Technology
6388 discoveries · Hand-picked discoveries from the open web, newest first.
-
Everything is Harness： 从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering
在 Harness Engineering 这个概念逐渐流行甚至要过气之后，我终于理解了这个词背后的含义。作为 […]
西秦公子 · ZH
-
AI编程工具2025🤖
谢邀，研发工作的变化，我觉得最大的变化就是从重「实现」，变为重「设计」了，从「写代码」，变为「教AI写代码」，而且要把它当一个有「实习生业务思维」的「高级研发工程师」。 之前在接研发需求的时候，大部分时间可能花在具体实现上面：调试API、写业务逻辑、处理边界情
把酒诗代码 · ZH
-
第三十四年立春
立春也才没过去几天，就还有几天要过年了，今年过年比以往都晚一些，看了看天气预报，过年时候不太冷，希望不要下雨，不要雨夹雪，雪可以下一些，下的大一点也行，这样至少过年时候可以出去玩一下，不然像国庆假期那样，连续下个十来天的雨就很不爽了。25年平均每月一篇的目标还是没有达成，比
把酒诗代码 · ZH
-
杀鸡🐓
前些日子，娃在家里养的小鸡，一不留神就养的很大了，而且很不凑巧是一直公鸡，每天咯咯咯的打鸣，在城市里养鸡也确实是一件难度很大的事儿，因为居住密度太大了，容易惊扰邻居。而且鸡是无法控制排泄的，味道很大，感觉是随时随地都在拉💩。夏天马上就要来了，根本就遭不住这个味道，就准备强
把酒诗代码 · ZH
-
博客评论从 Valine 迁移 到 Waline💬
前些日子收到了一个「关于 LeanCloud 停止对外提供服务的通知」，我的博客是Hexo的，评论系统用的是Valine，评论的后端服务刚好就是放在这个上面的，而且 Valine 也是很长时间没有更新了，是时候就得把它迁移到 Waline 上面去了。这个更安全，而且完美支持
把酒诗代码 · ZH
-
干煸藕丝
藕这个玩意儿，在湖北省内和湖北省外感觉就不像是同一种植物，尤其是吃起来的感觉，一般藕粗粗分类为「脆藕」和「面藕」，面藕一般拿来做汤，经典排骨藕汤之类的，脆藕一般拿来爆炒，取其脆爽的口感。干煸藕丝，就是脆藕做菜中的一道经典之作。其实我不怎么会做这道菜，但是之前在武汉的时候如果
把酒诗代码 · ZH
-
家电维修🔧
随着我自己的工具箱越来越满，以及看了好些个寓修侠和米师傅的维修记录，我发现我自己也已经处理了好多的家里大大小小的水啊、电啊、家电论七八糟的问题，但是一般价值比较低的，修起来换大件儿的太费劲的就直接趁着国补换新了，其他的我把工具都补全，就可以自行维修或者换零件。 <h
把酒诗代码 · ZH
-
五仁月饼🥮
虽然已经过去几十年了，但我还是记得我听过的第一首跟月饼相关的歌是「八月十五月儿明，爷爷给我打月饼」，那时候我还问了月饼犯啥错了，为啥要打它。因为我的生日是在中秋节前几天，小时候过生日的时候爸妈给我买蛋糕的时候，会顺便在蛋糕店里带上一些新鲜做的月饼，所以基本上我在中秋节前的几
把酒诗代码 · ZH
-
复活一个iPad
前几天用着的iPad的屏幕突然开始变成跑马灯了，就是屏幕下面一排背光貌似是坏了，变成了一排像是舞台灯的效果，而且有时候还的厉害。这个iPad也是用了差不多有8年了，屏幕本身其实也老化了很多了，黄斑、泛红，之类的问题都还挺多，于是我想着不然趁马上双十一换一个新的iPad得了，
把酒诗代码 · ZH
-
一日一技：我写了个 Chrome 插件，让你再也不用重置密码
你一定经历过这个循环： 打开某个网站，输入你记忆中的密码 “密码错误” 好吧，点”重置密码” 邮箱收验证码，输入新密码 “密码必须包含大写字母！” 行，加了一个大写字母 “不能与之前的密码相同。” …… 你的记忆力没有问题。 问题出在每个网站的密码规则都不一样：Chase 银行要求 8-32 位、必须有大小写+数字+特殊字符、特殊字符还只能用 ! @ # $ % ^ & * ( ) ；GitHub 要求至少 8 位或者 15 位以上（两套规则）；Apple 要求不能有超过 3 个连续相同字符；PayPal 的上限是 20 位…… 你根本不是忘了密码，你是忘了 这个网站的密码规则是什么 。
谢乾坤-青南 · ZH
-
一日一技：如何正确节省九成的大模型Token
最近在各种AI编程社区里面逛，发现一个很有意思的现象——大家都在疯狂地折腾怎么省Token。 有人搞Prompt缓存，有人换便宜模型，甚至还有人专门写了一个 省Token.skill ，让大模型在回复的时候尽量精简。更夸张的是，有人为了省钱，把Claude换成了各种开源小模型，然后抱怨说效果变差了。 这些操作，怎么说呢，就像你家水龙头在哗哗漏水，你不去修水龙头，反而跑去超市买打折的矿泉水。 其实真正吃掉你Token的大头，不是大模型的回复太长，也不是你的Prompt写多了。 是Skill本身。
谢乾坤-青南 · ZH
-
一日一技：Vibe Coding 时代，如何用系统设计思路给大模型爬虫省钱提速
在大模型出来之前，计算机领域一直流行着这样一句名言： 计算机领域的任何问题，都可以通过拆分问题+给系统增加若干个层来解决。 实际上，这句话在现在的 AI 时代，依然是绝对的真理。 例如以前面试经常问的一个老掉牙的系统设计问题：如何设计一个短网址系统？标准答案是，使用内存+Redis+数据库做多级存储架构。读取最频繁的短网址放到内存，其次的放到 Redis，不频繁的放到数据库。通过增加分层，完美解决高并发和存储成本的矛盾。 现在有了大模型，大家都在玩 Vibe Coding（用自然语言指挥 AI 写代码），很多人觉得以前的工程经验没用了，反正大模型什么都能干。但我认为恰恰相反，在用 AI 写代码时，大家更应该把“拆分与分层”这句话牢牢记在心里。
谢乾坤-青南 · ZH
-
把简单问题写复杂，是一种学术病
摄影：产品经理 左庭右院蔬菜自助 最近我在看一篇关于电子表格理解的论文。 论文里有一个算法，核心流程其实非常简单：先让一个 Agent 从电子表格中抽取结构，再让视觉 Agent 和 LaTeX Agent 分别验证；如果两边都通过，就返回结果；如果没有通过，就把错误反馈回去，重新抽取，直到成功或者达到最大重试次数。 任何一个写过程序的人，看到这里，大概已经知道代码该怎么写了： 1 2 3 4 5 6 7 8 9 10 for _ in range(max_iterations): result = extractor.run(spreadsheet, feedback) vision_check = vision_verifier.verify(result) latex_check = latex_verifier.verify(result) if vision_check.passed and latex_check.passed: return result feedback = vision_check.feedback + latex_check.feedback 事情就是这么简单。 但论文当然不能这么写。 它非要把这段代码重新包装成一种半数学、半代码、半自然语言的东西： 1 2 3 4 C ← {S, Prompt, Tool interfaces} Y ← C[-
谢乾坤-青南 · ZH
-
所有人都在做 Agent，但很多人连 Agent 是什么都没想明白
昨天，我去逛了一圈世界人工智能大会，也就是 WAIC。 今年的会场里，有一个词几乎无处不在： Agent。 做大模型的在讲 Agent，做企业服务的在讲 Agent，做招聘、营销、医疗、金融、法律、教育的，也都在讲 Agent。 过去两年，大家还在说自己做的是“大模型应用”“AI 助手”“行业 Copilot”。到了今年，不在产品介绍里加上 Agent，好像都不好意思说自己是一家 AI 公司。 但我在现场和一些公司聊下来以后，产生了一个很强烈的感受： 很多人不只是没有做好 Agent，甚至连 Agent 到底是什么东西，都没有真正想明白。
谢乾坤-青南 · ZH
-
别再拿聊天记录拼一个数字人：镜像星河，才是那个真正懂你的自己
凌晨两点，你很想找个人说话。 通讯录里不是没人。只是你知道，真正开口以后，大概率还要从头解释：事情为什么会走到这里，你究竟在怕什么，那个别人眼里明明很好的选择，为什么偏偏让你如此抗拒。 解释到一半，你已经累了。 人最深的孤独，往往不是身边没有人，而是 没有人能跳过漫长的背景介绍，直接抵达你的那一句「我懂」。 这几年，市面上出现了很多「数字人」产品。最常见的做法，是上传微信聊天记录、朋友圈、语音和照片，再让 AI 学会一个人的口头禅、表情和常用句式。 它可能会模仿你说「哈哈哈哈」，知道你习惯在句尾加一个「吧」，甚至能复述几段你曾经讲过的话。 但会说你的话，不等于会像你一样思考。 聊天记录复刻的是你留下的回声；镜像星河想做的，是找到发出这道声音的人。
谢乾坤-青南 · ZH
-
当一篇论文说“AI Agent还不会做研究”，它到底测到了什么？
最近我看到一项很有意思的实验。 研究者找来几个真实、并且还没有公开答案的AI研究课题，让Agent自己查资料、写代码、跑实验、分析结果。他们给了Agent几天时间和相当可观的算力预算，最后再让真正做过这些课题的研究者评价Agent的成果。 结果不太好。Agent没有产出达到论文标准的研究成果。 研究者还分析了大量运行日志，发现Agent有不少问题：一次实验结果不好，它就过早放弃整个方向；不会合理分配预算；Reviewer已经指出关键问题，它还是沿着原来的路线修修补补；遇到死路时，也不知道回退、修改假设、重新设计实验。 这些现象我都相信，而且非常值得研究。 但如果根据这项实验，直接得出“AI Agent现在还不会做开放式研究”，我会非常谨慎。 因为这种实验最终测到的，从来都不只是AI的研究能力。基础模型、Agent框架、工具、实验设计、操作者水平和人类对照组，全都混在最终结果里面。只要其中一个变量没有控制好，结论就很容易超出证据能够覆盖的范围。
谢乾坤-青南 · ZH
-
把五个同款大模型拉进群聊，就能开一家 AI 公司了吗？
最近 AI 圈又流行起了一种很有未来感的产品形态：AI 办公室。 打开软件，左边是一排员工。产品经理 Alice，前端工程师 Bob，后端工程师 Charlie，设计师 David，QA Eve。每个人都有头像、职位、自己的记忆，甚至还有一份 SOUL.md ，规定性格、工作习惯和专业领域。 你扔进去一句：“帮我做一个 SaaS 产品。” 产品经理先梳理需求，设计师开始画界面，前后端互相对接口，QA 最后出来挑刺。几个人还会在群里互相 @，遇到问题讨论两轮，再向你汇报。 第一次看 Demo，很容易冒出一种感觉： 好家伙，我一个人已经带着一家软件公司上班了。 Grok Bot 最近在往这个方向走，Hermes Agent Desktop 的 Bot Mode 也做了类似的东西。后者甚至把 Agent 做成了完整的员工 roster：有名字、有头像、有岗位、有独立聊天窗口，还可以把几个 Bot 拉进群里讨论。 这个产品形态很漂亮。 但我一直有一个疑问： 这里面到底增加了多少“智能”？ 如果五个员工背后接的都是同一个强模型，只是 system prompt 不同，那么我们究竟组建了一支团队，还是给同一个人发了五张不同颜色的工牌？
谢乾坤-青南 · ZH
-
TiDB 源码阅读（三）：插入数据
《TiDB 源码阅读（三）：插入数据》在这一篇文章中，我们主要来看看TiDB是怎么执行INSERT语句、如何编码数据写入数据的。前面我们已经看过，一条SQL语句的大概执行过程，大概是解析AST、生成逻辑计划、优化逻辑计划、生成物理计划、优化物理计划、执行物理计划、返回数据...
Jiajun的编程随想 · ZH
-
TiDB 源码阅读（四）：AST、逻辑计划、物理计划
《TiDB 源码阅读（四）：AST、逻辑计划、物理计划》前面我们已经看过服务端如何监听，以及接受请求，开始处理请求到最后返回数据的大体流程。这篇文章中，我们再度探索AST、逻辑计划和物理计划，以求有更深入的了解...
Jiajun的编程随想 · ZH
-
性能优化的核心思想
《性能优化的核心思想》我的一家之言，或者说我的感觉：性能优化，就是在保证完成目标任务的情况下，让CPU做最少的事情（也就是执行最少的指令），做最少的等待...
Jiajun的编程随想 · ZH
-
TiDB 源码阅读（六）：TiDB Coprocessor 源码解析
《TiDB 源码阅读（六）：TiDB Coprocessor 源码解析》TiDB 是存储和计算分离的设计，当 TiDB 的物理计划优化完成后，就需要将真正的取数请求发给 TiKV。而由于数据是分布在多个 TiKV节点的，因此需要有一个框架来统筹计算，汇总结果，并将结果返回给 TiDB Server。这就是我们这篇文章要看的 coprocessor 模块...
Jiajun的编程随想 · ZH
-
你好，2026！
《你好，2026！》本来想吃着汉堡唱着歌，就跳过今年的总结，毕竟已经迟到了。但咱每年都得总结，不能糊弄自己。元旦没写的文章，咱传统农历新年得补上。2025年，最大的转变，在于意识到了生命只有一次。感悟来源于一次惨痛的意外，玩越野摩托车翻车摔到骨裂躺床上几天动弹不得...
Jiajun的编程随想 · ZH