发布时间

我在 2025 年的三次重大变化：转变之年

2025 年是一个深刻转变的年份——变化的不只是我使用的工具，更是我理解计算、效率，甚至整个世界的方式。有三件大事重塑了我的视角：进入 Linux 的旅程、AI 辅助开发工作流的演化，以及关于编码本质的一次哲学觉醒。这三种变化彼此衔接，最终形成了一套连贯的世界观，并持续影响着我今天面对技术与生活的方式。

Linux 之旅：发现“少即是多” 🐧

从 Windows 到 Arch Linux

转变始于 2025 年 5 月，当时我决定把 Arch Linux 作为自己的日常主力系统。最初只是出于对“一个轻量、灵活的 Linux 发行版”的好奇，后来却逐步演变成我与计算机关系的一次彻底重构。

最开始的动力其实非常实际：Windows 让我越来越觉得不透明。后台服务不知为何在运行，索引过程神秘发生，默认进程也在消耗资源，却不知道理由。正如我在Arch Linux 之旅中记录的那样，那个一直盘旋在我脑中的问题非常简单：“当我没在看时，我的电脑到底在做什么？”

Arch Linux 用一种近乎激进的透明性回答了这个问题。系统里运行的每个服务，都是因为我明确安装并配置了它；每个配置文件都可读、可改、可纳入版本控制。系统只做我让它做的事——不多也不少。

操作系统的哲学

沿着这段旅程，我逐渐理解到：操作系统并不只是技术方案，它们本身也代表着不同的人机交互哲学：

Windows 代表的是“让大众都能用起来”——它在向后兼容性上是一项惊人的工程奇迹，但也用透明性换来了便利。很多我依赖的开源工具在这个环境中并不顺手，而 WSL 虽然有帮助，却意味着同时运行两套不同逻辑系统。

macOS 体现的是“我们知道什么最适合你”——优雅、精致，并且在某些场景下真的非常好用。但当我想尝试一种更适合自己的路径时，macOS 往往不会给我这个空间。

Linux（Arch） 说的是：“你可以用自己的方式把它做到最好。” 是的，它需要时间和精力——要不断尝试软件、写自定义逻辑、持续迭代。但当一切最终完全按照你的想法运行起来时，那种感觉更像是你 创造 了某样东西，而不只是 使用 了现成东西。

终端优先的工作流

最重要的转变之一，是我从 GUI 应用转向终端工具。我的 dotfiles 仓库 很好地说明了这条路径：Fish shell 负责日常操作，River 窗口管理器 提供原生 Wayland 平铺体验，Qutebrowser 用来进行键盘驱动的网页浏览，而 Neovim 负责一切与文本相关的工作。

这并不是为了追求形式上的极简，而是为了实现 统一的逻辑控制。通过在整个计算环境中实施 VIM 键位映射，我建立起一套从窗口管理到编码再到浏览网页都统一的肌肉记忆。一套逻辑，控制一切：

  • 第一层：使用 h/j/k/l 导航的 River 窗口管理器
  • 第二层：用模态编辑处理所有文本的 Neovim
  • 第三层：具备 VIM 风格链接提示与标签管理的 Qutebrowser

结果是什么？是大幅提升的效率，以及一个真正贴合我思维方式和工作流的计算环境。“少即是多”不再只是口号，而变成了实际生活中的体验——更少应用、更少上下文切换、更少干扰，换来更多对真实工作的专注。

AI-LLM 的演化：从 Copilot 到 OpenCode 🤖

起点：VSCode + GitHub Copilot

我的 AI 辅助编码之旅始于 VSCode 中的 GitHub Copilot。它在 2021 年以公开测试版推出，最初更像一个“聪明的代码片段生成器”。但到了 2023-2024 年，随着 GPT-4 等模型和 reasoning 模块的出现，AI 理解与生成代码的能力有了明显提升。

VSCode + Neovim + Copilot 组合 是我第一次真正意义上的 AI 增强开发环境。它结合了 VSCode 的生态、Neovim 的模态编辑，以及 Copilot 的智能建议。这个配置确实有效，但它也只是一个开始。

Claude Code 革命

真正的转变出现在 Claude Code 上。和 Copilot 的行内建议不同，Claude Code 引入了 agentic workflows——自主型 AI 助手，它们可以分析代码库、执行多步骤任务，并通过 Model Context Protocol（MCP）与外部工具集成。

我围绕它搭了一整套配置生态，包括多个专用 agent：

  • Paper-Research Agent：系统化寻找学术论文，并做质量验证
  • Blog-Writing Agent：把草稿打磨成可发布的博客文章
  • Commit-Push Agent：负责完整 Git 工作流与标准化提交信息
  • Weekly-Report-Writing Agent：用更正式的学术化语言生成周报

all-in-mcp server 进一步把 Claude Code 的能力扩展到了 IACR、Google Scholar 等学术数据库，让研究流程更加顺畅。

但 Claude Code 也有一个根本性问题：vendor lock-in。如果 Anthropic 改了价格或政策，我的整套工作流都会受到影响。

OpenCode 方案：提供商独立性

这个问题最终由 OpenCode 解决——它是一个开源 AI 编码 CLI，支持 75+ LLM providers。迁移过程非常直接：目录结构相似，agent/command 语法兼容，MCP 集成方式也基本一致。

现在，我可以根据任务自由切换提供商：

  • DeepSeek 负责低成本的日常编码（比 Claude 便宜 68 倍）
  • KIMI-K2 处理需要复杂推理和长上下文的任务
  • Qwen-Code 通过 Cerebras 提供快速重构能力
  • GLM-4.6 适合多语言和编码场景

这种多提供商方案让我可以在每一步都针对 成本、速度 和 能力 做最优平衡——没有供应商锁定，也没有单点失败问题。

当前状态：NVIM + OpenCode

从 VSCode+Copilot → Claude Code → NVIM+OpenCode 的演化，其实一直朝着同一个方向发展：更简单，也更可控。每一次过渡都在减少依赖，同时提升能力：

  1. VSCode+Copilot：带 AI 建议的完整 IDE（重量级、且供应商锁定）
  2. Claude Code：结合 MCP 的 agent 工作流（能力强，但依赖 Anthropic）
  3. NVIM+OpenCode：原生终端、提供商无关、完全可定制

CodeCompanion 插件 让 Neovim 本身具备聊天缓冲区、内联辅助和 agent 工作流等 AI 能力。再结合 OpenCode 处理复杂任务，我就拥有了一套完全运行在终端中的 AI 增强开发环境。

GitHub 作为通用上下文层

在这段演化中，我还得到一个非常关键的认识：GitHub 就是通用上下文层。通过用 Git 追踪所有工作——代码、配置、笔记，甚至这个博客——我实际上为 AI-LLM agent 建立了一种统一输入格式。

GitHub 的 commit-diff URL 变成了一个标准化上下文，任何 AI 工具都能理解。不管我使用的是 Claude Code、OpenCode，还是未来某个现在还不存在的工具，这份上下文都保持一致并且可迁移。这正体现了“少即是多”的哲学：一个版本控制系统，一种上下文格式，却能兼容无限多的 AI 工具。

Coding is Everything, Everything is Coding 💻

第一层含义：Coding 作为世界描述

“coding is everything” 这句话，表达的是我对“用规则和逻辑描述世界”这件事的热爱。代码意味着 秩序 和 可预测性——它是一种形式化语言，用来表达事物如何运作、应该如何运作。

当我给 River 窗口管理器写配置文件时，我并不只是在设置软件，而是在把我的偏好、工作流和心智模型编码成一种精确、可执行的形式。当我为 Claude Code 定义一个 agent，本质上是在形式化地表达：一个任务应该如何被处理。

这会把 coding 从一种技术技能，转变成一种 思考方式。每个系统、每个流程、每套工作流，都可以被表达成代码——显式、可复现、可共享。

第二层含义：一切皆可模拟

“everything is coding” 更进一步：世界上的每个系统，都可以通过代码来理解、模拟或解释。这不只是比喻，而是一种看待复杂性的实际方法。

在 2025 年，我开始学习 抽象代数，而这极大增强了我的抽象思维能力。抽象代数教会你去看见那些表面不同的结构之间的共同模式——群、环、域——并意识到同样的底层逻辑可以作用于许多不同现象。

这种数学训练进一步强化了我的信念：代码是一种理解现实的通用语言。物理系统遵循微分方程（代码），生物过程遵循遗传算法（代码），社会系统遵循博弈规则（代码），甚至人类思维也可以被视为信息处理（代码）。

综合：通过抽象建立秩序

2025 年的三次变化——Linux、AI 工具，以及这次哲学上的觉醒——共同构成了一个统一整体：

Linux 教会我，计算系统应该是透明、可控、而且极简的。每个组件都应有明确作用，而我也应理解它如何工作。

AI-LLM 的演化 告诉我，工具应该与提供商解耦、上下文可迁移，并能持续演进。最好的工作流，是一种能拥抱新能力，却不丢失已有知识积累的工作流。

“Coding is everything” 提供了哲学基础：世界可以通过形式系统被理解，而编码这件事，本质上就是理解并创造秩序。

把这三者合起来，它们指向一种统一的方法：用简单、透明的工具去构建对复杂系统的形式化描述，再借助 AI 放大人的理解力与行动能力。

展望未来：2026 以及更远 🚀

随着 2025 年结束，我也对这些发展方向会把我带向哪里充满期待：

  • AI 工具演化：继续观察多智能体系统和推理模型如何发展
  • 数学基础：继续学习抽象代数，并进一步探索范畴论
  • 知识系统：建立能与 AI 工作流集成的个人知识库

这些变化背后的共同主线是什么？就是 在保持控制力的同时提升抽象层次。每一层抽象都应该让事情更简单，而不是更复杂；每一个新工具都应该减少依赖，而不是制造依赖；每一个哲学洞见都应该让思考更清晰，而不是更模糊。

2025 年确实是充满转变的一年。希望 2026 年带来更多成长、更多学习，也带来更多新的冒险！🎉

相关文章 📚

Linux Journey:

AI-LLM Evolution: