写在2026年刚开始的时候
时光荏苒，岁月如梭，转眼间2025年就结束了。
每年我都会写一些有的没的的东西。按理说应该是在年初写，但是因为自己摸鱼，一直没有下笔来写这篇文章。
感慨与改变
也许自己不应该来写这篇post
在读本科的时候我常常感慨，这些教我各种专业课的老师们都是一些70后、80后和90后了。他们那个年代也许互联网还是一个新鲜东西，电脑用的还是286、386。他们是他们那个时代的见证者。
而我也不知道算不算幸运，我也是我自己这个时代的见证者，我见证了AI的诞生和兴起。
可以说，我现在对AI的态度跟以前完全不同。现如今AI已经是我日常生活中不能或缺的一部分了。
我自己的各种作业文章、论文、文档等内容，也少不了AI帮我来润色和拟稿。
我经常会跟AI进行讨论，分析各种思路的合理性等等，然后敲定框架，接着最初的那版初稿往往是AI来完成的。
在AI完成了初稿后，我会大概看看到底是一个什么感觉。然后根据我的感觉和想法来指挥AI进行修改。
接着是画图，我先让AI总结好文章的行文思路，设计合适的流程图、框架图的要点，然后生成一版图片，不断要求他进行调整。在调整的差不多后，我再来用draw.io、PowerPoint、HTML+CSS、Photoshop、MATLAB和matplotlib等工具来进行重绘和细化。
在AI铺垫好一定的基础后，我再来下手进行细致的精修，形成一版稿子，再把这篇稿子导出PDF，腆着脸找导师让他指点指点。
由于自己是一名计算机专业的学生，日常工作少不了写代码。实话实说，我目前的大部分代码都交给了AI来完成，我的大部分时间是在做代码的微改、整理和Code Review。
因为我此时此刻生活的时代，从零完全写一个项目的事情被称作「古法编程」。
那我此时此刻写文章的这个行为，或许放在现在应该被称作「古法写文」了。
或许在2026年，我也许不应该自己动手来写这篇post了。
AI的发展真快啊，确实是超出了我的想象了。
生产力更新
正如最近更新了“生产力”这篇里所述，我更新了自己的生产力设备。我目前的主力机是一台MacBook Air。同时我还做了其他的一些所谓生产力方面的调整。
重点说说看MacBook吧。
其实对于我而言，至少放在两年前，我可能对「用MacBook当主力开发机器」这件事还是嗤之以鼻的。我感觉MacBook属实是有些“品牌溢价”。我完全想不到有哪些事情对于我而言是真正意义的「Only Apple Can Do」的。
- 如果要是论开发的话，其实之前的联想小新Pro16上装ArchLinux是完全是可以的，Windows下面也并非完全没办法敲代码，Windows+WSL也许也能有不错的开发体验
- 生态上，传输文件我们也没必要非得用经常会卡住的AirDrop，我们也没必要非得用上苹果贵的要死的iCloud和诸如Note、Remainder、Calendar各种原生APP的同步功能
那到底是什么驱动了我来换成了MacBook了呢？
其实是因为自己要做一些有关于iOS的开发工作了。
正如大家所知，没有Mac你是很难用上xcode的。黑苹果不是个长久之计，并且问题频发，没办法很顺利的做好debug工作，体验非常不好。
同时，正如上面那篇post里所说的内容那样，自己对arm的好奇、对联想小新Pro16这个占用insert等原生按键的不满、不想再天天把精力过度投入到折腾ArchLinux上了等各种因素，让我入手了现在的本子。
当时那篇post发布在9月底。其实我是在去年5月初换的。现在的话满打满算也体验了快要将近一年了，我也算是苹果自适应用户了。
用习惯了感觉还可以。
当然，在这一年时间里，我自己用的一些软件也更新了一波，当时的那篇post里说到的软件有一些我也不再使用了。
可能后续我还想再发几篇post来说说看。
再锐评一下自己的懒惰
正如去年的写在2025年刚开始的时候里所说的那样：
我觉得自己多少是有点懒癌发作在的，基本上自己想做的事情一直都能拖就拖。无论是学校里的作业也好，还是自己要写的代码之类的，或者是答应别人的事情，一直都要挤到最后然后熬夜淦，非常不科学。
我现在仍然如此，可以说自己是非常懒了，不愧是我！
不过还好，2025年打算做的事情并不是一点也没做，完全甩锅给了2026年。包括换wordpress等等在内，2026年也做到了。不至于说自己2025年什么也没干（
我只能说克服懒癌的任务得作为一个长期攻坚战，继续克服下去。
最起码2026年剩下的这段时间里，不能像这篇post一样，明明该2月份就该写的东西，愣是给我拖到了4月初才写（
来说说AI吧
我觉得AI值得在我自己的年度总结里单独开一章好好说说。
我们越来越离不开AI了
正如前文所述，AI这玩意儿，我属实是离不开了，我的学习、工作和生活里到处都有AI的影子。
在我看来，我最大的感想是，AI帮我做到了我很多没有时间没有精力去做的事情。
在过去的2025年里，我借助AI完成了好几个小项目的重构和维护修缮工作，我给自己手里的很多小项目都顺手加上了新功能，还升级了新的依赖库，修了好几个陈年bug。
而这些工作放在之前的话，我可能没有时间来去做。现如今开始着手去做这些事情，只需要从一句「帮我看看这个项目，说说看xxx应该如何去做」开始就可以了。
诸如Claude Code CLI、Codex、OpenCode等AI Agent工具，可以在电脑上分析并处理请求，并且遍览整个项目，全面的分析一个项目。
AI再也不是局限于网页端的聊天区域的聊天助手了。他的能力在编程领域，可以遍览整个项目了，病情根据他自己的需要来阅读文件和代码。他能做到的事情越来越多了。
今年初OpenClaw大火。作为一个在2025年用惯了AI Agents的开发者看来，这也许就是Skills、MCPs、Agents等东西的堆叠罢了，却让一些不怎么关注AI Agents的普通用户眼前一亮。
我刚想张开嘴说一句「这有什么大不了的」，转念一想，MCPs、Skills、Agents这些概念的兴起，也不过短短一两年的时间。
作为开发者，也没什么必要对此鄙视一番，我自己也只是比这阵AI风潮下的普通用户们早了那么半年看到这些概念罢了。
我们都是AI浪潮下的受益者，都在畅想未来AI到底能做到什么。
我们已经越来越离不开AI了。
每个人都需要AI
AI并非是开发者独有的moment，我想每个人都需要AI。
OpenClaw让各个普通人看到了机会。实际上在我们的工作当中，有相当大的比例都在重复做一些复杂繁琐的事情。
在去年底的那段时间，我需要整理一下成绩和申请材料等内容。说实话，这些工作是非常繁琐的，在过去我需要一个个点开申请材料，然后一个个比对哪些是学校要求让我提交的内容，接着再把它们整理归纳到表格里，最后再填写上对应的成绩等内容。
这些工作其实是很机械化的，我需要对每个文件做类似的操作，并且要合算成绩，按照要求进行比对。
其实放在之前，我会尝试去编写一系列脚本来完成这项工作。这恰恰是计算机诞生的意义，程序开发不就是为了把重复繁琐的工作编程为一系列固定的工作流来加快效率嘛。
但是这类工作似乎不能这样做。因为要求是各种各样的，繁琐的工作看似是机械重复的，其实每个文件、表格和文档里的格式等是完全不一样的，这里没有一个统一的输入和输出方式来做这样的处理。
如果带着这种老思想，把这些东西固化为固定的脚本，没有语义化的分析，那这些工作仍然需要人来做一系列的工作。我们不得不把这些不规则的文件转变为统一的格式，给程序处理，再把程序处理出来的统一的格式处理为最终需要的内容。
现在有了AI，这些问题迎刃而解了。因为AI拿手的就是语义化处理。
我相信80年代的老教师们每次大考后，用算盘一个个合算学生成绩，然后登记到花名册上，在人工进行排序的时候，一定没想过未来每个人都会有一台电脑，我们只需要创建两列Excel表格，一列是名字，一列是成绩，点一下排序就能做好了。
我相信在未来的话，借助AI的力量，越来越多的重复机械的工作会被AI取代掉。
我有一种感觉，AI时代下，Token终究会成为一种新时代的“流量”。我们未来可能需要跟定时要记得交流量费一样去充值自己所需要的Token。
AI的“智能化”究竟来自哪里
支撑AI技术发展的LLM技术依赖于庞大的语料库，这是一个力大飞砖的活。
正如我们所知，LLM本质上就是一个大型的预测器，我们给他一段文本内容，他能输出我们极大可能需要的所谓“答案”。
这些「文本-答案」的对应响应来自于语料库的训练，而语料库来自于人类的积累。
整个LLM其实是一个巨大的「为你推荐」模型，他会极尽全力去生成我们究竟想看到什么，他自己应该很难诞生出新鲜的东西。
对LLM而言，在他自己那个语料库笼盖下的世界里，太阳底下确确实实是没有新鲜事的。
或许LLM之所以能涌现出如此“智能”的原因，可能还得从信息论的角度来思考。
整个互联网、书籍报刊等来源的文本资料是极其庞大的，LLM的训练语料量级也是非常庞大的。要把这些知识完整装进LLM的大脑里是天方夜谭，毕竟LLM并不是一个大型数据库。
LLM的做法是从这些文本中寻找规律，看每个词和每个词之间的联系如何，然后建立权重来量化Token和Token之间的联系。
其实这本质上是在对这个庞大的语料库做一种类似“压缩”的工作。
我想，「压缩」这件事做到极致，就不得不倒逼这个压缩模型去思考「潜在联系」，这或许就是所谓“智能”的来源吧。
人的能力上限不应该被AI局限
我始终认为AI未来很长一段时间内是不会具有我们所理解的“智能化”的。很多人会觉得AI未来一定会涌现出很强大的思维能力，他们会“思考”，会逐渐取代掉人类的位置。
对此我可能态度是相对乐观一些的。我觉得这不太可能。
LLM本质上就是一个巨大的「压缩模型」。他将喂给他的语料库进行抽象的压缩，得到了最终的权重。这就意味着他一定受制于自己的预料。
而由于每个领域的资料内容不可能是一样多的，A领域的资料可能更为全面，B领域的资料可能相对较少，对于LLM而言有效信息获取可能还是A更多一些，B更少一些，能力上也就会表现出来A能力更强一些，B能力更弱一些。
哪怕AI具有联网搜索能力，可以帮我们现查资料……我们又不是没有用过搜索引擎，如果他能解决的问题都非常好搜的话，我觉得这往往是一些显而易见的工作吧，我们难道不是更期待AI去解决一些更高难度的工作才对嘛？要是手把手的资料网上大把大把都是，那还叫高难度嘛（
AI的意义更多是为我们解决一些重复性很高、机械化程度很深、已经形成固定话模式的工作吧。
现如今的AI浪潮下，我看到大量的企业因此裁员。或许这些企业的岗位有很多机械化程度很深的工作，也许有了AI，用少量的人类员工能完成跟原来一样甚至更多的工作。
但是有人迷失双眼，在迷茫中笃定人类的科技树制造出来了完美的智能，这些智能完全能为自己所用，或许在目前看来有些痴心妄想了。
这些痴心妄想的人们值得未来倒在自己头上的一盆冷水。
打算做什么事情
文章的末尾还是说说自己在2026年打算做什么事情。
回过头来看了一遍自己写下的内容，全文充斥着「AI」两个字母。
其实在这个AI盛行的时代里，其实我自己也被浇了一盆冷水。
我在2025年写了一篇post叫做原来Linux的文件权限玩法还有这么多啊，里面提到我自己一直知道Linux里的777权限是完全开放的权限，对于其他的内容我却完全不了解。
其实这篇post发出去以后，有几个朋友来私聊，他们说我毕竟是搞运维的，这种能力缺陷属实是有点“不应该”。
为什么会这样呢？
我扪心自问了一下，发现在AI时代下，我变得越来越不愿意思考了。
就拿运维这件事情来说，我经常会把自己遇到的问题直接无脑给AI，并且看着感觉差不多的话就会轻易采纳AI给出的意见。
后来在几次运维维护的时候，我发现AI给出的建议并非一直是最优答案。
或许我会在后面再写一些post来讲述一下我自己跟AI骂街的经历（
我这才意识到，我作为AI的使用者，实际上真正能解决我的问题的，从来不是有多么强大的AI，而是在于我自己。
AI只能用来让一个人的能力变得如虎添翼，而不能无脑扩展一个人的能力边际。
在2026年里，我希望自己能仔细巩固一下自己的能力。我想多看几本书，多看几篇技术文档，多学习一些技能。
在AI盛行的时代里，我感觉「基础为重」。我坚信无论是什么时候，任何领域的底层逻辑是从来不会变化的。
同时，在AI的帮助下，我也许能做到一些以前的自己办法做到的事情。AI的发展日新月异，我要不断探索。
希望自己的2026年继续加油吧！