个人云资源优化60%，给vibe coding提治理要求

作者: admin 分类: AI技术 3 次浏览发布时间: 2026-09-14 00:00

这是学习笔记的第 2531篇文章

发现时间过得还是挺快的，一晃一周就过去了。说点最近的一些感受和想法吧。

#1 AI资源的成本优化

前段时间我提到有5台云服务器需要续费，我做了优化，可能这件事情给我的收益更多还是对于成本的管控。

第1版的优化方案：1、下线1台，2、降配1台 3、回收一台服务器的硬盘，实际的成本降低了差不多20%左右，感觉基本上已经做到头了。

而且整个的过程还涉及到资源的迁移，我用大模型一边梳理，一边调整，其实几个小时就能够快速搞定，感叹现在AI技术发展如日中天，在以前这个工作量少说也得3-5天。

第2版的方案竟然超出了我自己的认知，结果是：1、下线3台，2.新增1台，3、回收2台服务器的硬盘，5台服务器最后砍成了3台，成本降低了差不多60%以上。

大体的思路是：

1、我梳理了每1台服务器的资源使用率，对于使用率较低的（比如10%的cpu使用率），果断合并，这其实是最难的一步，也就是你得先定好一个目标，然后按照这个目标再去拆解这么做的成本是不是那么大，有了AI的助力，原来的麻烦和影响都可以评估清楚，更客观了。

2、我换了一个思路，不是考虑月度续费，而是包年续费，在几个主流云平台上面大概率有包年的极低折扣，差不多在2折以内，当然仅限1台或者有其他限制条件，比如说我续费的这1台云服务器，1年大概需要400多，如果刚好碰上了续费可能只需要80-100左右，摊分到月份，基本上1个月的费用接近1年了。

3、这一步我目前还没有开始做，但是已经基本调研清楚了，有一些较小的公有云厂商也可以考虑，性价比也更高，或者找云厂商的代理，一般都有一定的折扣力度，只要把资源角色和定位弄清楚了，其实用哪家都可以，不存在绑定，最终的理想状态就是大概20%左右的资源可以一边用一边对比，一边切。

4、充分利用本地的笔记本电脑的资源配置优势，比如我自己在用的macbook pro, 16G内存，CPU也是比较充裕的，之前可能考虑在云服务器上面做一些部署测试等，现在干脆都挪到本地笔记本上面，对云服务器的负载大大降低，还同时能够提高性能和效率。

这个过程虽然省了一些费用，但是我其实一直在思考的是，为什么之前没有思考过，我觉得其中很大原因是，之前觉得资源就应该这么多，迁移起来嫌麻烦，而且账户里面还有一部分的代金券够用，所以续费的事情就一直没有重视起来。按照这种思路来看待其他的事情，其实会发现，解决方法也确实有很多。

#2 资源和架构优化

用这张图比较贴近表达vibe coding的情况。

如果猛一看从目标结果上确实也达成了，但是如果回溯去看里面使用的资源和架构情况，可能有时候会让你崩溃。

所以最近在做这一部分的一些优化，里面有些数字超出了我的认知。

比如服务器ABC需要互联互访，但是我不希望直接开放数据库IP给公网，这时候就可以使用网络隧道的方式来把原来公网对外的访问方式改为内网的端口映射等处理方式。差不多10多台云服务器，我前几天盘算的资源时候，突然发现，AI竟然给我搭了35条网络隧道，想想都难以理解，所以整个过程就很魔幻了。

我给AI提要求，让它重新分析和评估，把隧道数量降下来，

第1轮优化（35->22)，AI很快给了反馈，砍掉了13条，也就是35条网络隧道砍为了22条，这个时候AI开始给我的反馈偏向于达到瓶颈的说辞。

第2轮优化(22->15)，我提出了更高的要求，然后还定了一些原则，有了这些信息参考之后，我的反馈推翻了之前的一些便利性或者是其他非客观因素的约束。

第3轮优化（15->5), 这个时候我开始让AI做更细致的分析，有哪些是可以合并的，有哪些是使用率不高是否必要，有哪些是确实不得不做的方案，有了更强力的要求之后，我甚至告诉它就是个位数，有了这些要求，竟然真的能够达成，最终就是5条，每一条都有很清晰的原因。我相信这些能力的提升都是在AI的迭代过程中可以做得更好，简单来说，只是时间问题。

在AI时代，如果偏向于AI应用的方向，基本上被大模型厂商颠覆的概率也比较高，因为它们稍稍发力，有些应用功能就无缝融合到它的产品之中了，比如我之前投入了比较多的精力做的多模型辩论系统，里面的动态编辑功能，canvas设计方式到了GPT这里就直接融合到产品中了，它们在6月份改版了writing blocks，我自己手搓想到的细节从使用中来看都考虑到了，让我有一种淡淡的挫败感。

#3 投研系统

自己做了不少小的系统服务了，大部分的用户都是我自己，我觉得先把自己的需求能够满足，再考虑通用的需求，而且这一部分其实是很难被AI颠覆和替代的。

投资这件事情至少在我的认知里面，尤其是个人投资者，AI作为辅助可以，要是全自动做大资金的处理，比如个人量化，我基本上不太相信的。

2026的半年财报发布了，顺手就整理了一下整个利润同比的热力图，还是蛮有意思的。我自己也在迭代一些思考，姑且称为投研系统吧，纯粹是对于数据处理的爱好。