我的台式机已经折腾了快四个月。期间送修过、换过硬件、查过无数资料，但问题始终没彻底解决。最近我开始用ChatGPT当调试助手，没想到它帮我找到的最后一个漏洞，恰恰是我最不愿面对的那个。

事情要从频繁的系统崩溃说起。每次死机后，我都会把崩溃日志丢给ChatGPT，让它翻译成我能看懂的话。比如"heap"和"racing"这种术语，我原本完全不懂，它解释后我才明白这跟内存数据结构和性能调度有关。顺着这条线索，我开始怀疑是GPU或CPU的压力问题。

打开网易新闻 查看精彩图片

接下来我花了不少时间折腾Nvidia控制面板。低延迟模式、电源管理模式、各种性能预设都试了一遍。每次改动前我都让ChatGPT解释清楚作用原理——毕竟系统本来就不稳定，我可不敢盲目超频。但讽刺的是，这些调整对温度毫无影响，崩溃照旧。

于是我又被拽进另一个深坑：驱动程序。这里ChatGPT帮我搞懂了一件基础但关键的事——Nvidia其实有两套驱动路线。我之前一直混着用，从没意识到它们的区别。

就在我以为已经接近真相时，AI指出了那个被我彻底忽略的细节。不是硬件故障，不是驱动冲突，甚至不是设置错误。具体是什么？原文作者没写完。但这段未完成的叙述本身就够典型了：我们总以为问题在技术深处，真正的盲点往往藏在最显眼的地方。

这四个月的折腾让我对用AI排查故障有了新认识。ChatGPT的记忆功能确实方便——它记得我遇到过的所有问题，不用反复交代背景。但从手机端访问、随时追问的灵活性，其实任何大语言模型都能做到。核心收获不在于工具本身，而在于它逼我逐行理解自己原本会跳过的信息。

现在我的知识库确实扩展了，至少后端发生了什么不再是一团迷雾。只是这个学习过程的成本，如果早几个月开始用AI辅助，或许能低得多。