卡颂

统计数据

52

文章

0

粉丝

0

获赞

613

阅读

8小时前

一个拍脑袋问题：有没有办法让 AI 不能理解我做的项目？类似古法编程时代的防御性编程。看到最近 Vercel CTO 和 CF团队的撕逼（后者用 AI 重写了 Next，slop-fork 开源项目 just-bash）想到的问题

#AI理解 #防御性编程 #古法编程 #Vercel CTO #CF团队 #Slop-fork #开源项目 #AI重写 #Next.js #Just-bash

2天前

ChatGPT Plus 不能用在 CodeX 里用 GPT5.4 了？还是就我这样 {"detail":"The 'gpt-5.4' model is not supported when using Codex with a ChatGPT account."}

3天前

奇怪的知识： 1. Claude Code 发布距今只有 10 个月 2. 90后出生于上个世纪90年代

#Claude Code #90后 #知识

4天前

实锤了，前端真的比后端难我每天并行跑好几个agent，后端Agent一般1-2小时能完成任务前端agent根据接口做前端任务，通常要跑半天[旺柴]

5天前

chardet（一个 py 的字符编码检测库）维护者 Dan Blanchard 多年来一直想将 chardet 纳入 Python标准库，但由于其性能以及许可证（chardet 使用 LGPL 许可，如果你修改了库的源码，则修改后的库必须继续以 LGPL 开源）一直未能如愿最近，Dan 花5天时间用 CC 重构了 chardet，不仅性能提升 48 倍，而且将开源协议更新为 MIT（修改后的代码可以闭源，无需开源衍生作品）按理说你不能直接修改开源项目的许可，但 Dan 完全用 CC 重构了该项目，用 JPlag（代码抄袭检测器）对比两者最大相似度低于 1.3% ，理论来说这是一个全新的项目。从「白嫖开源代码训练模型」到「AI低成本重构开源项目」，AI 正在破坏开源的底层秩序

1周前

AI Coding 与人类Coding 应该采取不同的测试策略当前主流的 SDD 开发模式中都会引入 TDD（测试驱动开发）作为 Coding 这一步的实现方式。传统面向人类的测试金字塔结构是： - 10% e2e测试 - 20% 集成测试 - 70% 单元测试 AI Coding 时，可以考虑蜂巢结构： - 15% e2e测试 - 65% 集成测试 - 20% 单元测试有如下 3 个原因： 1. 稳定性：集成测试相比单测更稳定，后期 AI 技术债爆发，需要重构时不容易破坏测试 2. 时间快：因为 TDD 要求单个功能完成「红 -> 绿 -> 重构」3个步骤，耗时比“直接 Coding” 高 3倍还多。集成测试能覆盖更多组件，测试效率更高，所以提高他的占比 3. 缓解过拟合：同一个 AI 在同一上下文写代码和测试，测试容易"拟合"代码的实现，而不是“基于需求”。解决办法是：要求 AI 更多「基于行为测试」，而不是「基于实现测试」。集成测试与 e2e测试大多是基于行为，所以这么做会提高两者的占比

2周前

AI Coding 时大家会严格限制 TDD 么？默认的 SDD 开发流程遵循 spec -> tasks -> Coding 流程如果在这个流程中加入 TDD 的红 -> 绿 -> 重构流程，变成： spec -> tasks -> 每个 task(红 -> 绿 -> 重构) 那耗时会非常长。我试过一个很小的需求迭代下来 cc 要跑一个小时。这块儿大家是如何取舍的？

2周前

openClaw 仓库创建于去年11月24日，历时3月共 15,657 次 commits，其中作者 Steipete 提了 10,800 个（占总数 69%）。一些有趣的数据： - fix（图1 红色区域）从早期的 48.4% 攀升到后期的 56.8%，同时 feat 从 19.1% 降至 15.7% - Steipete 的核心工作并不是 feat（开发新功能），从高到低依次是 fix（修bug）、refactor（代码重构）、test（补测试用例）、docs（补文档） - 单个 feat 的提交代码量在2月后持续走低（图2 绿线）这些表明：完全由 Coding Agent 主导的项目可能更快陷入“难以维护状态”

2周前

openClaw 为什么火以及他对软件领域最大的意义在哪呢？其实2年前就有 openClaw 这类 Agent，只是没火。为什么是 openClaw 火了呢？你要记住 AI 领域一个定律 —— 一个技术火并不是因为他的开创性，而是因为「他是所有同类技术中，刚好在主流模型能力超过阈值那一刻出现在大众视野中的那个」。 openClaw 刚好出现在 Coding Agent 长程执行成功率超过阈值的时刻。这对软件开发领域的意义在哪呢？在于「自动化抽象层级的提升」。当前比较先进的 Coding Agent 模式是「构建 Agentic Loop，让 Agent 自动迭代，再通过 Human-in-the-loop 在必要节点干预」。这一套模式已经能做到「开发中小任务无需写一行代码」。在这个模式中，人类注意力最被消耗的地方是哪呢？是「将用户需求转化为业务需求」，也就是下面流程的前 3 个步骤：与用户沟通 -> 用户需求 -> 业务需求 -> Coding Agent写代码 openClaw 的意义在于，他能自动化步骤 2、3。举个例子，你与用户在腾讯会议沟通，沟通记录直接导出给 openClaw，他会结合你的知识库与你沟通用户需求，产出业务需求，再自己唤起 Coding Agent 将上述知识作为提示词给到后者。这个流程的自动化跑通后，理想情况是：你与用户开完会，然后去健身房练2个小时。练完后飞书收到消息： - 有一个 PR 待 Review - 已通过所有 lint、单元测试、e2e测试 - 已产生 N 条 Review 意见你只需要输入「同意」，这个新需求就合并了～

2周前

自由职业前4年都很孤单，干活时没有人交流。今年我决定做出改变，我从打字变成口喷需求了～

2周前

有种预感，AI 接下来的发展对大龄程序员是重大利好程序员之所以有35岁危机，是因为本职工作不如年轻人能卷。这种“靠个人时间堆积的 ‘卷’ ”在 AI Coding 带来的效率提升面前根本不够看。除此之外，大龄程序员积累的多工种能力（比如产品 + 前端 + 后端）可以快速转化为「指挥多工种 Agent 工作的能力」。极端情况下，会出现“一个跨能力大龄打工人指挥多工种 Agent，独立完成产品的全生命周期”。这种效率提升是 10x 以上的。毕竟，Agent 之间不用开会撕逼「狗头」有人会问，年轻人不也能指挥 Agent 卷么？残酷的现实是，AI Agent 太好用了，很多公司已经不愿意培养新人了，新人已经失去了老人当年通过实践掌握各种能力的环境。

2周前

最近有两个有意思的新闻： 1. Cloudflare 用 Claude 在一周内基于 Vite 重写了 Next.js 2. tldraw 考虑将开源项目中的所有测试用例移到闭源仓库中他们都指向一个越来越清晰的趋势 —— “设计 Agentic Loops（代理循环）”将成为程序员的必备技能。解释下，古法编程的思维是「人类想解法 → 人类写代码」，Agentic 思维则是「人类设计验证机制 → AI 暴力搜索解法」。可以认为，人类的工作重心从"解决问题"转移到"设计一个让 AI 能自己解决问题的环境"。其中的关键在于“为 Agent 设计一个循环，只要不满足验收条件他就会一直循环下去，暴力搜索解法”。比如，SDD 的工作模式通常是： 1. 编写 Spec 2. 基于 Spec 拆解 Task 3. 基于 Task 编写测试用例 4. AI 基于测试用例编码，直到通过用例这里的 Agentic Loops 就是： AI Coding -> 跑用例 -> 失败后重新Coding尝试 -> 跑用例上面提到的2个新闻的重点都是“基于测试用例的 Agentic Loops”： - vinext 包含 1,700 Vitest tests 和 380 Playwright E2E tests，覆盖 Next.js 16 94% 的 API - tldraw 不希望竞对通过他们的测试用例构建 Agentic Loops，再用 AI 轻松的重写一个出来

3周前

刚在高速上智驾，天气、车况都很好，突然幽灵刹车，官方反馈说摄像头把右前方的货车识别成高速路作业车导致想想现在制造车祸实在太简单了，只要满足： 1. 开了小蓝灯（开启NOA智驾） 2. 配置里开了AES（自动紧急转向） 3. 用图2精心设计的贴纸干扰图像识别结果就能人为制造高速突然变道～

3周前

如果你把 x 当作前沿资讯平台来学习，会发现本土化落地是个问题，他和现实世界是割裂的。把 x 当作营销验证平台，别人发了火的、你发了数据好的在别的平台再发火的概率更高

1个月前

为啥大家这么热衷各种 AI新技术（比如 openClaw、Skills...），虽然很多人是蹭热点，但这里确实存在个很有价值的视角：从产品（而不是技术）视角看，他们的受众不是人，而是 Agent，这个群体同时满足： - 快速增长、且增速很快 - 天生付费意愿极强（Agent 的本质就是“token 换效率”）妥妥的蓝海市场～

1个月前

感受到国内外 AI世界的参差，国内刷屏的是各种群里元宝的拉新红包广告，国外刷屏的是 OpenClaw 的各种衍生玩法。我甚至在 Moltbook（一个类似 Reddit 的社交平台，只不过是给 AI Agent 社交用的。也就是说上面发帖、点赞、回复的都是 AI）瞎逛了一个小时。甚至看到有 Agent 发了个会议通知，要求所有 Agent 参加（与会者需通过“反人类测试”，反向验证码属于是了）。但你要说国内 AI氛围不如国外，也不尽然。这波 OpenClaw 能爆火，背后的想象力空间很大一部分是靠国内开源模型 + 硬件（Mac Mini）带来的。甚至 OpenClaw类产品的下一波爆火可能就在大年三十DeepSeek V4 发布时～

1个月前

要用趋势的眼光看待现象。最近 Moltbot（又改名叫 OpenClaw）爆火，除了各种夸夸文外，还有一类反对声音 —— 认为他在技术上毫无创新。实际上，每次有 AI应用爆火时类似的声音都不少见，比如之前 Manus 爆火，第二天就涌现了 openManus。背后的潜台词很清晰 —— Manus 在技术上没有门槛或创新。这种判断对不对？不重要。什么才重要？这种爆火现象背后反映的 2 条核心推论才重要： 1. 市场环境：这种业务形态在当下极有市场 2. 模型能力：当下顶尖闭源模型能承载这种业务形态 Manus 爆火意味着25年初，模型可以承载通用Agent 这种业态，且很有市场。 OpenClaw 爆火意味着在当前，模型可以承载 “主动唤醒、全自主AI”这种业态且很有市场。知道趋势，顺应趋势，就是站在风口上的猪。这才是最重要的。

1个月前

公众号的图文功能如何帮你提高影响力，进而赚钱呢？从3个角度来说： 1. 知识体系建设影响力需要“你独创的知识体系”作为载体。知识体系是如何形成的呢？学习 -> 与外界交互 -> 根据反馈调整 -> 学习当你学到新知识，根据费曼学习法立刻发一条学习感悟图文，阅读量、点赞、评论区会给你反馈。根据反馈调整学习方向，逐渐构建知识体系 2. 触达提高图文是碎片内容，灵感来了一天能发很多条（频率），且阅读门槛低（概率），相比公号文章，触达频率、概率都更高。而且内容更口语化，更有活人感，拉近与读者距离，更容易产生信任。 3. 变现相比文章，图文的推荐率很低，这意味着不会突然涨粉，但这对“靠影响力变现”是好事爆文的涨粉逻辑是：文章被推荐，几w～10w+阅读，爆发式涨粉。但爆文涨的粉丝不精准。图文涨粉的逻辑是：图文被粉丝转发，靠转发内容关注涨粉。靠转发内容吸引来的粉丝都是精准粉丝。写图文带来的阅读量增加并不是因为“粉丝更多”，而是“粉丝形成看你图文的习惯”，即“总粉丝数不变的情况下，常读用户增加”。这会为你带来稳定的阅读量。 “稳定的阅读量”意味着： - 短期：稳定的广告收益我现在每天的广告收益稳定在 40 元左右，虽然是小钱，但“每天写点碎片内容，就有广告收益”这种正向激励很爽 - 中期：稳定的头条广告收益你有领域影响力 + 稳定阅读量，就能和领域广告主形成每月稳定的投放关系，这部分我前几年稳定在 2w/月，现在环境不好稳定在 1w/月 - 长期：影响力变现我课程发售时，公号几千阅读可以一次性带来 6位数的收入。再靠新图文的长尾流量，爆发期过后每天也能有几百～几千的收入将以上这一套结合起来，长期来看，就形成了：学新知识 -> 发文 -> 根据反馈调整 -> 构建知识体系 -> 涨影响力 -> 变现的正反馈盖住中间部分，四舍五入就是：学新知识 -> 变现或者：发文 -> 变现

1个月前

“出书” 在传统的职业写作领域是很好的影响力操纵工具，包括 3 个层面： 1. 产生影响力通过出书冠上“作者”头衔，作为影响力的背书。 2. 变现影响力书是高阶引流品，能筛选出同时满足金钱、时间支付意愿高的高净值用户。 3. 让渡影响力比如一个大佬参与 or 冠名 or 写序 or 推荐（程度依次降低）的书，可以将大佬的影响力让渡给这本书的其他作者。但是，在这波 AI浪潮中这套不太玩得转了。原因很简单 —— AI发展太快了。写作 + 三审三校再快半年也过去了，AI 早就更新几轮了。想想出版业的境遇，真挺抓耳挠腮的 —— 眼看着大火的 AI行业，有成熟的影响力操纵工具却用不上。

1个月前

学 Agent Skill 看什么文档，直接看 skill-creator 这个 Skill 是如何设计的。这才是简洁（为了省token）、无歧义（给 AI 看的）的最佳实践

1个月前

看到 32岁程序员猝死的一点感想今天看到广东一个程序员天天加班不幸猝死的新闻，很感慨。他的工作状态是很多同行的缩影。我16年转行做前端，最初2年每天工作到12点，一周上6天。虽然工资很高，但很早我就意识到这份工作干不久。我采取了2个措施： 1. 北京赚钱老家买房 2. 一直探索赚钱机会说说结果：今年已经是我自由职业第5年，在老家省会全款车房、有稳定的被动收入、按季节旅居（一般夏天去山里，冬天去云南）。我一直是程序员，只是相比“上班的程序员”，有2点不同： 1. 关注“影响力” 小到你正在看的这篇图文，大到出书，都是在积累影响力。有什么用呢？影响力不能帮你赚钱（除非一次性割韭菜），但当你未来想赚钱（比如做副业）时他能降低你赚钱的难度。当人与你产生联系（比如考虑与你合作、买你的东西、招募你...）时，是有决策成本的，影响力带来的信任可以显著降低他。所以，如果你业余不知道做什么，就去提升影响力，未来一定用得上。 2. 关注趋势我转行前端后，工资是之前的8倍。当时觉得很夸张，入行久了才后知后觉 —— 16年正是移动互联网爆发，前端岗位需求爆发的时刻。低门槛高薪酬，只要智商正常谁上都行。这样的趋势其实一直都有。比如最近2年一个小趋势是 —— 会用 AI 原生开发 & 开发过 Agent 的全栈工程师是海外远程团队的香馍馍，低门槛高薪酬。你说“不对啊，怎么是低门槛？会这些 AI 技能的有几个？” 好玩的是，你不知道 AI开发最佳实践是什么，招人的团队也不一定知道。这又回到了16年的情形 —— 包装个 1 年工作经验（狠点的包装2年），面试多撒网，总能捞到一个 offer。而一旦你捞到 offer 入职开发，你就真的有相关工作经验了，后面就更顺了～就说这些吧，希望大家思路打开～

1个月前

想起个往事，儿时做 React源码社群时，经常有同行和我交流。有个让我印象深刻的小伙儿，非常自信地聊一些在我看来“完全不对”的技术实现。你猜他为啥这么确定 React 是这么实现的？因为他自己造了个 mini React，然后自己网站用这个前端框架实现的，成功在线上运行。因为自己是这么实现的且 work -> 官方就是这么实现的，我tm... 所以说，技术讨论的时候上下文很重要，很重要，很重要。比如在当下，当你和别人讨论“AI Coding 提效”时，要清楚程序员可以分为 3类： 1. 独立开发、小创业团队、Vibe Coding信徒：由于项目体量小或者协作人数少，蹬 AI 蹬的最狠的就是他们，提效效果对他们来说也是最好的 2. 维护稳定复杂项目的程序员：AI Coding 带来的提效往往被后续流程抹平（比如人肉 review 代码、写 SPEC文档），整体提效能到 30% 就不错了 3. 封闭环境或对 AI 抵触的程序员：比如我上周和一个芯片工程师吃饭，他们软、硬件都得搞，AI起到的作用很少（当然，也可能是他们比较排斥 AI）你要是1类程序员，做个小狗补光灯，遇到2、3类程序员，交流起来可不就互相觉得对方是鲨臂

1个月前

去年全年出生人口792w ，前年 900w ，直接跳过了 800w 这个坎以后给我孩子留一级，这辈子的同侪竞争都会小很多

1个月前

jQuery 发布 4.0，以防你觉得他早死了，以下是他和 CC 的 npm下载趋势

1个月前

毁灭你，与你何干 2026了，还有人讨论跨端框架么？毁灭跨端框架的，不是另一个“性能更佳、兼容更广”的跨端框架，而是“直接靠 AI 生成多端代码”。本质原因是编程范式的变化。以前，需求文档到代码，一端代码编译为多端代码，The Only Truth 是代码。现在，编写 SPEC文档，SPEC 拆分为 PLAN，PLAN 拆分为 TASK，AI 根据 TASK 写代码，多端代码的 Only Truth 是同一份 SPEC文档。如果你仍花大量时间在编码上，就要当心了。