本文永久链接 – https://tonybai.com/2025/12/04/minio-enter-maintenance-mode

大家好，我是Tony Bai。

“这个项目目前处于维护状态，不接受新的更改。”

近日，GitHub 上拥有近 60k Star、Go 语言生态中最著名的开源对象存储项目——MinIO，悄然修改了其 README。这一行看似平淡的声明，标志着 MinIO 开源版实际上已经被宣判了“死刑”。

曾经，MinIO 是自建 S3 兼容存储的首选，是开源界的宠儿。如今，它转身拥抱了企业级市场和 AI 浪潮，留下了一脸错愕的社区用户和无数依赖它的开源项目。这究竟是一场无奈的求生，还是一次蓄谋已久的“收割”？

突如其来的“维护模式”

MinIO 官方在没有任何预警的情况下，将其开源仓库置于“维护模式”。这意味着：

• 功能冻结：不再接受任何新功能或改进。
• 社区关门：不再接受 Pull Request，现有的 Issue 和 PR 也不会被积极审查。
• 安全补丁随缘：关键的安全修复“可能”会根据具体情况进行评估，不再有保证。

官方建议很明确：“对于企业支持和积极维护的版本，请参阅MinIO AIStor。”，而AIStor则是MinIO的企业版对象存储产品。

这一举动在 Hacker News 上引发了轩然大波。用户感到被背叛，一位评论者愤怒地写道：“太恶心了。构建一个产品，通过开源获得动力，等你做完了就完全抛弃它。我为曾经推广这个项目感到羞耻。”

为何“背叛”？—— 商业化的必然与 AI 的诱惑

MinIO 的转向并非无迹可寻。从更换为更严格的 AGPL 协议，到此次事实上的闭源，其背后的逻辑清晰而冷酷：

开源无法变现的困境

MinIO 作为一个高性能、单二进制文件的存储服务，太容易“被集成”了。云厂商、集成商可以轻松地将其打包进自己的产品中获利，而 MinIO 公司却难以从中分一杯羹。AGPL 协议虽然意在限制云厂商的“白嫖”，但也未能从根本上解决其商业化难题。

AI 浪潮的巨大诱惑

MinIO 的新产品名为 AIStor。这不仅仅是一个改名，更是一次战略转型。在 AI 时代，数据存储是基础设施的核心。MinIO 试图通过重新包装，将自己定位为 AI 基础设施的关键组件，从而向更有付费能力的企业客户（尤其是 AI 公司）靠拢。

正如一位 HN 用户指出的：“他们在上一轮融资中估值 10 亿美元，要想成功退出，必须有深口袋的买家（如 Nvidia, Dell 等）。现在的开源版本只会拖累他们的财报。”

社区的反击与法律迷局

MinIO 的做法也引发了法律层面的争议。

• 贡献者的权利：MinIO 曾要求贡献者签署 CLA（贡献者许可协议）。这意味着 MinIO 公司拥有代码的版权，他们确实有权改变许可证或停止开源。
• AGPL 的约束：但对于那些没有签署 CLA 的早期贡献者，或者包含在代码库中的第三方 AGPL 代码，MinIO 是否有权单方面“私有化”？这是一个复杂的法律问题。

更有趣的是，MinIO 过去曾因 AGPL 许可问题积极“维权”，甚至公开指责其他公司违反协议。如今，它自己却试图摆脱开源的束缚，这种双重标准让社区感到讽刺。

历史的镜像 —— Redis 与 Valkey 的启示

MinIO 的剧变，让人不由得想起了 2024 年初震动开源界的另一场“地震”——Redis 修改开源协议事件。

当时，Redis Inc. 宣布不再遵循开源定义，转而采用限制性更强的 SSPL 协议。这一举动激怒了整个社区和云厂商，Linux 基金会迅速集结了 AWS、Google、Oracle 等巨头，基于 Redis 旧版本 fork 出了 Valkey。如今，Valkey 已经展现出取代 Redis 的蓬勃生命力。

MinIO 与 Redis 的异同：

• 相同点：两者都面临“云厂商困境”。AWS 直接拿 Redis 做 ElastiCache，拿 MinIO 做兼容 S3 的服务，却无需向原厂付费。原厂为了生存，不得不通过协议（AGPL/SSPL）或停止维护来“筑墙”。
• 不同点：Redis 选择了“掀桌子”（改协议），引发了激烈的对抗和即时的 Fork（Valkey）；而 MinIO 选择了“冷处理”（维护模式），这更像是一种温水煮青蛙式的告别。

MinIO 会迎来它的“Valkey 时刻”吗？

目前来看，难。对象存储的复杂度和维护成本远高于内存缓存，且市场上已经存在成熟的替代品（如 SeaweedFS, Ceph, Garage）。MinIO 社区或许不会像 Redis 那样迅速集结出一个统一的 Fork，而是会走向分裂和迁徙。

对于开发者而言，Redis 和 MinIO 的连续“暴雷”是一个明确的信号：在基础设施选型时，除了关注技术指标，更要评估其背后的治理模式。由单一商业公司绝对控制的“开源”项目，始终悬着一把达摩克利斯之剑。

自救指南 —— 寻找 MinIO 的替代品

对于现有的 MinIO 用户来说，现在是时候寻找备胎了。社区推荐了几个值得关注的替代方案：

SeaweedFS (Go)

• 特点：基于 Haystack 论文实现，擅长处理海量小文件，自带 File 和 S3 接口。
• 适用场景：需要高性能小文件存储的场景。
• 评价：功能丰富，甚至有点“过度”，但性能强悍。

Ceph (C++)

• 特点：存储界的瑞士军刀，功能极其强大，但也极其复杂。
• 适用场景：大规模、生产级、需要块存储和文件存储的场景。
• 评价：如果你有运维团队，Ceph 是永远不会错的选择。

Versity Gateway (Go)

• 特点：基于文件的 S3 网关，可以在开发测试环境作为 MinIO 的直接替代品，后端直接对接文件系统。

RustFS (Rust)

• 特点：野心勃勃的新晋选手，试图在性能和易用性上直接对标甚至超越 MinIO。
• 适用场景：极客尝鲜、非生产环境的测试与评估。
• 评价：社区评价两极分化。一方面，它展现了强大的潜力；另一方面，用户反馈其目前稳定性欠佳，且项目要求签署 CLA（贡献者许可协议），这让不少刚被 MinIO 伤过心的开发者担心它未来会重演“养肥再杀”的剧本。“潜力巨大，但需谨慎观望。”

Garage (Rust)

• 特点：轻量级、自包含、专注于在异构硬件和地理分布的网络上运行。
• 适用场景：自托管、家庭实验室、中小规模集群。
• 评价：“非常稳固，简单可靠，没有风险投资背景。”

小结：开源的尽头是商业，还是背叛？

MinIO 的故事，是开源软件商业化困境的又一个注脚。它提醒我们：

• 没有免费的午餐：由 VC 支持的开源项目，最终都要面临盈利的压力。当增长遇到瓶颈，社区往往是被牺牲的第一个对象。
• 选择开源项目需谨慎：除了代码质量，项目的治理结构、CLA 协议、背后的商业模式，都是选型时必须考虑的风险因素。

MinIO 虽已“离去”，但开源精神不死。也许下一个更好的 MinIO，正在某个 GitHub 的角落里悄然生长。

资料链接：https://news.ycombinator.com/item?id=46136023

还在为“复制粘贴喂AI”而烦恼？我的新专栏 《AI原生开发工作流实战》 将带你：

• 告别低效，重塑开发范式
• 驾驭AI Agent(Claude Code)，实现工作流自动化
• 从“AI使用者”进化为规范驱动开发的“工作流指挥家”

扫描下方二维码，开启你的AI原生开发之旅。

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

• 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
• 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
• 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。

本文永久链接 – https://tonybai.com/2025/12/04/thoughts-before-all-in-agentic-ai

大家好，我是Tony Bai。

如果你在 IT 行业待得够久，最近可能会有一种强烈的“既视感”。

现在的 AI 热潮，像极了当年的移动互联网元年。VC 们兴奋地喊着“所有行业都值得用 AI 重做一遍”。于是我们看到了 AI 版的 Office、AI 版的客服、AI 版的 IDE。表面上看，这确实是历史周期的又一次轮回：新平台出现，旧应用迁移。

但作为在一线写代码的工程师或架构师，你可能隐约感觉到一种前所未有的“失控感”。

以前我们将业务从 PC 迁移到手机，底层逻辑是没变的：输入 A，经过代码 B，必然得到输出 C。这是一个确定性（Deterministic）的世界，我们是构建规则的“上帝”。

但当我们试图把业务迁移到 LLM（大语言模型）上时，地基塌了。同样的 Prompt，今天的结果可能和明天不一样；模型一换，一切全乱；模型会一本正经地胡说八道；原本严丝合缝的逻辑代码，变成了一场概率的游戏。

别被表象骗了。这不仅仅是技术栈的升级，这是计算机科学底层“物理法则”的改变。

我们正在从牛顿力学的“确定性时代”，跨入量子力学的“概率性时代”。在梭哈 Agentic AI（自主智能体）之前，如果看不清这两者的断裂，你的系统注定会崩塌。

两个世界的对撞：计算器 vs. 实习生

为了讲清楚这个第一性原理的差异，我们不妨打个比方。

经典应用：永远正确的“计算器”

过去几十年我们构建的软件（ERP、SaaS、OS），本质上都是一台极其精密的“超级计算器”。

• 第一性原理： 布尔逻辑（Boolean Logic）。0 就是 0，1 就是 1。
• 交互模式： 结构化指令。你必须准确点击菜单、输入 SQL，稍微错一个字符，系统就报错（Crash）。
• 优势： 精准、可控、100% 可复现。
• 缺陷： 它没有任何“理解力”。它不知道你为什么要算这个数，它只是机械执行。

AI 原生应用：聪明但会撒谎的“实习生”

而以 LLM 为核心的 AI Agent，本质上是一个名校毕业的“聪明实习生”。

• 第一性原理： 概率与高维向量（Probability & Vector Space）。它不是在“检索”答案，而是在“预测”下一个字出现的概率。
• 交互模式： 自然语言意图。你说“帮我搞定那个客户”，它去猜这意味着什么。
• 优势： 泛化能力强，能理解模糊意图，有创造力。
• 缺陷： 不可控。 它会“幻觉”（不懂装懂），会跑偏。它的错误不是 Bug，而是概率模型的 Feature（特性）。

现在的痛苦源于什么？

源于我们试图用管理“计算器”的方法（单元测试、严格断言、精确匹配）去管理“实习生”。这注定是徒劳的。

幻觉不是 Bug，是创造力的代价

很多老板问：“能不能让 AI 像数据库一样准确，永远别出错？”

从第一性原理看，不能。

生成式 AI 的核心能力是“联想”和“生成”。如果你把它的温度（Temperature）降到绝对零度，强行让它变得完全确定，它就失去了智能，退化成了一个极其昂贵的搜索引擎。

“确定性”和“创造力”是一对互斥的变量。

• 银行账务系统需要 100% 的确定性，所以它绝对不能用 LLM 来做核心计算（你不能让 AI 预测你的余额）。
• 创意写作、咨询建议、模糊检索需要的是发散性，这里是 AI 的主场。

所以，AI 原生应用不可能替代所有经典应用。世界将分裂为两半：

1. 确定性堡垒： 交易、工控、底层架构。（经典代码统治）
2. 概率性旷野： 内容生成、意图理解、决策辅助。（AI 模型统治）

那么，介于两者之间的广阔中间地带（大多数企业软件）该怎么办？

Agentic AI：在混乱中重建秩序的架构

这正是 AI Agent（智能体） 诞生的意义。

Agent 不是简单的 Chatbot，它是一种架构模式。它的核心使命是：用逻辑框架去约束概率模型，让“不确定”的大脑安全地操作“确定”的工具。

我们可以把未来的软件架构想象成一个“倒三明治”：

1. 上层（用户意图）： 模糊、多变、自然语言。（用户说：“给张总发个报价单”）
2. 中层（Agent 大脑）： 概率性核心。 负责拆解任务、规划路径、选择工具。（AI 思考：“张总是谁？报价单格式是什么？我要调用哪个 API？”）
3. 底层（Tools/APIs）： 确定性基石。 数据库、CRM、计算器。（执行：SELECT * FROM users WHERE name=’Zhang’，SEND_EMAIL(…)）

这就是“实习生 + 计算器”模式：

你指挥实习生（AI），实习生去按计算器（经典 App）。

在这个架构中，经典应用/服务并没有死，它们退隐到了后台，变成了 Agent 手中的 Tools。

程序员的进化：从“编写逻辑”到“管理概率”

面对这种架构的崩塌与重建，我们这一代程序员的技能树需要重构。

1. 别扔掉你的 SQL 和 Go

Agent 再聪明，也需要“手脚”。高质量的、原子化的、幂等的 API 变得比以往任何时候都重要。你需要把复杂的业务逻辑封装成 AI 能看懂的 Tool Description（工具描述）。经典后端开发依然是地基。

2. 学习“概率工程学” (Probability Engineering)

你不再是写 if-else 的人，你是 Agent 的老师。

• Prompt Engineering： 编写清晰的岗位说明书。
• RAG (检索增强)： 给实习生提供准确的参考书，减少幻觉。
• Eval (评估)： 建立一套评价体系，去测试这个“实习生”在 1000 次任务中的表现是否达标（而不是纠结于某一次的对错）。

3. 学会设计“护栏”

既然实习生不可控，你就需要设计审查机制。在 Agent 输出结果给用户之前，加一层确定性的校验代码（比如：检查生成的 SQL 是否包含 DELETE 语句，检查生成的金额是否超过上限）。

小结

回到最初的话题。我们并不是在简单的“重做”软件，我们是在培育一个新的物种。

以前，我们强迫人去适应机器，学习机器的菜单和逻辑；

现在，机器终于开始适应人，试图理解我们的模糊与混沌。

虽然这个过程充满了不确定性，充满了“幻觉”和挑战，但这正是进化的代价。梭哈 Agentic AI 之前，请先接受这个世界的随机性，然后用你精湛的工程能力，给它套上逻辑的缰绳。

聊聊你的“人机协作”体验

“确定性”与“概率性”的碰撞，正在重塑我们的代码世界。在你的开发实践中，是否也遇到过因 LLM 的“不确定性”而抓狂的时刻？你是如何给这位“聪明实习生”设计“护栏”的？对于这种全新的“概率性”编程范式，你是感到兴奋还是焦虑？

欢迎在评论区分享你的思考与实战经验！ 让我们一起探索这个新时代的生存法则。

还在为“复制粘贴喂AI”而烦恼？我的新专栏 《AI原生开发工作流实战》 将带你：

• 告别低效，重塑开发范式
• 驾驭AI Agent(Claude Code)，实现工作流自动化
• 从“AI使用者”进化为规范驱动开发的“工作流指挥家”

扫描下方二维码，开启你的AI原生开发之旅。

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

• 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
• 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
• 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。