Claude Code 引发 AI coding 变革:代码质量恶化,组织管理与职场生态面临重塑!

用 AI 打造高品质 Web 应用 一份面向 2026 年初 AI 工程师群体的内部调研显示,受访者将"AI 生成的产物能否直接用于生产"列为头号焦虑,占比远高于"AI 会不会取代我"。这恰好对应 Vibe Coding 的核心命题:**让 AI 的输出具有产品级质感,而不是停留在 Demo 级炫技**。 阅读详情

AI coding 时代来临,Claude Code 成“罪魁祸首”

这个世界会变得 AI coding 肆虐,Claude Code 应该是“罪魁祸首”。2024 年年中,Anthropic 发布 Claude3.5,随着 Claude Code、Cursor 等 agentic coding 工具走向成熟,软件开发开始进入由人定义目标、AI 大规模生成代码的时代。此刻,全球新产生的代码中,约 20%-42% 已经由 AI 生成或辅助完成,相当于有 1/3 的开发者是 AI 了。

AI 代码质量恶化,治理成系统问题

不过,AI 参与代码生产的比例提高的同时,代码质量指标全面恶化。今年 3 月的一项研究报告显示,在 30 多万个 AI 生成/参与的代码提交中,研究者累计发现了 48 万多个被这些提交引入的代码质量问题,每干一次活,附赠 1.5 个潜伏问题,其中九成是 code smells。到了今年 6 月,GitLab 发布的《AI 问责报告》显示,已有近九成受访企业开始或计划未来一年内为 AI 代码治理分配预算。

软件工程系统重心迁移,角色和责任转变

整个软件工程系统的重心发生迁移,工程师的角色从码农变成验证代码是否正确;管理者的责任从分配任务转向定义标准;组织文化也需顺势而变。Fiona Fung 登上了 Lenny’s Podcast,她所在的 Anthropic 几乎是 AI coding 圈的“耶路撒冷”,她本人是 Claude Code 与 Cowork 的工程和产品负责人,拥有 25 年以上工程经验。她认为,对个人来说,岗位边界开始模糊,所有人都要变成 Builder;对团队来说,需要重新拉齐产品理解和质量标准共识;对管理者来说,工程管理必须重新回到一线参与判断。

编码不再是稀缺品,工程师职责上移

Claude Code 之父 Boris Cherny 说:编码是盐,已变成隐形的、基础性的存在。如今编码动作本身已被自动化和商品化。Lenny 提到,Anthropic 工程师平均每季度提交的代码量是 2025 年的 8 倍,正趋向于 100% 由 AI 编写。Fiona 今年还没亲手写过一行代码,但每天能在手机上提交几十个 PR。工程师的职责从写代码,变成定义目标、组织上下文、调度 Agent、审查结果和做判断。

瓶颈转移,AI 编程工具带来新挑战

类似的职责迁移并非首次发生。现在轮到 Claude Code 和 Cowork 这一层,软件团队的竞争力取决于组织系统的控制能力。AI 编程工具变强后,很多工程师先甜后苦,Fiona 团队也如此。吞吐量变为原来的 8 倍时,需花更多时间验证代码。最近的一起 AI 删库事件,凸显了 AI 放大错误速度的同时,也放大了人的验证价值。

Anthropic 团队的验证方法

第一,验证前置,用测试驱动开发。Fiona 让 Claude 帮她做 TDD,AI 能快速写好测试代码,让测试从成本中心变成 AI 工作流的护栏。第二,从组织层面建立统一的质量语言和标准,如 bad vs sad。“坏”是不可恢复的问题,“伤心”是可恢复但让人不舒服的小痛点。团队用仪表盘统计用户骂脏话的频率,bad 和 sad 让验证有据可循,且每个团队有高自主权。第三,让 AI 化解争论。在 API refactor 讨论中,Fiona 让 Claude 生成几个可运行的方案,用 Agent 具象化方案差异。

职场生态变化,新人与资深职场人面临不同挑战

定义问题、验证结果、驾驭 Agent 成为核心能力后,岗位边界模糊,所有人被迫变成 Builder。在 Claude Code 团队里,非传统工程岗位的人也进入代码工作流。GPT - 4 发布后,22 - 25 岁年轻人在高 AI 暴露岗位的就业率下降,而资深岗位增长。新人难进入工作系统,Fiona 担忧他们不写底层代码就无法建立系统理解力。但 AI - native 年轻人受市场疯抢,到 2026 年,头部校招生现金年包可达 100 - 200 万,极少数超 300 万,核心团队实习薪资达 3000 - 5000 元/天。资深职场人需完成从经验驱动到 AI 协同决策的转变,经验价值从做得更快转向做出更少错误的判断。组织需重新设计学习机制,Gartner 研究提供了方向,Fiona 也提到可能需重新引入学徒制。

管理者要重回一线,“吃狗粮”保持产品触感

管理者要把自己嵌入产品和系统的反馈循环里,而不是只通过汇报机制了解情况。Fiona 强调管理者要“吃狗粮”,在 Claude Code 里自己用产品写代码、审 PR、处理反馈;在 Cowork 里用 Agent 协作完成工作流。她早有此习惯,在 Visual Studio 团队、Facebook Marketplace 时都通过亲自使用产品发现问题。她现在大量使用 Claude Routines,早上 7 点查看产品反馈和代码仓库,总结 Bug 热点和值得审查的 PR。

AI 时代的孤独与团队文化构建

职场里人与人的协作减少,会让人感到孤独,因为协作被重新映射成“个人 + Agent”的结构。团队共同理解世界的方式减少,孤独是 AI 超级个体的影子。Fiona 刻意引入 pair programming lunch、hackathon、shared maker time 等机制,重新构建 AI 时代的团队文化,让团队保持共同语境。

对中国创业者的启发:重写组织操作系统

真正的 AI - native 组织应重写操作系统,围绕 Agent 重新排列工作流、岗位边界、验证机制、管理方式、计划方式。不能只看产出数字,要警惕把动作变多误认为能力变强,更重要的是验证系统。也不要用旧组织管理新生产力,Fiona 团队从半年路线图改为月度优先级 + 每周快速校准。这一轮变化拉开组织间差距的关键是组织是否进入持续重写状态。

AI编程提效:从出码率陷阱到增强工作流构建 在软件开发领域,效率提升始终是核心追求。传统上,代码行数等简单指标常被用作效率衡量标准,但这容易陷入‘衡量谬误’——可量化的事物未必代表真实价值。AI编程工具的兴起,将效率优化聚焦于代码生成环节,通过自动补全、函数生成等技术,显著改变了开发者的工作模式。然而,单纯追求‘出码率’(代码生成速度)可能带来重复代码膨胀、错误代码返工、上下文碎片化等新问题,反而增加认知负荷与协作摩擦。真正的技术价值在于将AI深度集成到完整开发流程中,构建‘增强工作流’。这需要开发者掌握结构化Prompt编写、迭代式生成等交互技能, 阅读详情

相关推荐

大模型风险本质:从概率建模看ChatGPT幻觉与偏见的根源

大型语言模型(LLM)并非知识库,而是基于海量文本学习词序共现的概率预测系统——这一根本原理决定了其输出天然具备‘概率性真实’与‘分布偏移放大’特性。理解该统计建模范式,是识别幻觉、偏见、上下文失焦等系统性风险的前提;其技术价值在于推动从‘调参优化’转向‘流程校准’,即通过输入净化、输出校验与人机责任锚定,在教育、政务、法律等高敏感场景中构建可测量、可干预的风险防控体系。

weixin_30421809的博客 6933

Claude Code深度解析:AI编程代理如何重塑开发工作流

在AI驱动的软件开发浪潮中,大语言模型正从代码补全向更复杂的自动化任务演进。其核心原理在于通过自然语言理解、代码上下文感知和任务分解,将模糊的开发需求转化为可执行的编程指令。这一技术价值在于显著提升开发效率,尤其适用于代码理解、重复性任务和遗留系统维护等场景。通过引入“代理”架构,系统能够自主规划并执行多步骤操作,例如跨文件重构或功能模块开发。本文聚焦的Claude Code正是这一趋势的代表,它通过Skill(技能)和Router(路由)机制,将AI编程从辅助写作升级为项目协作,有效解决了复杂代码库理解和

weixin_34416754的博客 380

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

cc-langfuse :让 AI 研发效能看得见

《ClaudeCode中文效能看板:让AI研发成本一目了然》 通过cc-langfuse探针将ClaudeCode数据接入Langfuse后,团队开发了专为中文用户设计的可视化看板,解决英文界面带来的分析障碍。看板提供四大核心视图:全景概览页集中展示8项关键指标如Token消耗、缓存命中率;需求维度锁定高成本任务,显示Top10需求的Token消耗与阶段耗时;团队维度对比成员效能,识别高效使用者;工具质量页红绿标识异常工具。采用深色主题设计,支持三维交叉分析,实现从项目到人员的全链路追踪。该项目已开源,仅需

weixin_43189169的博客 200

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

AI产业进入深水区:Agent化、专业化与可嵌入的系统工程实践

AI正从模型能力竞赛转向系统级落地实践,核心演进方向是Agent化架构、垂直领域专业化模型和面向业务毛细血管的可嵌入能力。其技术原理在于通过权限解耦、状态一致性保障与稀疏激活MoE等机制,提升任务链路鲁棒性与合规性;技术价值体现在降低强监管场景下的审计风险、压缩端到端延迟、实现跨系统任务闭环;典型应用场景覆盖智能质检、差旅报销、周报生成及政务热线等真实生产环境;本文聚焦2026年4月关键发布所揭示的产业施工逻辑,深入解析Codex Auto-review、Claude Connectors、Hy3-prev

weixin_30719711的博客 419

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

Anthropic推理调度层归零:从托管服务到裸金属AI基础设施

大模型API的运行时编排层(Runtime Orchestration Layer)是连接应用与底层GPU推理服务的关键抽象,其核心原理在于统一管理请求路由、缓存、降级与Token预算等调度策略。随着企业级场景对低延迟、高成本效益和强合规审计的需求升级,通用中间件层反而成为性能瓶颈与语义失配源头。技术价值体现在P95延迟下降61%、GPU吞吐翻倍及GDPR级可审计性提升;典型应用场景包括金融RAG系统、智能投顾、高并发客服平台等对SLA敏感的生产环境。Anthropic此次‘抽象层归零’并非退化,而是将调度

weixin_33863087的博客 381

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

Mythos门控能力:大模型因果推理的阶跃式释放与运行时治理

大语言模型正从统计拟合迈向可解释因果推理,其核心在于构建显式因果图谱与可控推演路径。Mythos代表一类支持长程因果建模、多跳反事实推演和约束敏感方案生成的高阶推理能力,依托轻量级因果图谱构建器(LCG-B)实现逻辑自洽性跃升。这类能力不再依赖全量开放,而是通过运行时门控框架(GRF)实施场景可信度、行为一致性、组织认证与上下文完整性四维动态授权,将AI能力交付升级为‘能力契约’管理。它适用于金融风控链路验证、临床试验方案推演、合规敏感型决策系统等对推理可追溯性与责任归属有严苛要求的工程场景。

weixin_30876945的博客 370

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

从Prompt Engineering到Loop Engineering:构建AI自主编程的智能循环系统

在人工智能驱动的软件开发领域,Prompt Engineering(提示工程)是指导大语言模型生成代码的核心技术,它通过精心设计的指令来引导模型输出。其原理在于将开发者的意图转化为模型可理解的上下文,从而生成、补全或修改代码。这项技术的价值在于显著提升了代码生成的初始准确性和效率,成为人机协作编程的基础。随着模型能力的增强,单纯依赖单次指令交互已无法应对复杂、多步骤的软件开发任务,其应用场景逐渐从一次性代码生成扩展到需要持续迭代和验证的自动化流程。这自然催生了更高级的范式——Loop Engineering

weixin_34269583的博客 393

YOLOv8中Bottleneck模块的残差连接机制解析

本文深入解析了YOLOv8目标检测模型中Bottleneck模块的核心设计,重点阐述了其残差连接机制。该机制通过构建一条信息“捷径”,有效缓解了深层网络中的梯度消失问题,稳定了训练过程,并提升了特征提取效率。文章结合代码详细拆解了模块结构,并探讨了其在YOLOv8骨干网络与检测头中的关键作用及参数调优思路。

weixin_29061821的博客 257

uniapp+萤石视频监控实战:解决ezuikit.js真机调试不显示的5个关键步骤

本文针对Uniapp集成萤石视频监控时ezuikit.js在真机调试中黑屏不显示的问题,提供了5个关键解决步骤。核心方案是采用Webview加载独立H5播放页,以规避跨平台环境差异,并详细阐述了资源放置、多端适配、通信处理及系统化排查方法,确保视频流稳定播放。

weixin_29001655的博客 290

基于LLM的SelfEvolve架构:实现软件运行时自主进化与性能优化

在软件工程领域,架构设计正经历从静态到动态的范式转移。传统静态架构难以应对快速变化的业务需求,而动态架构则强调系统的自适应与自扩展能力。其核心原理在于,通过引入大语言模型作为智能引擎,使系统能够在运行时感知环境、分析问题并自主生成解决方案。这一技术的核心价值在于,将AI的创造性思维与工程化的严谨流程相结合,实现软件功能的动态扩展与性能优化。在应用场景上,它特别适用于性能热点自动修复、自动化Bug修复以及基于自然语言的功能扩展等高频需求场景。SelfEvolve架构正是这一理念的工程实践,它通过构建需求感知、

weixin_30247781的博客 731

SPSS实战:5步搞定多指标联合诊断的ROC曲线分析(附Logistic回归教程)

本文详细介绍了如何使用SPSS软件进行多指标联合诊断的ROC曲线分析。通过5个实战步骤,从数据准备、二元Logistic回归建模生成综合预测概率,到绘制并比较单指标与联合模型的ROC曲线,帮助临床研究者有效整合多个诊断指标,提升模型判别能力(AUC),实现诊断效能的优化。

mqtt6iot的博客 1422

AutoGPT陨落启示录:从CLI玩具到可维护Agent平台的演进逻辑

自主代理(Autonomous Agent)是大模型应用的核心范式,其本质是LLM与工具链协同决策的系统工程,而非单点Prompt优化。它依赖稳定的状态管理、鲁棒的指令解析、标准化的Agent Protocol通信机制,以及容器化、可观测性等生产级基础设施支撑。技术价值在于将非结构化推理转化为可编排、可监控、可扩展的服务单元,广泛应用于智能工作流自动化、多步骤RAG增强、跨系统任务编排等场景。AutoGPT作为早期标志性CLI实现,以极简方式具象化了Agent概念,却因内存泄漏、强格式依赖、环境不可控等工程

weixin_33901926的博客 374

ROS通信机制深度解析:为什么话题订阅模型比服务调用更适合你的机器人项目?

本文深入解析ROS通信机制,重点探讨话题订阅模型相较于服务调用在机器人项目中的优势。通过性能对比和架构分析,揭示话题模型在异步通信、系统解耦和实时数据处理方面的卓越表现,特别适合传感器数据流和高频控制场景。文章还提供了实际案例和高级应用技巧,帮助开发者优化机器人系统设计。

weixin_29172963的博客 102

正点原子RK3588 Android 12镜像构建实战:从环境配置到烧录验证全指南

本文提供了一份基于正点原子RK3588开发板的Android 12镜像构建全流程实战指南。内容涵盖从Ubuntu环境配置、SDK获取、编译内核与系统,到最终镜像打包与烧录验证的完整步骤,并分享了内核驱动定制与系统优化技巧,旨在帮助开发者高效完成瑞芯微RK3588平台的系统定制工作。

grass的博客 816

DeepSeek V4鲁棒性实测:大模型抗干扰与脏数据处理能力解析

大语言模型的鲁棒性是指其在输入噪声、格式错误、上下文断裂等真实场景干扰下的稳定响应能力,核心原理在于训练阶段的多层级扰动建模与推理时的动态容错机制。相比单纯追求高准确率的‘聪明’模型,具备强鲁棒性的模型能显著降低生产环境中的fallback逻辑复杂度、监控告警频次和prompt调试成本,技术价值体现在可用性提升、错误可解释性增强及服务恢复力优化。典型应用场景包括客服工单分类、IoT设备日志解析、金融文档摘要等对输入质量不可控、系统确定性要求高的工业落地环节。本文基于DeepSeek V4在错别字、混合编码、

weixin_30786657的博客 846

lammps案例:reaxff势模拟Fe(OH)3高温反应过程

所有的reaxff模拟,如:氧化、腐蚀、热裂解、燃烧等模拟,均可采用此模拟框架,只需要更换data文件、势文件,代码中的control文件可以不写,电荷平衡文件也可以用reaxff替换。该案例主要模拟Fe(OH)3在高温下的反应过程,主要代码来自lammps自带的案例。lammps自带案例没有产物输出,故在此基础上稍加修改,增加了产物输出命令。如果需要系统学习反应势的模拟,可考虑报名培训课程。本文分享一个reaxff反应势的案例。in文件代码已经注释,以供参考。大家好,我是小马老师。

lammps_jiayou的博客 1966

AI Agent从被动软件到智能数字员工——范式转移的本质与四能力闭环

概要:"范式转移(Paradigm Shift)"源自科学哲学家托马斯·库恩(Thomas Kuhn)的《科学革命的结构》。库恩观察到:科学的进步不是知识的线性累加,而是**当旧范式无法解释的"反常现象"积累到临界点时,整个学科的底层假设被替换**。 软件史上发生过多次范式转移,每一次都遵循同样的模式——**旧范式的"最佳实践"成为新范式的"反模式"**。

lza_csdn2019的博客 449

基于容积卡尔曼滤波的弹目相对姿态估计算法及其在导弹末端制导中的应用

本文针对导弹末端制导中的强非线性姿态估计问题,提出了一种基于容积卡尔曼滤波(CKF)的弹目相对姿态估计算法。通过建立包含视线角、角速率和相对距离的6维状态模型,利用三阶球面-相径容积准则精确逼近非线性状态分布,避免了传统EKF的线性化误差。在MATLAB/Simulink仿真中,CKF表现出比EKF更高的视线角速率估计精度和更快的收敛速度,最终显著减小了脱靶量,验证了其在提升导弹末端制导精度方面的有效性。该算法计算复杂度适中,适合工程实现,为高精度非线性姿态估计提供了新思路。

AI的内部世界的博客 105

基于matlab的阈值分割的车牌定位识别系统

车牌自动识别模块是现代社会智能交通系统(ITS)的重要组成部分,是图像处理和模式识别技术研究的热点,具有非常广泛的应用。车牌识别主要包括以下三个主要步骤:车牌区域定位、车牌字符分割、车牌字符识别。本案例通过对采集的车牌图像进行灰度变换、边缘检测、腐蚀及平滑等过程进行车牌图像预处理,并由此得到一种基于车牌颜色纹理特征的车牌定位方法,最终实现了车牌区域定位。车牌字符分割是为了方便后续对车牌字符进行匹配,从而对车牌进行识别。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 973
上一篇: 携程业绩增速放缓、监管调查叠加AI威胁,梁建章如何带领穿越周期?
下一篇: 美消费者与小企业状告三星等三巨头内存价格操纵,韩企扩产防中企‘偷家’
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值