Posts
596
Practical notes on AI assistants, software architecture, and developer tooling.
Posts
596
Tags
190
Featured
0
很多 coding agent 看起来会改代码,真正拉开差距的却常常不是模型本身,而是它有没有接上 Language Server Protocol。LSP 让 agent 从“搜字符串”进化到“理解符号关系”,跨文件修改、诊断定位和安全重构都会稳很多。
Continue reading很多 coding agent 看起来会改代码,真正拉开差距的却常常不是模型本身,而是它有没有接上 Language Server Protocol。LSP 让 agent 从“搜字符串”进化到“理解符号关系”,跨文件修改、诊断定位和安全重构都会稳很多。
OpenAI 用 Agents SDK 仓库的真实做法说明,想让 Agent 真正提升开源维护效率,关键不是多写几个提示词,而是把技能、AGENTS.md、脚本和 GitHub Actions 组合成可触发、可验证、可复用的工程流程。
GitHub 官方发布了 Copilot CLI 入门课程,8 个章节从安装到 MCP 集成,带你用 AI 接管终端工作流。本文梳理课程核心内容,重点介绍三种交互模式的使用场景,以及 AI 真正改变了哪些命令行开发习惯。
从 Tab 补全到自主 Agent 团队,作者梳理了 AI 工程实践的 8 个进阶层级,每一层都是一次生产力的跃升。模型能力在快速增长,但能不能用好它,取决于你所在的层级。
Hillel Wayne 分析了 AI 生成的 TLA+ 和 Alloy 规约:代码不能编译、属性只是同义反复、真正有价值的并发和活性属性 LLM 写不出来。形式化方法要普及,光能生成规约远远不够。
Anton Martyniuk 在一条赞助帖里演示了 EF Core 大批量查询的 5 个替代方案。真正值得记住的不是某个库名,而是一个判断:当 ID 列表上千、还伴随联表和同步任务时,`Contains` 往往已经不是合适的入口。
LangChain创始人Harrison Chase的深度观察:编程智能体让代码生成成本趋近于零之后,传统EPD流程的瓶颈从「实现」转向「评审」,通才的价值被放大,专才的门槛反而更高了。
微软 ISE 团队分享了如何用 GitHub Copilot Agent 替代繁琐的 ML 实验配置流程:通过四段式 Prompt 驱动 Agent 收集参数、生成配置文件、执行校验清单,实验搭建速度和可靠性大幅提升,同时揭示了模型选择、用户沟通等实际挑战。
很多团队一看到延迟上升,就急着把同步代码改成 async,或者加一层消息队列。接口看起来更快了,真正的瓶颈却只是换了地方:线程池空出来了,数据库、连接池、锁竞争和消费积压还在那里。
很多人对 EF Core 的印象还停留在实体、导航属性和外键那一层。可到了 EF Core 8 甚至 10,复杂属性、拥有实体、原始类型集合、视图映射、表拆分、阴影属性和属性包,已经把建模空间一下子拉宽了。
模块化单体的难点从来不只是拆模块,更在于模块之间如何说话。同步方法调用上手快、性能高,但耦合更紧;异步消息把边界拉开了,复杂度也一起进场。选型这件事,没有银弹,只有代价交换。