我没有理解这个逻辑
[供-(程序员/AI)-需]，中间只是路径。
1 、需求端悖论:原本的高价值需求程序员/外包早就可以实现，嫌成本太高那就是利益有限，利益有限那就代表教育/获客成本不对等。AI 出来是缩短了程序周期。但这些待开发的需求，又往往是并不急切的，跟 AI 提升代码速度正好相反！
2 、供应端悖论:tob 这我一直在思考，行业需求确实存在。更多的是需要扎进去，扎得越深理解越深，角色变成工人+程序员。我想问:我一个程序员如何扎到一个陌生产业，并且快速发现需求，发现需求之后，我又换一个新行业发现需求。

个人感觉 AI 未来，不在程序。而在于无限部署，边际成本趋近于 0 ，比如原本 10 万社区监控员，覆盖不了一个省，人力不能及，而换成 Ai 可以 24 小时监控，无限部署。

@goudanli 下一个版本 free-stockhq.实时+交易

@littlepanic72 实时 websocket 推送 + 交易 api 才会用到。本身也是自己在用，不限订阅数+可订阅 5000 只+0 延迟推流+自带交易 api+本地版+单文件打开即用。

@zhcode 好的，x86 的有，但是现在这个前复权的问题，我还没有想到最干净的解决办法，py 到 c 有转换开销，所以没有分发可能会改底层。我希望极速+简单+打开即用，没有乱七八糟的，否则又变成 xxxxshare 这种了。

@zljklang cf 的 ip 怎么变黄色网址了，估计是上次浏览过，所以又分给你了(纯猜测)

@ipwx duckdb 技术上来说：
最大的问题是，.duckdb 单文件无法增量更新，使用外部 Parquet 劣势放大，会慢 3 ～ 5 倍；那么每天都要下载 10 个 gb 数据。。。
另外写入：sql 需要先创建表。再写入表。写入内存缓冲。实时多进程取不到值。多并发写入死锁。单文件无法增量更新。

@piksou 都是增量更新，今天 06-30 按我这里 10-20mb/s 的话，也就是 30 秒，最慢 2 分钟完成。

前复权一天只会有几个股需要计算 factor ，这个我再考虑换成不复权，本地自己算，但感觉不是一个好的思路。或者每天更新那几只需要重算的，这个压力在我了。。。也不是很好。

@zhcode arm 吗？

关键的是：哪个数据库能做到下面的？

同步异步单文件+链式调用+横\纵列混合存储+高并发读写+http/pysdk 同时支持+通配符+正反排序+截取+多横/列同取+最新 zstd 压缩+单文件 1.xmb 大小

get()
set()
极简接口免除 sql
get("日 k",code,date).get("open,close,high").get("open,close").get("open")[n:]
更夸张的混合调用
get("日 k",code,date).set().lens().get().mset().mlens().mget().delete()
灵活到我自己都看不懂。

@niubee1 这个开源怎么说呢，我没弄懂开源的意义，调试几千上万次，自己用了两年无数修复，让他们拿去倒卖的话确实不符合我自私的人性。

@lavvrence 这个就是前复权数据，我也想的是开箱即用，后面发现遇到某只除权需要覆盖历史。正在考虑如何修正，即要：开箱即用，又要减少 update ，既要又要真不好搞。有解决方案，也求一个。

@Gamespark mac 能交叉编译的话没什么问题，本身有 linux arm 和 x86 ，一直在手机上面跑，5g 手机自带的磁盘速度挺快的，主要不知道 mac 占比多少。

@ddup 其实我全协议都有，ths,dfcf,tx,tdx,xl,cq,交易+实时 l2 也能做。关键是这些东西不能放出来。

@busuzhike 放心吧，随便检测绝对安全，主要我也不会写不安全的。。。

@jazzg62 这个是因为你的 stockdb.exe 开着，这个文件被占用了。你退出 stockdb.exe 就能写入了。

已经放到开源库： https://github.com/hello245m/free-stockdb

补充：忘了说股票数量，总共是 7400+股票数据，包含 etf ，沪深大约 5400 只吧。两千多只是 1 、5 开头的。分钟 k+日 k

gemini 美版豆包，你敢用来写代码//////

你这个格式阅读起来费劲。不过感觉其实是：

1 、ai 没有创造新需求， [供-（程序员/ai ）-需] ，中间环节仅 10%。
2 、一个极具创意/商业的 idea ，完全可以，也早都通过程序员/外包满足了。
3 、长尾需求，能做最小众的需求 99%无法盈利。长尾===数亿用户的 app->数万用户的 app->数十人需求的 app 。
4 、真正的 ai 优势在于大规模+无间断运行，人力边际成本递增，而 ai 趋 0 。比如全国的十字路口监控，工厂状态监控。