Tag: 生产力

最近清理了一波电脑。浏览器用 Helium 替代了原来的 Chrome。代码编辑器用 Zed 替代了 VSCode。输入法从 Rime 换回了 macOS 原生的拼音输入法。

关于 Zed，我已经在[2025-10-22_20-34-49|我支持用 Rust 重写世间万物提到]过了。这两天实际编码体验非常好，不过我写的毕竟还是 JS / TS ，工具链全部基于 Node，内存开销并不低。Zed 本身的内存占用也不低，启动倒很快。希望 Rust 社区继续发光发热，继续改造 JS / TS 工具链，把 Node 干掉。说到这里我又馋 deno 了……

Helium 和 macOS 原生拼音输入法的体验都不错。Helium 本身是基于ungoogled-chromium，使用体验和 Chrome 差不多，但没有 Google 服务的捆绑，开销更低。

至于 Rime，更像是一段插曲。当初是因为 macOS 原生拼音输入法有 Bug，会导致莫名其妙的死机，我才换到 Rime 的。现在 macOS 原生拼音输入法已经稳定了很多，Rime 高度个性化的优势在我这里也不算优势，从零开始培养一个惯用的输入法对我来说也很麻烦。除了不喜欢 Tahoe 的液态玻璃效果，我对 macOS 原生拼音输入法没有任何不满。

再次尝试使用 Zed。

2 年前刚学编程那会体验了一下 Zed，因为生态不完善没有继续使用。现在 Zed 写 Svelte 已经没啥问题了，也支持 GitHub Copilot。基于 Rust 的编辑器，运行速度没得挑。

原本以为没有 Foam 插件，处理我的 markdown 笔记会不方便，结果发现 Zed 有类似的 markdown oxide 插件，功能类似。

现在编码体验非常流畅，舒服了。

Rust 大法好。我支持用 Rust 重写世间万物。JS / TS 生态就应该用 Rust 重写，把 language server 什么的都重写了。现在电脑里剩下的 node 进程基本都是 language server。

「低耦合，高内聚」是软件设计的法则，目的是让复杂的软件尽可能模块化。这样设计出来的软件，可以做到，一个模块出问题，另一个模块正常运转；或者改动一个模块，不影响另一个模块。

在我看来，搭建工作流、SOP，或者就是日常使用软件，也应该遵循这样的原则。毕竟你也不知道，未来你工作流里的某个软件，会不会出现更好的替代品。

所以，把自己完全封锁在某个生态里，无异于断绝新的可能性。

对于 AI ,我的脑袋里现在有两种完全矛盾的想法。

正方认为 AI 是下一次信息革命，但我似乎陷入了一种学习能力下降的困境，只能一边焦虑，一边像无头苍蝇一样看产业新闻。

反方认为当下的 AI 就是一个 hype、资本市场的泡沫，言过其实的东西，不用关心。

作为一个热爱学习的人，我挺想支持正方观点的，但是每天看着茫茫多的新模型、新概念、新工具，我有一点无从下手，因为我发现这些东西几乎无法嵌入我已有的工作流。不管是赚钱的工作，还是我的 side project，还是我的个人生活，我感觉都嵌不进去。

目前我用的最多的 AI 工具还是 GitHub Copilot，但是它适用的场景太窄了。至于各种大模型对话软件，我很少用，因为按它们目前的智能水平，产出我需要的内容，我要把产出的要求与思考的逻辑描述的非常清楚，同时反复尝试，这些步骤需要花费的时间和精力，可能比我自己来都要多。

Google 的 NotebookLM ，好用👍

大语言模型「懂不懂你」取决于它能获取到多少你有价值的数据。所以能无感，或低门槛的让你把有价值的数据交给它至关重要。

从这个角度看，微软、谷歌是最有潜力打造出真正基于大语言模型的生产力工具。前者有 office 这个全世界最受欢迎的办公套件，后者也有一套用户基数很大的办公套件，以及持续收集用户数据的搜索引擎和浏览器。

国内在这方面最有潜力的还是字节跳动。飞书虽然市占率不高，但是飞书已经基于豆包推出了知识问答，可以全量获取用户飞书内的所有聊天记录、文档、知识库等数据。

字节在这方面唯一的短板是不像 OpenAI 能做开放平台打通第三方服务（让腾讯和阿里把自己的数据开放给字节？这不可能），也不像 Google 本身就是一个小商业生态系统，用户能在里面满足一部分需求（现在已经打通了 Google 酒旅和 YouTube）。

腾讯也掌握了微信这个数据富矿，可惜微信里大部分都是聊天这种垃圾数据。企业微信和腾讯文档本身产品力不行，远远不如飞书好用。我甚至怀疑他们底层的数据架构也不如飞书开放灵活，想要打通、整合，可能还需要付出一点代价。

阿里有钉钉，但是我不清楚钉钉文档有多少人在用。在我的印象里，钉钉文档应该远不如飞书那么好用。而且钉钉文档的底层数据架构应该也不如飞书。现在钉钉文档 AI 也不能全量获取用户数据，还需要用户手动导入知识库，支持的格式也有限。

学习就是拼图。常规路径是从一个起点开始，一块连着一块，慢慢把图拼完。

但是在绝大多数时候，情况没有这么理想。很多突如其来的问题和已知部分的拼图没有关联，但是你又需要将他放到合适的位置。

这个时候，你只能不断尝试，将他和其他拼图连起来，寻找它和已有部分的联系。譬如问人，问搜索引擎。但是因为它和你已知部分没有关联，所以你问的问题可能非常荒谬、可笑、没有意义。

如果对方水平比较高，能从你的提问中猜到你想要什么，给你一个有用的答案，那是万幸。但这是小概率事件，大部分人的运气没有这么好。在大多数时候，即便你问对了人，他也不知道该怎么回答你，或者给出的答案对于你来说毫无意义。

甚至你可能连问题都问不出来，只能自己不断试错。

这个过程是盲目、困难和痛苦的。

我觉得 AI 的出现，能在很大程度上缓解这个问题。因为 AI 的知识面非常广，能从很多不同的角度理解、回答你的问题。它可能不能直接给你答案，但是能从你的提问进行推测和延伸，让你能沿着一个方向继续追问。

我觉得这一点，在和 AI 结对编程的时候体现得非常明显。因为一些库或者包的文档写得非常差，或者根本没有文档，你只能通过试错来使用它们。

这个时候，你把问题甩给 AI，它可能并没有学习过这个库，但是它能从已经学习过的代码中，推测出这个库的用法。毕竟大部分接口的设计都是类似的。

AI 在这里就像一个经验丰富的老师傅。毕竟人类的经验，也是一种大数据。

今天手贱升级了项目依赖，升级完以后就出 bug，排查了半天，还以为是自己代码有问题。但是又觉得奇怪，因为每次修改完都会测试几次，有问题我肯定心里有数。

好在有 git，恢复了 package.json 文件，清空缓存和 node_modules 文件。

重新运行，没问题了。

今天学到的教训就是：

1. 不要随便升级依赖
2. 重要项目一定要 git

奥卡姆剃刀原则的应用：

生活 -> 如无必要，勿增实体。少买一点，买好一点。

编程 -> 一个需求能被已有技术栈满足，就不引入新的技术栈。技术栈在绝大多数时候都是技术债。

工作 -> 一个需求能被现有软件和服务满足就用现有的。不到万不得已，不在工作流里引入新软件或服务。

我一直觉得飞书是比 Notion 更好用的 Workspace 产品。飞书能兼容传统 excel 表，这点就比 Notion 好。Notion 为了讨好极客用户，总是把力气花在钻牛角尖上，忽视了真正有价值的场景。