Posts
682
AI Engineering Journal
Aide Hub
Practical notes on AI assistants, software architecture, and developer tooling.
Tags
324
Featured
0
Latest
用 BoundedChannel + SignalR 构建高吞吐实时数据管道
本文介绍如何在 .NET 中用 System.Threading.Channels 的 BoundedChannel 搭配 SignalR，实现从 NATS 消费高速数据、批量刷新并广播到实时看板的生产级管道模式。
Continue readingTop Categories
View all tagsTrending Tags
Recent Posts
Browse archive-
在 .NET 中使用 pgvector 实现向量搜索入门
Published: at 01:40 AM如果你的数据已经存储在 PostgreSQL 中，不需要额外的向量数据库。本文介绍如何通过 pgvector 扩展，配合 .NET Aspire、Ollama 和 Dapper，在现有 PostgreSQL 中实现语义相似度搜索。
-
用 AI Vibe Coding 写 SwiftUI 应用：两个 macOS 系统监控工具的实战体验
Published: at 05:17 AMSimon Willison 用 Claude Code 在不懂 Swift 的情况下，用自然语言提示快速构建了两个 macOS 菜单栏应用：Bandwidther（网络带宽）和 Gpuer（GPU 内存监控），记录了整个 vibe coding 过程及关键经验。
-
揭开黑盒：追踪一次 Copilot CLI 请求的完整链路
Published: at 11:40 AM通过 mitmweb 代理和调试日志，逐步追踪 Copilot CLI 从终端到 LLM API 再返回的完整请求链路，理解agent行为背后的两次 HTTP 往返和本地工具执行机制。
-
pi：一个可扩展的极简终端编程助手
Published: at 06:30 AMpi（shittycodingagent.ai）是 Mario Zechner 开发的开源终端编程助手，支持 20 余个 AI 提供商，通过技能、扩展、提示模板和 Pi 包构建高度可定制的工作流，让 AI 编程工具真正适配你的开发习惯而不是反过来。
-
Harness Engineering：2026 年最好的 AI 工程师已经停止写代码了
Published: at 05:00 AM同一个模型、同一套测试，只改了 harness，基准分数从 42% 跳到 78%。本文解释什么是 harness engineering、它的五个调节杠杆，以及如何从今天起用 $0 开始练习这项让你不可替代的技能。
-
慢下来：关于 AI 编程 Agent 的一些清醒思考
Published: at 03:40 AMMario Zechner 观察到，过度依赖 AI coding agent 正在加速软件质量下滑。本文梳理他的核心判断：agent 的错误如何以人类无法察觉的速度复利累积、为什么主动权不能拱手相让，以及在哪些场景下放慢节奏、亲手写代码反而是最高效的选择。
-
Claude Code Auto Mode：用分类器替代人工审批的安全实践
Published: at 03:20 AMAnthropic 工程博客详解 Claude Code auto mode 的设计思路：用双层分类器（输入层提示词注入探针 + 输出层转录分类器）自动审批权限请求，在保留93%通过率的前提下把危险动作拦截率做到实用水平。
-
用 A2A 协议连接 Azure AI Foundry 与 Semantic Kernel，让 Agent 具备 Bing 搜索能力
Published: at 02:00 AMBing Search API 即将停用，本文展示如何通过 A2A（Agent-to-Agent）协议，将 Azure AI Foundry 中的 Bing Grounding Agent 包装成 Semantic Kernel 的插件工具，实现跨框架多 Agent 协作搜索。
-
把 AI 编程工作流设计成状态机：与 Nick Tune 的对话
Published: at 01:40 AMPayFit 高级首席工程师 Nick Tune 分享了他如何把 AI 编程工作流建模成带类型约束的状态机，配合 TDD、依赖检查和 CodeRabbit，让 Claude 从需求到 PR 全程自主交付，同时保持代码质量不失控。
-
TurboQuant：Google 的极致压缩算法如何让大模型跑得更快
Published: at 07:40 PMGoogle Research 发布 TurboQuant，联合 QJL 与 PolarQuant 两项算法，将 KV 缓存压缩到 3 比特仍保持模型精度，4 比特模式在 H100 上最高实现 8 倍加速，且无需训练或微调。本文解读三者的核心原理与实验结果。
