@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。

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。