5月25日晚，由deepin社区主办的武汉Linux用户组（WHLUG）沙龙在腾讯众创空间举行。沙龙邀请了武汉地区Linux爱好者，deepin社区的开发、测试和运营同学，共同探讨AI相关的话题，分享自己的deepin使用经验和见解，还有精彩的主题分享及nvim话题讨论，现场气氛非常热烈。
活动开始前，deepin社区运营同学与大家分享了小浣熊纪念品的设计灵感来源。小浣熊是deepin社区的吉祥物，寓意着大家都是一群可爱、勤奋、聪明、团结的人。小浣熊纪念品是为了感谢大家对deepin社区的支持和贡献，也是为了增进大家之间的友谊和情感。
紧接着，研发架构师郭同学开启了AI话题讨论，问大家有没有使用过copilot来补充代码？有多少人使用过？现场进入一片热烈的讨论，郭同学也对其做了详细的介绍和说明。他介绍，copilot是一个基于GPT的代码补全工具，可以根据用户输入的注释或代码片段，自动生成合适的代码。郭同学认为copilot是一个很有趣和有用的工具，可以帮助开发者提高编码效率和质量，但也要注意它可能存在的安全性和版权问题。
近30位同学到齐后，大家开始介绍自己。有的同学是从事机器人和人工智能工作，使用过deepin系统并觉得它很灵活和稳定；有的同学是deepin社区的资深成员和WHLUG的常客，喜欢参加这样聚会，认识更多志同道合的朋友；有的同学是第一次参加deepin活动，想认识一下deepin社区的同学，并感受一下现场氛围。
主题分享：分布式存储自研的优劣
自我介绍环节结束后，核桃同学做了《分布式存储自研的优劣》的主题分享。
核桃介绍，分布式存储是指将数据分散存储在多个节点上，从而提高数据的可用性、可扩展性和性能。分布式存储有很多现成的解决方案，比如HDFS、Ceph、GlusterFS等，那么，为什么还要自研呢？核桃认为自研存储主要有三个优势：首先，可以定制化功能和性能，根据自己的需求和场景进行优化和调整；其次，可以掌握底层原理和实现细节，对分布式存储有更深入的理解和掌握；最后，可以提高自己的技术水平和创新能力，学习和应用最新的技术和算法。
当然，自研存储也不是一件容易的事情，有以下几个局限：首先，需要投入大量的时间和精力，从设计到实现到测试到部署都需要花费很多时间；其次，需要面对很多技术难题和挑战，比如一致性、容错、负载均衡、数据迁移等等；最后，需要考虑很多兼容性和稳定性的问题，比如与其他系统的集成、版本的升级、故障的恢复等等。
为了克服局限，核桃在自研存储过程中，选择了rust语言作为开发语言，因为rust语言具有高性能、安全、并发等特点，非常适合分布式存储的开发。他参考了一些成熟的分布式存储系统的架构和设计，比如GFS、HDFS等，借鉴了他们的优点和经验。核桃实践了一些高级功能，比如分布式缓存、单机存储引擎等，进一步提高了存储系统的性能和功能。
核桃同学的主题分享引起了大家的极大兴趣和好奇，现场不断有人提问和讨论。有人问他为什么选择rust语言？有人问他如何测试和调试自己的代码？有人问他如何优化和提升自己的系统性能？有人问他是否有开源或商业化自己的系统？核桃同学一一作了回答，并展示了自己的GitHub ID（https://github.com/httaotao），欢迎感兴趣的同学与他交流。
自由分享：nvim、AI及其他
在核桃同学分享结束后，郭同学分享了他的nvim。他介绍nvim是一个基于neovim开发的IDE，集成了很多插件和功能，可以满足不同语言和场景的开发需求。它不仅界面美观，而且功能强大，支持多种语言和框架，比如C++、Python、Java、Go等，并提供了代码补全、格式化、调试、运行等功能。它的配置也很简单，使用Lua语行配置，语法简洁明了，并提供了丰富的文档和示例。此外，它的扩展非常灵活，可以通过安装不同的插件来扩展功能，并支持用户自定义插件。
郭同学演示了nvim的使用方法后，现场一些同学提出了对配置的储存的疑问，他向大家解释称配置文件作为项目储存在GitHub中，更新和下载都非常方便。
在自由分享环节，大家还对人工智能中的视觉大模型表现出了浓厚的兴趣和不同的观点。亦初同学想知道视觉大模型如何像语言大模型一样影响我们的生活。
陈同学认为视觉模型和语言模型有本质区别，视觉大模型是否能实现通用性和泛化性还有待探索。
RJ同学举了自动停车系统和语义分割模型的例子，说明视觉大模型在没有交互的情况下也可以有很多应用。
JD同学提出了一个有趣的想法，他说如果像盲人一样用三维信息输入输出，可能会让视觉大模型更接近真实世界。
GY同学则认为视觉大模型要结合现实生活中的场景去考虑，才能找到有用的答案。其他人也提出了一些关于图形上的 AI 的建议和看法。大家对 AI 非常感兴趣，讨论很热烈。