笑死，这套 API 本来就他自家在用的，现在一看全世界各种软件都在用，不管谁都先支持一个 OpenAI 兼容 API 再说。

我现在开的车当时购买价格是现在年收入的 3%。你问为什么我不换车？因为还没开坏，而且我没什么使用需求。

可以期待一波 26H2 实现可移动任务栏，27H2 可以实现调整任务栏高度，于是只花了三四年时间就重新实现出了 windows 10 的任务栏。到时候我就可以考虑升 11 了。

@Unicorns96
让 AI 去 code review AI 。比如你用 gpt 写代码，然后开 claude 或者 gemini 去审核。
最好是让他一个一个类去读去审，能抓出不少这种毛病。

To 楼主
善用 architect 功能，很多决策可以在写代码之前做，能避免一些你说的二则的问题。也可以让 AI 多读读已有代码，让他去学习现有的编程风格。能用 memory bank 固化的就善用 memory bank 。
再剩下的问题就只能捏着鼻子接受了。毕竟你招几个实习生来写，也未必能写得比 AI 好……

项目推进太快了人肯定累，这个应该是你们老板的问题，换用 AI 写代码不等于还能百分之百速度干活，人还是得休息的。

那免费的 Gemini 3 你怎么不用。无非就是多注册些账号，然后每个账号每天都有免费额度可以用很久。

@ryd994 #61
不是，我哪里说了电机和磁头发热和磨损不是问题？但是电机和磁头故障是不会以 URE 的形式出现的，电机坏了盘都不转了，磁头故障了那得死一整碟或者至少一大片。我讨论的就是 URE 本身的问题。

CMR 氦气盘当然有 bitflip 问题。氦气盘密度高是高在盘片数，大容量氦气盘是 10 盘 20 磁头，再往上堆容量密度就只能换盘片材料，改用铁铂合金了。铁铂合金更高的磁矫顽，最大作用就是让轨道间的影响降低，提高数据稳定性，这才能把轨道间距做得更小而不会互相影响。这个其实你开着 AI 搜一下文献基本也就能了解了。一个是写入磁头会更容易干扰相邻磁道稳定性，一个是读取磁头会更容易读到相邻磁道的数据造成噪声。磁道宽了会和隔壁邻居吸引或排斥，磁道窄了磁性会留不住。要不你说希捷西数干嘛投那么多钱研发新技术。

希捷 8T SMR ，根据官方参数表：ST8000DM004 Heads 8 Disks 4 ，是 4 碟装，单碟是 2TB 。
希捷传统 CMR 最高密度磁盘是 X24 24TB ，10 碟装，单碟是 2.4TB 。
这说明 SMR 的单碟容量已经非常接近极限了（也就是说按照 2.4TB 4 碟装也到不了 10TB ，所以同代产品最大就 8TB ）。
HAMR 盘已经做到单碟 3.2TB 并且稳定出货了，明后年上 4TB 。

话又说回来。SMR 最大的问题其实从来不是技术的问题，而是宣传的问题。你猜为什么我服务器上有这么块东西？因为当时装服务器选配件的时候老板不知道这货是 SMR ，因为他™根本就没写是 SMR ，等我发现的时候服务器都上架了，你说怨谁。WD 也是，好死不死给红盘搞 SMR ，那当然被万人骂了。明明只要做好说明，让该买的人买，不该买的人别买，就没事了。

@ryd994 #45 误区就在这里，URE 并不是在重建时产生的，而是平时就会产生，只不过在重建的时候读到了已经 error 的扇区。URE 的原因就是盘上 bitflip ，而且是 flip 多到超过 ECC 可以修复的量，才会产生 URE 。

#50 我服务器上 4 块硬盘，3 块 16T Exos ，1 块臭名昭著的 8T SMR ，后者一年多点就坏了，点不亮数据全丢的那种，剩下的 16T 跑了 4 年多稳得一批。SMR 盘在随机写入的时候会大幅写入放大，同样下载 1T 的 torrent ，SMR 上盘片上得写入好几 T 。如果盘上写入量相同，可能 SMR 确实没有特别离谱的可靠性降低，但你加上写入放大呢。再加上 SMR 的轨道之间距离更小，轨道之间更容易串味，本来 bitflip 导致 URE 是 1e-15 ，你把轨道间距一拉，好了变成 1e-14 了。真要说的话，我宁愿他们上了 HAMR 再上 SMR ，至少 HAMR 新材料的高磁矫顽可以抵抗轨道间的串味。

#55 很多人用起来没问题当然只是对于个人用户非常低负载的场景，存点小姐姐，放点 Word 文档，SMR 盘当然是没问题的，但绝不表示拿来跑 NAS 或者读写频繁的场景没问题。我们谈 SMR 的可靠性当然是谈综合可靠性，可不是在前后加上很多星号下面加上各种小字注解的可靠性。你不能因为自己用着 SMR 盘没问题，就说别人观测到的 SMR 损坏率高是偏见吧。

@ryd994 #24
> 因为重建耗时超过 24 小时，且全程是满负荷读写，非常有可能在重建过程中再挂一块。

这里其实有个误区，通常并不是因为满负荷导致再挂一块，而是因为第二块其实早就挂了，只不过是在重建的过程中再次「发现」了第二块硬盘挂了而已。

扇区校验错误只有在读取扇区的时候才会被发现。也就是说，一般家用 RAID 环境，硬盘可能不知不觉早就已经千疮百孔了，因为某一次读取到了已经有错误的扇区，导致硬盘报错离线，然后重建阵列的时候轻易地读到了另一块硬盘上已经有错误的扇区，这才表现出好像是「重建时再挂一块硬盘」的表象。

要解决这个问题，其实很简单，设置每隔一段时间做一次 scrub 就行了。scrub 本身就是模拟重建过程，如果硬盘已经千疮百孔，不至于到重建的时候才发现。

你写我支持，我用我不用。
光从截图和说明来看，似乎没有比现有基于 aria2c daemon 的方案强很多，所以我不会去尝试。但是勇于新建文件夹去尝试做一个新项目，我是非常支持的。希望有朝一日能够远超 aria2 方案。

@CynicalRose #10 确实，不同的公司有不同的情况。我司现在是人手不够然后大量工作积压，裁员应该会控制在比较小的范围，大部分人用 AI 提升工作效率只会更快清理积压的工作。

软件工程师的工作有很多方面，把代码码进文本文件里只是其中一部分。
最开始的需求分析，技术选型，架构设计，编码完以后 QC ，改善可持续性，要做的事情多了去了。
为什么有人 vibe 出来一坨，有人 vibe 出来结构优雅程序稳定 bug 少，背后的差别你要是能吃透了那你就能爽吃 AI 开发的福利了。

@shellic 嫌贵那不就等于只能用更差的么。
你拿 3 千块的电脑打游戏嫌慢，那别人肯定说你换 8 千块的就快了。你嫌 8 千块的电脑贵的时候，那别人肯定说你换 3 千块的电脑就便宜了呀，打游戏慢那就忍着呗，总不能又要又要吧。

@wnpllrzodiac #26 不至于，至少我开着 flash 写 C++出来的代码没问题，就是没有那种让人眼前一惊为天人的能力，就是那种翻了项目里的各种文件然后一眼定位到问题在哪，这做不了。但是你告诉他要加什么功能，他能照着你的要求正常给你写完。

贵的模型一般是公司这个级别用来替代人工省钱的。
你算算，一个普通的工程师一个月的收入大概是 2 万美元，折合到每个工作日是 1000 美元。让一个工程师的工作效率翻倍，就等于每天给公司省下 1000 美元。相比之下 AI 费用才多少，你真要一天用出 200 刀的 Sonnet 那你工作效率肯定不止翻一倍了。

至于个人开发者，嗯，老老实实用便宜的模型去……

有便宜的，你选贵的当然贵。
我司给我们用也只是给个 GPT-5.2 。
个人用的话我一般直接用免费的 Gemini 3 Flash ，Flash 搞不定了再切一下 Pro 或者更贵的模型。
不是特别复杂的工作，GPT 这个级别的一般足够用了。甚至 deepseek 3.2 这个价位的都足够了。

我现在做的：
首先用 RooCode 开 Architect 模式和模型一起头脑风暴，包括技术选型这些都可以做，你说的数据库设计接口设计这些都可以让 AI 来设计，你的主要工作是掌舵，告诉他应该往哪个方向走。讨论完了，写入 markdown plan 了，再切换到 Code 模式实现代码。
然后一定要让他写测试用例。意思就是 AI 必须有能力自己确认自己写出来的东西对不对。
比如你写 Web API 接口，那你必须先设计一套通过 Web API 接口测试你程序正确性的测试环境，然后告诉 AI 改完代码以后运行测试，跑通才算做完。联调的时候发现的问题一定要用测试用例固定下来，然后再让 AI 回去改代码把测试用例跑通。

你都用 AI 写代码了，就不要考虑出了 bug 怎么排查了，而是应该反过来，通过手段保证你用 AI 写的代码不会出 bug （至少不会经常出 bug 需要你去排查）。几年前被大家扔出去的 TDD 现在正是捡回来的好时机。

模型用点好的。我现在最差也要用 Gemini3F ，如果你有条件上 GPT5.2 家族或者 Opus 那更好，没钱那 3F 也可以先凑合着用。

网盘不方便，我 100 多 T 的数据放网盘上也不便宜。

笑死，我们 code review 要求全部用 AI 执行