背景
最近引入一个开源的AI项目(使用的技术栈相对比较新)进行二次开发，在我的工作本上启动开发很正常，在我之前老工作本上得启动多次才能成功，在我的一个同事工作本上发现根本启动不起来。
"dependencies": {
"antd": "^5.12.7",
"react": "^18.2.0",
"react-dom": "^18.2.0",
"i18next": "^23.7.16",
"umi": "^4.0.90",
"tailwindcss": "^3",
},
"engines": {
"node": ">=18.20.4"
}
机会启动
顺便吆喝一句，想重新换个跳板机会https://jsj.top/f/o38ijj的，技术大厂，前后端测试HC，待遇还不错，可以试试~
问题分析
同时对依赖包版本、兼容性、node_modules、npm cache等可能涉及的因素排查了一遍，发现始终无法解决问题，又按照AI提出的一些方案进行插件配置也无法解决问题，折腾了两天也无法投入开发。
按照现象来看，node版本一致、依赖包版本一致、甚至下载的node_modules都是用我提供的压缩包，唯一区别就是工作本不一样。我的工作本是最近国补新买的电脑，之前老工作本用了五年性能有些跟不上，同事的工作本也相对比较老旧。错误日志提示generate failed after 5 second，大概率是执行某个任务时超时了。
我猜想大概率是电脑性能跟不上导致的问题，于是**作关了其它额外的所有应用程序，也暂停了火绒的自动检索，尝试把CPU、内存全部压到Vscode应用上，结果和我猜想的一致，启动成功了。
回溯开发
同事遇到的这个问题其实比较典型，在用老工作本时因为可能涉及前端项目、Java项目、Flutter项目等多个业务开发，多开编辑器的情况下就是很卡顿，不过并没有直接错误的场景。自从使用了新的工作本才发现，以前难以解决优化的问题已经消失了。
npm run build
曾经很长一段时间，我受控于前端项目启动、build、热更新都很慢，我还专门在webpack配置、插件性能分析、CPU多核利用（happyThreadPool）等多维度进行优化，除过打的包由110Mb 降至 23MB外，速度上基本没有明显提升。
const happyThreadPool = HappyPack.ThreadPool({ size: require('os').cpus().length });
config.plugin('HappyPack').use(HappyPack, [
{
id: 'js',
loaders: ['babel-loader'],
threadPool: happyThreadPool,
},
]);
因为happyThreadPool的使用，导致在执行npm run build时，电脑很难在同步执行其它任务，同事曾经调笑到：咱们项目进入接水时间，因为build用时够来回去水房接水。
对比webpack5在不同环境的构建表现：
特性 旧设备 新设备
持久缓存构建 78s 14s
并行压缩 45s 7s
模块热替换 9s 0.3s
通过对比webpack构建日志发现：
旧设备冷构建平均耗时4分28秒（含babel转译、css压缩、tree shaking）
新设备同样任务仅需47秒，热更新响应速度从8-12秒提升至<1秒
使用新工作本后，速度提升了一个维度，我之前绞尽脑汁想要优化的开发速度问题解决了。
复制粘贴
开发过程中，有一个很常见的场景就是文件夹复制粘贴，因为原始项目的问题，项目的依赖包经常安装失败。以这个项目为模板做新项目时经常涉及对node_modules的复制粘贴。在大多数时候node_modules的依赖包不止文件大、文件数量多(4w+)、目录层级多，无论对其进行压缩、解压迁移，或者直接迁移都很慢,老工作本一般需要花费小半个小时。
自从使用新工作本后，发现以最耗时的直接复制粘贴方式也只需要最多3分钟就可以完成。曾经受控的搭建基本环境慢的问题竟然没了。
在迁移node_modules时：
旧SSD硬盘解压4.2万文件耗时26分钟
NVMe SSD仅需2分15秒完成
实测证明，4K随机读写性能（旧设备87 IOPS vs 新设备580K IOPS）直接影响依赖安装效率
多开应用
曾经的开发，因为vscode本身集成了很多插件，应用占据内存一致很高，为了避免出现卡顿情况。开发基本都是单开工作项目，即使有协同项目也分次修改。更别提同时开发前后端，同时开启idea、vscode、chrome了。同时开发电脑基本会被拉爆，打字都开始延迟。 当同时开启：
IDEA运行Spring Boot微服务（占用4GB）
VSCode调试React组件（占用3GB）
Chrome运行E2E测试（占用2.5GB）
旧设备内存占用率持续>90%，触发频繁的swap交换，导致IDE输入延迟高达800ms
而现在idea（Java开发）、vscode（React开发）、Android Studio（Flutter开发）chrome、DevEco Studio（鸿蒙开发）的多开应用场景下也能开发自如。
开发视角
AI辅助开发
站在我开发的角度来看，随着AI辅助开发的不断接入，开发人员的多线程工作方式将变得越来越普遍，AI在分析需求生成业务代码的过程中本身也消耗大量电脑性能。AI辅助开发效率上的提升我已经能直观感受到了，因为我同时使用了ROO CODE、MarsCode AI、GitHub Copilot进行AI辅助开发，开发效率提升60%以上，但是电脑性能的瓶颈可能是影响我开发效率的一个关键因素。
使用GitHub Copilot时，代码建议响应时间：
旧设备：1200-1500ms
新设备：200-300ms
大语言模型的本地化部署（如CodeLlama 7B）需要至少24GB显存，这直接淘汰了仅配置4GB显存的旧显卡
第三方插件
另一方面，一些开发第三方库的插件因为版本的不断升级，在运行构建过程中对电脑性能也有了要求，回头看一下开头的问题也能发现这一现象。新的项目、新的技术的更迭，反向在推动硬件设备更迭升级。
开发全栈化
随着AI技术普及、企业降本增效，开发人数会减少，但对留下的开发人员来说，技术多趋向于全栈化。全栈意味着电脑上会下载更多的关联应用，同时运行的应用也会更多，对电脑性能也会提出新的挑战。
根据2024年StackOverflow调研，现代全栈开发推荐配置：
CPU：12核/16线程以上（应对容器虚拟化）
内存：64GB DDR5（满足微服务+AI模型驻留）
存储：2TB PCIe4.0 SSD（4K随机读写>700K IOPS）
GPU：12GB显存（支持本地AI训练）
后记
申明一下，不想推广什么电脑，标题只是想醒目点，只是单纯根据自己最近换电脑经历总结的。
——转载自：机器瓦力
| 
楼主
标题置顶
标题高亮
