<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Chiensidney的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Chiensidney</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Chiensidney]]></copyright><item><title><![CDATA[数据库前置 AI 与非标准化问题：一次就事论事的重估]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170844846</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170844846</guid><author>Chiensidney</author><pubDate>Mon, 16 Nov 2026 09:27:13 +0800</pubDate><description><![CDATA[“数据库前置AI解决不了非标准化问题”这一论断，根植于对“解决”过于严苛的定义——要求一次输出、无须确认。然而，非标准化问题的本质是意图未明，需通过交互逐步收敛。前置AI的优势恰在于加速这一澄清过程，将原本人力密集的长周期对齐，变为近乎实时的协作。其核心价值不在于“一步到位”，而在于降低交互摩擦、压缩澄清成本。语义缺失、幻觉风险、概率输出等问题，本质是工程完备度挑战，可通过语义库、验证机制与反馈闭环化解。真正的分歧不在技术，而在定位：若以“快速对齐意图”为标尺，前置AI不仅可行，更是解决非标准化问题的关键抓]]></description><category></category></item><item><title><![CDATA[数据库前置 AI，为什么解决不了非标准化问题]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170844590</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170844590</guid><author>Chiensidney</author><pubDate>Mon, 16 Nov 2026 09:23:57 +0800</pubDate><description><![CDATA[本文剖析“数据库前置AI”在应对非标准化问题时的三大根因：语义层缺失、幻觉代价与概率正确边界。指出其核心缺陷在于将语义对齐与查询生成混于模型单点，导致口径错乱、幻觉隐蔽、结果不可靠。提出“规则层保准确、大模型提体验、校验层防越界”的三层架构：以规则显式定义业务语义，让模型在确定性范围内理解意图，通过校验层拦截越界输出。最终实现从“模型猜答案”到“规则定标准”的转变，解决非标准化问题的本质——让不确定性被约束，让正确性可追溯。]]></description><category></category></item><item><title><![CDATA[AI 原生组织重构：从 Token 经济学到 Agent 治理]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170608336</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170608336</guid><author>Chiensidney</author><pubDate>Fri, 13 Nov 2026 12:30:00 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[第 8 章｜Transformer 与注意力：它解决了什么问题，又引入了什么]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170608105</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170608105</guid><author>Chiensidney</author><pubDate>Fri, 13 Nov 2026 08:00:00 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[从召回算法到上下文编译：一位算法工程师眼中的 Agent Native Database]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170588848</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170588848</guid><author>Chiensidney</author><pubDate>Thu, 12 Nov 2026 09:10:19 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[算法的代价观：任何“能力“都是用“复杂度“换来的]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170588503</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170588503</guid><author>Chiensidney</author><pubDate>Thu, 12 Nov 2026 09:06:44 +0800</pubDate><description><![CDATA[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？”]]></description><category></category></item><item><title><![CDATA[PostgreSQL 整体架构原理概览（含源码视角）]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170505780</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170505780</guid><author>Chiensidney</author><pubDate>Wed, 11 Nov 2026 11:06:55 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170499303</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170499303</guid><author>Chiensidney</author><pubDate>Wed, 11 Nov 2026 10:26:35 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[第 6 章｜AI 也能给你埋债：生成快，不等于架构对]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170419167</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170419167</guid><author>Chiensidney</author><pubDate>Tue, 10 Nov 2026 10:57:10 +0800</pubDate><description><![CDATA[当"帮我生成一个模块"只要几十秒，团队里会悄悄长出一个等式：**生成得快 = 架构对**]]></description><category></category></item><item><title><![CDATA[从工具到 Agent：内容创作的三次范式迁移]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170418798</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170418798</guid><author>Chiensidney</author><pubDate>Tue, 10 Nov 2026 10:51:00 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[第5章 | 重构不是升级：大型系统重构的真实成本]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170335658</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170335658</guid><author>Chiensidney</author><pubDate>Mon, 09 Nov 2026 09:29:44 +0800</pubDate><description><![CDATA[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”。]]></description><category></category></item><item><title><![CDATA[从脚本化 RPA 到 Agentic RPA：厂商开始卖“不宕机”了]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170334385</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170334385</guid><author>Chiensidney</author><pubDate>Mon, 09 Nov 2026 09:11:31 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170185927</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170185927</guid><author>Chiensidney</author><pubDate>Fri, 06 Nov 2026 09:23:55 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[第 4 章｜重架构的三种隐性账单]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/169924525</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/169924525</guid><author>Chiensidney</author><pubDate>Fri, 06 Nov 2026 07:30:00 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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」]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170126399</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170126399</guid><author>Chiensidney</author><pubDate>Thu, 05 Nov 2026 10:05:58 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[第 3 章｜技术选型的保质期：从十年，缩到四年]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/169923065</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/169923065</guid><author>Chiensidney</author><pubDate>Thu, 05 Nov 2026 07:30:00 +0800</pubDate><description><![CDATA[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”。]]></description><category></category></item><item><title><![CDATA[算得准，还是说得通？]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/170031306</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/170031306</guid><author>Chiensidney</author><pubDate>Wed, 04 Nov 2026 10:28:46 +0800</pubDate><description><![CDATA[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？]]></description><category></category></item><item><title><![CDATA[第 2 章｜你的系统难，难在哪：本质复杂度 vs 偶然复杂度]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/169922799</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/169922799</guid><author>Chiensidney</author><pubDate>Wed, 04 Nov 2026 07:30:00 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[当 AI 遇上老师傅：一份关于 FDE 落地方法论的一线回顾]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/169922329</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/169922329</guid><author>Chiensidney</author><pubDate>Tue, 03 Nov 2026 09:18:30 +0800</pubDate><description><![CDATA[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“]]></description><category></category></item><item><title><![CDATA[第 1 章｜没有银弹：二十年了，依然没有]]></title><link>https://blog.youkuaiyun.com/Chiensidney/article/details/169842817</link><guid>https://blog.youkuaiyun.com/Chiensidney/article/details/169842817</guid><author>Chiensidney</author><pubDate>Tue, 03 Nov 2026 07:45:00 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item></channel></rss>