Posts
639
AI Engineering Journal
Aide Hub
Practical notes on AI assistants, software architecture, and developer tooling.
Tags
251
Featured
0
Latest
Outbox Pattern 扩展实践：每天处理 20 亿条消息
从 1,350 MPS 到 32,500 MPS，通过逐步优化 PostgreSQL 查询、批量更新和 RabbitMQ 批量发布，把 Outbox Pattern 扩展到每天处理超过 28 亿条消息。
Continue readingTop Categories
View all tagsTrending Tags
Recent Posts
Browse archive-
Outbox Pattern 扩展实践：每天处理 20 亿条消息
Published: at 07:42 AM从 1,350 MPS 到 32,500 MPS，通过逐步优化 PostgreSQL 查询、批量更新和 RabbitMQ 批量发布，把 Outbox Pattern 扩展到每天处理超过 28 亿条消息。
-
VS Code 的 browser agent tools，开始让 agent 自己下场测页面
Published: at 03:59 AM微软这篇 browser agent tools 指南表面上是在教你做一个计算器，实际更值得看的是另一层：Copilot agent 不只是写 HTML、CSS、JavaScript 了，它还能把页面打开、自己点按钮、检查结果、发现 bug，再回头把代码修掉。对前端来说，这比单纯多几个浏览器自动化工具更有意思。
-
Dapper 配 ASP.NET Core 10，到底适合什么场景
Published: at 03:54 AM这篇 Dapper + ASP.NET Core 10 的长文，真正值得看的不是它把 API、仓储、事务、多结果集、存储过程这些能力又罗列了一遍，而是它提醒了一个很现实的选择题：如果你在做高性能、SQL 驱动、读多写少、想自己掌控查询的系统，Dapper 依然很能打；但如果你想要完整 ORM 带来的追踪、迁移和更强抽象，它就不是省心路线。
-
Leanstral 在做什么：给 vibe coding 加上可验证性
Published: at 01:40 AMMistral 发布的 Leanstral，最值得注意的不是它又做了一个面向 Lean 4 的模型，而是它把 coding agent 的一个根问题说得很直白：在高风险场景里，真正拖慢速度的已经不是生成，而是人工验证。Leanstral 的野心，是把“能写”往“能证明”推进一步。
-
Godogen 这套 Claude Code skills，想把“描述游戏”直接变成 Godot 项目
Published: at 01:05 AMhtdt 做的 godogen，最有意思的地方不是又在喊一句“AI 能做游戏”，而是它真的把这件事拆成了一条能跑起来的流水线：规划、生成资源、写 GDScript、跑 Godot、截图、做视觉 QA、再修回去。它想交付的不是一堆散代码，而是一个真正结构化的 Godot 4 项目。
-
Context Hub 想解决的，不是搜索不到文档，而是 agent 老是忘
Published: at 10:59 PMAndrew Ng 这个 Context Hub 项目最有意思的地方，不是又做了一个 API 文档搜索 CLI，而是它把 agent 用文档时最烦的两个问题摆到了台面上：第一，模型会拿过期、零碎、噪声很大的资料瞎写；第二，它即使这次踩过坑，下次也很可能重新踩。Context Hub 的思路，是把文档做成可检查、可版本化、可按语言获取、还能附带本地注释与全局反馈的上下文层。
-
AI 没让编程消失，它先把程序员的工作方式改得很怪
Published: at 07:46 AMClive Thompson 这篇关于 AI 辅助编程的报道最值得看的，不是“程序员会不会消失”这种老问题，而是他抓到了一种已经在很多团队里发生的工作变化：开发者并没有离开软件生产，只是把大量时间从亲手敲代码，挪到了描述目标、审阅方案、放行执行和收拾失控结果上。编程没有结束，但它确实越来越像指挥、评审和判断工作。
-
这个 Claude Code 最佳实践仓库，适合拿来整理自己的工作流
Published: at 04:49 AMshanraisshan 做的 claude-code-best-practice 仓库，最有用的地方不是又总结了几十条零散技巧，而是把 Claude Code 里最容易混在一起的几层东西——commands、subagents、skills、MCP、memory、settings、workflows——放进同一张地图里。对刚开始搭自己的 agent 工作流的人来说，它更像一份可直接照着抄的目录，而不是一篇看完就忘的经验帖。
-
Claude 的 Sub-Agents 和 Agent Teams 到底有什么区别
Published: at 04:22 AMAkshay Pachaar 这篇长帖最有价值的，不是又发明了一套多 agent 名词，而是把一个很多人一上来就会搞混的问题讲清楚了：Claude 里的 sub-agents 和 agent teams 表面都像“多个 agent 一起干活”，但它们解决的其实是两类完全不同的问题。前者靠隔离上下文做并行和压缩，后者靠持续通信和共享任务状态做协作。真正该先想的不是“要不要上多 agent”，而是“这个任务到底需要什么样的协调方式”。
-
为什么大厂工程师往往需要一点大 ego
Published: at 02:51 AMSean Goedecke 这篇文章有意思的地方，不是替自负辩护，而是把一个很多大公司工程师都隐约知道、但不太愿意直说的事实讲明白了：在大型组织里做工程，不只是拼技术判断，也在拼你有没有足够的自我确信去承担模糊、冲突和不确定性。但这又不是越强势越好，因为真正能活下来的工程师，往往得在不同场景里切换 ego 的大小。
-
AI 用来排版乐谱，现在哪一步最靠谱
Published: at 01:56 AMJohn D. Cook 这篇小实验最有意思的，不是证明 AI 已经能把乐谱图片准确转成 LilyPond 代码，恰恰相反，它展示了一个更值得记住的现实：模型在“看懂这是什么曲子、这是什么风格”上已经有点本事，但在需要逐音符、逐小节忠实还原结构时，还是很容易一本正经地乱编。真正该关注的不是 AI 会不会生成乐谱代码，而是它在哪些层面已经能帮忙，哪些层面还远没到可依赖的时候。
-
AI 之后，程序员还剩下什么
Published: at 01:42 AMAnil Dash 这篇文章真正值得读的，不是又一次讨论“AI 会不会替代程序员”，而是把一个更难受、也更诚实的问题掰开了：对把编程当饭碗的人，AI 可能带来的是岗位被快速压缩；对把编程当手艺、当身份认同的人，AI 带来的则可能是一种更慢、更深的失落——代码还会被继续生产，但亲手写代码这件事本身，正在从工作中心移走。