你这“综合功能 OK”，“价格不用太高”，“日常够用”。就属于典型的需求定义不清，没人知道你的综合功能是啥，不用太高到底是多高。还有你日常到底拿来干啥，究竟是就投影看个 1080p ，甚至 720p 的视频，还是打算以后搞 4K 杜比 HDR 看电影。

如果你实在搞不清乱七八糟的参数，你就先定好一个预算，比如 5K ，8K ，10K ，15K 这样。

然后再根据你家空间选个尺寸。100 寸的需要看一下电梯能不能进，其它的能放得下多大你就找多大的。不用考虑什么观影距离，看个几天习惯以后，剩下的就是越大越好。

至于性能，如果你预算很低，还是尽量选尺寸大的。性能可以牺牲一些。比如没有那么多的分区，硬件解码也拉跨，但至少是个能看的电视。可以看看几大品牌的互联网子品牌，比如前面说的雷鸟 Vidda 什么的。小米的也凑合。
主要是各家调色都不太一样，你对比着看区别可能很明显。但你买到家里就只看这么一台，好一点差一点对你来说影响可能就没评测视频里那么大了。

目前主流的，或者说各大厂商都在卷的，还是集中在 75 ，85 这个尺寸。卷面板，卷参数。如果你打算买这个尺寸的，可以多看看海信 TCL 主推的几个系列。什么 E8N Pro ，Q10K 等等。预算够高的话也可以看索尼，或者 LG 的 OLED ，但如果只买得起 7 系就还是看看国产吧。

C#的话，可以试试 LiteDB 。基本和 MongoDB 类似的接口设计，也能直接往里面塞文件。
又和 SQLite 一样，只有个 dll ，数据库也就是个本地文件。
纯托管代码，完全跨平台。

很难，该扔扔该喝喝，随便给他们个红包就是了。

以最基础的口粮酒为例，53 的黄盖汾酒也得 300 一箱。你这市价就只有 200 一箱，也算不上什么高品质的酒。
这种酒再放个十几年，基本就没办法喝了。这种年头的酒本来就只有送礼的价值，但你这价格也不合适。

一般的零售包装其实并不适合长期储存，密封的没有那么严，酒精挥发掉一部分以后酒体就会变得很差，而且风味物质也会变质。

最快，效果最好的办法：直接撒盐，多撒点，撒完了晾一会，反复多次。
很疼，但效果很好。材料便宜易得，成本极低。

相对较慢，但最舒服的办法：凝胶或者贴片类的药物。
基本无痛，但好的比前一个慢。

本质上就是杀菌，传统的杀菌办法就是高盐或者高浓度酒精环境。你要是有高浓度酒精也可以试试，饮用酒就算了，浓度不够。除非你用生命之水，但这个浓度的切记不要咽下去。

说几个安卓手表的缺点，你看看能不能接受，能的话换过去就没问题。

1. App 适配不好。如果你喜欢在手表上尝试各种稀奇古怪的 App 就不合适。但如果只用固定的几个功能，什么睡眠监测闹钟运动等，基本都有。但像训记这种第三方的就没有。

2. 心率检测不太准。之前看过一些论文，对比心率检测的算法，基准是多导联心电图。苹果的还是要准一些的，尤其是运动中的心率检测。个人体感确实如此，但差不太多。主要体现在数值反应上慢一些。但日常使用其实有那么点误差也没啥问题，看你个人喜好了。

3. 没有多重表盘，不像 Apple Watch 那样可以左右滑动切换几个自定义表盘。我一般是模拟表盘和数字表盘可能来回切换使用，需要习惯一段时间。

我是整个换成安卓系了，所以通知什么的也没试过会不会有延迟。但整体用下来大多都是习惯问题而已。充电和电池性能上的提升带来的体验改善非常大，对我来说至少几天内的短途出差旅行不需要带充电线和考虑充电问题了。

而且我的 Apple Watch 用了两年后，电池已经没法满足长时间运动了。比如我骑了三个小时车，晚上再去撸铁肯定就撑不下来，必须中间补电，体验极差。

@sunfly https://www.decathlon.com.cn/product-detail?dsm_code=305623

看起来和你那个滑雪手套差不多，但这个我体感是不冷，也不知道为什么。

@sunfly 我和楼上用的一样的 Triban 900 ，基本骑一两个小时也没啥问题。但北京还是不太冷，最低也-5 左右，更低温度或者风太大的话就不骑了。

AI 辅助编程会更加拉大两极分化的。

技术水平比较高的，加上 AI 辅助产出效率更高。技术水平比较差的，产出效率也会极大的提升。

但问题是，“写”代码从来就不是核心任务，Debug 才是。可能你这个需求用 AI 可以快速生成一段代码，下个需求也可以再生成一段代码。这需求迅速就能开发完。但你再生成第三个需求的时候，和前两个没准就配合不上了。到时候 Debug ，或者修改架构以适应整体，就不是 AI 能搞得定的了。

问题就是 AI 提升效率的同时，也掩盖了初级程序员其实并没有那么懂的事实。有经验的人知道哪些该用 AI 去搞一大段内容，那些地方一定要自己思考实现框架，然后让 AI 填代码。但你如果从入行开始就用 AI ，上来先用 AI 生成框架，然后填入特定需求代码，有问题的随便糊一下 patch ，干个半年一年走人，就很难有这样的思考提升过程。

总而言之 AI 应该完成的是“写”这个过程，而不是“设计”这个过程。你知道这东西要怎么实现，你知道这算法是怎么回事，就是懒得写那一堆循环和类型转换，那 AI 搞一坨没啥问题。

你拿一个需求直接扔里面，那就是本末倒置了。

我是见过 GPT 程序员，需求实现的飞快，但某些特定测试数据就会出问题。你去问，一问一个不知道。生成的代码太多了，怎么调，怎么 Debug 都很头疼。你自己写的代码，哪里可能出问题，哪个参数会影响什么你很清楚。AI 搞一大坨，随便跑俩测试数据没问题就觉得做完了，死都不知道怎么死的。

本质上 AI 辅助编程就是抄作业，抄代码。你本来就会的，抄一抄能给你省出学习其它科目，去做正经事的时间。能极大的增加生产力。
你本来就不会，抄了代码以为自己会了，等考试的时候出个变题，或者别人问你点问题的时候你就该头疼了。纯纯的陷阱。

我同时用一个 1080p 和一个 4K 的显示器，Windows 虽然有位置对其的问题，但 Ubuntu 基本就是不可用的状态。缩放就没对过。

算老物的话，Cowboy Bebop 。时不时还会拿出来看看，特别是椭圆机上做有氧，不知道看啥的时候。

近期的来自深渊，芙莉莲也不错，前面都推荐过了。

@levelworm 其实我觉得这都算是比较传统的程序员了。毕竟那个年代选择做程序员的，多少都是有点爱好在里面的。等互联网兴起以后，大把的人只是为了这份工作赚钱才当程序员，那就没什么兴趣可言了。

有兴趣才能做出自己搞个模拟器出来这种事。不然肯定“你 CPU 都没有，我写个什么 Bootloader ？”，互相扯皮甩锅对其进度去了。

后面还有他用编译器给硬件打 patch ，这 patch 跑满了整个生命周期。。。。

所以说工程这种东西，就是能跑就行。

直接用 Ventoy ，把你要加的文件也放到 U 盘里，就能当正常 U 盘用。没必要非得去改 ISO 的。

@keengrass 是对红色成分的感知比较弱。主要是比较难分辨混色之间的区别。比如某种颜色混了一点红和混了一点绿，可能就看不太出来有啥不一样。
色盲是对某种颜色完全没有感知，和色弱是不一样的。就算严重色弱，也是能感知到纯红和纯绿的区别。但红色盲就只能从深浅去区分这俩颜色。

两条带子那种主力带不会影响手表；戴护腕或者厚的助力带，就把手表往上戴点，弄到小臂中间就行了。

TGA 和宇宙机器人值得一个诺贝尔和平奖。