Mithril

C#的话，可以试试 LiteDB 。基本和 MongoDB 类似的接口设计，也能直接往里面塞文件。
又和 SQLite 一样，只有个 dll ，数据库也就是个本地文件。
纯托管代码，完全跨平台。

很难，该扔扔该喝喝，随便给他们个红包就是了。

以最基础的口粮酒为例，53 的黄盖汾酒也得 300 一箱。你这市价就只有 200 一箱，也算不上什么高品质的酒。
这种酒再放个十几年，基本就没办法喝了。这种年头的酒本来就只有送礼的价值，但你这价格也不合适。

一般的零售包装其实并不适合长期储存，密封的没有那么严，酒精挥发掉一部分以后酒体就会变得很差，而且风味物质也会变质。

最快，效果最好的办法：直接撒盐，多撒点，撒完了晾一会，反复多次。
很疼，但效果很好。材料便宜易得，成本极低。

相对较慢，但最舒服的办法：凝胶或者贴片类的药物。
基本无痛，但好的比前一个慢。

本质上就是杀菌，传统的杀菌办法就是高盐或者高浓度酒精环境。你要是有高浓度酒精也可以试试，饮用酒就算了，浓度不够。除非你用生命之水，但这个浓度的切记不要咽下去。

说几个安卓手表的缺点，你看看能不能接受，能的话换过去就没问题。

1. App 适配不好。如果你喜欢在手表上尝试各种稀奇古怪的 App 就不合适。但如果只用固定的几个功能，什么睡眠监测闹钟运动等，基本都有。但像训记这种第三方的就没有。

2. 心率检测不太准。之前看过一些论文，对比心率检测的算法，基准是多导联心电图。苹果的还是要准一些的，尤其是运动中的心率检测。个人体感确实如此，但差不太多。主要体现在数值反应上慢一些。但日常使用其实有那么点误差也没啥问题，看你个人喜好了。

3. 没有多重表盘，不像 Apple Watch 那样可以左右滑动切换几个自定义表盘。我一般是模拟表盘和数字表盘可能来回切换使用，需要习惯一段时间。

我是整个换成安卓系了，所以通知什么的也没试过会不会有延迟。但整体用下来大多都是习惯问题而已。充电和电池性能上的提升带来的体验改善非常大，对我来说至少几天内的短途出差旅行不需要带充电线和考虑充电问题了。

而且我的 Apple Watch 用了两年后，电池已经没法满足长时间运动了。比如我骑了三个小时车，晚上再去撸铁肯定就撑不下来，必须中间补电，体验极差。

@sunfly https://www.decathlon.com.cn/product-detail?dsm_code=305623

看起来和你那个滑雪手套差不多，但这个我体感是不冷，也不知道为什么。

@sunfly 我和楼上用的一样的 Triban 900 ，基本骑一两个小时也没啥问题。但北京还是不太冷，最低也-5 左右，更低温度或者风太大的话就不骑了。

AI 辅助编程会更加拉大两极分化的。

技术水平比较高的，加上 AI 辅助产出效率更高。技术水平比较差的，产出效率也会极大的提升。

但问题是，“写”代码从来就不是核心任务，Debug 才是。可能你这个需求用 AI 可以快速生成一段代码，下个需求也可以再生成一段代码。这需求迅速就能开发完。但你再生成第三个需求的时候，和前两个没准就配合不上了。到时候 Debug ，或者修改架构以适应整体，就不是 AI 能搞得定的了。

问题就是 AI 提升效率的同时，也掩盖了初级程序员其实并没有那么懂的事实。有经验的人知道哪些该用 AI 去搞一大段内容，那些地方一定要自己思考实现框架，然后让 AI 填代码。但你如果从入行开始就用 AI ，上来先用 AI 生成框架，然后填入特定需求代码，有问题的随便糊一下 patch ，干个半年一年走人，就很难有这样的思考提升过程。

总而言之 AI 应该完成的是“写”这个过程，而不是“设计”这个过程。你知道这东西要怎么实现，你知道这算法是怎么回事，就是懒得写那一堆循环和类型转换，那 AI 搞一坨没啥问题。

你拿一个需求直接扔里面，那就是本末倒置了。

我是见过 GPT 程序员，需求实现的飞快，但某些特定测试数据就会出问题。你去问，一问一个不知道。生成的代码太多了，怎么调，怎么 Debug 都很头疼。你自己写的代码，哪里可能出问题，哪个参数会影响什么你很清楚。AI 搞一大坨，随便跑俩测试数据没问题就觉得做完了，死都不知道怎么死的。

本质上 AI 辅助编程就是抄作业，抄代码。你本来就会的，抄一抄能给你省出学习其它科目，去做正经事的时间。能极大的增加生产力。
你本来就不会，抄了代码以为自己会了，等考试的时候出个变题，或者别人问你点问题的时候你就该头疼了。纯纯的陷阱。