前言#
本篇是對 2025-03-31 到 2025-04-06 這周生活的記錄與思考。
搬回杭州已經接近一年了，租的房子也差不多到期了，於是火速看了兩天房子，最終在不遠處選了另一套，雖然又要經歷一次痛苦的搬家，但新家的空間佈局還挺滿意的，也當作一種生活狀態的調整了。
除了物理意義上的搬家外，我的所有服務 / 數據也經歷了一次從 AWS 到 OVH 的遷移，也是一波三折，好在最後也都無縫完成了，剛好也梳理一下。
最近高強度地用 Cursor 和 Windsurf 進行 Vibe Coding，確實有能感覺到對以往開發模式的顛覆；還有很多有意思的事。
OVH 與 Coolify#
OVH Mystery Box#
我之前一直算是個 Serverless 平台的愛好者，熱衷於在 Vercel、Netlify、Cloudflare Pages、Zeabur、fly.io、Railway 等平台部署和管理自己的大部分服務，大多數情況下也夠用，但隨著 Zeabur 的漲價以及各平台政策的變更，成本不斷上漲到十幾美元甚至幾十美元一個月，感覺已經失去了優勢。
再加上之前參加一個黑客松獲獎送了幾千美元的 AWS Credits，所以有很長一段時間我都把服務部署在 AWS 香港機房的一台 EC2 實例上，也穩穩地跑了四五個月了，不過隨著 Credits 即將到期，再加上自己也想一勞永逸保障服務的穩定性，於是打算找一些獨服長期續費。
主要考慮的就是 Webp Cloud 團隊在「Hetzner CAX 系列 ARM64 伺服器性能簡評以及 WebP Cloud Services 在其上的實踐」一文中強推的 Hetzner 的 ARM64 伺服器和另一家極致性價比的 OVH 了。
原本已經打算用 Hetzner 了，但剛好看到 OVH 推出了一個 Mystery Box 盲盒活動，22.99 歐元 / 月，基礎款配置為
- Intel Xeon E5-1650v3
- 64G 內存
- 2 * 480G SSD SATA Soft RAID
- 1Gbit/s 帶寬
原本就是一個還挺划算的配置，但有意思的是它可能會隨機開出更高 CPU、內存和硬碟的機器，但價格不變，一下子就理解了買 Pop Mart 的朋友們的感受，這誰忍得住啊。
共計買了四台，前兩台都是基礎款，第三台開出一個 CPU 與內存獎的加拿大 bhs 機房的機器
- Intel Xeon E5-1650v4
- 128G 內存
當時已經感覺很滿意了，於是折騰了一晚上遷移服務，包括全量數據庫的數據，搞定後才收到郵件說第四台機器也安裝好了，於是去測了一下配置，驚喜地發現真的開到隱藏款了
- AMD EPYC 7351P
- 128G 內存
- 2 * 1T NVMe
- 法國 GRA 機房 1Gbit/s 上行 + 10Gbit/s 下行帶寬
前一天還在和朋友說我肯定沒這個運氣了，不蹲了。
一時看著剛遷移好的服務有些哭笑不得，不過也是幸福的煩惱了，於是又作為一個熟練的服務搬運工開始折騰，花了半個晚上遷移完了所有服務，這個價格 & 配置應該也很足夠當傳家寶了，真的再也不搬了。
機房在法國，線路一般，因此大部分對外的服務我都套上了 Cloudflare Proxy，算是能有一些優化，作為個人使用來說也比較足夠了，或許後面考慮一些對國內訪問要求更高的服務會再套一層線路更好的 nginx 反代吧。
Coolify 管理#
順便也趁機優化 / 梳理了一下服務管理的方案。
之前用過 Zeabur 的托管，不過感覺面板上還是有不少 bug，並且通過 k3s 進行部署和調度的方式略有些黑盒，沒辦法很方便地通過 ServerCat 等工具看到每個容器的一些狀態，再加上數據備份、掛載等操作還是有很大的局限。
我也有一些服務是托管在朋友搭的 Coolify 面板上的，用得很習慣，尤其是能夠將數據庫定時備份到 S3 上的功能很強大，所以這次還是選擇了 Coolify，直接在面板中配置上伺服器的 ssh 就一鍵管理了。
Vibe Coding#
最近很流行一個詞叫 Vibe Coding，是對 AI 輔助編程的一種調侃式的說法，不過正經地聊聊，作為一個在 21 年 GitHub Copilot Technical Preview 的時候就高強度使用，後來也陸續使用 ChatGPT、Claude 這類 AI Chat 平台生成代碼，並從去年 7 月開始年付 Cursor 並高強度使用至今的 AI Coding 重度愛好者，我確實有感覺到 AI Coding 對我們開發模式的極大顛覆。
雖然沒有準確統計過，但感覺我工作與個人開發中目測大概至少有 70% 以上的代碼是通過 AI 輔助生成的了，大部分時間用的是 Cursor 的 Agent 模式。
很多人對於 AI 生成的代碼抱有偏見，覺得會生成一堆難以維護的 “一次性” 代碼，但我依然覺得即使是 AI 有著更高自主權的 Agent 模式，生成代碼的質量也依然要靠開發者自己來把控，當給 AI 的提示詞足夠準確的時候，它會成為很好的幫手，甚至能寫出比自己更優的代碼。
我前段時間曾做過一個嘗試，把一個個人項目進行了一波涉及到幾十個文件的後端 API 重構，如果我自己去寫或許要 2-3 小時的工作量與大量的耐心，但把需求和對應的參考文檔告訴 Cursor 後，它一次生成的代碼就可以使用，但漏了一個組件，再經過兩次追問已經完全實現了我的需求，總共花費的時間不到 20 分鐘（甚至大部分時間都花在 Claude 3.7 Sonnet 的 Thinking 等待中），這次實踐也讓我對 AI 所能做的能力邊界有了更深的理解。
我始終覺得 AI Coding 最大價值並不是幫助我們成為更頂尖的程序員，任何一個領域想要深耕都需要花很長的時間去沉澱和實踐，10000 小時定律依然適用，甚至更有價值了，AI 寫出的 “不可控” 的代碼更需要開發者的自身知識儲備與判斷力。
但 AI 能夠讓我們更快 / 更好地實踐自己的想法、做出一個小產品或是參與到一些開源貢獻中了，我作為一個後端開發，並不需要 10000 小時才能寫一個簡單的前端頁面，而是可以快速做出一個 “全棧” 的項目，甚至可能比自己設計得要更好。
甚至我還很習慣於閱讀 AI 生成的代碼來學習那些組件和語法，自己找到一些可以優化的地方去調整修改。AI 更像是一個耐心的 mentor，會幫助我們學習不熟悉的技術棧，解答遇到的問題，並將其內化為自己的技術積累。
尤其是在 Claude 3.7 Sonnet (Thinking) 推出後，驚訝於其代碼能力的躍遷之餘，我在 AI 為我省下的 Coding 時間裡打開了之前還未看完的 cs193p SwiftUI 開發課程與 Rust 教材，開始從頭學習，愈發覺得或許再幾個月、半年過去，模型本身的能力已經不再是瓶頸，而開發者本身的技術儲備、系統設計能力、對架構的理解和業務的抽象能力才是那個短板。
另外由於習慣提示詞都是英文，感覺這幾個月代碼能力沒提升多少，英文表達能力倒是進步了 🤣。
博客改版#
既上次改版之後，又發現 Anthony Fu 新增了一個 Media 頁面，火速把我的也集成上了，現在會展示我看的書籍、電影、劇集、動漫和遊戲了。
有趣的事與物#
輸入#
雖然大部分有意思的輸入會在 「Yu's Life」 Telegram 頻道裡自動同步，不過還是挑選一部分在這裡列舉一下，感覺更像一個 newsletter 了。並且把 Telegram Channel 消息作為內容源搭建了一個微博客 —— 「daily.pseudoyu.com」，可以更方便瀏覽了。
收藏#
文章#
- 我們高估了智力的重要性，我曾經最 “卷” 的一段時間會給自己排許多看似不可能完成的任務和苛刻的 DDL，甚至都是一些很重要的失敗會付出不少代價的項目，用這種方式強迫著自己去快速學習，現在想想敢於這麼做其實更多就是信任自我效能，而這種信心也是可以滾動積累的。
- 6000 字 + 6 個案例：寫給普通人的 MCP 入門指南，依然沒找到什麼特別剛需的 MCP 場景，figma 生成網頁的感覺還比較有意思。