8JEX9wmNNcSnAFcdmi1oqjfdJ6YjrXAFtGm2nsXMJqWn

另外人类社会进入文明社会，每一步都是通过暴力跟流血争取来的，任何社会的阶层都不会无缘无故放弃他们吃到嘴里的肉，8 小时工作制死了不知道多少人才换来的，我只是想说一句，人类文明的底色就是暴力跟兽性，穿上西装领带，但是不要忘记人自己的底色

老钟的人思维还是太狭隘了，我看楼上一大部分发音，基本上就是躲啊，换个环境什么的，很多时候是没办法的，你就在那个环境，摆脱不了的，难道就不活了？

做人呢当然要尊重法律，尊重社会规则，我们尊重这些东西是为了更好的生活，但是当规则跟法律失效的时候，记住你除了人这个身份之外，你还是一个畜生，畜生也是会咬人的，凶狠应该是我们作为畜生的底色，一定要记住我们控制兽性只是给法律、社会规则一个尊重，任何时候都不要失去兽性，拍电影拍电视剧需要讲逻辑，现实不需要的，前一秒笑呵呵，后一秒板砖跟刀子捅上去伺候也不是不行的

遇到事，在我们湘人来看，要么跑，要么准备战斗，法律规则也不是不能利用，14 岁线也是可以利用的，大不了就是不考公罢了，反正这社会体系，你还需要考公这条路，估计你的阶层离绝对底层也不会太高

另外社会本来就不是公平的，也不是什么法治的，哪个国家的底色都是弱肉强食，只不过是相对文明罢了，没有什么绝对理想型的理想国社会

@WasteNya #13 还不如买张卡自己部署，我现在脚本任务都是本地 2080ti 跑的模型运行的，不用跟你们挤免费的 api ，生成速度还贼快，现在中小任务，写个脚本啥的，全交给 qwen3-code-30b-flash 了

系统稳定性

还是先做整体的业务架构分析吧，你核心业务流程是什么，得搞清楚，说白了就是赚钱的流程，得保障这个流程不出毛病，像 apple 云，你云服务同步挂了，时间同步服务挂了，iMessage down 了，对 apple 来说也就是挨骂而已，你见过几次 app store 不能支付的？

像 B 端查询或者一些功能，就不要跟 C 端共用一套数据仓库，

非核心业务流程调用核心业务服务要做管控、降级、限流，尽量保障用户下单顺畅，即使页面上图片、优惠券、等系统都挂了，都要保障正常下单可用性，主要是底线思维 给老板赚钱的 一定要保障，隔离

分布式系统要做监控提升链路可观测性，日志要严格分级，使用 INFO DEBUG ERROR WARN 避免开发人员对日志完全没有敏感性，像我之前工作的地方，动不动就给你来个 ERROR 级别的日志，导致 ERROR 根本没人关注，一堆需要关注的 ERROR 被埋没在一堆本来是 WARN 或者业务操作异常的 INFO 里面

然后就是要能做到弹性伸缩，以及经常做压力测试检查，压力测试的 case 尽量要多，能拿线上的流量进行清洗后再重放是最好的，因为并不是所有的 case 能被检测到

最后，对于大的服务，面向 C 端的应用，服务能拆得越细越好，一定要有降级 灾难思维，有的时候测试包括压力测试也不是万能的，像我在携程的时候，隔壁组的老哥，给线程池直接最大线程数核心线程数配置个 2 ，上线后一点毛病都没有，因为根本跑不到他的 case ，当时所有的线程池参数配置纯靠开发人员的手感，没有任何监测，一个线程跑几个小时，把单个 CPU 打满了也没人知道，例行压测也没毛病，等春节那几天，刚好开通了啥功能，然后流量全跑他那个 case 上面了，结果服务器起来一波被打垮一波，你还没法回退，因为他的那个 commit 不知道哪个版本就发上去了，回退根本没用，生产出了毛病 定位问题又慢

轮询 U: F:盘符 导致 cpu 占用更高，但是 win32 当年真的资料是少的可怜，中文几乎就等于没有

@logic2 监听 usb 插入的原因是，当年 win inf 的病毒太多了，教室的电脑 被各种老师搞的基本上都是木马病毒窝了，经常出毛病，而且配置低，装个杀毒软件容易卡

没必要，AI 时代，挑个需求 + 技术栈，先 prompt 干起来就好了，老外喜欢按 roadmap 教，实际上项目遇到啥问题，就去了解 临时看一下就行，实在遇到不懂的，问 AI 就好，当年学 IT 就是问 google 而且要特意屏蔽中文区，中文区资料全没有今天这么丰富

08 年学编程的时候，msdn 大部头，家里小水管就下了好几天，那时候全英文的，中文资料少的可怜，光是给 delphi 写一个监听 windows usb 硬盘插入的功能，在高三花了我 2 个周末的时间查资料，而今天 AI 几分钟就搞定了，当年也不知道 windows 有消息机制，而且消息机制里面 包含这么多 API

压根就没讲到本质原因上，
程序猿 35 不好找工作根本原因

1. 老钟国工资很低，劳动力市场失衡，所以大家都想往 IT 挤，说到底，一句话，老钟人不是人，是畜生，人不值钱，权力、资源更值钱，一个劳动收入占 GDP 比重 比极低的国家，人就是畜生，没什么好说的

2. 很多人眼睛就盯着 IT 一亩三分地，没有出去瞧瞧别的行业，同等学历大部分工科行业的从业人员，混到 50 岁快退休混不到 1 万+，而且工作环境极其糟糕，而 1 万在 IT 行业很多方向是起步水平

3. 大部分工科并没有像计算机这样吃苦，烧脑子就能自学成才的环境，计算机你只要 5000 块钱买台 mac 笔记本电脑，再花 20 块钱翻过那堵几千万构建的墙，就能拥有 github 上亿价值的代码代码库，能不能起来成为合格的码农，完全只看脑子，别的理工科需要大量的实践机会才能成才。
举个简单的例子，我是学机械的，光是公差，以及装配 过盈配合 、间隙配合，这些东西就值得你研究一辈子，无他，都是经验，你不去现场，不了解国内的加工工艺、材料特性，以及那些行业内乱七八糟的潜规则东西，完全只根据教科书上教的 在纸上随便标个公差，那只会被工人跟领导骂死，而 IT 代码错了，google 一下，修复继续跑起来，实验环境简直太理想了，试错成本约等于 0

另外样式问题，我都会把对应的 html 贴上去，提高 LLM 的准确性

@totoro52 https://i.imgur.com/N9E3iZ2.png 一行没写，实际上脑子里面 写了上千行，只是让 cursor 帮你写出来而已，另外你看那个疯狂发请求的问题，不会 debug 的话，你半天都搞不定

https://i.imgur.com/Q51cuso.jpeg
继续送上我的头像

UID:Qx8Lmx
感谢

现在新语言 已经没有出路了，LLM 里面有大量成熟的 code ，LLM 只会让那些坐拥海量代码库的语言 越来越强，小众语言将彻底嗝屁

总结一句话，AI 适合小步快跑，适合小模块作战，不适合大规模上下文

没有，transformer 说到底还是概率模型，概率模型最大的问题就是容易出错，很多人说 AI 幻觉，懂的人都懂，这讲到底就是概率模型，上下文一多，出问题的概率就大，你没法保证你的上下文全部是干净明确的，搞不好 AI 就从哪里读了一堆模糊的上下文过去，而且生成式 AI 的目标是生成，它并不会思考背后是否合理，推理模型也是看着样子在推理罢了，实际上根本没有思考，很多时候也是胡说八道，这个 apple 的工程师已经调研过，有相关论文可以了解一下

其实我觉得现阶段更好的办法是 让前后端代码都在文件夹里面，代码的组织方式要更加配合 AI 的上下文，让整个模块的前后端代码都组织在一起，模块越小越好，代码风格明确，需求越明确，代码生成越是可控，不会出现 AI 给你改了一大堆代码，然后你在那里给它擦屁股的情况，而且小规模上下文，生成的代码接受比例更高

@wu67 我现在都是 防御性 先 git commit 一下，就怕 AI 给我乱改飞了，然后记录又没法恢复，烦死了

https://i.imgur.com/n119Wvk.png 在中国 甲方与乙方非重复博弈的行业 无一例外都是垃圾，我说的不是行业垃圾 ，而是从消费者的角度来讲

@snow0 兄弟 国内这种历史系统，哪里来的正确上下文 都是跟侦探一样看代码 梳理逻辑