> 他就摆早上和晚上,没有其他成本

说得太轻巧了，老家镇上的早餐的营业时间大概在 6 点~9 点，假设备餐时间 3 小时、收摊 1 小时，这意味着早餐商家得 3 点起床一直工作到 10 点才能休息。如果还要做晚上生意，那么最迟下午 3 点就得开始忙活了，一直干到晚上 8 点才能停下来。这样算下来一天的工作时长少说也得 12 小时了。

我在用 Arch Linux 跟 Windows 11 ，最近 3 年从来没有因为 Arch 系统更新导致无法开机；但是最近 3 个月我在 Windows 上遇到了一个严重的问题，每次系统一更新并重启后都会蓝屏。值得庆幸的是我不用 Windows 办公，这个蓝屏问题不影响我的日常工作，但我不得不花十几个小时的业余时间像几年前折腾 Arch Linux 一样尝试修复 Windows 更新的问题，因为 Windows 是闭源的，我只能逐个卸载最近的 Windows 更新以及 Windows 系统功能来排查。

最后尝试到彻底卸载并清空 WSL2 数据，这个蓝屏的问题才解决，说实话这个过程比排查 Linux 上的问题要麻烦很多。

完了，我看上面的文本时脑子里已经有配音跟画面了。😂

> Shamiko 已经停更了，相关功能整合到 next zygisk 了，试试这个模块，安装后需要在 web ui 配置一下

这个好像有效，我用的 Magisk(30700)，安装了 Zygisk Next （ 1.4.2 ），然后卸载 Shamiko ，并关闭 Magisk 自带的 Zygisk 实现重启手机。开机后进 Zygisk Next 的 WebUI ，将 Denylist Policy 改为 Enforced ，并开启 Use anonymous memory ，然后就可以继续用农行了。

> 如果是只让 Opus 负责思考、总结、下达任务，而那些搬砖、码字、改文件的脏活、累活，都让本地模型跑，或者更便宜的模型跑，这样是不是会更好？

这里有一点我比较好奇，本地 LLM 能力肯定不如 Opus ，所以让 Opus 下达任务的时候，如果任务说明不够详细，那么本地 LLM 干脏活累活也容易出错。但如果任务说明详细到了不可能出错的程度，那么这里用来交代任务的 Token 是不是可能比让 Opus 自己来做更多呢？

推荐 TailwindCSS 作者写的这本书 https://refactoringui.com/ ，作者本身就是程序员，给出的建议都很有实操性。

@aklllw #7 好的，避坑了 😂

MiniMax 的 token plan 还在卖

F# 还提供了一个更加进化的版本 Computation Expression ，允许自定义关键字

如果我是你，我会买油车，因为在年里程这么少的情况下，加油会比充电更方便省时。

楼主好人一生平安 ID:763

我的方案是 zerotier + 拥有公网 IP 的 VPS + singbox 。外网设备通过 singbox 客户端连接 VPS 上的 singbox 服务端，然后通过路由规则将发往局域网的流量通过 zerotier 转发到家庭网络的 OpenWRT 上，以此实现远程访问。

实测在联通 5G 网络下满足远程播放 20Mbps 码率视频。

https://zeeko.dev/2024/12/2024-family-network-upgrade-network/

上哪里可以玩啊？

把 vpn 集成进浏览器里面的话，就没法在公网通过 NAS 手机客户端访问了内网服务了，这样的用户体验得下降📉一大截。

我有一个想法，可以通过某种技术，将 NAS 上的指定端口映射到外网设备 localhost 的固定端口，这样外网客户端就可以通过指定本地端口连回内网 NAS ，而且也不会干扰客户端路由表。

不用 Redis 的架构案例： https://v2ex.com/t/1187618

我安装了官方的 IDE 插件，通过 IDE 启动的 Claude Code 实例跟 IDE 的连接挺稳定的 https://plugins.jetbrains.com/plugin/27310-claude-code-beta-

> 我个人理解是，只要 AI 无法消除幻觉，做到 100% 准确，就始终需要使用者具备判断 AI 是否准确的能力，而非照单全收。在这个例子里面，能断定 AI 可以解释清楚的前提是，你能完全理解以上提及的知识点。否则 AI 自圆其说，也许会把你说服，但却是在扯谎，那就非常糟糕了。

我感觉你这里已经提到了一个比知识面广更重要的特质了，就是不轻易被 AI 说服，或者说，要具有批判性思维。

> 另一方面，在 AI 的知识深度与广度都远超人类的今天，我们这些技术人员应该把精力放在哪里呢？有些迷茫。

如果是为了工资而编程，那么不管有没有 AI ，技术人员是不是都应该把精力放在搞钱上？卖时间的就应该想办法让单位时间更值钱，卖体力的就应该想办法让劳动产出更值钱。

> 最后，这真的不算八股，AI 当然可以解释清楚，但这么一段简单清晰的代码，你还不知所以然的话，那对着 Vibe Coding 出来的屎山，最后只能束手无策了。

确实不算八股，这算 NodeJS 实现细节；但既然 AI 可以解释清楚，为啥还会不知所以然？

我的一个感受是，现在 LLM 的知识广度已经远远超过人类了，考察一个人是否了解一项技术细节意义确实没以前那么重要。

> 只要 AI 不能做到 100% 准确，就需要最终由人来把关，前提是你真的有能力做到这点。

人也做不到 100% 准确，要不然就不会有 QA 团队了。之所以我们需要人类开发者，是因为人类开发者拥有一些 LLM 不具备的优势。

我觉得的人相对于 AI 的一个优势就是读不懂一些晦涩的代码，现在 LLM 读混淆后的 JS 都能把业务逻辑还原得八九不离十，这对于绝大多数人类来说是非常艰巨的任务。但也正是因为这点，人厌恶读起来不舒服的代码，在代码出现坏味道的时候，人的潜意识中就会产生抗拒情绪，这种情绪又会反过来让人避免编写有坏味道的代码：

> 一个合格的开发应当知道一些会引发典型的回调/异步等时序难以确定的场景，然后在正常的开发过程中，别这么用他们

因此，只要 AI 生成的代码还需要人类参与维护，就需要有品味好的开发者充当 AI 代码的质检员，要么拒绝晦涩的代码进入代码库，要么在代码库出现坏味道的时候，能够自己动手或者指挥 AI 去重构、重写。

有些岗位对物理位置有要求，例如：

> This role requires candidates to be based in the European Union.

希望能支持这类筛选条件