msg7086

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。