Parker @[email protected]

确实如此

中国测试火箭回收，目测是回收到了海里。然后宣传科的公务员们，说是【完美溅落】。我就懵了，火箭回收什么时候能用【溅落】来形容了，这帮子文科生们也是佩服，天天不会别的，构造新词语是真他妈的厉害。

试过了，感觉确实很好。在执行指定任务的同时会顺手解决刚发现的问题，越来越像个有点担当的正经人了。

微软 AI 战略的失败反思

微软在 AI 领域的战略堪称一场“早起赶晚集”的典型案例。作为头部企业之一，它几乎是最早觉察到 AI 变革潜力的公司之一，却在执行上迟缓，导致至今一事无成。核心问题在于其战略格局过于狭隘，以 GitHub 为中心，始终停留在开发“AI周边软件”层面，未能跳出传统的工具思维框架。

即使在工具开发领域，微软的代表作 GitHub Copilot 也表现平平。尽管这是其最擅长的方向，但该产品在 Vibe Coding 领域的表现始终不愠不火。随着 CLI 工具的日益增多，AI 编程正逐步向“无编辑器”时代演进，这也让微软倾注多年心血的VSCode 面临过时风险。股价下跌由此可见一斑，是市场对这一战略失误的正常反馈。

相比之下，中国后起之秀如 Kimi、GLM 和 Minimax 等大模型，仅成立一两年便取得显著成绩。这不禁让人质疑：微软作为技术积累深厚、资金雄厚的百年企业，难道连这些新兴公司都比不过？如果微软从一开始就全力投入自研大模型，或许今日的成就将截然不同。

到处都在吹 GPT-5.3-Codex，说是好用量还足。我不得不摸出来尘封已久的 ChatGPT 账号，冲了 $20 用起来了。用量确实足，效果也不错，指令遵守很好。我现在还放不下 Claude 的原因，一个是 Claude 写前端 UI 的审美在线，再一个是 GPT 写 Elixir 有一股浓烈的 Ruby 味道 case 满天飞，不能灵活运用模式匹配，虽说能运行但感觉很不爽。这方面 Opus/Sonnet 会稍微好一点。

Gemini 3 在编码方面和其他两家有一个区别就是，它喜欢把旧文件删除，然后创建同名文件重新写新的。GPT 和 Claude 则很少做 rm 动作基本都是在原有文件里修修改改。

AI 模型长期来讲一定会持续进步，但放到当前几个头部公司里，总感觉迟早会出现某个模型在特定版本之后慢下来，从风口上掉下来，被竞争对手甩开。用户的普遍心理就是模型一代比一代强，而且需要强的很明显。但这显然是不可能的，没有那家公司能永远进步而不犯错。最终某家公司的大模型一定会像 iPhone 一样，换代像挤牙膏，性能和价格都稳定在一个范围呢。

用户注册界面中的【推荐用户名】是个看起来简单，实际做起来很复杂的功能。这里既要保证可读性，还要保证唯一性，同时需要过滤掉滑稽的、语意会引起不适的词组，而且往往需要一次性推荐多个选项，对性能和响应要求很高。目前为止似乎没有任何的开源项目能提供完整的解决方案。最多只解决了可读性的需求，对于唯一性和其他要求几乎都需要自己来实现。

Vibe Coding 的间歇中尤其适合刷特推，我就感觉近些年来推特上的中文技术讨论越来越多了，可能大家都会在摸鱼时候悄悄发个帖。

Opus 4.6 确实不错，感觉用起来【黏性】很高，一条 Prompt 可以引发长时间的思考和不断尝试，没有那么容易中断了。比起 Opus 4.5 更勤快了。

现在买服务器最没用的一项参数似乎就是内存了，尤其是小流量个人使用的情况。几年用下来大部分时候，硬盘大小、速度和网络带宽、延迟是最重要的，CPU 性能其次，最后才能轮到内存。对我来讲，服务器 8G 内存和 16G 内存差别不大，很少有把服务器内存用到超过 6G 的时候。真的超过 6G 占用时候，就得去排查是不是哪个应用内存泄露了。