微咸工程师
最近开始大量的接触 React 性能优化开始发现最近这几个版本的更新让我觉得它并不好用，我很喜欢它可以像是 JS 代码一样写组件。但是还是从它最开始就在社区讨论的几个老大难的问题，state 和 perf 性能优化永远是老大难的问题。
- 关于 state，什么时候会导致更新，特别是在 SSR + 流渲染的情况下的时候，在注水之前的 state 更新就要特别小心，一不小心就会导致注水失败，在这一阶段不止要关心 props 还要关心 state。这里面的问题在于，state 和 props 的更新需要知道框架执行到了哪一个阶段。
- 性能优化，无论是官方，甚至是我都在认为不应该过早的进行，但是结合第一条的情况，当某个变量作为 props 的时候，它什么时候引起的了组件的异常更新，一层层的 diff 和 debug 简直就是噩梦。我开始觉得是否应该更早的进行性能优化，至少它应该有基本的约束，在你的项目变大之后，不会像病毒一样蔓延。
- 关于上面两个问题，React 都没有在新的版本的中解决它，而是推出了 RSC，这个概念对于 SSR 框架来说，确实解决了很多问题，页面渲染之前的数据获取变得简单了很多。
在 HackerNews 上看到过类似的看法，可惜找不到文章了。
文章
https://limboy.me/links/carmack-on-ai-anxiety/
缓解 AI 焦虑的方式之一是让它成为你最好的工具，帮助你完成你的日常工作。
https://news.ycombinator.com/item?id=31055709
通过表演别人来学习，切换心态；这有助于帮你进入状态。比如你模仿的对象是在你领域比较有名的网红人物（并不是贬义），模仿他的一天，态度，爱好。可以从心态上暗示自己快速进入类似的状态；除了这种方式之外，如果你平时的行为方式不利于你学习（举例而言），你可以学着一种图腾，就像是盗梦空间里面那样，当你开始佩戴之后，你就要进入学习的状态，和其他不利于，会让你分散注意力（比如手机）的东西说拜拜。
https://limboy.me/posts/standards-of-good-tools/
也挺符合自己对于好产品的标准的，如果你开发自己产品，可以试试有没有满足这些条件。
AI
https://www.izzy.co/blogs/robo-boys.html
把我自己的聊天数据训练模型，clone 一个自己，因为是离线的，所以还比较安全（但是最终还是会将权重上传到服务器上，如果你需要构建自己的聊天机器人的话）。不过这种方式还是挺有意思的，我比较好奇的是如何在服务器上运行这个模型，据我所知，这个模型训练和运行的消耗应该不小。
https://greatdk.com/1908.html 使用微信记录来 clone 一个自己
https://www.oneusefulthing.org/p/a-quick-and-sobering-guide-to-cloning 使用 AI 克隆自己，想法，声音，视频
提供了大量实用的 prompt
使用 ChatGPT 过滤信息，对抗推荐算法（也有人用来优化推荐算法）大致告诉机器人就是你不想看什么。当然了现在比较慢。
非 AI 的版本，https://chrome.google.com/webstore/detail/ublacklist/pncfbmialoiaghdehhbnbhkkgmjanfhe 网上有人推荐了个搜索结果过滤的，配合别人收集的黑名单列表
https://www.patterns.app/blog/2023/02/27/building-an-algolia-powered-gpt3-slackbot
提供了一个 Algolia 和 OpenAI 结合的思路（可以复制为传统的搜索引擎如何和 OpenAI 结合）。可以在 https://studio.patterns.app/graph/sx5yykfi7u34ut7pvae4/algolia-gpt3-slackbot?node=emxnhuad 这里看到实现方式。将搜索引擎的结果作为 AI 的上下文提高准确性，如果在 Google 浏览器使用的话，类似将首页的结果作为上下文进行对话。
想法
因为最近在写文档，遇到了比较多重复内容在多个文本中出现。想要有一个类似的工具，就像是 logseq，通过 (()) 语法引用其他 MD 文件的内容，格式应该是 path:{start,end}。因为这个不是合法的 MD 语法，所以可能需要配套的 VSCode 工具，如果是在 vitepress 中，那么就需要对应的 vitepress 插件。
每个人的精力是有限的，你需要专注在几个事情上，但是目前市面上东西总是会让你注意力不集中。
关于更新
虽然保持阅读的习惯，但是由于时间的限制，无法保证像之前的一周一更新，十分抱歉 :(