最近从 Windsurf 切回 Cursor 又切回 Copilot 了，一是对 AI 越来越了解，交给 AI 的活越来越多，导致积分制的 AI 根本不够用，二是 Copilot 现在也上了御三家所有的前沿模型想要试试，三是我一直有 Copilot 的资格只是之前嫌弃它。

首先说感受，我觉得我不用买 Cursor 了（不代表别人不用）。

他目前更新了以下几个方面，我觉得完全可以平替 Cursor，然后不限量的这个特点又非常适合我。

Tab Tab

TabTab 是我一直以来觉得 Copilot 被吊打的部分，现在 Copilot 也有多次 Tab 提示了，和 Cursor 体验有一点差距，主要是速度不如 Cursor，但是当个代餐其实够了。

Agent

和 Cursor 的 YOLO（You only look once) 一样，会根据要求自动的去完成任务，发现不能理解的地方也会自动去阅读代码，会规划任务并且一步步的去执行和更新任务状态。碰到要执行命令的情况，也会弹出提示要求授权执行，命令碰到报错还会自动解决。

并发更新

这是今天发现的，他在编辑代码文件的时候，并发编辑了好几个文件：

29 个文件大概十几秒就改完了，以前用大模型来编辑代码基本上就是我的尿点，三四个文件的编辑就要花上几分钟了，现在感觉无尿点了（当然咯，可以看到我的修改确实也很简单，就几行代码需要修改）。

模型的选择

这个还是挺重要的，能用最好的模型对于代码质量是最好的保障，不过 Copilot 的模型应该不是最高算力，或者被内置提示词影响了，但是绝对是没有掺假（我用智力提测试过了 o1 和 o3）：

内置了 Code Review 和 Commit Message 生成

这个好像别的编辑器也有，不过 Copilot 这个不限量用起来没啥负担，我几乎是每次提交前都会让 AI Code Review 下。

还有什么你觉得 Cursor 是无法替代的？

最近有个小玩具要做，想要能够通过授权链接来给公司的阿里云服务器添加白名单。最开始想到这个事情的时候，就决定用 Cloudflare 的 Worker 或者 Pages 来做，因为开发方便，又不需要自己搞服务器来部署服务端和数据库。也因此踩了个小坑，特此记录。

首先我选择了 Pages，因为可以加前端页面，前后端都写到一个项目里，反正是个小玩具。前端不赘述了，用 Cursor 直接简单描述一下就能生成，包含登录页和功能页两个页面，用 Pages 提供的 Function 能力直接进行 JWT 鉴权，开发得飞快。然后核心功能点就是功能页里的授权白名单按钮了。
这个功能从 Cloudflare 的 Request 中拿到访问的 IP，然后和 D1 数据库里用户上次授权的 IP 进行比较，如果相同则不去阿里云授权，如果不相同，则删除用户上次授权的 IP，然后再添加新的。此时我去阿里云的开发者网站上找 OpenAPI，只看到了几个 SDK 的使用示例，而且做得还挺不错的。于是挑选了一个 Node.js 的 SDK 然后开发这个功能，开发也异常顺利，我直接上传到 Cloudflare 进行测试，突然看到报错：

[unenv] https.request is not implemented yet!

我是知道 Worker 是一个不完整的 Node.js 环境的，但是没想到这个包也没有，关键是阿里云的 SDK 没有提供修改“网络请求实现”的方法，我也没在阿里云的开发者网站上发现直接的 RESTful 调用方法。

当我一筹莫展的时候，我发现阿里云的官网上有个 AI 功能，就是这个按钮：

没抱啥希望地点开问了问，居然真的给我找到了 RESTful 接口的调用方式，并且还让它直接生成了可用的代码：

我把使用 fetch 的代码丢给 Copilot，然后让 Copilot 参考一下，把之前使用 SDK 的代码换成新的使用 fetch 的，直接一把搞定。

总结起来两个坑：

1. 阿里云其实是有 RESTful 的调用方式的，不过官方示例工具里只提供了 SDK 的示例，通过 AI 能够查到，估计是隐藏得比较深吧。
2. Worker 环境里很多 Node.js 包不可用，都需要使用 Worker 专用的包，GitHub 有很多，不过Worker现在支持的Node 包也越来越多了。
   本该俩小时搞定的东西，最后搞了一天。

又是一个双周记，最近事情是真的很多，而且又碰上假期综合征，就周记的优先级就越来越靠后了。

工作

最近碰到了许多以前没有碰到的问题，以后也许会把这些问题排查清楚后当做连载来做个交代，简单介绍下遇到的几个问题：

clickhouse断电数据损坏

国庆节写字楼断过一次电，服务器上的多个数据库中的一个clickhouse损坏了，这个问题倒是比较好解决，可以让clickhouse自己进行修复，只需要修改一些配置。不过我选择了更加粗暴的解决方案，重新搞个新的clickhouse，毕竟那个clickhouse只是存放开发和测试环境日志的。

数据库与查询结果不同

某个配置在没有进行操作过的情况下，被一个每10秒巡检一次的定时任务判定为开启，但实际上该配置从接口日志上来看，没有在界面上被触发过，查看了mysql的binlog也没有发现过该时段有过修改记录。
定时任务的逻辑非常简单，入口就是直接select该配置值，如果该值没有开启，后续的逻辑都不会走。现在陷入了灵异的事件，数据根据证据表明是没有修改过的，逻辑表明该配置是开启了的。也就是数据库和查询的结果对不上，现在还没有找到问题所在。数据库没有读写分离，没有集群，就是单例架构，代码中也没有使用缓存。

内存泄露

在使用kafka的时候，发送消息会返回一个凭证，但是没有消费这个凭证，所以随着消息的积累，这个凭证占用内存会不停升高。解决起来也很简单，消费一下不做逻辑就行了。

新版本的宣讲PPT用了很多PowerPoint的自动过度转场，没花什么功夫就让整个PPT高级了很多，也让很多页PPT看起来更加有连贯性。我现在做PPT的动画会直接复制几页，然后移动需要播放动画的个体，利用转场自动过度的效果，就很简单又丝滑的让几个个体在页面上动画起来了。
可惜审美和时间都没有允许我做出好看的PPT，大多数的页面就是截图和文字，有空了一定要去学一下排版相关的设计教程。

还在和客户配合排查问题的时候发生了一件“有意思”的事情：
客户有多个安全设备，目前发现线上的某个文件被安全设备影响了访问不正常，配合排查的时候短暂关闭了所有的安全设备，确认文件可以正常访问了。于是开始一个个启动安全设备排查问题，看起来其实这个操作很正常，不过在我们安全厂商眼里变成了“俄罗斯轮盘”游戏。启动了第一个安全设备，没问题，启动了第二安全设备，也没问题。本来非常自信的我，也开始怀疑自己的安全设备是否有问题了。这种情况和俄罗斯轮盘的游戏一模一样，我在等待的时候，我的心率和压力飙升：

最后的结局很神奇，所有设备启动了都没有问题了，最后也只能不了了之，但我却感受到了“俄罗斯轮盘”的力量。

学习

最近把我的开源项目的前端框架换了，与其说是换了一个，不如说是用了一个，因为之前的组件都是我从零手写的，确实耽误了我不少功夫，而且还不好看，现在换成了shadcn ui，不仅好看而且好用。
看 从DevOps到日常脚本：聊聊Go语言的多面性 Tony Bai 这篇文章有一些感想，我也是一直用go来做为devops的开发工具的，主要是编译出来的东西能在各个地方来跑，这文章里还介绍了一种把go作为脚本使用的方法，很有启发，也许以后能用的上。
老板推荐了一本《牧羊少年奇幻之旅》，读完了，最近碰到了一些事情就总想着天命，事实上顺应天命去做了似乎结果确实还挺好，其实换种说法应该就是保持平常心去顺应自然吧，挺不错的。
最近看到一篇推文：https://x.com/DentesLeo/status/1844045312089825657

If you want fame, solve poor people’s problems.
If you want wealth, solve rich people’s problems.

Poor people don’t need real solutions—they just want to forget their problems. That’s why their demand for entertainment never ends.

翻译过来就是：

要想出名，解决穷人的问题。
要想致富，解决富人的问题。

穷人不需要真正的解决方案——他们只想忘却烦恼。这就是他们对娱乐的需求永无止境的原因。

感触很深。

最近国内的AI发展的不错，我一直很喜欢的零一发布了新模型yi-lightning，测试了非常不错，在很多方面都让我很满意，可惜只有16k的上下文，而且指令遵循在aider中经常无法写出需要的格式，导致不能用在编程里，比较遗憾了。
国内的AI在可用性和工程上感觉和国外的AI已经有一站之力了，虽然还是没有出现o1或者opus这种能思考或者很有思想的模型出现，但感觉中国很擅长在别人从0走到1的基础上，快速走到100甚至10000。

生活

黑神话的进度还是很慢，刚干了虎先锋杀了虎伥，这游戏还是好玩，没有那种放下了就不想玩了的感觉，有一定的空余时间，还是会想打开，就算我已经云通关过了。
家附近的步步高超市被胖东来改造之后，天天爆满，晚上8点多日清菜就卖完了，是真的做到了日清，我八点半出门跑步，过去都只能捡最后打包剩的一两盒。而且胖东来的啤酒真不错，度数不高还有麦香味，适合我这种不怎么喝酒的人。

我在我的开源项目上正式使用了一下Cursor Composer，这是一个相对来说中型的客户端项目，用这个项目来做测试有两个目的：一是我不想测试从零开始搞个网站或者开发个小工具的场景，那在我的日常场景中占比太小了，没有参考价值；二是我的项目刚好还有很多需要做的新需求，这些需求足够清晰且难度大于单独写一个网页。

使用的需求场景是这个Issue：https://github.com/xieisabug/tea/issues/2
输入到Composer的Prompt就是Issue的描述：

当前的bang操作有：  
!s、!selected_text 获取打开快速聊天窗口之前选中的文字（暂时不太好用，需要优化）  
!sub_start([text],[length]) 从开始截取[text]文字[length]长度  
!ct、!current_time 获取当前的时间  
!cd、!current_date 获取当前的日期

计划增加：  
!sc、!screen 获取打开快速聊天窗口之前的屏幕截图  
!w([url])、!web([url]) 获取对应[url]的网页  
!wm([url])、!web_to_markdown([url]) 获取对应[url]的网页并且转换为markdown

在 快速聊天窗口 或者 完整聊天窗口的新对话界面 中展示部分bang的预览内容  
在输入框中敲击!时出现bang列表用于选择

评价

工程能力部分

能够在我仅给出需求的情况下，准确的找到了之前编写bang的rust代码文件，属于加分项。但它并没有对我的前端文件进行更改（rust和前端都在这一个项目里），因为我的描述其实明确提到了需要修改界面。
并且它没有帮我创建对应的测试用例来检测该bang的实现，我是有专门针对bang的测试文件的，如果能力强一点肯定是能发现需要编写测试用例的，不过在我要求创建测试用例的时候，它还是能准确的找到之前编写测试用例的文件并且完成测试用例编写。

代码完成部分

此次测试使用Sonnet3.5加持。
正确按照我之前的编写模式创建了我需要增加的6个bang命令，且实现了获取网页内容和获取网页内容并且转markdown这两个功能的内容。
但是，实现的部分功能不可用甚至报错，当然这不是Composer的问题，这是大模型的问题。但它没有将大模型出现的非前端问题解决掉，而是留在了那里。

UI UX部分

都说Composer交互是最好的，个人觉得还不是最完美的方案，对话界面和功能较为割裂，我觉得可能会有更好的展示方式来对每次对话产生的影响进行展示，比如每次修改产生的影响都和对话做一个能够对印上的交互。
并且不知道是不是我使用的bug，我过去使用的Composer记录找不到，个人觉得查看过去的Composer然后继续改还挺重要的。
不过能够直接在编辑器里选择每一项更改是否生效，这个交互还是比较爽，不过我想这个操作是否有必要，在不久的将来，肯定是无需人去干预这个交互的，而且如果有git之类的版本控制，基本的IDE都能看到修改对比的。不想修改这个不分直接撤回就行了。

总结

和我之前Cursor的评测结论差不多，干简单的事情太麻烦，干麻烦的事情干不成，未来可期。

文章全部是我在使用沉浸式翻译+deepseek的时候发现的欢乐时刻，翻译的全都很传神。

不香吗？

我他妈高兴坏了

啊对对对

YYDS

我们程序员就是这么说话的

真是！

以上均是使用沉浸式翻译自带的AI专家 Twitter翻译增强器：

工作

工作中需要把tls的一些特性相关内容实现到caddy中，找到了一个很完美的库，但是适配的是gin，我需要把这个项目改为caddy plugin。突发奇想使用AI来帮我干，毕竟不是什么特别需要技术的活，只要懂caddy plugin和gin，然后再把这个库的代码当做上下文去适配修改就行了。如果是我来做，起码要去学习gin的一些基本原理和caddy plugin的写法，然后再把这个库读一遍之后重写，这都是很费时间的事情，交给AI来做简直就是完美方案。
不过现实很骨感，尝试了Cursor（Sonnet3.5）、Zed AI（Sonnet3.5）、Aider（Deepseek Coder）、Kagi Assistant（Sonnet3.5、GPT4o、Gemini）之后，耗费了我一个下午时间，完全无法获取可用的代码，并且因为我自己不懂Caddy pugin和gin，我也无法教AI如何去修改这些代码。
事实证明，如果是要使用AI，自己是需要懂相关的东西的，我也不太明白社交网络里宣传的“零基础用AI开发一个应用”是如何做到的，很多情况下没有编程基础的人要写一个应用都无法跑的起来，开发环境都没法靠AI教学安装。如果是有很基础的编程基础，倒是可以通过AI来帮助开发一个比自身水平稍高的应用。没办法，这个Caddy plugin只能够我自己去学了。

学习

承接工作的内容，我获得了Github Copilot Workspace的体验权限，最近应该会体验下。这是个比Cursor更早的带多文件编辑能力的AI编程环境，可惜的是这是GPT4o驱动的，不过由Github Copilot团队打造的，应该能力还是在线，估计不用多久我会出一个评测。
Side Project动的也少了，目前基础做完了，开始设计核心插件系统了，我的设计思路是提供一系列非常方便的接口，让用户可以方便的使用到AI的能力。第一阶段是做好基础能力，也就是我现在做的能够对接所有的大模型，并且完成日常聊天要做的事情；第二阶段是做好二开的能力，我先用这个框架提供的能力来做一些实用工具，并且这些能力想要二次开发的人自己也可以调用；第三阶段是AI使用这些能力的能力，也就是我想要什么工具，描述给AI，AI帮我调用这些能力并且编写好对应的插件。
目前还是在第一阶段的尾声，开发完应该就会正式开源了。

看了一篇文章有点意思，大意是讲一种新的提供给大模型的robot.txt叫做llm.txt，用markdown这种大模型更易懂且简洁的语言来描述网站的情况和地图，让大模型能够用最少的token和最快的速度对网站有了解。
这让我想到了之前听AI炼金术播客中提到的AI时代的新想法，以前只有调色师通过基本的三原色调出来各种不同的颜色，后来有了RGB之后能通过修改数字来获取到新的颜色；再到最近AI能够生成音乐了，那乐器所产生的声音也可以用数字量化，这样就能找到除了物理世界能产生的声音之外更多的声音；再到未来AI能够把想法量化，在想法和想法之间，通过不同的参数能过获取到不一样的想法。
AI时代的东西，可以参照以前时代的东西进化出无数新东西。

生活

周末去乡下住了两天，带娃在外公外婆家过生日，给我最大的感受是在乡下时间变长了。早上看完了新闻，吃完早饭，还和娃玩了很久，一看表才9点，平时这个点刚到公司；晚上吃完饭在外面溜达一圈，回到家又陪娃玩了一会，一看表才7点，平时还没到家。
在长沙的生活感觉非常紧凑，早上急急忙忙还担心会迟到，陪娃的时间也很少。但到了乡下，事情其实也没少做，娃也没少陪，时间就是感觉很长，我也不知道是什么原理，但是觉得这肯定是我不工作之后的第一选择，感觉这样生命都更长了点呢。

减肥搁置了很久，好在没有反弹太多，以后不写减肥计划了，都写在周报里吧。

背景

我决定评测这三个产品的原因是，我日常都是使用的VS Code Copilot，很久以前尝试过Cursor感觉不理想，但是最近国外都很推崇Cursor，就有点想尝试一下，恰好之前一直关注的Zed也推出了自己的AI功能，所以干脆集中一起使用对比下。

选手简介

• VS Code Copilot：算是“老牌”编程助手了，虽然Copilot在别的编辑器上也有扩展，不过体验最好的还是VS Code，毕竟都是微软家的所以功能集成更好一些；主要提供的是Complete和Chat能力，也就是代码补全和聊天。
• Zed AI：Atom的作者开的新坑，还是一个非常年轻的编辑器，以快著称；原本不提供AI能力，后来支持了Copilot（对，就是Github Copolit），近几天出的Zed AI支持Chat。
• Cursor：基于VS Code的开源代码来进行的二次开发，没有像Copilot一样作为VS Code的插件来编写，据作者说这是为了实现 VS Code 现有架构无法实现的理想交互方式；提供了Cursor Tab（原Cursor++）和Chat，其实也是代码补全和聊天，还有个“杀手锏”功能Composer。

对比维度

我会针对下面几个维度，分享我自己的使用体验：

• IDE本身
• AI
• 价格
• 潜力

详细对比

IDE本身

• VS Code：非常丰富的插件，插件多到可以直接配置出一个强大的IDE，但这样也就会拖慢VS Code的速度；最初使用VS Code是因为有些项目不是很重，使用的Go、Python、Nodejs等，开一个JB家的IDE犯不着，并且我很喜欢VS Code的Remote dev container，在我的M芯片上简直救我的命（很多库没arm版本）；由于免费且用户数量巨大，所以社区异常活跃，我还没有碰到找不到解决方案的情况。
• Zed：刚打开这个IDE应该会懵逼一会，界面非常简单，简单的和Sublime一样，基本没有个IDE的样子，只能算作Editor，和使用下来的体验和第一印象基本一致，缺少了很多开发过程需要的功能，不过对于习惯使用Sublime或者Vim的用户来说，可能会习惯的比较快，我已经将一个Side Project的主力IDE切换为了Zed；快一直是Zed宣传的强项，我当时嘲笑了它，我为啥会需要120fps的切换tab？不过我还是被打脸了，用起来会发现它是真快，而且“快”对写代码是真的有加持（？我也说不清是为什么）。
• Cursor：由于Cursor依托于VS Code，基本和VS Code的情况一模一样，相对于Zed，它能支持VS Code的庞大插件群。

完善程度：Cursor > VS Code > Zed
使用感受：每个产品都有其独特的优势，但需要注意的是，Zed目前没有推出Windows版本。

AI

首先介绍大家相同的能力，基本都会提供代码补全和Chat的能力。

代码补全

其中Zed是借助的Copilot提供的代码补全，但要说一句的是它的代码补全比VS Code要快；而Cursor的代码补全体验是最好的，不仅快，而且时常会出现连续补全的情况，这个时候你只要不停地按Tab键，AI会猜测你后边的代码编写和修改，一并提示补全，值得注意的是“修改”代码补全是Cursor才有的能力，只要Cursor触发这个连续Tab，没有人会不喜欢Cursor了。

Cursor > Zed > Copilot

Chat

三个软件都具有与当前代码上下文聊天的能力，其中Copilot和Cursor都对代码有embedding，可以自动调取上下文，Zed AI我目前没有看到有自动调取上下文的功能，上下文自动调取效果最好的我感觉是Copilot，能够非常精准的定位到我提问相关的代码，并且Copilot和Cursor都具有Apply的能力，也就是在Chat中的代码块能够自动以diff的方式映射到代码中，而Zed需要使用目前还在Beta的Workflow才能够触发Apply，普通的代码块无法直接Apply，但Zed有一个特别的能力，那就是Chat的内容允许随意修改，这个能力要结合Zed的别的能力来用，效果会非常好。

不分胜负

Inline Assitant

也是三个软件都有的能力，Cursor和Copilot的体验差不多，但Zed AI是在这个能力上发力了的，他的Inline Assistant是会带上Chat中的上下文的，这也是Zed AI演示的能力，可以在Chat中与AI进行多轮沟通之后，在工作区用Inline Assistant进行”应用代码修改”，AI会再对应的位置根据之前聊天约定的内容来进行diff模式的代码修改，这期间肯定会携带大量的上下文，Token消耗非常巨大，解决办法就是使用带Cache的AI，比如Deepseek和Claude Sonnet3.5，我强烈建议大家配置个Deepseek，这样就算没触发缓存（第一次肯定无法触发）也不会产生太多的费用（Deepseek充个20人民币能用非常久了），还有一个解决办法就是上面说的编辑Chat内容，把多轮调整的一部分内容删去，或者手动添加一部分外界的内容进来用于Inline Assistant。

Zed AI > Copilot > Cursor

不同点

• VS Code Copilot：与VS Code进行了深度集成，在Source Control的提交框里都能自动帮你总结代码修改的commit message，并且最近更新了4o之后，Chat飞快。并且Copilot不光是可以在VS Code里用，比如写Java的兄弟们要用IDEA也是可以用Copilot的。
• Zed AI：Zed AI的理念和另外两个软件都不太一样，所以对比起来很不一样，但是就Workflow这样的能力来看，Zed的上限太高了，而且Chat里面的Slash能力是可以自己扩展的，比如官网示例就编写了一个Perplexity的插件，能够自动通过 /perplexity 来进行搜索并且把内容贴在Chat里当做上下文。
• Cursor：提供了一个叫Composer的能力。这个能力被很多人称为杀手锏，也就是对整个项目提需求，然后AI会自动对多个文件进行编辑，我使用下来除了很简单的需求，复杂点的需求或者项目，AI完成的都不是很好，但是很简单的需求其实也能直接在Chat里完成了。不过这个能力肯定是随着AI模型的能力而水涨船高的，未来可期。但是Composer的能力其实可以用Aider进行替代。

价格

• VS Code Copilot：Copilot的订阅价格为每月10美元，我目前是用学生包获取了这个的，而且始皇还有override可以替换为自己的模型。
• Zed AI：目前Zed AI的价格策略尚未明确，但其基础功能是免费的，并且所有的功能都没有限制使用内置AI才能完成，可以自己配置API Key，就算以后收费了也没关系。而且目前免费试用期间，可以白嫖Sonnet 3.5，但是有RPM或者TPM的限制。
• Cursor：Cursor目前是20美元开Pro，免费只能补全2000次，很快就用完了。Pro包含了无限补全和500次高级模型的调用。最重要的是，Cursor的高级功能比如Apply、Composer等都是需要使用Cursor自己的模型才能够使用的。

Zed AI > Copilot > Cursor

潜力

• VS Code Copilot：作为3位选手中，当前市场最好的编辑器，Copilot只要把自己的体验向Cursor无限靠拢，凭借低价格和多IDE使用，加之没有太多的限制，肯定是能够继续稳坐老大的位置的，至于非常新颖的交互方式，Github也一直在探索，最近出的Copilot Workspace就是其中之一，能够直接在Github的仓库里让AI来完成任务。
• Zed AI：单论潜力大小，那Zed肯定是进步空间最大的，光是向VS Code看齐就还需要很久了。不过AI方面独特的理念和高扩展性，并且也将大模型Cache利用的很好，用长上下文和大量的Token换取模型的编码准确性和全面性的提升，在我这至少是走的通的。
• Cursor：Cursor的潜力在于其独特的用户交互设计和Composer功能。Cursor Tab独一档的补全体验和Composer站在大模型智力的肩膀上只会越来越强，而且还有Shadow Workspace这种新颖的点子，以后也是能力非凡的。

Cursor > Zed AI > Copilot

优缺点总结

• VS Code Copilot：
  • 优点：功能强大，插件丰富，AI能力出色，社区活跃，多IDE支持，价格相对合理。
  • 缺点：插件过多可能影响性能，部分高级功能需要付费。
• Zed AI：
  • 优点：界面简洁，运行速度快，AI理念独特，高扩展性，支持大模型Cache，价格策略灵活。
  • 缺点：功能相对较少，部分功能仍在测试阶段，暂无Windows版本。
• Cursor：
  • 优点：独特的用户交互设计，出色的代码补全体验，Composer功能潜力大，支持VS Code插件。
  • 缺点：价格较高，高级功能需使用Cursor自有模型，部分复杂需求处理能力有限。

总结与建议

• 追求功能全面和成熟稳定的体验，选择 VS Code Copilot。
• 追求简洁快速的开发环境和高扩展性，选择 Zed AI。
• 追求独特交互体验和尝鲜，项目复杂度不高并且不差钱，选择 Cursor。

我个人会继续嫖Cursor的试用，然后有些项目会使用Zed AI来进行开发，并且配合Aider这样的项目来补齐Zed AI所缺失的Cursor Composer能力，在Cursor不能试用Pro后我应该也不会续费，目前来说这样的体验不足以让我多花10刀去为了这个补全付费，多出来的10刀购买API后可以在Zed AI和Aider用很久了。

2024年第34周：8月19日-8月25日

工作

这周终于回归到写代码的工作中，之前一段时间都是在做产品经理的活，写代码的时候居然感受到了非常的快乐和放松，太讽刺了。在AI技术刚兴起的时候，我一直在寻找工作流里能融入AI的地方，现在已经在工作流中使用了很多AI了，这周用AI把测试用例生成了，生成的时候非常爽，我突然想到，是不是资本家安排我们完成任务的时候，是否也有种使唤AI的快感？

学习

Zed AI

这段时间的AI驱动的编程工具很多，而且进步很大，交互也越来越趋近于自动化，之前的Copilot、Amazon还有国产的一众公司也都跟进了Copilot，但其实交互都差不多，也就是行内补全和ChatWithCode，然后就是最近大火的Cursor才彻底改变的交互，“修改补全”、”Chat transform“和“多文件处理“让体验提高了很多个档次，并且Sonnet 3.5的加持，让Cursor的能力水涨船高。
当我看到Zed AI的公告的时候我才想起来之前也有人推荐过Zed这个IDE，以快著称，当时确实嘲笑了一番，一两百毫秒之间的差距着实不能成为我切换IDE的理由。但这次Zed推出了AI服务，交互方式和别的IDE都不相同，于是去体验了一番，确实给我了很多惊喜。
我发现自己当时认为毫无作用的”快“其实能显著提升我的工作效率，并且通过它很新颖的AI使用方式，让我编写代码的时候效率又更高了一些。具体的体验心得可以看这篇。

Rust

最近用AI来写Rust碰到了瓶颈，说来惭愧，我还没去正式看过任何的Rust教程，全凭别的语言的经验和AI的指导在开发Side Project，但是目前AI的Rust能力似乎不如其他语言，在我的个人使用感受中，Rust的能力Deepseek Coder大于Sonnet 3.5大于GPT 4o。而这几个AI都不能解决我最近碰到的Rust问题，问题大概是我使用了tokio和rusqlite，我想让rusqlite能够兼容一些异步操作，但是仅凭我和AI的能力无法完成整个项目的重构（还有很多业务逻辑）。
虽然最后问题确实解决了，不过方案是我自己想的，和之前我提需求AI来帮我找方案写代码体验感要稍微差了一点，成功的让AI回到了Copilot的角色上。
由此可见，程序员这一行当前还不会被AI完全取代。

帮老婆改东西有感

其实任务很简单，就是将另外一个前端项目中的一段逻辑，挪到另外一个新的前端项目。但由于该逻辑是核心逻辑，非常的复杂，并且原项目使用的是Typescript，有很多定义文件，新项目是Javascript，代码又不能够直接无脑拷贝，需要做对应的语言转换。
我的感受是，明明这是一个很简单、纯工作量大的工作，非常适合AI，但是既没有现成的AI工具，想自己开发一个AI工具也找不到方便使用的一些工具库，我也会继续思考下这个问题，也许这是我改进我的Side Project的一个方向。

生活

改善饮食习惯

家人身体出问题了，而且我感觉我的身体也有点问题。之前有段时间减肥而改善了一波饮食习惯，但是没能坚持下来，借口原因是工作太忙导致能跑步的时间减少，并且长沙太热了，晚上也有32 33，我怕跑步中暑。然后爸妈回去了一段时间导致我和老婆吃了很久的外卖，外卖哪有能减肥的。。。
眼下我们都需要更加注重养生，重拾健康饮食的好习惯，也推荐大家有能力的都健康饮食吧。

减重反弹了几斤

既然要重启减肥，那就上称，反弹了10斤左右，等于上轮减肥成果还是保持住了10斤。

抽空玩了暗黑四

是的，不是抽空玩黑神话，是抽空玩了暗黑四，因为工作特别忙，基本没有长时间去玩一个游戏的机会，大概每次都是半小时以内的零散时间，所以只能选暗黑四了。
不得不说暗黑系列卖的好是有原因的，各种游戏机制的设计让人很容易沉迷，尤其是获取奖励的那一刻，期待感达到巅峰，而且游戏机制的设计让每次获取奖励都有一定的提升，让人不至于失望。

黑神话做的好，推荐看寅子

当然黑神话我也买了，等到有时间玩的时候会去玩的，最近先云了一波剧情，做的是真不错，虎伥的剧情让我内心难受了很久，看的出来制作团队讲故事的能力很强，而且每个怪物的小传都不错。
推荐去看寅子的录播，自带说书人的属性，看这种经典故事有加成。

起因是我去研究了下tauri，发现了其中的一条rust环境安装命令：

winget install --id Rustlang.Rustup

winget 支持安装多种类型的软件和服务，包括但不限于以下几类：

开发工具：如 Visual Studio Code、Git、Node.js 等。
浏览器：如 Google Chrome、Mozilla Firefox、Microsoft Edge 等。
办公软件：如 Microsoft Office、LibreOffice 等。
媒体播放器：如 VLC Media Player、Spotify 等。
压缩工具：如 7-Zip、WinRAR 等。
安全软件：如 Avast、Bitdefender 等。
虚拟化和容器工具：如 Docker、VirtualBox 等。
数据库管理工具：如 MySQL、PostgreSQL 等。

可以通过以下命令查看可用的软件和服务：

winget search <关键词>

例如，搜索所有可用的数据库管理工具：

winget search database

winget 的软件库不断更新和扩展，因此几乎涵盖了常见的所有软件需求

而且install命令还支持YAML格式的列表，感觉是可以通过列一个清单来进行环境初始化了？以后有新电脑了试试。

由开源大模型API提供机构Together提出，论文地址

这篇论文探讨了一种称为混合代理（Mixture-of-Agents, MoA） 的方法，旨在提升大型语言模型的能力。混合代理（Mixture-of-Agents, MoA） 方法的核心思想是利用多个代理之间的协作现象来提升大型语言模型的能力。这些代理通过协作和信息共享，能够更有效地处理复杂的任务和提高模型的整体性能。
MoA方法在自然语言理解和生成任务中表现出色，尤其是在推理任务（如MATH数据集）中显著提高了模型的准确性和效率。通过这种协作机制，MoA方法能够充分发挥每个代理的优势，从而提升整体模型的能力。
从代码不难看出，实际上该方法就是定义了很多个不同的大模型：

default_reference_models = [
    "Qwen/Qwen2-72B-Instruct",
    "Qwen/Qwen1.5-72B-Chat",
    "mistralai/Mixtral-8x22B-Instruct-v0.1",
    "databricks/dbrx-instruct",
]

然后对于用户的输入问题，使用上述定义的所有大模型进行回答：

with console.status("[bold green]Querying all the models...") as status:
    for i_round in range(rounds):
        eval_set = eval_set.map(
            partial(
                process_fn,
                temperature=temperature,
                max_tokens=max_tokens,
            ),
            batched=False,
            num_proc=num_proc,
        )
        references = [item["output"] for item in eval_set]
        data["references"] = references
        eval_set = datasets.Dataset.from_dict(data)

其中的process_fn就是用模型进行回答。将所有模型的回答统计到一起之后，再使用一个模型来进行总结：

output = generate_with_references(
    model=model,
    temperature=temperature,
    max_tokens=max_tokens,
    messages=data["instruction"][0],
    references=references,
    generate_fn=generate_together_stream,
)

这就完成了所谓的MoA，这其实和我改造的MetaGPT的使用方法一样，但是MetaGPT的方法有一个更好的点在于每个Agent都是经过精心编写的提示词，而这个MoA并没有，而且MetaGPT为每个Agent选择最合适的大模型之后，和这个所谓的MoA其实没什么区别。

Together是想通过多个臭皮匠来顶一个诸葛亮，但是达到的效果是多个臭皮匠顶不了诸葛亮，只能达到多个臭皮匠中最强的那个臭皮匠的能力，再多的臭皮匠得出的结论99%也是臭皮匠的结论，只不过是5条臭皮匠的结论变成了10条。我测试的3.5Sonnet和GPT 4o回答的效果都是特别好的，几乎趋近甚至超越我。在大模型中，最重要的还是模型本身，其次是提示词，再次才是工程化，想通过工程化来提高模型回复的能力，这条路走的注定比前面两条路要更难。

为了高系统的安全性并且有效隐藏接口信息，我们决定采用动态化接口地址的方式来防止被恶意扫描和利用。Spring框架提供了便捷的Path参数功能，使得动态化接口地址的实现变得轻而易举。

这个设计的思路来自TOTP（基于时间的一次性密码）技术，通常用于双因素验证的情况，比如游戏的动态令牌。借鉴这个思路，通过计算当前时间戳，可以在一段时间内生成相同的结果，这个结果被用于作为Path参数的校验，如果Path参数值和服务端计算出来的不同则返回404模拟接口不存在。并且Path参数应该允许5秒左右的延迟。

代码大概如下：

@RestController
public class DynamicPathController {

    private static final String SECRET_KEY = "your-secret-key";
    private static final long TIME_STEP = 30;
    private static final long WINDOW_SIZE = 5;

    @GetMapping("/api/{path}")
    public String getApi(@PathVariable("path") String path) {
        if (isValidPath(path)) {
            // 处理实际的接口逻辑
            return ResponseEntity.ok("Valid path parameter received");
        } else {
            // 返回404状态码,模拟接口不存在
            return ResponseEntity.status(HttpStatus.NOT_FOUND);
        }
    }

    private boolean isValidPath(String path) {
        long timestamp = System.currentTimeMillis();
        return path.equals(generatePath(timestamp)) || path.equals(generatePath(timestamp - WINDOW_SIZE * 1000));
    }

    private String generatePath(long timestamp) {
        long timeSlice = timestamp / TIME_STEP;
        String message = SECRET_KEY + timeSlice;

        try {
            MessageDigest md = MessageDigest.getInstance("SHA-256");
            byte[] hash = md.digest(message.getBytes());
            StringBuilder sb = new StringBuilder();
            for (byte b : hash) {
                sb.append(String.format("%02x", b));
            }
            return sb.toString();
        } catch (NoSuchAlgorithmException e) {
            throw new RuntimeException("无法生成Path参数", e);
        }
    }
}

这种方式提高了一部分安全性，但仅限于防止恶意扫描的情况，如果是客户端被逆向，这种方式就失去作用了，需要使用更多的安全措施来进行安全保障。