Article · Technology (156)

Python 的 OrderedDict 为什么有序？

一个双向链表和另一个字典小结有趣的细节 1. 对 weakref 的使用 2. 传入 object() 作为默认值现在是 2025 年，网上已很少见到 Python 字典有序性的相关讨论。自从 Python 在 2018 年发布 3.7 版本，将“字典保持成员的插入序”写进语言规范后，人们已渐渐习惯有序的字典。那曾经调皮、无序的字典，早已像 2.7 版本一样成为过去，只在某些老登们忆苦思甜时被提起。而在那个字典无法保持顺序的年代，如果我们要用到有序的字典，我们用什么？答案是： collections.OrderedDict 。但是，随着内置字典已经有序， OrderedDict 似乎也渐渐变得不再必要。不过，截止到目前（3.14 版本）为止，它仍然存在于标准库模块 collections 中。这主要是出于以下几个原因：保持向前兼容，已依赖其的旧代码可以保持不变；行为不同： OrderedDict 在判断相等性时会将键顺序纳入考量，内置字典不会；更多特性： OrderedDict 拥有 move_to_end 等方法。 >>> d OrderedDict([('a', 1), ('b', 2), ('c', 3)]) >>> d.move_to_end('a') >>> d OrderedDict([('b', 2), ('c', 3), ('a', 1)]) # 1

Python 工匠 · ZH

AI 编程是一种“框架”

框架的问题 1. 抽象泄露 2. 丧失控制权认知成本：DRF 的启示也许，该把 AI 编程当成一种库使用 AI 类编程工具越多，我便越来越强烈地感觉到：AI 编程是一种“框架（Framework）”。框架是每位程序员的老朋友，它通常针对特定领域所设计，能极大提升编码效率。以 REST API 服务为例，一些成熟的框架（比如 Django REST Framework ）能做到仅需定义数据模型和视图类，便生成一套功能完备的 CRUD API 服务。 AI 编程工具和传统框架一样，都是一种“杠杆”，它们允许人们用少量输入撬动庞大的功能。二者区别仅在于输入类型不同，框架需要代码（或配置），而 AI 仅需一句简单的自然语言提示词—— “写一个书店网站” 。框架的问题作为一种新型框架，“AI 编程”所带来的便利性，足以把人类从前发明过的任何一种框架按在地上摩擦，但是，框架天生所具备的问题并未消失。 1. 抽象泄露所有框架都有一个共性，它们提供了极高级的抽象，以降低实现特定功能所需的工作量。比如，Django 的 ORM 提供了“数据模型”这层抽象，免去了手写 SQL 语言、设计数据校验等繁重工作。但不幸的是，抽象都会泄露。一名 Django 初学者编写的网站上线后，客户投诉爆表，因为列表页加载极为缓慢。此时，打开数据库监控面板，他会发现这个看似简单的页面，每访问一次

Python 工匠 · ZH

一份关于 AI 编程的简明行为指南

对所有人谨记 Agent 不对代码担责多“协作”，少“委派” 拆分你的 PR 善用 Plan 模式，多做前置探索采纳稳定的库，优于 AI 从零实现创建 PR 前使用 AI Review 让改动可验证，并总是验证其他对初级工程师质量胜过效率尝试手动修复 Bug 自己先动脑，在 AI 给出的方案之外寻求其他结语 AI 编程发展迅猛，Claude Code、Codex 等 AI Agent 已成为许多软件工程师工作时必不可少的得力助手。然而，对于如何在项目中更好地实践 AI 编程，目前仍然是一副“八仙过海，各显神通”的模样。假如同一个团队里的工程师，在如何使用 AI 工具的“大问题”上没有达成共识，就会出现协作上的摩擦，对项目产生不良影响。因此，本文尝试面向软件工程师群体，对 AI 编程的推荐行为实践做一些总结，弱化具体的工具和技巧（比如 Spec 驱动还是不 Spec 驱动？），着眼于更通用的方面（比如初级工程师该完全委派 AI Agent 修 bug 吗？）。内容分为“对所有人”和“对初级工程师”两部分，其中“对初级工程师”部分，针对这类人群身处的特殊阶段，提供了一些量身定制的建议。说明：本文部分内容由 jianan、 wklken 参与共创；本文观点基于笔者所身处的工作环境总结而来，不一定完全适用于其他项目，酌情采纳；对所有人谨记 A

Python 工匠 · ZH

开发软件，或建造迷宫

前段时间，我通关了一个三十多年前的老游戏：《塞尔达传说：织梦岛》。《织梦岛》是久负盛名的塞尔达传说系列的第四部作品，发售于 1993 年，平台为 Game Boy——任天堂在 1989 年推出的风靡全世界的游戏掌机。用今天的眼光看，《织梦岛》的游戏画面简陋得吓人。举个例子，游戏的分辨率极低，仅为 160×144，换算下来像素面积不到 iPhone 17 屏幕的 1%。不过，技术过时并未过多损害游戏的可玩性。这部诞生于上世纪的作品，用极具想象力的道具和迷宫，打造出了一个引人入胜的小岛，玩起来依然妙趣横生。正因如此，在发售后的第 26 年，《织梦岛》在任天堂最新的游戏主机 Switch 上迎来了一次重制。为了迎合现代玩家，新版《织梦岛》完全重做了游戏画面，不再是 2D “大果粒”，而是全高清的卡通风 3D 建模。游戏操作也得到现代化升级，道具切换变得更为便捷。最重要的一点，在于新版几乎 1:1 复刻了原版的大地图和迷宫，也就是说，在游戏性方面（迷宫、道具及探索），重制版几乎原汁原味继承了几十年前的配方。你肯定想问：对于这样一部已三十岁高龄的换皮老游戏，玩家会买单吗？答案是肯定的。Switch 上的《织梦岛》一经推出，销量超过六百万份，直接跻身“塞尔达传说”史上销量最高的作品之一。我相信，作为史上最成功的电子游戏之一，《织梦岛》一定可以给游戏从业者许多启发。但就像你所知

Python 工匠 · ZH

设计流动摩擦：AI 原生团队的核心能力

过去几年，我们讨论 AI 对软件研发的影响，最常使用的仍是个人生产力：一个功能要多久，一名开发者能同时推进多少任务，Coding Agent 能生成多少代码。AI 确实显著降低了执行成本，过去数天才能形成的初步实现，现在几个小时后就可能进入 Pull Request。

全栈应用开发:精益实践 · ZH

从 AGENTS.md 开始：构建 Agent 友好项目的五个步骤

最近我重新整理 [Better Harness](https://github.com/QoderAI/better-harness) 的 `references`

全栈应用开发:精益实践 · ZH

Agent 插件如何走向工程化：Better Harness 的五个实践

把一项能力写进 `SKILL.md`，再封装成 Agent 插件，并不难。真正困难的是，当它被不同用户、不同项目和不同 Agent

全栈应用开发:精益实践 · ZH

Harness Inspector：让 Agent 交付过程可观察、可检查、可追溯

最近，我们一直在尝试优化 Better Harness 的 **SKILL 自动沉淀**能力：从 Agent 的真实会话中识别重复出现的工作路径，再判断其中哪些经验值得进一步沉淀成可复用的 SKILL。真正做起来以后，我们发现这件事远比“把一段 Session 分析一遍”复杂得多。