内存无 ECC ，不要在里面存放重要数据或生产数据。

1.在自然界，优秀的雄性与雌性，本来就会拥有更多配偶，拥有与更多不同配偶诞下的后代，来对抗自然变化的风险。
所以出轨这个贬义词，本来就不合适，它是人为加上的枷锁，是反人性，反自然的。

2.人类社会，之所以推崇一夫一妻制，目的是在明面上，保护大多数底层与中层人，让他们拥有较为稳定的配偶，进而维护统治的稳定性。但实际层面上，优秀的雄性与雌性，仍然会通过各种方法，与更多不同异性产生后代，只是他们也不会把事情做绝，不会让事情过于暴露。

3.之前某一线城市，统计数据，离婚率接近 5 成。

总结：出轨才是正常行为，不出轨反而少见。

主要是踩了平板 RDP 电脑的小众的坑。

任何软件，任何场景都可能有 bug ，主流场景因为用的多人，bug 发现后容易被快速修复。你这个场景太小众了。

关于小众场景，我还遇到过，3 代 i7 ，DVI 转 HDMI + HDMI 双屏混插，核显+RTX 3050 显卡，Win11 ，远程桌面一开，Win11 就蓝屏。换成服务器 CPU 就没问题，双屏直连 RTX 3050 显卡也没问题，双屏换成原生 HDMI 也没问题。

小众 bug 主要是难发现，官方难复现，因成本问题不容易被修复。

1.正经硬件，并且软硬件无 bug ，就没问题。

2.某些硬编码的服务器硬件，或者 ES 版本的硬件，或者遇到 OS 或 APP 有 BUG ，就难办。比如虚拟化平台对多 CPU 的处理，以及对大小核的处理，初代版本很容易有考虑不周的 bug ， 某些知名品牌的 x79 或 x99 ，甚至会出现最后一个内存插槽容易翻车的 bug 。

关键是人的贪欲，贪欲一词在这里并不是贬义，而是生物的本能。

无房的想变成有房的，进而想多套房、郊区大别墅、市区大别墅、工作地点附近大别墅、商业街附近大别墅、全球各种景点附近的大别墅等等。

只要你的财富不断增长，对于住，大概是这个路线。甚至马斯克还想去火星上搞一套大别墅。

楼主举的注入例子：Payload {"password":{"$ne":"111"}}

这正是参数化查询模块要去处理的事情，如果这还没注入了，你确定你正确使用了参数化查询模块？

建议用 AI 把你的代码检查一遍。

相同或互补，这不重要，重要的是，对方性格好、要有脑子、三观正。

你主要的问题是，你的方案太小众，太非主流了，这种情况需要完全掌控，要不你很有钱，要不你能力极强能 hold 住。

1.Linux 本来是为无桌面的 Server 设计的，你非要拿来玩桌面，甚至当主力机，必然会遇到非常多的小问题。而且因为这种场景的用户少，很多问题，原因难找，就算找到原因，开发者也不一定能及时修复。

2.你接触的 OS 太少了。但凡是个正经的计算机爱好者，Windows 、Linux 、Mac 、安卓，必须都要有相应的机器，不要偏袒哪个 OS ，都要去用，去尝试，去了解它们的优缺点。

3.你电脑故障了，应该去修理，或者去收一个同款。直接换 OS ，相当于整体基座更换，所有习惯重来一遍，代价太大了。

历史原因。

1.CUDA 当年是一个第三方的爱好者搞出来的，不是 Nvidia 搞出来的。

2.老黄当年看到这个事情的潜力，向管理层申请，但管理层觉得风险大且鸡肋，就没同意。
老黄是坚持了很多年，背负了很多责任，搞定了很多别的大事，最后管理层才同意老黄搞这事的。

@sldaniel

没有 ECC/RECC ，基于校验也不行，因为有可能发生内存颗粒翻转，导致在备份时 f(x) -> y ，在备份时，很有可能会 reuse same memory block ，所以就算从 y 进行验证，经过翻转颗粒后，仍然有概率会得到 f(x)，导致备份程序以为验证成功。

等你下次恢复时，大概率不会再次经过相同的翻转颗粒的内存块，此时数据就会因通不过校验，要不炸，要不显示数据损毁。所以 ECC/RECC 内存是一定需要的。这种内存虽然也并不是 100% 能恢复错误，但它有现场校验机制，通不过校验会产生 system log 甚至蓝屏，来提醒你更换内存。

@kakyouin 换路由器，不行就换手机。

数据不重要是吧？

你们提的这些方案，内存条不是 ECC/RECC ，如果发生颗粒故障，存入错误数据，导致数据损毁，怎么办？

而且，楼上这些方案，没有 raid 没有 校验，盘坏了导致数据丢了怎么办？

没有定期 scrub ，数据静默损毁怎么办？

单节点方案，节点故障后，出现不可用的窗口期怎么办？

数据无价，别因为那几块钱，而把数据丢了。

我有道云笔记，4500 篇，各种 Word 、PDF 、Excel 也是一大堆。

以前纯靠搜索，但很多时候搜索结果不理想，还要自己去整理搜索关键字。

就算搜索出来，也只是原始资料，还要自己整理加工。

现在有了本地知识库 + 联网功能，信息处理效率，直接提高一个数量级。

我比较介意目前 AI 的推理能力太弱，只能稳定的达到初级程序员的层度，距离架构师甚至项目总监的级别还远着，导致很多高端问题，AI 基本上就乱答，这就需要自己把高端问题，按照解题思路，拆开为一堆中低端问题，来逐步引导 AI 去推理。

不过本地 LLM 局限性还是太大，目前更好用的方案，是支持网络浏览的聚合式 AI 平台，也就是让各种 AI 一起开会。因为就算目前的 GPT 4 或 Gemini 以及很多开源的，各有各的优缺点，GPT 4 并不是在所有问题，都能答对。所以让 AI 开会才是更好的用法，因为总有一款 AI 能碰巧猜对思路或答案。

看视频卡的时候，看一下 NAS 的 CPU 、内存、swap 、iostat 的情况。

另外路由器换成 TP-Link 200 元价位的，并且把 2.4GHz 频段的 Wi-Fi 4 关了试试。

如果还不行，考虑一下更换为小米手机最新款。

当然是阿里的通义千问，如果笔记本配置较低，可以用 ollama 运行 34GB 的 qwen:32b-chat-v1.5-q8_0