所有基于 Electron 开发的软件似乎都会在 macOS Tahoe 遇到水土不服的问题，包括但不限于卡顿、发热。Electron 是最常用的跨平台开发框架，也就是说，包括 VSCode、Cursor 在内的很多常用软件都会中招。
成因似乎是 macOS Tahoe 的 WindowServer 组件有 Bug，在渲染带阴影窗口时存在严重性能回退，所有带阴影 Electron 窗口会异常消耗 GPU 资源。
暂时没有看到关于 Chrome 的反馈，但是我感觉 Chrome 在升级后资源开销也变大了。
苹果 💊。
毫无意外，macOS Tahoe 和 iOS 26 就是一次计划报废。新增加的毛玻璃特效在当下这个时点看不出交互上的必要性，反而会持续消耗计算机的算力。我观察了一下我 MacBook 的 GPU 用量，此前闲时用量很少超过 20%，升级到 Tahoe 后，闲时大概 30% 左右，CPU 闲时用量此前很少能超过 20%，现在也来到了 30%。苹果这边是真没活了，就想通过这种方式催促用户换新设备。
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。
私德有亏的人都寄希望于宗教。90 年代发家的小老板都喜欢在家里拜关公，拜佛，都是因为原始积累有点子灰色成分。中国文化非常实用主义，如果宗教信仰没有用，绝对不会信。
爱是一种自恋的投射。所谓爱的奉献，其实是希望通过对方接受自己的爱，企图在对方身上看到奉献的自己。这是一种借由他人实现的自恋。说到底，爱的还是自己。
一旦你发现了这一简单的事实——你所谓的‘生活’，你身边的所有事物，都是由那些并不比你聪明多少的人虚构出来的，那么你的生活就会变得宽广许多。你可以改变它，影响它，创造属于自己的东西，让他人来使用。一旦你了解到了这一点，你将从此变得与众不同。
—— 乔布斯，出处
最近两天在学 Astro。
Astro 的一大优势就是能静态生成网站。通过编译的方式，将 JavaScript 写的网站编译成只包含 HTML 和 CSS 的静态文件。不管是上到服务器用 Nginx 转发，还是放到静态网站托管平台，还是直接放 CDN ，都能运行，不挑环境。
编译的好处就是能一处编译，处处运行。不依赖运行时和解释器。
现在 JavaScript 的运行时这么多，为啥没有人用 golang 写一个？然后继承 Golang 可以直接编译为二进制的优势，让 JavaScript 也能编译为二进制，做到一处编译，处处运行。
对于我来说，影像记录的价值在于回看。所以值得拍的，不是绝地风光、高楼大厦，而是和某个人共同经过的时间。
拍一些具体的人和事，拍一些有温度的影像。