最新内容
数据库团队想要的通常不是又一个会把自然语言翻成 SQL 的聊天框，而是一个能回答三个更棘手问题的助手：最近哪些负载在退化、业务口径到底怎样定义、某条建议是否值得真的执行。把 LLM 直接接到生产库会把...
写出一个能回测或能下单的策略，只解决了量化系统的一小部分。真正进入长期运行阶段后，问题会迅速变成工程问题：进程异常后谁重启、多个策略的日志和状态到哪里查、密钥怎样隔离、定时任务怎样部署，以及把 Pyt...
让 AI 编码 Agent 一次改完需求，最难的往往不是生成代码，而是回答三个后续问题：这次改动究竟承诺了什么？实现有没有偏离承诺？检查结果该由谁处理？如果这些信息只留在一次对话的上下文里，下一位开发...
很多团队已经把设计决策、排错记录和接口约定写进 Obsidian，却依然要在每次让 Agent 改代码时重新复制背景。问题不在于笔记不够多，而在于普通全文搜索只能找字面相同的词；Agent 也无法稳定...
团队同时使用 Claude Code、Codex 和 Gemini CLI 时，真正难管的通常不是某一次提示词，而是工程边界：不同成员装了不同版本；MCP 服务要重复配置；一次任务里的研究、实现和测试...
让 Claude Code、Codex 或 OpenCode 连续写几天代码时，最容易失效的往往不是模型能力，而是工作状态。需求拆到一半，依赖关系留在聊天记录；下一轮会话虽然能读仓库，却不知道哪个任务...
本地跑大模型时，最常见的判断是：权重装不进显存或内存，就没有开始推理的资格。这个判断对稠密模型大多成立，但对 Mixture-of-Experts（MoE）模型并不完整。MoE 每个 token 只会...
把浏览器标签页完整镜像到电视，当然是最容易想到的办法；但它也把桌面通知、鼠标移动和整个浏览器渲染链路一起带了过去。对于自己有权播放的网页视频或已知媒体流，更干净的路径是：找到真正的媒体请求，在本机统一...
把一个任务拆给多个 AI 编程 Agent，看起来很自然：一个人摸清模块边界，一个人改实现，一个人补测试。但只要它们指向同一个工作树，最麻烦的并不是“谁更聪明”，而是协作状态没有共同来源。两个 Age...
当一个功能要改接口、补测试、查回归时，把几个 Claude Code 或 Codex 终端同时打开看起来很有效率。真正麻烦往往在十分钟之后：谁在等待你的确认？谁已经改了同一个文件？哪个会话明天还能接着...
