msg7086

你这个是心理问题，和 AI 没那么大关系。
因为不是你亲手做的所以就不算是你的东西了？那所有公司的领导都啥事没做了，反正都是安排下面的基层员工干的，老板领导在上面统筹指挥，他们干了个啥？
开着 AI 干活和你做领导抓下面员工干活是类似的，你没找准自己的定位，明明处在领导者掌控者的座位上，却想着自己有没有和一个基层员工一样去掌握最细节的工作内容。
每天撸很多项目就更怪了。我不懂。

1.你可以用 Windows 10 ，方便稳定还不用担心用着用着被自动更新了丢了重要文档。
2.下载 22H2 再更新到 25H2 属于自找麻烦了。
3.更新可以考虑用第三方软件，wumt (Windows Update MiniTool)之类的。
既然咱们选择了捏着鼻子用 Windows 那肯定是因为离不开，既然离不开，那你真就只能捏着鼻子用，那不如挑个捏得不那么紧的路线。

微软是商业公司，他的第一要务是挣钱，抢占市场，满足股东的期望。至于你我？你我算什么东西，只是他用来挣钱的商品而已。

@coldriver
昨天在 tg 上和人讨论的时候也有人这么说。会这么说就是没搞清楚 github 到底是个什么东西。
归根结底 github 最大的价值在于他的社交属性而不是他托管了个仓库。
你自己想想，天下 git 托管方式那么多，从自建的 gitea 到其他家像是 bb gitlab 各种，为什么大家都主用 github ？就连 ffmpeg nginx x265 这些著名项目都在 github 上建了镜像，为什么？
就是因为 github 的社交属性，人们互相关注，互相 fork star ，口口相传。

那打击这种项目最快的方式，也就是在社交层面上震慑。贴出温暖的律师函，可比冰冷的 DMCA 页面有用多了。对方对删库一点兴趣都没有，对方关注的是能不能杀鸡儆猴，让看到的人别再想着折腾类似的事情了。

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。