终章

距离上一篇文章，已经过去将近一年了。

不是没有遇到问题，也不是没有解决问题，而是解决问题这件事，已经不再需要记录下来分享给别人了。

最后一篇文章停在 2025 年 4 月 22 日。那之后发生了什么？还是在写代码，还是在排查 bug，还是在部署服务，还是在处理各种奇怪的报错。生活没有停止，只是博客停了。

知识贬值了

做技术这行十几年，博客一直是一种习惯。遇到一个坑，爬出来，写一篇，留给自己备查，顺便对搜索到这里的人有点用。这是那个时代技术人的默契——你帮我，我帮你，大家都靠搜索引擎活着。

那个模式走了很久，直到 AI 出现。

刚开始用的时候还没意识到有什么变化，只是感觉查资料快了一些。后来慢慢发现，很多问题压根不需要去搜了，把报错信息粘贴过去，分析出来的原因比自己猜的准，给出的方向比搜索结果更直接。

不是说 AI 永远对，而是说它的命中率高到让你不再需要反复试错。

以前排查一个问题的路径是：遇到报错 → 猜可能是什么原因 → 搜索关键词 → 翻几篇文章 → 对比自己的情况 → 再试 → 再报错 → 再搜。这条链路短则半小时，长则一天。现在是：把完整的错误信息和上下文丢给 AI，它根据你的具体情况给出分析，通常第一轮就能命中。

这就是本质的不同。过去的技术文章，包括我写的那些，本质上是在做「经验的预存」——我遇到了，记下来，等你也遇到时搜到它。AI 不需要这种预存，它直接针对你的问题分析你的场景，灵活程度不在一个量级上。

知识的价值没有消失，但知识的稀缺性消失了。

这个博客原本是干什么用的

翻回去看，这几年写的东西大多数是工具性的：Redis 持久化怎么配，Nginx 报 499 是什么原因，Docker 镜像怎么导出，Go 的代理环境变量怎么设置。

都是真实遇到过的问题。写的时候是认真的，但本质上是「填坑记录」。

这类内容有个特点：它的价值依赖于稀缺性。当大多数人遇到同样的问题、找不到清晰答案时，一篇写得明白的文章就有价值。但当 AI 可以对任何报错给出清晰的分析和方案时，填坑记录这种形式的价值就接近于零了。

不是我的记录没价值，是这种形式的记录整体上变得多余了。

十几年这件事

做了十几年技术，说不上什么深刻的感悟，只是有一个观察：这行业里真正有价值的东西，从来都不是「会用什么工具」，而是「理解问题本身」。

工具一直在变。语言换过，框架换过，部署方式换过，现在连写代码、查资料这件事本身都在变。不变的是：你能不能把一个模糊的问题描述清楚，你能不能判断一个方案是否合理，你能不能在信息不完整的时候做出相对正确的决策。

AI 替代的是执行层，替代不了判断层。

但判断层需要的东西，不是靠写博客积累的，是靠真实的项目、真实的失败、真实的取舍积累的。这部分没有捷径，AI 也帮不上太多忙。

所以如果说这个时代的变化对技术人意味着什么，我的理解是：执行成本大幅下降，判断能力的稀缺性反而上升了。以前你花 70% 的时间在查资料和写代码上，30% 在想清楚要做什么。以后可能倒过来。

不更新了

说回博客本身。

继续更新的理由不太充分了。写工具性的内容，AI 比我快，比我全，比我针对性强。写思考性的内容，我不确定自己有足够稳定的输出频率，也不想为了更新而更新。

更重要的是，我现在解决问题的方式变了。不再是「遇到问题 → 解决 → 记录」，而是「遇到问题 → 和 AI 一起分析 → 解决」。这个过程是对话式的，不是文章式的，记录下来也失去了原本的意义。

就在今天，服务器宕机了，SSH 连不上，网站 504。排查下来是 uWSGI 没有配置 max-requests，Python worker 内存一个月涨满了，加上爬虫在高频抓取，内存耗尽触发 OOM，云盘 IOPS 被打满，整条链路崩掉。问题找到了，配置改了，封了爬虫，加了 Swap，加了限速，一个小时之内全部处理完。

这个过程里，AI 分析了日志，识别了爬虫行为，定位了配置缺陷，给出了修复方案。比我一个人盯着日志猜快得多，也准得多。

以前这种排查经历，我会整理成一篇文章写下来。现在觉得没必要了，因为下次你遇到类似的问题，直接问 AI 比来看我这篇文章更有效率。

告别

这篇文章写完之后，这个博客大概率不会再更新了。

不是失落，也不是什么壮志未酬的感慨。只是一个阶段结束了，另一个阶段还没想清楚形态，就先停在这里。

那些年写下来的东西还在，作为一个时代的记录也好，作为某个深夜搜索到这里的人的参考也好，留着就行。

感谢曾经来过这里的人。