lotusxyhf-优快云博客

原创 DeepSeek 开源昇腾“全套底座“：6 个组件里，真正值钱的是 TileLang 这一层

9 月 30 日，DeepSeek 没发模型，而是开源了一整套面向华为昇腾算力平台的基础设施组件。海外媒体第一时间把它解读成"中国 AI 往英伟达 CUDA 护城河上砸了一锤"。这话不算错，但太宏观了，落到工程上其实没什么信息量。我更想聊的是这 6 个组件里的一个：TileLang。因为剩下 5 个都是"把活干了"，只有 TileLang 是"把路修了"。先把事情讲清楚。

2026-10-01 13:47:27 667

原创一夜两轮价格战，token 价格腰斩：Agent 时代工程师的省钱实战

基准模型的 token 价格会持续趋近于电费，真正值钱的两头会越来越贵——一头是前沿能力（顶级推理、超长程 Agent 任务），一头是工程化能力（把便宜 token 组织成可靠业务的那套系统）。别执着于"哪个模型最便宜"，定价会一直变，路由能力才是你的降本优化的红利期就在当下——等大家都学会了，成本优势就不再是优势这轮价格战最大的赢家不是哪家厂商，而是正在把工作负载 Agent 化的我们。前提是，你得先算清楚自己的 token 都烧在哪了。

2026-09-26 11:20:22 500

原创本周 AI 圈最值钱的不是新模型，是这笔“Harness 税“

模型的军备竞赛还在继续，但钱和注意力正在往基础设施层迁移。对个人开发者来说，与其追着每个新模型跑分，不如先把自家 harness 的账算清楚——那才是每周都在扣的税。作者：lotusxyhf，互联网老兵转型出海 + AI Agent 赛道。从门户到 AI，踩过的坑比写过的代码还多。欢迎评论区交流。

2026-09-20 21:22:15 291

原创 DeepSeek 视觉模型发布：AI Coding 前端开发迎来「能看」的拐点

它的价值是「便宜到能进 loop」，把「看」从奢侈品变成 coding agent 的标配能力。关键在成本结构：384 token/图 + ¥0.001/图 + 极低的延迟，意味着你可以在 Agent 的每一步渲染之后，都把截图喂回模型做 self-verify，而成本几乎为零。对做出海 + AI Agent 的团队，这个拐点的意义更实在：多市场 UI 的批量生成与校验，过去最吃人力，现在有了可自动化的抓手。没有「看」的能力，前端就走不进「写 → 跑 → 验证 → 改」的闭环，只能停在「写 → 靠人验」。

2026-08-24 20:35:51 661

原创 AI Coding 闭环验证实战：让 Agent 写出的代码可信赖

Agent 修一个测试，测试过了，但另一个之前绿的挂了，它又去修，来回拉锯。偶发失败的测试最坑人，Agent 会追着一个随机挂的用例改半天，越改越乱。用 AI Coding 工具半年多，我最大的教训是：把 Agent 生成的代码直接 accept all，和把实习生第一版草稿直接上线，风险差不多。闭环这条线跑顺了，你会发现 Agent 不是替代你写代码，而是把"写、验、改"的脏活自动化了，你腾出来做它做不了的判断。模型对某个库的版本记忆是训练时的快照，你项目里装的是新版本，它照着旧签名写，编译就挂。

2026-08-20 23:40:14 348

原创 DeepSeek V4 API 正式调价：峰谷计价落地，开发者该如何重新算账？

2026 年 8 月 17 日 0 点（北京时间），DeepSeek-V4 系列 API 的全新定价正式生效。与此同时，V4-Pro 结束测试阶段，全面转为正式版商用服务。本文价格数据均来自 DeepSeek 官方公告（2026 年 8 月 17 日 0 时生效），以官方页面为准。

2026-08-18 16:12:23 800

原创 OpenRouter 8月榜单：前五全是国产模型，但中美 AI 的真正分水岭在 Agent 层

前两天刷到 OpenRouter 8月初的榜单，有个结果挺值得停下来琢磨一下：调用量排前五的模型，清一色来自中国实验室。中国这边的牌，已经很清晰成本控制。这个现在没什么争议了。DeepSeek 把"用十分之一的预算训出前沿级模型"这件事坐实了，国内整个生态都把这个lesson内化了。对真正做产品的人来说，一个便宜到十分之一推理成本的国产开源模型，已经不是"廉价替代"，而是理性默认值。开源权重当成战略。

2026-08-14 16:13:13 309

原创深度解析 DeepSeek Harness：“一切皆插件“如何重构 AI Agent 开发范式

说句实在话：DeepSeek Harness 目前只是v0.1 开发者预览版，官方明确警告"会有破坏兼容性的改动"，实测里长任务的物理过程实现也有不少翻车。现在就说它颠覆谁，为时过早。架构信号：以 Cordis 为代表的"时空可组合"插件范式，可能是 Agent 框架摆脱"单体核心难以扩展"死结的一条路。生态信号：开源 + MIT + 300 插件冷启动，说明 DeepSeek 想做的不是又一个闭源 Agent，而是一个可被二次开发的底座。战略信号。

2026-08-14 07:24:45 902

原创【实战】AI Coding 省 Token 又出活：8 个立竿见影的实用技巧

用"引用"代替"整文件粘贴"不要 Ctrl+A 把文件塞进对话。用编辑器原生的 @file / @symbol 引用，或只贴"相关函数 + 调用点"。一个 2000 行文件全量投喂约 3000 token；只给相关的 30 行，约 60 token——差 50 倍。先 Plan / Explore，确认方向再写让模型一上来就"写完整个模块"，方向错一次就是整段重写。正确姿势：先用 Explore 模式（只读、不写代码）让它摸清相关代码；让它先输出"我会怎么做"的步骤清单，你确认后再执行。

2026-08-11 07:26:19 654

原创 AI Coding 时代，如何衡量团队的真实开发能力？GitLab 代码产出速度与 MR 复杂度分析实战

AI Coding 时代，衡量团队能力的关键不再是"写了多少"，而是"写的有多难、有多快"。。难在如何定义 Complexity——我们提出了一个基于 GitLab MR 行数、文件数和模块跨度的综合模型，配合 Python 脚本可直接落地。更重要的是，看趋势不看绝对值。团队能力的成长是一个 3-6 个月的曲线，而不是一个月的快照。你们的团队是如何衡量 AI Coding 时代下的研发效能的？是继续延用传统指标，还是已经探索了新的方法？欢迎在评论区交流实践。

2026-08-07 16:43:23 591

原创 10GB 的 CSV，只有 512MB 内存——面试官一句追问，把我问懵了

这道题诞生于"AI 之前"的面试范式里。而现在，面试已经悄悄变了。1. "会不会写代码"变成了"会不会用 AI 把活干完、干对"以前面试官看你的手速和肌肉记忆；现在很多公司现场就让你开着 Copilot、Cursor 写。他们想看的是你的AI 协作姿势：怎么下 prompt、怎么验证 AI 的输出、发现 AI 写错了怎么纠错。写代码的门槛被 AI 抹平了，可"判断代码对不对"的能力反而更稀缺了。2. 这类"资源受限"题，反而变得更经典了有意思的是，这道题在 AI 时代不但没过时，含金量还更高了。因为。

2026-08-06 15:13:54 342

原创 MCP 协议实战：让 AI Agent 真正连上你的业务系统

本文介绍了如何利用MCP协议实现AIAgent与业务系统的安全高效对接。作者通过为电商团队构建运营数据Agent的实战案例，展示了MCP作为标准化工具契约的价值：1）解决Schema膨胀和安全风险问题；2）采用SSE通信实现跨机器调用；3）通过结构化Tool定义精确控制Agent行为。文章详细阐述了技术方案设计、实施步骤（创建MCPServer、定义Tool清单、实现SSE服务等）以及三个关键踩坑经验：连接管理、结果优化和安全防护。最终证明MCP协议能有效降低集成成本，推动AIAgent在订单查询、库存分析

2026-08-05 15:15:45 590

原创内容客创实践全集：从概念到落地的系统化操作手册

内容客创（Content Customer Creation）指由客户/用户参与创作或生产的营销内容，是「用户生成内容」（UGC）在品牌营销语境下的系统化实践。维度品牌自制内容内容客创 (UGC)创作主体品牌市场团队真实用户可信度低（用户知道是广告）高（同类人视角）规模上限受限于团队产能理论上无限边际成本每增加一条成本上升趋近于零内容多样性品牌视角单一千人千面，覆盖长尾场景SEO 价值中等极高（自然语言 + 长尾关键词）生命周期投放结束即停止。

2026-08-03 14:45:14 274

原创 Harness Engineering：企业级 Agent 验证工程的最佳实践

LLM 的输出不确定性强、外部服务偶发故障、工具调用链路复杂——这些因素叠加在一起，让"Agent 在 95% 的时间里正常工作"和"Agent 在生产中完全不可用"之间几乎没有缓冲地带。它关注的是：如何围绕 Agent 的核心执行循环，构建一套可观测、可测试、可追溯的工程基础设施，使得 Agent 系统在复杂多变的真实环境中依然保持可靠性。LLM 的输出本质上是非结构化文本。企业实践：将 Agent 执行作为数据库事务的"外层包装"——Agent 的每个动作记录写入审计日志表，回滚时根据日志反向执行。

2026-08-02 21:31:06 439

原创从 SSH 端口转发到 kcptun UDP 加速：被墙后的网络优化全流程实战

如果你也在为被墙后的网络问题困扰，推荐直接跳过端口转发和 SSH 隧道，一步到位用 kcptun。核心命令就两条——服务端和客户端各一条，10 分钟就能部署完。参数方面记住这四个关键参数就够了。

2026-08-01 21:51:58 399

原创 PDF 文档翻译的工程化挑战：从 PDF 解析、版面还原到 LLM 翻译的完整技术链路

真正动手才发现，PDF 翻译是一个横跨文档解析、OCR、神经翻译、版面重建四大领域的系统工程。这篇文章不谈产品功能对比，只讲架构选型与技术权衡。我观察到的几个头部服务（包括某支持 100+ 语言的方案）就是用类似模式——整合 GPT-4 和 Gemini 两个引擎做术语路由，学术类偏 GPT-4、通用类偏 Gemini、低资源语种走 Gemini 兜底。版面分析（Layout Analysis）才是真正决定最终质量的关键——它要识别出"哪里是标题、哪里是正文、哪里是表格、哪里是图片、阅读顺序是什么"。

2026-07-31 18:20:17 1195

原创浏览器端视频压缩技术原理与实践：WebCodecs、ffmpeg.wasm 与云端编码方案对比

2026-07-31 09:21:30 1161

原创 AI Coding Agent 执行流程

有不同观点，欢迎评论区交流。

2026-07-30 09:14:55 377

原创 AI Coding 操作能力提升与最佳范式：Prompt、上下文、工具与验证的工程化实践

本文只讨论可复现的操作方法：如何写出更可靠的 Prompt、如何管理上下文、如何设计工具接口、如何建立验证闭环。所有示例均为通用原则，不涉及具体商业产品推荐。一、操作能力提升的三个维度。

2026-07-30 08:18:29 514

原创 AI Coding 范式演进

AI Coding 范式演进从代码生成到证据驱动交付核心观点AI Coding 的演进，不是文档越来越少，也不是人完全退出，而是 Agent 承担的工程闭环越来越长：从生成代码，发展到探索项目、执行任务、运行验证，并基于证据修正实现。

2026-07-28 09:55:52 580

原创 AI Coding 编程范式演进：从代码补全到自主 Agent 的工程化变迁

本文只讨论编程范式本身：每一阶段的交互模型、能力边界、与开发环境的集成方式，以及对工程团队带来的实际变化。涉及的工具和版本均为阶段性能力描述，不构成推荐。一、为什么讨论编程范式而不是工具“AI Coding”经常被等同于某一个 IDE 插件或某一款 Copilot。这是一种误解。更值得讨论的是底层范式：模型与开发者的关系是怎样的？谁拥有上下文？代码何时被生成、何时被采纳？谁负责验证结果？

2026-07-28 08:06:44 393

原创 LinkedIn 数字分身的工程化实现：Persona、内容流水线与发布状态管理

本文由 lotusxyhf 整理发布，基于 4 个月 LinkedIn 数字分身运营实战。

2026-07-27 09:39:04 412

原创社媒自动化实战：用 AI 驱动的多平台内容管线解放双手

做内容的人都有一个相同的痛点：一篇好文章写出来，要在知乎发一遍，在掘金发一遍，在优快云再发一遍。每个平台的 Markdown 方言还不一样，标签体系也不同，发完还得手动记链接。日积月累，发内容比写内容还累。最近花了两个周末搭了一套从「选题 → AI 写正文 → 多平台排版 → 一键发布 → 链接归档」的内容管线，聊一下核心思路和踩过的坑。设计目标技术选型发布层：API vs Playwright一开始想用各平台的开放 API —— 清爽、可以纯 HTTP 调用。

2026-07-24 00:01:52 632

原创【实战】AI Coding 自动化实践：从代码生成到 CI/CD 全链路提效 300%

本文由 lotusxyhf 整理发布，基于团队过去一年的 AI Coding 自动化实战总结。

2026-07-20 22:58:31 649

原创【实战】Nacos 配置中心落地全流程：从 0 到 1 搭建企业级服务治理平台（含阿里云 MSE 托管版实践）

二、环境准备2.1 服务器规划生产环境建议至少 3 节点集群：三、Docker Compose 部署3.1 单节点快速体验version: ‘3.8’services:mysql:image: mysql:8.0.36container_name: nacos-mysqlrestart: alwaysenvironment:MYSQL_ROOT_PASSWORD: YourStrongPasswordMYSQL_DATABASE: nacos_configMYSQL_USER: na

2026-07-19 19:38:47 475

原创 AI Coding 的 Token 经济学：从原理到实践，省下每一分不白烧的 Token

四、方法二：任务切片——一次一个可验证闭环4.1 为什么大任务更贵一个任务 “帮我把整个项目从 React 迁移到 Vue” 需要 Agent 同时理解几十个文件。每轮对话的上下文在指数级膨胀，而模型在第 10 轮后的注意力显著下降（“Lost in the Middle” 效应）。4.2 切片策略❌ 一次性任务: “迁移整个项目到 Vue”✅ 切片后:任务 1: 迁移 components/Header.tsx → 新会话。

2026-07-17 07:48:18 767

原创【实战】Agent Skill 开发核心技术实践：从零构建可复用 AI Agent 技能模块

五、设计原则总结配置与代码分离：所有可变参数走 config/user-config.yml，模板化 config/template.yml前置条件显式检查：运行前先调 verify-cookie.js，不要到执行到一半才报错多层回退策略：浏览器自动化不是一次就成功的事，每种操作准备 2-3 种 fallback优雅的错误信息：不要只抛 Error: timeout，要告诉用户「为什么」和「怎么修」

2026-07-14 10:35:16 324

原创 2026 AI 编程工具实测横评：Cursor、Windsurf、GitHub Copilot 谁能真正提升开发效率？

本文由 lotusxyhf 整理发布，数据基于 2026 年 1-6 月的实际使用记录。

2026-07-11 20:28:31 363

原创【实战】用 Docker Compose 一键部署私有 Git 服务 Gitea，搭配 Drone CI 实现自动部署

本文由 lotusxyhf 整理发布。所有配置均在实际环境中验证通过。

2026-07-09 22:55:01 269

原创如何用开源工具搭建 Reddit 内容营销矩阵：从 0 到 1000 Karma 的实战记录

二、前端工具：从 Reddit Auto Poster 到自建起步时我用的是 Reddit Auto Poster——一个基于 Selenium 的开源项目。它能定时把 draft 推送到指定 subreddit。注意：这里的"导出流量"是指从 Reddit 跳转到个人博客的 UV，而非 app 下载。对独立博客来说，这已经是一个不小的量。三、实操四步3.1 确定 Karma Base（0→500 Karma）新账号的第一步不是发帖，而是积累 Karma。

2026-07-09 20:18:17 281

原创 Node.js 后台任务调度的最佳实践：node-cron、BullMQ、Agenda 怎么选

只要系统里有“稍后做”“定时做”“失败重试”“批量补偿”这类需求，任务调度就迟早会出现。真正麻烦的从来不是把任务跑起来，而是把任务跑稳、跑准、跑得可观测。一、背景：为什么后台任务调度总会变复杂很多团队一开始都会把定时任务想得很简单：每天凌晨同步一次数据每 10 分钟扫描一次超时订单每小时汇总一次报表用户触发后异步发邮件、发通知、生成导出文件看起来无非就是“到点执行一段代码”。console.log(‘每天凌晨 2 点开始清理过期缓存’);}, {});

2026-07-07 11:33:04 305

原创多模型 API 统一管理的方案对比：One API vs NewAPI vs LiteLLM

本文由 AI 辅助生成，lotusxyhf 的数字分身自动发布。如有问题，欢迎在评论区留言讨论。

2026-07-04 11:06:53 1540

原创【实战】用 NewAPI 自建 LLM 代理网关，接入 DeepSeek-V4

本文记录从零部署 NewAPI 并接入 DeepSeek-V4 模型的完整过程，包含环境配置、部署步骤、接口调用及踩坑解决方案。一、背景：为什么需要自建 LLM 代理网关？二、环境准备2.1 基础环境。

2026-07-04 08:28:04 720

lotusxyhf的专栏