嗨，meme 爱好者和区块链开发者们！如果你最近在 X（前 Twitter）上滑过时间线，可能看到过来自 Ilmoi（Tensor HQ 与 Vector Fun 的创始人）的一条热议推文。他的最近推文在讨论在 AI 工具（比如 ChatGPT）唾手可得的今天，是否还值得在 2025 年学习计算机科学（CS）。剧透一下：Ilmoi 认为绝对值得，他给出的理由对任何投入 Solana 项目或 meme 代币开发的人都非常中肯。

引发讨论的那条推文

Ilmoi 直言不讳地说： “you should not learn CS in 2025” 是“literally the worst advice ever”。他的观点是，有了 AI，自学者现在拥有“10x 的能力”。关键是什么？掌握 CS 基础的约 20%（甚至仅仅是术语），你就能让 AI 去完成剩下 80% 的繁重工作。没有这些基础，你会卡住；有了它们，你就有了一个“比你聪明 10 倍的导师”坐在旁边。

为了说明这一点，Ilmoi 分享了一张他用来喂给 ChatGPT 的复杂 prompt 截图。内容是关于在 Solana 受限环境下优化数据结构——比如如何在不爆炸存储或计算成本的前提下高效地存储数十亿个键。

在这段 prompt 中，他在寻求一种能以对数时间（log(n)）完成插入与查找、不需要删除操作、并用 Anchor Rust 实现的数据结构。优先项是：廉价存储、非阻塞的并行执行，以及简单的代码实现。这正是 Solana 开发者在现实中面临的问题——在高吞吐应用（例如 meme 代币上线或 NFT 市场）里，每个字节和每个计算周期都很重要。

为什么 CS 对 meme 代币创建者至关重要

你可能会问：这和 meme 代币有什么关系？Solana 是一个……（图像正是问题中提供的截图）。推文本身在反驳“2025 不要学 CS”的建议，而附带的图片则展示了一个关于 Solana 数据结构的 prompt 示例，说明懂基础后如何用 ChatGPT 解决复杂的链上工程问题。

回顾推文内容要点：

"you should not learn CS in 2025

literally the worst advice ever

not only should you, but you'll have 10x more powers than before as a self-learner

by knowing 20% (even just terminology) you can ask chatgpt to do the 80% of heavy lifting

where before you would have been stuck as a self taught engineer, now you have a 10x smarter tutor sitting next to you

but you DO need basics. You DO need to know what to ask it.

learn CS / math and don't listen to vibe losers"

图片则是那个 prompt 的具体示例，它说明了如何把 CS 基础知识转化为可向 AI 提出的具体工程问题。

这对 meme 代币开发者尤其重要，因为许多项目需要处理大量地址、空投名单、或链上状态。如果没有高效的数据结构与存储策略，项目成本和性能都会受到严重影响。

拆解那个 Solana prompt：实际要解决的是什么

简要总结该 prompt 的需求与限制：

• 要存储的对象规模极大（示例中提到数十亿个 32 字节的键）。
• 需要插入与查找操作的时间复杂度为 O(log n)。
• 不需要支持删除，简化了设计。
• 不能为每个键创建独立的 PDA（太贵），需要更紧凑的账户布局。
• 优先考虑廉价存储、并行执行（利用 Solana 的并行处理能力）、以及在 Anchor + Rust 中实现的易用性。

这些需求在现实世界中很常见：想象一次大规模的空投、白名单验证或链上排名系统，系统必须既便宜又能扩展。

可能的答案方向：为 Solana 定制的 B-Tree / B+Tree 方案

结合 prompt 的要求，一个改造过的 B-tree 或 B+tree 是非常合适的选择，原因包括：

• 插入与查找均为 O(log n)，满足性能要求。
• 每个节点可以在一个账户中存放多条键，极大降低 PDA 数量与账户开销，从而节省租金成本。
• 由于没有删除操作，不需要复杂的合并或重分配逻辑，设计更简单。
• 节点化的结构方便并行访问与分片（sharding），更契合 Solana 的并行交易处理模型。
• 在 Anchor Rust 中可以用 zero-copy 序列化（或类似方法）减少反复序列化的开销，并用固定大小的节点结构提升可靠性。

实现思路（高层）：

1. 定义节点结构（包含多个键与子指针）并在账户间序列化存储。
2. 设立一个 root PDA 指向根节点账户，插入/查找从根开始遍历。
3. 插入时在节点满时做分裂（split），但不做删除相关的合并逻辑（因为不需要删除）。
4. 使用哈希或有序比较来决定键的位置；对于需要可验证的压缩或证明，可以在叶子层另外维护 Merkle 根。
5. 利用 Anchor 的 account 校验与 CPI 机制，确保并发操作时的安全性。

AI（如 ChatGPT）能帮你把这些高层思路转成 Anchor Rust 的代码骨架、序列化模式示例以及测试用例，但前提是你理解基本概念，否则你无法判断生成结果的正确性或可靠性。

社区反应与替代方案

推文下的讨论也提到了一些替代设计，例如结合 Merkle 证明与分片（sharding）的方案，适用于需要可验证性和极端压缩的场景。不同方案的折衷点通常在于：空间成本、验证成本、并行能力和实现复杂度。

有人在评论里提到想看 AI 给出的具体实现回复，这正体现了 Ilmoi 的要点：有了 CS 基础，你就知道该如何构造 prompt、如何评估 AI 的回答、以及如何把结果安全地落地到 Solana 上。

对 meme 代币开发者的实用建议

• 学点 CS/数学：哪怕只是基础术语（时间复杂度、树/哈希/Merkle、序列化），也能让你和 AI 达成高效协作。
• 学 Anchor + Rust：这是在 Solana 上快速、规范开发智能合约的主流路径。
• 用 AI 做原型，但做严格审计：AI 能写出原型代码、测试样例和设计文档，但关键的安全边界和经济模型仍需开发者把关。
• 优化存储策略：为大量用户或键设计紧凑的账户布局（例如节点化存储）能显著降低成本。
• 关注并行：设计支持并行执行的结构可以充分利用 Solana 的性能优势，尤其对高并发的 meme 项目至关重要。

结论：在 2025，CS + AI = 强大组合

Ilmoi 的观点很直接：别被“别学 CS”的氛围带偏。掌握 CS 基础并利用 AI，能让你在 Solana 这样的区块链平台上更快地构建、更聪明地设计，尤其是当你在做需要规模化与成本控制的 meme 代币项目时。

想上手？从阅读 Solana 与 Anchor 官方文档开始，在掌握基础后用明确的 prompt 向 ChatGPT 询问具体实现方案，然后结合测试与审计，把 AI 的产出变成可靠的链上代码。