周刊-005期
记录一下这周看到的有趣的文章、作品
五一快乐
软件工程的七条不成文法则
- 总是有关联的–先回滚，再调试
事故发生时，止损是第一位。大部分问题是变更引入的，与其花时间定位问题，不如直接回滚止损
- 只有从备份中还原，备份才是真实的
我还没有经历过备份、还原的过程。但是对于灾备、系统应急预案而言，定时的演练是必要的。只有这样才能保证流程和其中的依赖是没问题的，到了关键时刻才可以立即按照预案进行止损操作
- 你总是会因为自己写日志的方式而讨厌自己
其实就是上线后观察自己的日志，确定关键信息都能看到
- 始终制定回滚计划。永远
和第1条其实是相关的，技术方案中就要包括上线与回滚方案，有了回滚才好进行处理
- 每个外部依赖都可能失败
其实就是谷歌的 SRE 算术题，你的 SLA 和外部依赖的 SLA 相关。需要梳理出链路中的强依赖和弱依赖，并做好降级措施
- 如果存在任何风险–”四眼 “规则
如果你觉得这个操作是有风险的，那么应该及时找人 review 自己的操作方案。这不只是甩锅，也可以参考小黄鸭调试法，把自己的方案说出来的后更有可能识别到自己忽略的风险点、错误的实现
- 没有什么比临时抱佛脚更持久
所有在注释里写的 // 这里这么实现是因为……，后续优化这部分 往往不会走到后续优化的部分，因为你的排期总是被最新的需求占据
所以当需要做这种临时解决方案的时候，应当接受它，做一个 mvp 的解决方案，不考虑未来的拓展如何。这是技术债、实际排期、个人情绪上的 trade off
AI 模型：封闭还是开放？
当前头部 AI 公司的估值高企的逻辑，来源于以下这些认为拥有前沿模型的公司会成为垄断公司的假设：
- 固定成本高
- 边际利润高
- 租金持久
- 竞争对手极少
当前这些公司的股权交易都是把获得垄断地位时可以进行垄断级定价的能力计入了价格。如果不能达到垄断地位，那么建设中的数据中心、推理都需要持续的资金支持。为垄断预期下注的投资者将无法在有竞争的市场中获得合理的投资回报
但是当中国的实验室陆续开源前沿模型，当开源的前沿模型和闭源模型的差距在不断缩小时，使用开源模型而不是付费采购闭源模型的可能性，便打破了对前沿模型的垄断预期
当技术不能制造护城河时，资本会去寻找护城河
对美国的资本而言，人为制造稀缺性是熟悉的操作：
- 生物制药：专利和食药管理局的独家代理权实现了对新品的垄断
- 金融业：复杂的监管为进入“借贷”业务创造了壁垒，尽管放贷这个业务本身并没有任何护城河
- 电信业：频谱分配和基站建设许可的壁垒，取代了多个运营商之间通过技术优势进行竞争
因此对于美国而言，熟悉的操作便是让使用开源模型遇到壁垒：以安全为由，宣布使用开源模型有供应链风险，从而让使用本身就有政策风险
对未来而言，美国的封闭和中国的开放会让世界的其他地区转投部署开源模型。美国本土的企业会在受保护的市场上保持着利润绿，但同时失去地球上其他市场的占有率。汽车行业的发展轨迹便是前车之鉴
文章
构建产品前的三个约束
在一页纸中的概要中写下所有的想法
这一页中包括北极星指标、它应该精确地描述一个这个产品应该做到和不应该做的部分核心技术必须能与产品分离
产品方向更易迅速，但是对于技术而言，沉淀下来可以复用的技术才是真正的资产：长期的投入会带来非线性的收益。Linux 的 Git ，谷歌的 k8s 都不是他们的主业。如果你的想法没法带来一个核心技术，那么它的杠杆作用就不够高一个明确的约束必须塑造产品
这个比较抽象，作者给的例子是 mc 完全是方块构成、宜家的家具都是平板包装、可以自行安装的。我的理解应该是和第一点有交叉的部分，即定义好一个产品的统一性
比如推特限制140字排除了长文场景、tiktok 是全屏+强算法推荐排除了订阅优先、instagram 必须是照片排除了纯文本信息。这些约束都是减少了客群，但让产品不用考虑别的边界