- 博客(93)
- 收藏
- 关注
RSS订阅原创 AI 原生组织重构：从 Token 经济学到 Agent 治理
本文以2026百度世界大会对谈为切口，从工程视角解构“智能组织”命题：它并非单纯的技术叙事升级，而是对成本模型的深刻挑战。核心矛盾在于——AI应用的线性成本曲线无法实现传统SaaS的规模摊薄，而当前实践多聚焦于技术栈（如Skill、Agent、流程编排）的堆叠，却忽视了关键核算：单位任务成本与业务增量的不等式。文章指出，真正的突破在于将组织重构为可测量、可迭代的任务网络，强调“契约化技能+回归评估集”“训练集中化”“项目组合治理”与“闭环反馈”，并警示五大反模式，最终落点于：技术能解决“能不能做”，但组织设
2026-11-13 12:30:00
300
原创 第 8 章｜Transformer 与注意力：它解决了什么问题，又引入了什么
这一章就来算一笔具体的账——不讲 API、不讲怎么调包，只讲它为什么被发明、它把哪笔账算平了、又在哪几笔账上欠了债。
2026-11-13 08:00:00
513
原创 从召回算法到上下文编译：一位算法工程师眼中的 Agent Native Database
本文从检索算法与系统工程交叉视角，剖析RAGFlow提出“Agent Native Database”背后的范式迁移：当Agent具备多工具编排能力后，检索瓶颈从“相关性打分”转向“上下文密度与探索效率”。文章指出，Harness+Grep的成功源于查询策略的迭代优化，而非单纯匹配能力；知识编译可实现“一次编译、多次受益”，但其收益高度依赖命中率与增量更新成本。核心挑战在于证据闸门判定机制、真实场景命中率及高频更新下的时效性。虽方向正确，但关键量化指标仍存盲区，需独立验证。
2026-11-12 09:10:19
309
原创 算法的代价观：任何“能力“都是用“复杂度“换来的
本章揭示“没有免费的能力，只有被隐藏的代价”这一底层规律：所有技术能力背后皆有复杂度交换——时间换空间、抽象换认知、效率换维护。代价不会消失，只会转移至隐蔽处。真正的工程成熟在于识别其位置、明确承担者，并审慎评估是否值得。尤其在AI生成等“便捷”场景中，复杂度从“写”转为“读、验、改”，更需警惕误判成本。核心是培养“成本感”：每获一项能力，必问“代价藏哪？谁来付？”
2026-11-12 09:06:44
109
原创 PostgreSQL 整体架构原理概览（含源码视角）
PostgreSQL 采用多进程架构，核心由 Postmaster 进程统领，负责接收连接、启动后端进程及管理辅助进程。每个客户端连接对应一个独立后端进程，处理查询并分配本地内存；辅助进程如 WAL Writer、Checkpointer、Autovacuum Worker 等分别承担日志写入、脏页刷新、垃圾回收等任务。所有进程共享实例级的共享内存，实现高效协作。该架构在保证并发性能的同时，通过清晰职责划分提升系统稳定性与可维护性。
2026-11-11 11:06:55
153
原创 软件工程中合理使用大模型生成代码并降低第三方库文档依赖的实践研究报告
本报告探讨在大模型辅助编码背景下，程序员如何合理减少对第三方库文档的机械查阅。基于对AI编程工具三阶段演进的分析，提出应以“提示词契约”“渐进式接管”等机制替代传统文档阅读，将人工从重复检索中解放，转而聚焦验证与架构判断。实证数据显示，该模式可使返工率下降63%，代码生成效率提升超百倍。核心主张是：减少的不是对技术规格的理解，而是低价值的知识获取方式；通过可审计的协作协议与质量门禁，实现风险可控、收益可度量的工程范式转型。
2026-11-11 10:26:35
100
原创 从工具到 Agent：内容创作的三次范式迁移
小影科技韩晟在QCon 2026演讲中指出，内容创作正经历从“工具”到“Agent”的三次范式迁移：从掌握功能，到生成素材，最终迈向任务交付。核心挑战在于需求模糊、验收标准缺失与跨镜头一致性。小影通过构建AgentOps平台，实现多模型统一调度与场景资产沉淀，将用户行为转化为可复用的Skill与评测规则。未来竞争壁垒不在于模型本身，而在于对真实场景与成功标准的深度理解，形成“任务—执行—反馈”闭环的复利能力。
2026-11-10 10:51:00
229
原创 第5章 | 重构不是升级：大型系统重构的真实成本
重构的真正目的不是技术升级，而是恢复系统的可持续演进能力。若改个字段仍需跨多团队、耗数周，说明系统仍被隐性耦合束缚。真正的重构应让改动可预测、局部化、知识共享、反馈及时。那些“还能跑”的系统，因缺乏紧迫感与透明成本，反而最易陷入重构困境，最终被迫重建，代价数倍于早期投入。关键不在于技术新旧，而在于“敢改”——系统活着时，就该把“能跑”变成“敢改”。
2026-11-09 09:29:44
589
原创 从脚本化 RPA 到 Agentic RPA：厂商开始卖“不宕机”了
2025-2026年，RPA行业迎来关键转折：传统“卖机器人+卖维修”模式被“卖运行结果”取代。Appian与UiPath相继推出成熟Agentic RPA与Healing Agent，推动自动化从脚本驱动转向AI Agent自主执行。核心变革在于，技术突破使“自愈”成为可能，客户不再为频繁宕机买单，厂商则转向按运行次数收费。算法工程师指出，本质是可靠性工程升级——需评估分层成功率、grounding精度、成本延迟与确定性。未来胜负手在于能否将“一年宕机次数”纳入可审计的SLA，真正实现从“救火”到“不着火
2026-11-09 09:11:31
209
原创 框架选不对，Claude 开发成本多一倍：AI 编程正在重写前端选型标准
Nolan Lawson实验揭示：在AI生成代码时代，框架选择直接影响成本与效率。对比12个框架，Hono+htmx以2.67美元最低成本、8.6分钟最短时间胜出，而Angular成本高达4.97美元，代码量多出近50%。结果表明，轻量、简洁、模型熟悉度高的框架（如MPA架构）更优。未来选型需考量AI理解成本、生成效率与产物质量，而非仅关注人类开发体验。
2026-11-06 09:23:55
169
原创 第 4 章｜重架构的三种隐性账单
软件系统随时间自然熵增，复杂度持续上升，除非主动减熵。盲目“显高级”的重架构，实则叠加设计债、测试债与维护债，形成复利式恶化循环。每多一层抽象或框架，都增加未来改动成本，最终拖垮团队效率。真正解法是：为复杂度设预算、按熵密度优先治理、将减熵融入日常迭代——唯有主动对抗熵增，才能避免系统在岁月中悄然崩坏。
2026-11-06 07:30:00
328
原创 会用 Coding Agent 只是第三项能力：吴恩达的 AI 工程技能版图，真正值钱的是「判断力」
AI 把「做」的门槛拉低了，却把「判断」的门槛抬高了。会用 Coding Agent 只是第三项能力——它能让你跑得快，但跑向哪里、要不要跑、跑错了怎么退，仍然要人来做决定。不怀念亲手写代码，不是因为写代码不重要了，而是因为更重要的事浮出了水面。吴恩达老师是本人在2017年从业的时候AI技术主要推进者之一，一晃10年过去，当年公司带我的师傅和我都已经离开了原来的公司，怀念当年一起研习论文的复现的日子。如果觉得本文对你有帮助请关注我，我尽量保证一天两篇更新的进度。
2026-11-05 10:05:58
201
原创 第 3 章｜技术选型的保质期：从十年，缩到四年
技术选型正面临结构性挑战：框架寿命从“十年”缩至四年，而业务问题本质不变。盲目追求“流行”与“高级感”，实则为系统埋下“技术债”。真实案例显示，微服务全家桶四年后即过时，大厂纷纷回归轻量架构。核心原则应是：别用“最流行”赌“最长期”——框架会老，问题不会。选型需问三问：是否解决本质复杂度？三年后停更是否被迫重构？删掉是否影响业务？最终目标不是选框架，而是构建可替换的边界，让业务独立于技术栈，实现“框架可换，系统不崩”。
2026-11-05 07:30:00
643
原创 算得准，还是说得通？
一次容灾演练揭示：AI 不能替代查询引擎。尽管智能体可读取 Parquet 并生成报告，但核心判断依赖确定性计算——流量吸收率、SLO 违规等必须由引擎精确得出。本文提出“确定性切分”原则：事实计算归引擎，上下文推理交智能体。通过对象存储+DuckDB+智能体三件套，实现可复现、可审计的分析链路。最终追问：若智能的本质是概率推断，而判断需确定性验证，则“智能”究竟为何？
2026-11-04 10:28:46
214
原创 第 2 章｜你的系统难，难在哪：本质复杂度 vs 偶然复杂度
本文核心：区分本质复杂度（业务固有，不可消除，只能管理）与偶然复杂度（人为引入，可砍除）。真正的难点在于识别并管理前者，而非用框架掩盖。过度设计、为架构感拆分服务、滥用大模型等，皆属高成本的偶然复杂度。判断标准是：设计是否“逼近问题”？通过三问自查——是否解决真难点？是否让本质更可控？删掉会塌吗？专业不在于少受苦，而在于不自找苦吃。
2026-11-04 07:30:00
598
原创 当 AI 遇上老师傅：一份关于 FDE 落地方法论的一线回顾
深空之序COO芦宇峰分享FDE在企业AI落地中的核心角色：通过深度介入一线，将老师傅隐性经验转化为可复用的Skill与测试资产，实现报关单制作从3小时降至5分钟、成本由70元降至10元。其方法论强调“亲手实操”而非旁观，否定模仿式自动化，主张交付物为知识库、Skill仓库与Harness三重资产。但数据来源、基线口径、合规性及收益分配机制未明，尤其忽视员工激励与权责错配问题——技术降本红利未回流至贡献者，导致智能化推进面临“成本自担、风险独扛”的理性抵触。真正挑战不在技术，而在如何让员工从“被蒸馏者”变为“
2026-11-03 09:18:30
308
原创 第 1 章｜没有银弹：二十年了，依然没有
本系列不教框架、不堆技术，只聚焦算法原理与设计判断，核心目标是砍掉系统复杂度。基于Brooks《没有银弹》的洞见：软件复杂度分“本质”（问题本身，不可消除）与“偶然”（实现方式，可削减）。所有技术突破仅降低偶然复杂度，无法撼动本质难题。因此，系统设计的关键不是“用上流行框架”，而是识别本质复杂度、主动砍掉人为添加的偶然负担。真正的能力，不在于架构多“高级”，而在于能否直面问题本质，让系统简洁、可持续。
2026-11-03 07:45:00
679
原创 从三人三天到全员覆盖：小红书企业级 AI 助理 Seal 的架构拆解
本文梳理了小红书在「Demo → 万级用户」演进中五大关键工程决策：安全前置（云端部署+Nex沙箱）、成本治理（Self-GC与Auto路由降本69%）、记忆重构（三层结构化Wiki）、技能复用（Skillhub+CoWork Studio生态）及生态赋能。核心洞察在于：规模化成败不取决于开发速度，而在于安全、成本、记忆等系统性工程能力。其中，将合规转化为模型路由强制分支、类比JVM GC的上下文回收、构建可检索的知识体系，展现了从理念到落地的深度工程思考。
2026-11-02 09:20:05
417
原创 概率之上，如何建立确定性？
本文基于阿里云周琦访谈，探讨企业级Agent的工程化路径。核心观点：AI的“概率性”与工程的“确定性”矛盾，需通过标准化运行时（如AgentCore）构建稳定、安全、可度量的基础设施。类比电气化历史，强调不能仅替换“电动机”而忽视“传动轴”的重构。关键在于建立统一身份认证、按需下发凭证、闭环可观测与成本核算的运行机制，并以“房间模型”实现多Agent协作治理。通过AgentLoop沉淀经验，结合量化漂移检测保障迭代稳定性。落地建议从高频易衡量场景切入，持续积累复利资产。最终，企业需从技术思维转向基础设施与组
2026-11-02 09:17:07
130
原创 算法工程师转行 FDE 的困境：从模型侧到现场侧的能力迁移研究报告
算法工程师转型FDE面临六大困境：问题定义权从“已知”转向“模糊”，技术栈需从模型调优扩展至全栈交付，客户交互从低频到高频，评价体系由“产出”转向“结果”，组织制度形成隐形天花板，身份认同从“专家”滑向“施工队员”。核心挑战在于能力重构而非技术降维。需通过C6胜任力模型与Lean-FDE七阶段路径补足跨域能力，实现从“造引擎”到“让车跑起来”的价值跃迁。
2026-11-01 08:30:00
521
原创 你的大模型在“说谎“吗？——三个必须拆开验证的可靠性命题
“可靠”是大模型宣传中被滥用的词。本文将其拆解为三个可验证命题：闲聊零幻觉（不可证，仅能控幻觉率）、应用准确率更高（可证伪，需多维权衡）、中文表达创新且清晰（高风险，需独立评估创新性、清晰度与真实性）。实测显示，即使最优模型幻觉率仍超23%，提示工程可降幻觉但非万能；传统算法在准确与效率上仍有优势；而中文创新性评估尚缺标准语料与方法。真正可靠的判断，依赖归因分析与多维度验证，而非主观流畅感。
2026-11-01 07:45:00
317
原创 别急着堆 Agent——花椒用 30 个案例说明什么叫“可持续演进“
花椒集团用半年时间验证：企业AI成功的关键不在于部署多少Agent，而在于能否构建可持续演进的平台。从产研自动化起步，通过自研终端协议agentd与Cube沙箱，实现30个Agent日均8300万Token调用，支撑跨组织复用。平台强调职责分离、权限隔离与成本可控，推动Agent从单点提效迈向流程协同与经营目标对齐。核心启示：先理清流程，再决定AI介入点；技术可替换，但业务规则与数据权限需自主沉淀。未来，平台将聚焦流程串联与组织级价值闭环，真正让AI改善业务结果。
2026-10-31 07:00:00
317
原创 不重回一线，就准备退休：前 Stripe 工程高管的三年警告
AI 降低代码成本，中层技术经理的协调能力正贬值。Will Larson 预言：工程管理价值将从“规模协调”转向“技术判断与系统权衡”。他主动将团队缩至25人，亲历一线，强调“不写代码反而难受”的管理者才是未来。加人非解药，沟通成本呈平方增长；真正高效靠稳定团队与清晰边界。未来抢手的是兼具技术深度与组织洞察的TLM与CTO——既懂代码，也懂决策。软件实现变便宜，但判断力更贵。
2026-10-31 07:00:00
348
原创 当 Demo 不再值钱：一场会议揭开的 AI 工程化真相
2026年10月，杭州AI社区日揭示“Demo通胀”时代：模型演示已非壁垒，真正的竞争力在于将惊艳结果转化为稳定、可控、可复现的工程系统。会议聚焦三大新趋势——护城河转向“脏活累活”，交付标准升级为“可控权、可接管、可复现”，个人提效需组织协同机制支撑。尽管实践案例扎实，但缺乏成本核算、失败复盘与权责界定，关键问题仍待深挖。核心启示：Demo只证上限，工程化才定下限。
2026-10-30 08:00:00
23
原创 大模型证伪 ETH：证书可信，意义存疑
2026年，OpenAI与Anthropic宣称在指数时间假设（ETH）上取得突破，引发学界震动。然而，尽管有Lean形式化证书，其证明是否严格对应原始猜想仍存疑——计算模型、变量定义、归约链等关键环节未被形式化。可信度取决于三重验证：陈述等价性、外部审计结果与可迁移方法。生成机制虽为概率采样，但产出或具实质突破，唯缺乏可解释性与泛化能力。真正问题不在“随机”，而在“无法理解”。当前证据显示，多数成果仍属高维搜索产物，非系统性创新。
2026-10-30 07:30:00
390
原创 52% 的加速，去了谁的口袋？
这份报告的真正结论不是"AI 让维护者更累"，而是软件工程的价值重心正在从"生产能力"迁移到"判断能力"。第一，把项目时间预算从"写"挪到"验"。既然 21% 的复杂任务在用 AI 时反而更慢，你就该主动做任务分流：把脚手架、样板、迁移、配置这类"生成成本占主导"的活坚决交给 AI 并接受较高的出错率（反正便宜）；把架构决策、疑难 bug、跨模块契约这类"判断成本占主导"的活留给自己，并且明确地不给 AI 提速的期待。混着用是最大的浪费——你用 AI 的快速模式去干需要慢思考的活。
2026-10-29 07:45:00
460
原创 模型好选，搜索难做：一个投研 Agent 的两年开发历程（深度回顾）
这篇访谈揭示了垂直领域Agent的核心瓶颈已从模型能力转向信息质量与可追溯性。陈万删掉自研爬虫代码，转而依赖搜索API，印证了“信息侧”才是关键——搜索3.0的真正价值在于返回字段的语义清晰（如authority_level、passage），而非单纯搜得准。对独立开发者而言，最大启示是：别再重复造轮子式的信息清洗系统，而是评估哪些底层能力应交由专业服务托管。但文中未深挖authority_level的判定逻辑、Freshness的时间语义等关键细节，也回避了成本结构与供应商锁定风险，需警惕“省心”背后的控
2026-10-29 07:30:00
403
原创 当智能体开始“用电脑“：速度宣称背后的三个工程问题
两条快讯揭示技术演进新趋势：智能体正从“调用函数”转向“参与流程的劳动者”，评价标准由模型分数转向单位任务成本与可靠吞吐。尽管“速度超人”看似惊人，但缺乏评测口径与失败率数据，可信度存疑。在无API的GUI操作中，可靠性依赖事务化设计、人工确认与幂等机制。厂商宣称“成本前沿”需谨慎对待，应以自有任务集验证“每成功任务综合成本”。工程师应警惕夸大表述，转而构建可复现的成本账本，预设智能体“会犯错且不自知”，优先保障可回滚性。最终，真正的竞争力在于可控、可持续的工程系统，而非单一模型的峰值表现。
2026-10-28 07:45:00
141
原创 编程没有被取代，被取代的是“写代码“这件事本身
AI未取代程序员，而是替代“写代码”这一动作。需求弹性使软件开发更忙更值钱，能力迁移让AI进军科学发现，而真正不可替代的是问题定义、验证与责任承担。手艺虽逝，但工程师需转向判断力与系统思维。效率提升的红利能否转化为自由，仍取决于制度设计而非技术本身。
2026-10-28 07:00:00
792
原创 AI 项目为什么难落地
企业AI项目失败的核心原因并非信任或供需问题，而是数据不可用：数据缺失、口径不一、标签残缺，耗时过半且无捷径。验收标准模糊导致目标错位，本质是指标未明确定义。依赖人力驻场虽能应对不确定性，却难规模化且阻碍复用。过度强调应用层而忽视底座欠账，掩盖了上下文管理、工具调用等深层挑战。真正价值在于构建可度量、可复用的算法与治理体系，而非仅做匹配撮合。选择易场景验证成功，实为“送分题”误导。唯有直面数据、验收、集成与归因等硬约束，才能实现可持续落地。
2026-10-27 07:45:00
294
原创 当 AI 比人类更快发现 Bug：PostgreSQL 19 延期的三个技术主张
PostgreSQL 19 发布延期至11月19日，新增RC2，官方称因大量修复需社区验证。报道将此归因于AI提升审查能力，导致历史缺陷暴露、质量门槛抬高。但核心质疑在于：所谓“AI发现海量问题”缺乏量化支撑，仅一句“八分之一有效率”暗示高误报率，实则暴露分诊成本飙升。真正瓶颈非修复速度，而是甄别噪音。报道将“风险排序”误作“缺陷生成”，夸大了AI作用，回避了分诊机制设计与oracle依赖等关键工程挑战。事件本质是存量缺陷清算，而非普遍性质量跃升。
2026-10-27 07:30:00
554
原创 让 Agent「照章办事」：金融监管里的 Harness 实践值得谁抄作业？
在金融监管报送场景中，中软融鑫于浩军提出“Agent越聪明越危险”的反直觉观点，强调零容错、强追溯需求下，大模型的自由推理反成风险源。其核心方案通过“把‘不知道’当功能”、构建受控状态机与动作白名单、实现治理与智能互为前提，将确定性从提示词转向系统治理。虽工程颗粒度精细，但缺乏量化验证与对抗性讨论，关键问题如“未知判定可靠性”“大模型边际贡献”“版本运维成本”未深挖。该实践揭示：高价值场景中，可靠性的本质是主动剥夺模型能力，而非增强其智能。
2026-10-26 08:00:00
1043
原创 我们试过让 AI 完全自主下单，结果不如写死的流程
飞猪、货拉拉、江苏移动实践揭示：智能代理的边界不是限制，而是责任基石。模型越强，越需划定“能做”与“该负责”的界限——通过结构化约束、求解器替代幻觉计算、权限校验与沙箱隔离，确保不确定性在可控范围内运行。自主性应匹配任务灵活度，明确场景下写死流程反胜于盲目自治。双闭环（业务指标+能力迭代）驱动优化，核心竞争力在于业务知识萃取与系统对接能力。最终，边界让智能真正可托付。
2026-10-26 07:00:00
569
原创 AI 写的 review 没人信，AI 写的代码前后打架——Trae 边界实录（下）：协作与一致性
AI编程需明确边界：Trae可辅助起草、扫描问题，但无法替代业务判断与长期一致性。关键在“你负责判断、验证和承担”——将项目约定写入规则文件，Review结论自定，避免混用风格或遗漏隐患。附速查表，助团队高效安全用AI。
2026-10-25 07:45:00
146
原创 软件安全的真实压力点：别让[危险叙事]替你做判断
本文剖析了当前软件安全的五大结构性趋势：供应链投毒转向发布链路劫持、密钥集中托管加剧风险、AI Agent权限失控、证书信任链因实现缺陷失效，以及攻击者初步试用LLM降低攻防门槛。作者强调，不应被“漏洞周”式叙事误导，而应聚焦可验证的系统性风险——如验证构建产物、最小权限原则、人工审批高危操作、强化凭据轮换与审计。核心建议是：以可执行清单推动安全左移，假设泄露必然发生，将防御建立在可复现、可验证的基础上。真正的安全，不靠惊悚细节，而靠理性判断与工程严谨。
2026-10-25 07:45:00
259
原创 AI 开源的下半场：从“代码可获取“到“系统可验证“
AI模型开源后仍难复用，根源在于“开放”不等于“可复用”。工程实践揭示：模型下载≠系统可复现，代码公开≠接口稳定，Demo成功≠场景迁移。核心挑战来自多要素耦合——环境、依赖、接口、数据缺一不可。评价体系需从关注度转向可复用度，涵盖文档、环境、接口、部署四维度。技术生态正向模块化协作演进，但接口连通不等于能力复用。评测也从结果转向轨迹检查，强调执行过程的可验证性。真正成熟的开源生态，不仅开门，更需提供可验证、可迁移的完整资产链。
2026-10-24 07:30:00
307
原创 系列第二篇：Agent 帮我跑实验三个月，我改了哪些规范（附前后对比）
三个月内，通过40多次实验翻车，团队从“设计规范”转向“被现实打出来的规范”。核心原则：规范是记录踩过的坑，而非约束工具。输入端强化契约先行、权限隔离、命令透明、单任务拆解；输出端推行结构化报告、强制局限说明、证据溯源、禁止主观表述；流程新增反方律师、人工推翻反馈表、上线三核对。每条修订皆源于真实事故，最终实现问题从“事后发现”转为“事前拦截”，让规范真正成为团队的避坑指南。
2026-10-24 07:00:00
330
原创 AI 写的上传接口，我一眼看出三个漏洞——Trae 边界实录（中）：安全与隐式耦合
系列第 2 篇。上篇讲业务、版本、架构；本篇讲安全与隐式耦合；下篇讲协作与一致性。
2026-10-23 08:15:00
404
原创 Bootstrap 6 Alpha 1 解读：一次把“兼容包袱“换成“原生能力“的重构
Bootstrap 6 的本质是用放弃兼容性换取架构现代化的一次取舍：更高基线解锁原生 CSS 能力；Token 化让主题从编译期变为运行时；类名语法向业界标准靠拢；工程链路补齐 TypeScript 与 ESM；并把文档交付扩展到 AI Agent 场景。它不是一次"增量升级"，而更接近一次"重新定位"。问题不在于技术方向对不对——方向基本正确——而在于 Bootstrap 的核心用户群（大量存量企业项目、非前端专职开发者）恰恰是最不擅长承担迁移成本的那一批人。
2026-10-23 07:00:00
262
智能大模型评测比对平台
2026-09-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人