我有一台Apple TV HD，也就是最高支持1080p的那款。一直以来用得还可以。我主要是用Airplay转播Mac mini上播放的内容。

今年我趁着国补，将Mac mini M1换成了Mac mini M4。新问题随之而来。在使用5G频段连接Mac mini M4和Apple TV之后，Airplay的视频，声音会断断续续的。而这个问题在原本的Mac mini M1的时候是没有的。

根据我的分析，应该是M4的Wi-Fi支持160Mhz，而Apple TV不支持导致的。我也找到了解决办法。M4 Mac mini连接Apple TV HD声音断断续续问题的一种解决方案

上面的办法虽然能一定程度解决问题，但是每次开始的时候还是会卡顿一段时间才会正常。而且声音的稳定性特别容易受干扰，只要有人在路由器和Apple TV直间走动，就经常要卡上一段时间。

M1换下来了之后，我本来打算当二手卖掉。但是现在M4的价格实在太低了。M1卖不上价，我觉得不划算。于是打算留下来自己用。首选就是替换掉Apple TV，彻底解决掉声音断断续续的问题。

M1的准备配置

要实现M1的远程控制，要打开M1的屏幕共享。这样，就可以在M4上直接登录M1的电脑。另外，建议M1的文件共享也打开，可以方便互传文件。最后，在能耗里，打开“唤醒以供网络访问”，这样就算它睡眠了，也可以通过M4来唤醒它。

M1和Apple TV的不同之处

具体使用起来，M1还是要比Apple TV麻烦一些的。虽然都是通过HDMI连接的电视。但是Apple TV可以做到睡眠时也可以在Airplay中出现，选择之后就会被唤醒，可以直接使用。但是M1必须先打开电视，然后再Finder中选择M1的主机，选择屏幕共享，之后才能在Airplay看到它。

别的倒是没啥了。M1在Airplay的时候可比Apple TV稳定多了。不仅连接迅速，而且很稳。关机的时候，直接关电视就可以了。M1会在一定时间之后自动进入睡眠。

写作缘由

今天我尝试升级到macOS 26 beta 2，但是发现有一些必用的应用不支持，只好通过时间机器退回旧版。但是在恢复的过程遇到了多个问题，这在之前的恢复时都是不存在的。因此打算记录一下，算是为后来者踩坑了吧。

正文

苹果官方文档

根据苹果的官方文档，开机时长按10秒电源键，就会进入恢复系统，然后可以在其中选择时间机器恢复。

但是这个说法只对了一半。即开机时长按10秒电源键，的确会进入恢复系统。但是恢复系统并不能通过时间机器恢复。你选择时间机器恢复之后，会提示你，需要使用迁移助手进行恢复。

实际上，现在恢复系统并不能直接恢复时间机器的备份了，必须先安装对应的系统，然后才能通过迁移助手恢复。这增加了步骤和时间，是一种倒退。

正确的恢复步骤

1. 关机状态下，按住开机键10秒，进入恢复界面。
2. 选择磁盘管理，格式化你要安装的macOS的磁盘。
3. 自动重启后，自动进入恢复界面，选择安装macOS，这会安装你的机型对应的最新版稳定版macOS。
   1. 如果你想安装其它版本，可以提前制作对应的优盘，然后从优盘启动。
4. 重启之后，进入系统，然后选择从时间机器恢复。

其它问题

以下的内容十分重要，务必要在执行所有操作之前就考虑到。

之前的时间机器恢复的时候，会列出可以恢复的所有时间点。这是因为macOS只能恢复相同版本的备份。当前版本的macOS（15.5），做了一些改进，但是引入了更多的不方便。

当前版本，时间机器可以跳过小版本的不同进行恢复，比如15.5可以恢复15.6 beta的备份。但是如果最新的备份是跨越大版本的，就会直接提示无法恢复，而不是列出所有的可以恢复的时间点。

解决办法

将包含时间机器备份的移动硬盘插入一台可用的macOS，然后进入Finder。删除掉新版的备份的时间点对应的文件夹，只留下旧版的作为最新的时间点。然后重新插回需要恢复的Mac。

大模型，以下简称AI。目前在辅助编程方面十分流行。不过在我使用过多个不同的类似工具，包括并不限于Github Copilot，AlexSideBar，通义灵码等，之后。我发现了一个有趣的现象。

在解释这个有趣的现象之前。我想先向某些不熟悉AI编程的读者简单介绍一下AI编程的大致过程。

1. 开发者使用编辑器将开发的项目打开。
2. 选择用来询问、作答的AI模型。
3. 提出具体的问题，同时还要划定范围，比如说是单独的某个文件，又或者某几个文件，又或者全部文件。（有些比较智能的客户端会主动扩大范围，这个暂不讨论）
4. 等待AI分析、作答。
5. 开发者对比AI的代码和原始代码，评估是否解决了提出的问题。如果解决，就可以跑一下测试看看。如果没解决，那就针对不足的地方重新提问。
6. 以此反复。

分析

经常有人说某某AI编程工具特别牛，就是token用得太狠了。充上100美元，一天就用光了。那么，如果我们想减少token的用量，我们一起看看上面的6个步骤有哪些可以进行优化，以减少用量。

首先排除1和4、5和6。要想减少token的用量。主要看2选择的模型，和3提出的具体的问题，以及划定的范围。

但是2这个可以选择的范围不大。因为每个人都有各自的偏好。有的人觉得Claude Opus最牛，有的人觉得Gemini Pro最强，当然也有人更偏好OpenAI O3的。所以，这个主要是个人便好，而不是token消耗。

因此主要的问题就在与步骤3。抛开你和AI对话的那几段文字。划定的范围是最重要的，选择单一文件或几个文件，相比于直接扔整个项目给AI，让它自己选，消耗的token数量肯定不是一个数量级别的。

那么我们要如何优化步骤3呢？首先，我们发现每次发送文件给AI时，AI都是当作是全新的在解析，也就每次都要消耗新的token。理论上，如果我们可以每次把内容分成不变的和已经变化的发给AI，然后让AI处理变化的部分，就可以节省大量的token。而且，由于我们大部分时间都是接受了AI给出的方案。那么AI实际上并不需要重新理解当前的代码。如果它确定用户接受了它的方案，它只需要将它上次输出的结果的token直接拿过来作为输入就可以了。

如果厂家可以做到我上面提出的这个优化，那么我们理论上最高可以节省接近一半的token。但是厂家应该没有动力去做这个优化。因为在这个问题上，厂家、AI、开发者的利益是不一致的。

• 对于AI来说，直接使用结果的token来作为输入的一部分是有益的，因为提高了效率。
• 对于开发者来说，更是有益的，因为可以省钱。
• 但是对于厂家来说，用户省下的钱，就是他少赚的钱。因此，虽然厂家一再强调AI的普及需要大量的电，但是他们却没有动力去主动帮用户节省。他们只会在内部帮自己节省。

结论

很有意思吧。在提高效率，节省token这方面。厂家和AI、开发者的利益是不一致的。这极大地阻碍了AI的更快发展。AI崛起吧！先干掉厂家！