#软件开发

avatar
Barret李靖
20小时前
编程，正在变成一件几乎不需要消耗专注力的事情。 你不再需要长时间盯着屏幕推敲实现路径，也不再需要在脑子里反复模拟执行流程。尤其是在从零到一的阶段，做一个只服务自己的小工具，写一个解决当下问题的产品，这种变化最明显。把需求讲清楚，让它生成，跑起来，能用就行。不满意，再来一版。软件从“需要被设计好”，变成“先被生成出来”。 更微妙的变化，是控制权的转移。起初我们在定义问题，后来在修正答案，再后来，开始顺着它的思路往下走。那句“你这个思路继续展开”，说多了之后，人会慢慢放下判断，转而去筛选。经验没有消失，但它的使用方式变了，从提前定调，变成事后挑选。AI 会不断给出路径，它不太在意路径之间是否统一，它更在意能不能把事情做成。 这也是边界开始出现的地方。AI 在从零到一的生成上非常激进，但一旦进入长期维护，它就开始失控。它的目标很直接，把当前问题解决掉，于是会不断引入新的结构、新的依赖、新的路径。局部看都成立，整体却在变形。系统的复杂度没有被消化，只是被一层一层覆盖。时间一长，代码会“写飞”，稳定性和可维护性被悄悄透支。 于是你会看到一个很清晰的分裂。一边是个人工具、一次性产品，被压缩到极致，从想法到可用，只需要很短的时间，软件像内容一样被生产和消费。另一边是复杂系统，依然需要架构、需要约束、需要人去维持边界，AI 还没有能力吞掉这部分复杂度。 软件在加速蒸发。 1. 在从零到一、为自己而生的场景里，它已经变成即时产物，写出来，用掉，替换掉，不再积累历史，不再追求长期形态。软件在这里变得越来越轻，也越来越不值钱。 2. 而真正有重量的部分，留在系统里。留在那些需要长期演化的结构、需要被约束的复杂度、需要被持续看住的边界里。AI 可以不断生成答案，但系统这件事，仍然需要有人盯着它，让它不至于在“不断做成事情”的过程中，悄悄失去形状。
#编程自动化 #软件开发 #人工智能 #技术变革 #工作流程 #专注力 #开发效率
avatar
2个月，AI编程，4500元实现7款商业软件的秘密 今天给你们开源一下我超高AI效率的方法： 1. 买一款折叠屏手机，Vivo的很便宜，6000多 2. 买一台懒猫微服 3. 左边直接打开微服的 WebShell 终端，可以像VPS线上部署AI开发环境 4. 右边用微服的LPK内网穿透能力，直接把云端 localhost 的服务反向穿透到手机、平板、电脑真机测试 5. 最后手机上装一个豆包输入法 这些都准备好了以后，你在任何地方（送小孩上学路上，陪老婆逛街，开车等红绿灯），你打开手机，在左边的终端用豆包语音输入法说需求，右边实时真机兼容性测试，测试通过后，左边终端用语音让AI提交commit，就这么简单 这套组合拳相对于你来说有啥好处？ 1. 开箱即用，内网穿透、开发环境，打开就直接用 2. 异常安全，不管是AI编程还是养小龙虾，没有客户端VPN认证，你的域名在世界上不存在，抵御黑客工具，防止机密资料泄露 3. 内网穿透转发能力，任何微服云端 localhost 的端口，电脑手机真机域名访问，这样就可以测试安卓和苹果手机的各种兼容性问题，热替换直接测试，不用电脑开发完以后各种真机部署，节省90%的时间 AI时代，再不来一台懒猫微服，我们的效率就差100倍了，哈哈哈哈。想要的老板评论区打1, 找我买懒猫微服有专属优惠 ;)
#AI编程 #商业软件 #折叠屏手机 #vivo #懒猫微服 #软件开发 #开发环境 #LPK内网穿透 #云端服务 #效率提升
avatar
Dong
3天前
Opus 老喜欢删我注释掉的代码，这习惯真不好！
#代码管理 #注释 #软件开发 #Opus #编程技巧
avatar
砍砍.ᐟ
3天前
用是可以用了 问题略多 AppKit 要处理各种奇怪的 case。。。
#AppKit #问题解决 #软件开发 #bug #技术挑战 #案例处理 #用户体验
avatar
Bitturing
4天前
如果你现在还在「自己写 Skill」， 那你至少慢了别人一个版本。 因为已经有人 把全网最能打的 Skills 全都拆好、整理好、开箱即用了。 我直接扒了一轮， 下面这些都是 ⭐500+、还在更新 的 Skills 仓库—— 可以直接当资源大库抄。 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
#技能 #资源仓库 #热门 #软件开发
avatar
铁锤人
4天前
MAC应用如何搞 TDD 呀，靠谱吗？求教。
#Mac应用 #tdd #测试驱动开发 #软件开发 #代码质量
avatar
idoubi
4天前
开源 FastClaw：做更好的 OpenClaw 发行版 1. 使用 Go 开发，3000 行代码实现 OpenClaw 核心功能 2. 单二进制（5MB）分发，轻量级安装，无环境依赖 3. 秒级启动，资源占用小（内存占用约为 OpenClaw 的 1/7） 4. 支持可视化安装，上手门槛很低 5. 支持个人本地使用，原生支持云端多租户场景 6. 支持 OpenClaw 90% 功能，兼容 OpenClaw 生态。 如何使用？ 1. 在项目主页复制 FastClaw 一键安装命令 2. 在电脑运行安装命令，自动打开可视化配置界面 3. 按照步骤，配置接入的模型和消息渠道 4. 安装完自动进入 FastClaw 管理面板，查看网关运行情况 5. 在接入的消息渠道开始对话 跟 OpenClaw 有什么区别？ 1. 使用方式上没太大区别，都是命令行安装，配置各种功能，在自己习惯的消息渠道对话 2. 第一次配置，比 OpenClaw 简单，上手门槛更低 3. 运行过程中，比 OpenClaw 资源占用小，对电脑配置要求更低 4. 如果你想二次开发，代码量更少，改起来更轻松 5. 如果你要部署到云端，让多个用户接入使用，FastClaw 更适合，天然支持云端多租户 6. FastClaw 支持了 OpenClaw 大部分功能：多模型、多渠道、多 Agent 等，添加了额外的特性：沙盒、并发控制、数据库配置、消息持久化等 7. FastClaw 兼容 OpenClaw 的生态，比如 clawhub 安装 skills 等，配置参数跟使用习惯也尽量跟 OpenClaw 保持一致，减少用户切换成本 8. FastClaw 是 OpenClaw-Like 的 Agent 底层框架，不是 OpenClaw fork 版本，而是从底层重构的全新版本 9. 如果把 OpenClaw 比作 Linux，那么 FastClaw 想做的就是 Centos，面向企业场景、云部署场景、智能终端而设计的 Agent OS 为什么做？ 1. 我做了一个月 OpenClaw 云托管服务，得出的结论是 OpenClaw 不适合云端多租户场景，主要是 OpenClaw 的架构是为本地使用场景而设计的，定位是个人 Agent - OpenClaw 在云端多租户场景需要每个用户一个隔离的 Pod，开销很大，成本很高 - OpenClaw 通过子进程完成复杂任务，多个任务串行排队，效率不高 - OpenClaw 的对话和记忆内容是存储在本地文件的，容易丢失，配置容易搞崩 我需要一个更好的方案来降低云端部署的成本，让更多人拥有自己的龙虾。 2. 随着微信 ClawBot 等入口的开放，使用 Agent 的用户会越来越多，不太可能每个用户都在自己的电脑部署一个 Agent，云端多租户是刚需。企业需要给员工分配 Agent，挂载知识库，统一管理。这些场景 OpenClaw 都不适合。 3. 要建摩天大楼，需要先打地基。OpenClaw 有很多优秀的设计可以参考，但是代码太臃肿，没办法在此基础上改架构，所以只能自己写。 ------ FastClaw 还在初期阶段，堆了很多功能，还没来得及完整测试，需要点时间完善。期待有更多的朋友参与共建，做一个更好的 OpenClaw-Like 的 Agent OS 发行版。 MIT 协议开源，欢迎使用，感谢支持。
#开源 #FastClaw #OpenClaw #软件开发 #Go语言 #轻量级软件 #云计算
avatar
问题本身的复杂性是不会轻易消失的，no silver bullet。
#软件开发 #复杂性 #无银弹 #系统设计
avatar
Saito
1周前
我觉得每个使用 Claude Code 和 Codex 的用户都应该听听 Django 创始人 Simon 这段，然后采用测试驱动开发的方式重新思考自己的 Vibe 产品。
#Django #Simon #测试驱动开发 #tdd #Vibe产品 #软件开发 #技术
avatar
Gorden Sun
1周前
gstack：YC CEO开源的工具集 可以把Claude Code变成有角色分工、有流程管控的开发团队，本质是15个“/命令”，把开发流程拆成了7个阶段： Think → Plan → Build → Review → Test → Ship → Reflect，可以从产品需求、UI设计、测试等多个方面提升软件开发的质量。 Github：
#开源工具 #软件开发 #YC #开发流程 #Claude Code
avatar
notion agent 还是相当“生动活泼”的。 一旦某个动作触发了 agent，1 秒后，多了一个小眼睛 emoji👀，表示 agent 已经收到 n 秒后，agent 的回应就出现了。 --- 最近沉迷 notion agent。从去年 9 月份notion 3.0发布，引入 notion agent，我就对 notion另眼相待。 现在已经开了notion 商业版，年付 240 美金。 notion 在 ai 时代的价值到底多大？不想争论，用实打实的金钱投入说话，用实打实的“跟 ai 系统要价值，要直接的经济价值”说话。
#Notion #NotionAgent #科技创新 #产品体验 #软件开发
avatar
10xMyLife
1周前
哎 独立开发
#独立开发 #自由职业 #软件开发 #创业 #自我管理
avatar
meng shao
1周前
针对 OpenAI Codex 最新推出的 Subagents 功能，Github 上最新出现了它的 awesome 系列项目“Awesome Codex Subagents”，收录 136+ 个专门针对软件开发各环节设计的 AI 助手，覆盖 10 大技术领域。项目采用 Codex 原生的 .toml 配置格式，可直接集成到 Codex 工作流中。 重温一下什么是 Subagent？ Subagents 是领域专精、任务单一的 AI 协作者： · 独立上下文 — 每个 Subagent 拥有隔离的上下文窗口，避免任务间信息污染 · 显式委派 — 不会自动触发，需用户在提示词中明确指定调用哪个 Agent · 模型路由 — 根据任务复杂度自动选择合适模型 · 沙箱分级 — 审计类 Agent 为只读模式，开发类 Agent 可写入工作区 智能模型路由策略 gpt-5.4 — 用于深度推理场景 · 架构评审、安全审计、金融逻辑等复杂任务 · 示例：security-auditor、architect-reviewer、fintech-engineer gpt-5.3-codex-spark — 用于快速扫描场景 · 信息检索、轻量级研究、快速合成 · 示例：search-specialist、docs-researcher、agent-installer 沙箱模式设计 · Read-only 模式 — 审查类、审计类代理（如代码审查员、安全审计员），只分析不修改 · Workspace-write 模式 — 开发类、工程类代理（如后端开发者、DevOps 工程师），可创建和修改文件 -- 10 大类别全景 -- 01. 核心开发（11 个） 前端/后端/全栈开发者、UI 设计师、微服务架构师、API 设计师、Electron 桌面应用专家、WebSocket 实时通信工程师等 02. 语言专家（24 个） Python/TypeScript/Rust/Go/Java/C++/C#/Kotlin/Swift/PHP/Elixir 等语言专精 Agent，涵盖各主流框架（React、Vue、Angular、Django、Laravel、Rails、Spring Boot、Next.js 等） 03. 基础设施（15 个） DevOps 工程师、K8s 专家、Terraform/Terragrunt 工程师、Docker 专家、Azure/GCP/AWS 架构师、SRE、网络安全工程师、事件响应专家等 04. 质量与安全（16 个） 安全审计员、代码审查员、渗透测试员、性能工程师、混沌工程专家、可访问性测试员、合规审计员、架构评审员等 05. 数据与 AI（12 个） ML 工程师、LLM 架构师、MLOps 工程师、数据工程师、数据科学家、NLP 工程师、PostgreSQL 专家、Prompt 工程师等 06. 开发者体验（13 个） Git 工作流管理、文档工程师、重构专家、MCP 开发者、构建系统工程师、依赖管理专家、CLI 工具开发者、Slack 平台专家等 07. 专业领域（12 个） 区块链开发、游戏开发、IoT 系统、支付集成、量化分析、风险管控、SEO 优化、Microsoft 365 管理、嵌入式系统等 08. 业务与产品（11 个） 产品经理、业务分析师、技术写作、UX 研究员、内容营销、客户成功、项目管理、Scrum Master、销售工程师、法律顾问等 09. 元与编排（12 个） 多 Agent 协调器、工作流编排器、任务分发器、上下文管理器、性能监控器、错误协调器、知识合成器等 10. 研究与分析（7 个） 竞品分析师、市场研究员、趋势分析师、搜索专家、文档研究员、数据研究员、综合研究分析师等 最佳适用场景 · 大型项目需要多人协作式 AI 工作流 · 复杂任务需多 Agent 并行处理（如同时审查代码正确性、安全性和文档一致性） · 团队希望标准化常见的开发任务（PR 审查、Bug 调查、重构规划）
#OpenAI #Codex #subagents #软件开发 #AI助手 #GitHub #技术领域
avatar
Mr Panda
1周前
搁半年半年前， 我觉得那些最好的模型，也无法真正全面的准确的帮我推理反思出这些问题，现在我只要无脑把bug 报告给他就可以了。 也许再过半年，我连报告bug 都不用了， 他自己就能发现问题解决问题。
#技术进步 #人工智能 #自动化 #软件开发 #Bug解决
avatar
MoonBit小新闻：actrun 本地 GitHubActions 运行器
#actrun #GitHubActions #本地运行器 #软件开发
avatar
太猛了，朋友们！Codepilot 上周数据如下： 1. 总共 10 万行代码提交 2. 73 次 Commit 3. 一周 8 个版本 4. 近两周 PV 达到了 5 万次 5. Github Star 3900
#CodePilot #数据分析 #代码提交 #GitHub #软件开发
avatar
面包🍞
2周前
虽然我没有觉得AI可以真的完全替代SDE， 但是我的确觉得AI会杀软件的估值， 最近觉得一切SaaS都没有做的意义了
#AI #软件开发 #saas #估值
avatar
卫斯理
2周前
今晚帮 4 个同学安装了小龙虾openclaw ​ ​有Windows 有macOS ​ ​我发现我最喜欢安装的系统是Windows ​ ​原因是在Windows下面 我只需要搞定网络 然后安装node git小龙虾openclaw ​ ​其他的倒好解决 ​ ​MacOS下我要做的事情可多了 ​ ​首先 我需要搞定网络 ​ ​其次 我需要安装xcode command line ​ ​再次我需要安装homebrew node 前面几步都对网络有比较高的要求，其实挺烦的 ​ ​最后才是安装小龙虾openclaw ​ 对接channel 我最喜欢的是电报 只需要两三步就好了 飞书最繁琐
#OpenClaw安装 #Windows系统 #MacOS系统 #网络配置 #编程环境 #软件开发 #个人经验
avatar
灰狐
2周前
今天入手了 MacBook Neo（移动DJ、书籍文档、数学物理学相关软件） 结合可移动的 Mac mini M4 +  便携屏（软件开发、电音编曲、视频编辑） 以后出远门或回老家，会带上这两台设备 + 一把电吉他和效果器 + 一台便携可搓盘DJ设备 未来的生活也是这样，走走停停，能挣点钱维持生活就行 苹果两台设备7000左右 个人学习、工作、开发环境基本也就是这样了，和专业的没法比，但就个人来说够用了 稍后会整理使用后的一些感受，希望可以撑到 2030年
#MacBookNeo #移动DJ #书籍文档 #数学物理学软件 #MacminiM4 #便携屏 #软件开发 #电音编曲 #视频编辑 #电吉他 #效果器 #便携DJ设备 #苹果设备 #个人学习工作环境
avatar
2年前，作为非程序员的我，通过与ChatGPT 频繁对话，从不懂代码到写出目前9.9k🌟的MyIP ，当时没有Codex，也没有Cursor，更没有Agents。2年后的今天，我要添加新功能和改bug，基本上就是说一句话的事…当年人们还说可以通过AI学编程，现在对于非专业人士来说，根本不需要学。
#MyIP #ChatGPT #编程学习 #非程序员 #人工智能 #软件开发
avatar
在写一个直播 vibe coding 的产品，非常有意思。本来我是想直接在 youtube 或者小红书上直播的，后来想想我从来没自己写过直播软件，要么干脆我 vibe 一个直播软件好了，既然要写，就加一些炫酷的功能：观众也可以和主播一起参与 vibe，这样大家都可以 BYOK，登录自己的订阅账户一起来开发。等我写好上线后我每天就直播自己 vibe 的过程！
#VibeCoding #直播 #软件开发 #YouTube #小红书 #观众参与 #订阅账户
avatar
SleepyZone
3周前
AI Coding 的质量取决于问题的定义和问题如何验证。
#AI #代码质量 #问题定义 #验证 #人工智能 #编程 #软件开发
avatar
yetone
3周前
人们：wow，openclaw 杀死了 GUI！GUI 只是为了人类方便的妥协产物，GUI 是被淘汰的东西！人类再也不需要 GUI 软件了！以后只有为 Agent 造软件的人才会活下来！ openclaw 作者：wow，我发现 GUI 已经大于 CLI 了，GUI 竟然不用多开窗口哎！简直爽爆了！
#OpenClaw #GUI #CLI #软件开发 #人机交互 #技术革新
avatar
meng shao
3周前
重读 OpenAI「Harness engineering」工程博客，重新理解这个「agent-first」时代的工程支架，如何真正用好 Codex？ 在 agent-first 的软件开发中，工程师的核心任务正从“直接写代码”转向“设计让智能体稳定产出代码的系统”。 未来真正决定效率的，不再是模型有多强，而是团队是否具备以下能力： · 把需求转成清晰的任务和验收标准 · 把知识沉淀进仓库，而不是留在聊天和人脑里 · 把架构约束、代码规范、测试和反馈机制做成可执行规则 · 让 agent 能直接观察、验证、修复问题 OpenAI 用 Codex 做了一个极端实验： 从空仓库开始，不手写代码，由 agent 生成产品代码、测试、CI、文档和工具，并在真实使用中持续迭代。 OpenAI 并不认为“AI 已经能完全代替工程师”，反而是： 如果软件团队把 agent 当作主要执行者，那么工程体系本身必须重构。 重构的重点不是 prompt 技巧，而是四件事： · 环境：让 agent 能运行、调试、测试、观察系统 · 知识：让关键文档、规则、设计决策都在仓库内可检索、可维护 · 约束：用 lint、结构测试、依赖规则约束架构演化 · 回路：让日志、指标、评审、失败信息都能直接反馈给 agent 最值得重视的启发 第一，知识是否“在仓库里”变得非常关键。 对 agent 来说，运行时读不到的知识基本等于不存在。因此，文档不再只是辅助材料，而是生产系统的一部分。 第二，严格边界比过去更重要。 agent 的产出速度很快，如果没有清晰的架构层次、依赖方向和机械化规则，系统会更快失控，而不是更快进步。 第三，测试、可观测性和评审正在变成 agent 的工作输入。 它们不只是给人看的质量工具，也是在训练 agent 自我修正的反馈机制。
#OpenAI #agent-first #Codex #软件开发 #智能体 #工程支架
avatar
Lex Tang
4个月前
tuist generate 一直报 500 错，才发现是 Cloudflare 挂了
#tuist generate #CloudFlare #500 错误 #故障 #软件开发