这是猫鱼周刊的第 94 期，本系列每周日更新，主要内容为每周收集内容的分享，同时发布在
博客：阿猫的博客-猫鱼周刊
RSS：猫鱼周刊
邮件订阅：猫鱼周刊
微信公众号：猫兄的和谐号列车
私信：leslieleung@proton.me
新年好！在这里给大家拜一个晚年，祝大家在这一年里万事胜意，心想事成。今年年初一广州依然放了烟花，灿烂的烟花点亮了整个白鹅潭，真的非常震撼。
回到周刊上，没想到离上一次更新已经整整一个月了，最近没怎么碰到特别有意思的事情，所以不是特别想写。最近似乎有点 burnout，对很多事情都有点提不上兴趣，我在后面细说。
最近也做了不少东西，包括一个可以帮你把文件保存到本地的 tg bot hamster-tg，以及一个能鉴别 AI 生成文本的 API 和浏览器插件 Aletheia，包括 Glean 也更新了对 OIDC 的支持，以及对 pgvector 作为向量存储后端的支持等等。年前还写了一篇 TIL 文章 带 Mermaid 的 Markdown 转 docx，如果你有时候不得不写 Word 文档，还需要画图，这也许能帮到你。
好消息，今年的 F1 将会在下周末拉开序幕。自从去年入坑 F1 以来，这个赛事真的给我带来很多快乐，周末的排位和正赛自然很精彩，周中还有各种周边的节目、精彩集锦可以看。今年是新规的第一年，据说是最大的变革，大家都说是「最值得入坑的一年」（其实每年都是啦）。
另外一个很有意思的点是，这个视频用的背景音乐是 Queen 的 《Another One Bites The Dust》，去年的视频也用的同一首歌，我记得非常清楚，我在跑步机上跟着这首歌的鼓点走了很久，而且走得很舒服，步频很适中。
作者应该是大一的学生，跟前端同学合作开发了一个招新系统。文章让我回忆起当时大一的时候也是参加社团，然后跟不同的前端、设计、产品组队，磕磕绊绊地也做过不少作品。
作者提到，他们在过程中使用了不少 AI 来辅助他们的过程。这正是我觉得比较值得讨论的地方：在编程的入门阶段，应该如何使用 AI？
首先我先指出一些 AI 在入门阶段比较积极的地方：可以帮助新手解决一些很简单的错误，可以作为「很耐心的师兄师姐」去帮你排查代码中的问题，不至于被一个小 bug 卡一天，甚至被挫败到退坑；另外 AI 也可以大幅减少编码需要的时间，减少过程中查文档、踩坑的时间，一定程度上可以加速学习的过程。
但正像所有高考作文一样，这里都会有一个「但是」，那就是我觉得这样会导致基础非常空虚，只会「用 AI 写代码」而并非真的会「写代码」。「写代码」不只是简单的写出实际可运行的代码，还包括理解需求、查阅文档、设计方案、debug 等等过程，这些还真的要实际做过才能掌握一些技巧，或者通过踩坑才能得到的一些惨痛经验。提供给 AI 的上下文永远是欠缺准确的，它可能会给出一个过度设计或者过度简化的系统，如果你没有对应的设计经验，它给出的方案永远是讨喜的，你没法作出明智的决定。再退一步讲，AI 写的代码也是需要 review 的，你的能力至少也要能 review 出它可能存在的问题。
在现在这个阶段，如果你是刚入门，我建议还是该看文档看文档、该手写手写，这是不可逃课的基本功，包括学校课堂上听起来跟你实际写代码没什么关系的组成原理、操作系统、编译原理等等，这些到后面都会对你的职业生涯有很大的帮助。至于 AI 的使用，它可以帮助你解决你遇到的问题，你可以把它作为一个随时在线的答疑和求助对象，但没必要完全把编码、debug 这些都交给它。
当然，作为卡在「手工古法编程」和 「AI 时代」的我，我的意见听起来就像我自己吃过的苦不甘心别人不用再吃。也许不久的将来，模型的能力已经强到不再需要人给 AI review 和提意见，以后的新一代程序员只需要「用 AI」而不是「写代码」。但在那之前，还是脚踏实地学吧！
除了最近更新频率很低以外，最近经常觉得很多内容没什么意思，有很多事情也提不起兴趣做了。我记得大半年前我就提到过这个问题，那时候我觉得是对工作投入太多了，消耗了太多的精力。但是近半年其实我已经没怎么加班，每天都是到点就走，工作的内容也改变了一些，而这种感觉还是没什么改变。
兴趣爱好方面，最近也很少带相机出门拍照，一卷胶卷几个月都没有拍完。一个很核心的原因是，深圳内能拍照的地方基本上都去遍了，隔壁的香港我也逛得差不多了，实在是没有什么新鲜感。技术上嘛倒是折腾了不少东西，但是获得的新鲜感或者成就感都不多。有了 AI 之后，很多东西很轻松就能实现，感觉如果不是获得了别人的肯定或者经济收益，做起来就挺没意思。就算是做出来能满足自己的某些需求，经常也发现自己做的始终没有很好，或者其实这个东西到最后也没什么用（不然早就有人做了）。
当然了，我也有在尝试改善这个情况。例如我已经报了名学车，希望到时候周末可以开车出去多走走，「买个改变」。如果你有类似的经历，或者有什么好的意见，欢迎交流。
上一期我就说过 AI 泡沫的事情，现在网上很多文章把 AI 渲染得无所不能，制造很多焦虑，例如「你不用 AI 就落后了」、「AI 将要取代 xx 岗位」等等。之前我就介绍过一篇文章AI 可能不会改变许多工作，说明 AI 其实对整体就业冲击没有很大，还有非常多的工作根本不需要 AI，更太可能会被 AI 取代。
程序员受 AI 的冲击挺大，但是暂时还不是决定性的，还是很难被「取代」。正好春节回家的时候，我爸问我，「有 AI 编程之后工作有什么变化？是不是工作轻松很多？」。我当时的回答是，是轻松一点，但是极其有限。程序员的工作其实分为两个部分，一是大家熟知的写代码、做需求，另一部分是维护系统、修 bug、跟各种人沟通、开会等等，AI 能提升前一部分的效率，但是后一部分的效率一直都很低，而且 AI 没法帮到你，最耗神甚至说折磨的其实正是这部分。
另一个事实是，虽然现在到处在鼓吹 AI，但实际的占有率还是很低。公司最近搞了个小调查，研发部门的同事里，其实只有不到一半在付费使用各种 AI 工具，使用 Trae 居多，其次是 Claude Code、Cursor、Copilot 等。很少有人像我这样重度使用，每个月消耗上百刀订阅几个工具，「手工古法编程」仍然是主流。而且测试、运维等岗位的使用率很低，几乎没人在使用。虽然你能看到很多大公司开始大量转向 AI 编程，例如 Stripe 的实践就大量使用完全 AI 编写、由人 review 的代码，这种实践从国外前卫的公司传播到国内再普及，我觉得至少还需要几年的时间。
一个 tg Bot，功能非常简单，只要把图片/视频转发给它，就能帮你批量保存到本地，并且支持了一个 /newfolder 命令可以切换存储的路径。非常适合「保存资源」。
一个鉴别 AI 生成文本的 API 和浏览器插件，Aletheia 是希腊语中「真相/去蔽」的意思。
开始这个项目是因为正好刷到歸藏的周刊里 Wiki Education 使用了一款叫 Pangram 的软件来检测是否有 AI 生成的文本，考虑到 Glean 也可以把「是否使用 AI 生成」作为过滤的条件，我决定探索一下有什么合适的方案。国内有不少云服务厂商提供的内容安全功能支持了 AI 生成的检测，试了一下效果还不错，但是成本相对比较高（0.05 元/次）。在调研了一下之后发现，其实微调过的 BERT 类模型就能获得不错的效果，这就很适合自建，因为其需要的内存其实不多，推理速度也比较快。于是在网上找了一个模型，并且简单糊了一层 API，集成了语言检测、长文检测等功能，并且做了一个浏览器插件，可以获取文章类网页的正文，并且进行检测，效果如下。
用了我自己的两篇文章做实验，一篇是完全手写的，一篇是有部分使用 AI 来写的，识别准确率不错。在深入使用了几天之后，发现一些问题，这个模型对中文的检测效果还不错，但是英语以及其他语言很大概率会被判断成 AI。另外，它的实现方式注定当市面上的大模型更新之后，如果不重新获得语料来训练，准确率就会降低。再另外，如果文章是人写混了一些 AI，也不好检测。所以这个工具是「不怎么好用」的。
苹果居然在 M 系列芯片上藏了加速度传感器和陀螺仪，作者写了个 demo 来获取它的数据，并且可以用来检测心跳。
一个可以查询订阅用量并且做统计的 dashboard，提供 API 服务。一直希望把 Usage 用 Quote/0 展示出来，刚好找到这个可以对外提供 API 的。它的实现是使用 Claude 的 OAuth 接口来查询，比别的要靠谱一点。另外，好像最近的 TOS 更新说不能用第三方工具 OAuth，这个只查询用量不消耗 token，有点风险，但是应该还好。
本周刊已在 GitHub 开源，欢迎 star。同时，如果你有好的内容，也欢迎投稿。如果你觉得周刊的内容不错，可以分享给你的朋友，让更多人了解到好的内容，对我也是一种认可和鼓励。（或许你也可以请我喝杯咖啡）
另外，我建了一个交流群，欢迎入群讨论或反馈，可以通过文章头部的联系邮箱私信我获得入群方式。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。