最新内容
前端改动交给 AI 编程 Agent 后，最难确认的往往不是代码有没有生成，而是页面是否真的仍能完成业务流程。单元测试能覆盖函数，端到端脚本能覆盖预先写好的选择器；可一旦需求是“下单页应清楚展示价格”...
AI 编程 Agent 很适合长时间跑在开发机上：读仓库、改文件、执行测试、等待下一步。但人并不总在终端前。把 Agent 接到 Discord、Telegram 或 Slack，表面上只是“远程发消...
让 AI 生成一张图、一段旁白或一个短视频并不难；难的是把它放进自动化生产线以后，仍然能回答几个工程问题：输入到底是什么？这次调用了哪些外部服务？改了字幕位置后，为什么又把昂贵的视频生成重跑了一遍？失...
把一份生产 CSV 交给测试、分析或外部协作方时，最危险的往往不是“忘了删邮箱”这样显眼的失误，而是把几个看似普通的字段一起留下：年龄、邮编、入院日期、地区、订单时间。它们单独未必指向一个人，组合起来...
前端改动交给 AI 编程 Agent 后，最难确认的往往不是代码有没有生成，而是页面是否真的仍能完成业务流程。单元测试能覆盖函数，端到端脚本能覆盖预先写好的选择器；可一旦需求是“下单页应清楚展示价格”...
许多团队做内部 Agent 时，第一步往往是选一个 SDK，然后把模型调用、工具定义、会话状态和业务判断写进同一个服务。原型很快，但系统一旦接入 Slack、MCP、长任务或人工审批，问题会变得具体：...
前端改动交给 AI 编程 Agent 后，最难确认的往往不是代码有没有生成，而是页面是否真的仍能完成业务流程。单元测试能覆盖函数，端到端脚本能覆盖预先写好的选择器；可一旦需求是“下单页应清楚展示价格”...
线上报错时，很多团队已经会让 AI 编程助手参与排查：先复制一段 CloudWatch 日志，再问它「这里为什么超时」。问题在于，原始日志通常来自多个 Log Group、多个 Region，混有健康...
在本地部署 LLM 时，“回答慢”常常被直接归因于显卡不够强。但一次体感卡顿可能来自模型大小、Ollama 后端、CPU/GPU 路径、显存压力，甚至是测试方式不一致。若每次只换一个模型、看一眼终端耗...
应用代码没有改动，不代表交付物没有新增风险。一个 Node 项目可能从 package-lock.json 带入受影响的间接依赖；服务打包进镜像后，又会继承基础镜像里的系统包。更棘手的是，开发机能联网...
