众在用什么呢？我周围的朋友都用 lofter 。

市场？
你的意思是，有人宁愿付费购买你的产品也不愿意把大的 markdown 拆分成多个小的来编辑是吗……

而且看你的意思，你做的还不是一款 markdown 编辑器，而是一款定位于所见即所得的编辑器。
我要编辑那么长的 md 的话，开个 vscode 直接改代码就完事了，还要付费买编辑器吗。

我觉得先问问你自己，愿不愿意掏钱买这样一个产品吧，以及，打算掏多少钱，然后再核算一下如果开发出来会亏多少钱吧。先写个最基本的商业计划书。

我觉得这个目标有点太一刀切二极管了。躺平休息也不等于就要完全不挣钱。年轻的时候拿命换钱，年纪大了悠着点，少换点钱也是可以的，比如你选择一天只工作 8 小时，每周只工作 5 天，想出去旅游了就请个假，这又何尝不是一种退休呢（狗头

正经点说，如果你有几套房子，然后每个月靠收租过日，其实也不算是完全停止挣钱。如果有自己的公司实业，靠员工奋斗给你买法拉利那也不算是完全停止挣钱。轻松挣钱的法子也是有不少的。

我反正现在已经是半退休状态了，就差个房贷还完然后积累点存款，就完事了。