夜雨聆风最近几天在了解 AI。虽然过去的我一直对 AI 处于不温不火的状态，以至于，和社会主流相比有点保守了。
不过，其实因为一直使用 VSCode ，VSCode 的更新，多多少少也会通过产品的交互更新，了解到大家可能都会怎么使用 AI。另一方面，我也通过多多少少的自媒体信息流，简单了解到大家都在用 AI 做什么，以及 AI 的开发范式。
最近准备学习AI所产生的变化，主要有以下几点：
1. AI 生成前端的视觉效果惊艳。 虽然背后逻辑和修改依旧存在巨大难点。
2. 从身边创业的朋友了解到，AI 生成产品的逻辑已经完全可行。 虽然其中是没有程序员介入的。这是优势也是问题。
3. 自己用 VSCode 的 AI 代码补全，有时候还是很爽的（比如写 SQL 的时候） 但是 VSCode Copilot 要收费。
4. 近期自己的一个产品思路得到了突破，在重新评估一些技术接入的可能性需要用到 AI.
于是，基于以上四点，我上周就简单学习了一下 AI，目标如下：
1. 可以以极低成本，近乎免费的方式体验当下主流的 AI 开发流程框架。 2. 免费支持 VSCode AI 代码补全。脱离 VSCode Copliot 的付费依赖。
然后，也介绍一下我个人工作站的配置：
• CPU：AMD Ryzen 9 9900X 12核心，24线程
主频 4.4GHz
二/三级缓存：12 MB / 64 MB
120W 功耗
• GPU：NVIDIA GeForce RTX 4070 Ti SUPER 显存：16GB
• 内存：96GB（16+16+32+32） • 操作系统：Archlinux
我是在2025年买的，26年霍尔木兹海峡封锁之后，内存就暴涨。那年2000元买的64G内存觉得超贵，现在64G内存要 7200 块钱了。
不过，其实显存才是最重要的，因为我考虑到了会使用AI技术，所以当年就买了 16GB 显存的显卡，没想到现在的大模型，16GB是真的望而却步了。不过也有好消息，一方面是我游戏玩的很爽，另一方面就是本地代码补全可以用得上。
本地代码补全
方案：VSCode + Continue Plugin + Ollama + qwen2.5-coder:7b
虽然 VSCode 可以接入其他大模型在 Chat 方面，但是在代码补全（Inline Suggestion）并不支持第三方。后来就搜索到了 Continue[1]。
在 VSCode 安装好 Continue，在配置页面有 Models 可以选择。不过不知道为什么，默认的 Autocomplete 栏是灰色禁用的。需要用 Yaml 配置一下：
name: Local Config
version: 1.0.0
schema: v1
models:
- name: Autodetect
provider: ollama
model: AUTODETECT
- name: qwen2.5-coder:7b
provider: ollama
model: qwen2.5-coder:7b
roles:
- autocomplete
requestOptions:
extraBodyProperties:
think: falseollama 也是一个 Archlinux 上可以方便获取的玩意儿。还能自动拉取一些开源模型。所以就用它了。
pacman -S ollama
ollama pull qwen2.5-coder:7b使用 qwen2.5-coder:7b 的原因就是显存限制。而且，Continue 官方推荐的 自动补全模型，也只推荐到了 qwen2.5-coder:7b[2]，甚至推荐使用 1.5b 的，我想那我 7b 肯定够用了。
然后最后再贴一条 VSCode 的 Inline Suggestion 的官方文档[3]
AI Agent
好像现在大家都叫这样的 AI 为 Agent。我不明白。但大致意思就是，你可以通过 Agent 写代码。最典型的就是 ClaudeCode 。
我一位产品经理朋友向我介绍，说她的产品都是 AI 生成的，所有文件。她做的事情就是和 AI 聊天。
我问她，如果有 BUG 怎么办？她说：继续和 AI 聊天让 AI 修改。
这和我以前在团队里回应同事的话得到了印证：现在你可以使用 AI 开发，但你要做好后续继续使用 AI 迭代产品的准备。
当然，不仅仅是说 AI 可以完整开发一个产品——这对于程序员而言意味着把自己唯一可控的东西变得不可控了，是不能接受的（所以我特别喜欢代码自动补全）。
但对于产品经理来说，程序员本身也是不可控因素，所以，用 AI 替代程序员，在产品经理的逻辑上并没有矛盾。
让我希望学习 AI 的还有其他理由——代码重构。我曾经在 Twitter 和 微信公众号上看到许多人用 AI 做代码重构，而且都表示可行。这让我感到惊讶 —— 要知道，传统「软件工程」的存在，就是为了让技术债可控，但是随着软件规模的不断扩大，代码维护成本也会指数升高，但是如果可以通过 AI 重构工程，直接让代码维护性重新降回到一个低成本的状态，那确实是一个伟大的创举，这也可能意味着旧系统的新生。
但，我也知道他们重构的过程——他们说，会整理相当多的文件，和 AI 沟通好几十个小时。还听说有沟通了几天的，然后让 AI 自己去跑，最后 AI 跑了一个月，重构完毕了的案例。虽然依旧是道听途说，但我觉得，无论是当下 AI 增速还是使用场景，都逐渐明晰的时候，正是我开始进一步学习 AI 的好时机。
Agent 成本
然后我就开始搜索我能使用哪些模型。前段时间，吵得很火，就是国产之光，DeepSeek。
无论是社会创新还是学术届都有提到 AI 平权，但是，现在 Tokens 的成本到底是多少呢？
• Claude Price[4] • openAI Price[5] • qwen3-max Price[6] • Kimi K2.6 Price[7] • deepseek Price[8]
可以看到，deepseek 的价格真的很有吸引力。对我这样只想试一下的人而言。
另外，我还看到一个网站来票选程序员最喜欢的各种模型[9]，最受欢迎的模型（按照积极程度排序）：
1. OpenAI: GPT-5.5 2. MoonshotAI: Kimi K2.6 3. DeepSeek: DeepSeek V4 Pro 4. Anthropic: Claude Opus Latest 5. Anthropic: Claude Opus 4.7 6. Qwen: Qwen3.6 27B
最受欢迎的开源模型：
1. MoonshotAI: Kimi K2.6 2. DeepSeek: DeepSeek V4 Pro 3. Qwen: Qwen3.6 27B 4. DeepSeek: DeepSeek V4 Flash 5. Z.ai: GLM 5.1
虽然这里的开源模型其实没有什么参考价值——因为想要支撑起如此大的模型，所需要的硬件投入也不是个体玩家可以支持的了。
所以毫无疑问我最后选择了 DeepSeek。充了 20块钱（铁公鸡拔毛了）
引用链接
[1] Continue: https://docs.continue.dev/[2] qwen2.5-coder:7b: https://docs.continue.dev/ide-extensions/autocomplete/model-setup[3] Inline Suggestion 的官方文档: https://code.visualstudio.com/docs/copilot/customization/language-models#_change-the-model-for-inline-chat[4] Claude Price: https://claude.com/pricing#api[5] openAI Price: https://openai.com/zh-Hans-CN/api/pricing/[6] qwen3-max Price: https://bailian.console.aliyun.com/cn-beijing/?spm=5176.29597918.J_F4r-7Zs_PtjrjEY48APSA.d_primary.5200133cTg9pJV&tab=doc#/doc/?type=model&url=2987148[7] Kimi K2.6 Price: https://platform.kimi.com/docs/pricing/chat-k26[8] deepseek Price: https://api-docs.deepseek.com/zh-cn/quick_start/pricing[9] 各种模型: https://hnup.date/hn-sota