BobJace #Stand with Ukraine
4.9K posts

BobJace #Stand with Ukraine
@MingJace
米粒之光与浩月争辉。蓝鸟最后的倔强。
SolarSystem Katılım Şubat 2022
443 Takip Edilen75 Takipçiler

我现在还记得大约四五年前的时候,微信和支付宝一直在大力推二维码交通卡,包括地铁、公交,他们大力推广相关设备和补贴优惠,希望引导用户使用微信、支付宝来完成覆盖公共交通这一打工族最高频的使用场景。
然而,最近一年我看到的趋势是,(尤其是 iPhone 用户)使用 NFC 交通卡越来越多,因为确实方便,不管手机处在任何状态下,轻触一下就可以刷手机进站,而花费价格是几乎一样的(抛开支付宝、微信自己的补贴),甚至还有银联或当地交通卡的折扣(比如很多交通卡做地铁 9 折,月消费金额达到一定数额还可以继续打折)。
这就是一个精彩的技术+场景化+大商家合作商业案例,NFC+高频小额场景非常贴合,但是为什么之前 Apple Pay 打不过微信支付?因为没有商家的支持,尤其是中小商家,没有 POS 机、有了也不会用(没见过)、消费者也没有被教育出使用习惯。
但是交通卡这个场景就不一样了,商家都是地方交通公司,只要做出一家样板来,其他的都会纷纷效仿,因为这些大的商家是专业人员,不是小商小贩,现在 iPhone 的交通卡基本就是一卡走全国地铁(公交我还不太清楚)。
——————
最新的支付宝与 iPhone 钱包的合作,用户可以在 iOS 钱包中直接添加一个支付宝发行的虚拟交通卡,扣费直接在支付宝,可以先享后付。
证明支付宝早就转变思路了,事实上支付宝一直推广碰一下支付也表明:在正面战场干不过微信支付,那敌人的敌人(Apple Pay)就是朋友,这对我作为用户来说,我乐见这种改变。
但是我还是要说,支付宝的先享后付、自动扣款让我不放心,另外,支付宝是会分析用户消费数据的……过多揣测我不说了。总之,有传统的 NFC 交通卡,我肯定不会用支付宝这种虚拟卡。
中文

😳🇸🇰🇺🇦 沒有烏克蘭方面的同意,與俄羅斯聯邦不可能達成和平協議,— 菲佐
他還表示,該國支持烏克蘭加入歐盟的願望。
‼️ 目前尚不清楚斯洛伐克總理菲佐對烏克蘭言論轉變的原因。
MAKS 25 🇺🇦👀@Maks_NAFO_FELLA
😳🇸🇰🇺🇦 No peace agreement with the Russian Federation is possible without the consent of the Ukrainian side, — Fico He also stated that the country supports Ukraine's desire to join the EU. ‼️ It is currently unknown what caused the change in Fico's rhetoric towards Ukraine.
中文

这是我在 2025年 12月公司内部 AI Agent 使用实战演示45 分钟精华的总结,这些经验在半年后仍然适用,这就是 AI Native,比大家领先了一个世纪😀
主题:从一个 DBA/SRE 的视角,演示 Claude Code / Amazon Q CLI 这类"终端 Agent 型AI"怎么用,他们和打开 Web 聊天窗口问 AI是两回事
下面文章中的 “他” 都是说的我,这部分内容是 AI 根据我的分享视频提取总结的:
一、贯穿全场的核心论点
1. Web 聊天 ≠ Agent,这是两种工具
大部分人用 AI 的姿势是:打开网页 → 问问题 → 复制代码 → 本地跑 →
出错再回去贴。这种模式下 AI 只是"更聪明的搜索"。
真正的量变来自 CLI Agent(Claude Code /kiro CLI):AI
直接读你本地文件、调你本地命令、登你的 AWS、连你的 SSH、写配置、跑程序、看报错、自己 debug、重试——整条链路闭环。
2. 产出效率量级提升
他在团队里强推这套工具的效果:
- 最近 3 个月基本没自己写过代码
- 但这 3 个月的产出相当于过去 一整年的工作量
- 所以对团队提了条硬规定:周报里不要再写"这个代码进度 30% / 50% / 90%"这种话术,以后不存在了——一个运维类的任务一天之内就该喝着茶搞完
3. AI 不挑平台,不绑死AWS——那个时间点同事们不理解 Agent 是什么
听众多次追问"这工具是不是只能适配 AWS",他反复澄清:跟 AWS 零关系。同一个 Agent 可以操阿里云、操 IDC 机房、操 macOS 本地容器——关键在你本地把凭证/权限打通。
---
二、4 个实操案例(递进关系)
#: 1
任务: AWS RDS MySQL vs Aurora MySQL 对比压测
关键动作: 一句 prompt → AI 自己建 VPC/子网/安全组/两种实例/EC2、装 sysbench、跑 96个场景、存原始数据、生成对比报告
看点: AI 自己把任务分解成 8步,像模像样;参数给错(内存/实例规格不支持性能指标)能自己读 error 改对
────────────────────────────────────────
#: 2
任务: macOS 本地搭 MySQL + HAProxy 压测环境
关键动作: AI 用陌生的 Limacon tool 起容器、配网络、改密码、画出网络拓扑图
看点: 不会用的工具让 AI搭完,顺便问它"网络怎么通的"——它输出的架构图比人工写的文档还清楚
────────────────────────────────────────
#: 3
任务: 中间件健康检查 Web 工具(Redis / Kafka / RabbitMQ / MQ)
关键动作: 起因是同事反复找 DBA 排查"连不上"的问题。让 AI 写检查脚本 → 扩展 Web界面 → 加端口参数 → 做成 systemd 服务 → 加日志 rolling
看点: 从 0 到上万行代码没亲手写过一行;关键是"拆成一个个小任务"让 AI 迭代做
────────────────────────────────────────
#: 4
任务: 跨云综合对比报告(IDC / 华为 / 阿里云 / AWS)
关键动作: 让 AI 把多次压测原始数据汇总成 P95/平均时延对比、64 线程瓶颈分析、摘要+详细场景分
看点: "我自己测能比他测得好,但我没耐心写出这么漂亮的报告。AI 没有耐心问题。"
---
三、散落但重要的经验(给要上手的人)
1. Prompt 不是一句话,是逐轮迭代:开始给粗指令,看 AI跑的过程中补细节(比如"每个场景压 10 秒而不是 300 秒"、"每 10 秒输出一次数据"、"给我完整的 AWS 命令参数方便我复现/验证")
2. 给正反馈,不只给纠错:AI写对的时候要告诉它"这段写得对"——否则它下一轮改着改着会把对的改坏
3. 过程要盯,不能只看报告(听众抛出的好问题):漂亮的测试报告不代表测得对;过程中要看它采用的策略是否符合你的预期
4. 环境安全第一:绝不让 AI 碰生产。先隔离到安全环境,凭证、profile、SSH key 提前在本地配好
5. 任务粒度:复杂系统别指望一次性生成。10 万行代码会失控(上下文跟不上),Web 工具那种"拆成小任务滚动迭代"才稳
6. AI 比 AWS 专家靠谱的地方:专家讲的都很"飘"、只精一个点、没耐心;AI知识面广、耐心无限、能陪你一步步拆
7. 对 QA 的适用边界(现场问答):
- ✅ 纯 API / 接口自动化:非常擅长,告诉它接口语义和编排就行
- ❌ Web UI 点击式自动化:CLI Agent 干不了,得用 Manus 这类浏览器 Agent
---
四、一句话总结他想传达的
▎ "别老把 AI 当成 Web 聊天框里那个会写代码的助手。把它接到你的终端、你的凭证、你的机器上,让它替你执行闭环任务——你的工作方式和产出上限都会变。"
中文






















