一个关于"寻找平衡"的故事

三年前，我的工作台很简单：一台轻薄本，轻得几乎感觉不到存在，续航撑一整天，带去图书馆、咖啡厅毫无压力。

但问题是——它跑不动我想做的事情。

深度学习训练？核显看着干着急。Docker 构建一次等半天。开个虚拟机就卡到怀疑人生。我面临的是一个经典困境：轻薄本陪我到处跑，但真正需要干活时，它只能在一旁看着。

后来我做了个决定：买台台式机，笔记本继续带着。再后来，我发现了 WSL2。

今天，我想分享这套让我工作更舒服、学习更高效的方案——不是一篇教程，而是这套系统运行一年后的真实体验。

第一部分：为什么是"台式机 + 笔记本"？

让我们先聊聊硬件选择。这不是关于"哪个更好"，而是关于"让每个设备做它最擅长的事"。

我的两台设备

设备配置角色定位
台式机Ryzen 5 7500F + RTX 4060 + 32GB RAM算力中心，固定不动
笔记本i5-11320H + 核显 + 16GB RAM移动终端，随身携带

这套组合的成本其实比一台高端游戏本更低，但体验却好得多。

核心思路：分离关注点

想象一下，如果你的手机和电脑是同一台设备——充电时不能带出门，带出门时插着键盘很奇怪。这听起来很荒谬，但我们却经常要求一台笔记本既扛得住 3A 游戏又要轻薄续航。

双设备的核心哲学是承认现实：没有完美的单一设备。

台式机的优势很简单：

  • 性能释放彻底，不用担心散热和续航
  • 可以升级，未来加内存、换显卡都不是问题
  • 屏幕大、键盘好，长期工作不累

笔记本的优势也很明确：

  • 想带去哪就去哪
  • 电池能撑一天
  • 轻到背在身上没感觉

当我不再要求一台设备"什么都行"时，反而找到了真正舒服的使用方式。

第二部分：Windows + WSL2，为什么这么好用？

现在聊聊软件层面。很多人有 Linux 情结，认为"真正的开发者用原生 Linux"。我曾经也是这样想的，直到 WSL2 改变了游戏规则。

WSL2 到底是什么？

简单说，WSL2 就是 Windows 里面跑一个真正的 Linux 虚拟机——不是那种慢吞吞的传统虚拟机，而是和 Windows 内核深度集成的高性能方案。

你可以在 Windows 上：

  • 用 Chrome 看论文、逛 GitHub
  • 用 Office 写文档、做 PPT
  • 玩 Windows 独占游戏

同时，在 WSL2 里：

  • 跑你的 Docker 容器
  • 用 PyTorch 训练模型
  • 用 ROS 做机器人仿真
  • 用 vim/nvim/VS Code 写代码

关键是，两者之间的界限几乎消失了。

一天的工作流是什么样的？

早上起床，我坐在台式机前：

1. Windows 打开 VS Code（安装了 Remote - WSL 插件）
2. 打开的不是 Windows 上的文件夹，而是 WSL2 里的项目
3. 代码运行、调试、训练，全在 Linux 环境里
4. 但界面、快捷键、复制粘贴，全是我熟悉的 Windows

需要看训练曲线？浏览器打开 localhost:6006，TensorBoard 跑在 WSL2，浏览器是 Windows。

需要查资料？Chrome 在 Windows，复制粘贴到终端，无缝衔接。

需要改论文？Word 在 Windows，数据和代码在 WSL2，导出图表直接用。

我没有切换系统，只是在同一个系统里用了不同的工具。

第三部分：台式机 vs 笔记本，到底怎么分工？

这是最容易被问到的：两台设备不会打架吗？代码怎么同步？训练在哪儿跑？

让我分享一下我实际的工作方式。

台式机：算力总部

我的台式机 90% 时间放在书桌上，它的工作内容很明确：

Windows 端负责：

  • 游戏和娱乐
  • 重型软件（CAD、仿真、Adobe 全家桶）
  • 论文写作、PPT 制作
  • 监控训练进度（TensorBoard、wandb）

WSL2 端负责：

  • 深度学习训练
  • Docker 容器
  • 代码编译和测试
  • 长期运行的服务

资源配置是这样的（在 C:\Users\你的用户名\.wslconfig）：

[wsl2]
memory=22GB       # 给 Linux 足够内存
processors=10     # 留两个线程给 Windows
swap=8GB          # 防止内存爆了

这样分配的结果：Windows 开游戏、开仿真软件时，WSL2 后台跑训练互不干扰。

笔记本：移动办公室

笔记本的角色完全不同，它更像一个"远程控制台"：

Windows 端负责（95% 时间）：

  • 上课记笔记
  • 图书馆写论文
  • 咖啡厅改代码
  • 远程控制台式机

WSL2 端负责（偶尔）：

  • 改代码、测试小脚本
  • 同步代码仓库
  • 不跑任何重型训练

笔记本的 WSL2 配置很保守：

[wsl2]
memory=6GB        # 够用就行
processors=4      # 留电
swap=4GB

核显笔记本跑 CUDA 本来就慢，不如承认现实：笔记本不负责算力，只负责连接算力。

两台设备如何配合？

我的一天通常是这样的：

在家/实验室：

  • 主力用台式机，笔记本放在旁边当副屏
  • 台式机 WSL2 跑训练，Windows 看论文写文档
  • 需要查资料时，笔记本更方便

外出/上课：

  • 只带笔记本
  • 需要查看台式机训练进度？SSH 远程连上
  • 发现代码有 bug？笔记本改完，git push，台式机 pull

晚上想玩游戏：

  • 台式机暂停训练
  • Windows 直接开游戏
  • 不用重启，不用考虑虚拟机占用资源

第四部分：那些踩过的坑

没有方案是完美的，这套系统也有自己的坑。分享一下我遇到的问题和解决方案。

问题一：文件放哪里很重要

刚开始我把代码放在 Windows 盘，从 WSL2 访问。结果：慢得离谱。

后来学乖了，所有代码、数据集、模型权重全放 WSL2 内部。Windows 需要查看时，在文件管理器输入 \\wsl$ 就能访问。

性能差异有多大？ Docker 构建从 5 分钟降到 30 秒，不是开玩笑的。

问题二：WSL2 网络偶尔抽风

WSL2 用 NAT 网络，有时候 localhost 访问不了，有时候 VPN 连上后网络全挂。

解决方案：

  • 开发时尽量用固定端口
  • 必要时用镜像网络模式（Windows 11 22H2+ 支持）
  • 实在不行就 wsl --restart

问题三：磁盘空间悄悄被吃掉

WSL2 的虚拟硬盘会自动扩张，但不会自动收缩。删了文件，空间不释放。

定期手动清理：

# 在 PowerShell 里
wsl --shutdown
# 然后进入磁盘管理，压缩 VHD

或者开启自动回收（Windows 11 最新版支持）。

问题四：两台设备的代码同步

最怕的是：台式机改了代码，笔记本不知道；笔记本改了代码，台式机还在用旧版本。

解决方案很简单：Git 作为唯一的真相来源。

所有代码必须在 Git 仓库里，两台设备只通过 git 同步，绝不拷文件。虽然多了 push/pull 这一步，但避免了无数次"改错版本"的灾难。

第五部分：这套方案适合谁？

说了一年体验，这套系统不是万能药。它最适合的是这些人群：

✅ 适合：

  • 有固定工作场所（家/实验室/办公室）
  • 需要高性能计算（训练、渲染、编译）
  • 经常外出但不需在外办公
  • 愿意花一点时间设置同步方案

❌ 不适合：

  • 住宿舍、活动范围小（一台高性能本够了）
  • 经常出差、飞来飞去（台式机浪费）
  • 预算紧张（两台设备成本高）
  • 懒得管理多设备（单设备省心）

一个简单的判断标准：如果你的台式机有 30% 时间处于闲置状态，你可能不需要它。

第六部分：一些想说的话

写到这里，我想分享一些超越"技术配置"的思考。

关于"最佳方案"

我见过太多人追求"终极配置"，买最贵的硬件、用最复杂的工具链。但我的经验是：让你忘记工具存在、专注于做事本身的方案，才是好方案。

这套双设备 + WSL2 系统，我几乎不用想"在哪个系统"、“用什么设备”。打开就是用，用完就走。

关于"是否值得"

双设备意味着更高的初始成本、更多的维护工作。但它也带来了更舒服的体验、更高的效率。

对我来说，这是值得的。但对其他人？不一定。

最好的办法是：从小规模开始试验。 先试着用 WSL2，再考虑是否需要双设备。循序渐进，别一步到位。

关于"未来"

云服务、远程桌面正在改变这个游戏。也许几年后，我们只需要一个轻薄终端，所有的计算都在云端完成。

但就当下，就 2026 年，台式机 + 笔记本 + WSL2 依然是我能想到的最平衡方案。

最后：一个简单的开始

如果你被这套方案打动，想试试，我建议这样开始：

第一步： 在现有电脑上装 WSL2，感受一下 Linux 和 Windows 共存的体验

第二步： 问问自己，是否有场景需要"移动 + 性能"双需求

第三步： 如果答案是有，考虑添置第二台设备

第四步： 用 Git 同步代码，用远程连接桥接两台设备

不需要一步到位，慢慢来，找到最适合自己的节奏。

些参考资料

如果你想深入了解某个部分，这些文章可能有帮助：

希望这篇文章能帮你找到属于自己的生产力方案。记住：没有最好的配置，只有最适合你的配置。