周报 #90 - OVH 服务器、Coolify 与对 AI Coding 的思考
前言
本篇是对 2025-03-31
到 2025-04-06
这周生活的记录与思考。
搬回杭州已经接近一年了,租的房子也差不多到期了,于是火速看了两天房子,最终在不远处选了另一套,虽然又要经历一次痛苦的搬家,但新家的空间布局还挺满意的,也当作一种生活状态的调整了。
除了物理意义上的搬家外,我的所有服务/数据也经历了一次从 AWS 到 OVH 的迁移,也是一波三折,好在最后也都无缝完成了,刚好也梳理一下。
最近高强度地用 Cursor 和 Windsurf 进行 Vibe Coding,确实有能感觉到对以往开发模式的颠覆;还有很多有意思的事。
OVH 与 Coolify
OVH Mystery Box
我之前一直算是个 Serverless 平台的爱好者,热衷于在 Vercel、Netlify、Cloudflare Pages、Zeabur、fly.io、Railway 等平台部署和管理自己的大部分服务,大多数情况下也够用,但随着 Zeabur 的涨价以及各个平台政策的变更,成本不断上涨到十几美元甚至几十美元一个月,感觉已经失去了优势。
再加上之前参加一个黑客松获奖送了几千美元的 AWS Credits,所以有很长一段时间我都把服务部署在 AWS 香港机房的一台 EC2 实例上,也稳稳地跑了四五个月了,不过随着 Credits 即将到期,再加上自己也想一劳永逸保障服务的稳定性,于是打算找一些独服长期续费。
主要考虑的就是 Webp Cloud 团队在「Hetzner CAX 系列 ARM64 服务器性能简评以及 WebP Cloud Services 在其上的实践」一文中强推的 Hetzner 的 ARM64 服务器和另一家极致性价比的 OVH 了。
原本已经打算用 Hetzner 了,但刚好看到 OVH 推出了一个 Mystery Box 盲盒活动,22.99 欧元/月,基础款配置为
- Intel Xeon E5-1650v3
- 64G 内存
- 2 * 480G SSD SATA Soft RAID
- 1Gbit/s 带宽
原本就是一个还挺划算的配置,但有意思的在于它可能会随机开出更高 CPU、内存和硬盘的机器,但价格不变,一下子就理解了买 Pop Mart 的朋友们的感受,这谁忍得住啊。
共计买了四台,前两台都是基础款,第三台开出一个 CPU 与内存中奖的加拿大 bhs 机房的机器
- Intel Xeon E5-1650v4
- 128G 内存
当时已经感觉很满意了,于是折腾了一晚上迁移服务,包括全量数据库的数据,搞定后才收到邮件说第四台机器也安装好了,于是去测了一下配置,惊喜地发现真的开到隐藏款了
- AMD EPYC 7351P
- 128G 内存
- 2 * 1T NVMe
- 法国 GRA 机房 1Gbit/s 上行 + 10Gbit/s 下行带宽
前一天还在和朋友说我肯定没这个运气了,不蹲了。
一时看着刚迁移好的服务有些哭笑不得,不过也是幸福的烦恼了,于是又作为一个熟练的服务搬运工开始折腾,花了半个晚上迁移完了所有服务,这个价格&配置应该也很足够当传家宝了,真的再也不搬了。
机房在法国,线路一般,因此大部分对外的服务我都套上了 Cloudflare Proxy,算是能有一些优化,作为个人使用来说也比较足够了,或许后面考虑一些对国内访问要求更高的服务会再套一层线路更好的 nginx 反代吧。
Coolify 管理
顺便也趁机优化/梳理了一下服务管理的方案。
之前用过 Zeabur 的托管,不过感觉面板上还是有不少 bug,并且通过 k3s 进行部署和调度的方式略有些黑盒,没办法很方便地通过 ServerCat 等工具看到每个容器的一些状态,再加上数据备份、挂载等操作还是有很大的局限。
我也有一些服务是托管在朋友搭的 Coolify 面板上的,用得很习惯,尤其是能够将数据库定时备份到 S3 上的功能很强大,所以这次还是选择了 Coolify,直接在面板中配置上服务器的 ssh 就一键管理了。
Vibe Coding
最近很流行一个词叫 Vibe Coding,是对 AI 辅助编程的一种调侃式的说法,不过正经地聊聊,作为一个在 21 年 GitHub Copilot Technical Preview 的时候就高强度使用,后来也陆续使用 ChatGPT、Claude 这类 AI Chat 平台生成代码,并从去年 7 月开始年付 Cursor 并高强度使用至今的 AI Coding 重度爱好者,我确实有感觉到 AI Coding 对我们开发模式的极大颠覆。
虽然没有准确统计过,但感觉我工作与个人开发中目测大概至少有 70% 以上的代码是通过 AI 辅助生成的了,大部分时间用的是 Cursor 的 Agent 模式。
很多人对于 AI 生成的代码抱有偏见,觉得会生成一堆难以维护的“一次性”代码,但我依然觉得即使是 AI 有着更高自主权的 Agent 模式,生成代码的质量也依然要靠开发者自己来把控,当给 AI 的提示词足够准确的时候,它会成为很好的帮手,甚至能写出比自己更优的代码。
我前段时间曾做过一个尝试,把一个个人项目进行了一波涉及到几十个文件的后端 API 重构,如果我自己去写或许要 2-3 小时的工作量与大量的耐心,但把需求和对应的参考文档告诉 Cursor 后,它一次生成的代码就可以使用,但漏了一个组件,再经过两次追问已经完全实现了我的需求,总共花费的时间不到 20 分钟(甚至大部分时间都花在 Claude 3.7 Sonnet 的 Thinking 等待中),这次实践也让我对 AI 所能做的能力边界有了更深的理解。
我始终觉得 AI Coding 最大价值并不是帮助我们成为更顶尖的程序员,任何一个领域想要深耕都需要花很长的时间去沉淀和实践,10000 小时定律依然适用,甚至更有价值了,AI 写出的“不可控”的代码更需要开发者的自身知识储备与判断力。
但 AI 能够让我们更快/更好地实践自己的想法、做出一个小产品或是参与到一些开源贡献中了,我作为一个后端开发,并不需要 10000 小时才能写一个简单的前端页面,而是可以快速做出一个“全栈”的项目,甚至可能比自己设计得要更好。
甚至我还很习惯于阅读 AI 生成的代码来学习那些组件和语法,自己找到一些可以优化的地方去调整修改。AI 更像是一个耐心的 mentor,会帮助我们学习不熟悉的技术栈,解答遇到的问题,并将其内化为自己的技术积累。
尤其是在 Claude 3.7 Sonnet (Thinking) 推出后,惊讶于其代码能力的跃迁之余,我在 AI 为我省下的 Coding 时间里打开了之前还未看完的 cs193p SwiftUI 开发课程与 Rust 教材,开始从头学习,愈发觉得或许再几个月、半年过去,模型本身的能力已经不再是瓶颈,而开发者本身的技术储备、系统设计能力、对架构的理解和业务的抽象能力才是那个短板。
另外由于习惯提示词都是英文,感觉这几个月代码能力没提升多少,英文表达能力倒是进步了 🤣。
博客改版
既上次改版之后,又发现 Anthony Fu 新增了一个 Media 页面,火速把我的也集成上了,现在会展示我看的书籍、电影、剧集、动漫和游戏了。
有趣的事与物
输入
虽然大部分有意思的输入会在 「Yu's Life」 Telegram 频道里自动同步,不过还是挑选一部分在这里列举一下,感觉更像一个 newsletter 了。并且把 Telegram Channel 消息作为内容源搭建了一个微博客 —— 「daily.pseudoyu.com」,可以更方便浏览了。
收藏
文章
- 我们高估了智力的重要性,我曾经最“卷”的一段时间会给自己排许多看似不可能完成的任务和苛刻的 DDL,甚至都是一些很重要的失败会付出不少代价的项目,用这种方式强迫着自己去快速学习,现在想想敢于这么做其实更多就是信任自我效能,而这种信心也是可以滚动积累的。
- 6000 字+6 个案例:写给普通人的 MCP 入门指南,依然没找到什么特别刚需的 MCP 场景,figma 生成网页的感觉还比较有意思。