2024 年以来，大模型（LLM）彻底改变了软件开发的方式。从 ChatGPT 到 DeepSeek，AI 能力正在变成像数据库、缓存一样的基础设施。调用大模型 API 不再是算法工程师的专利，而是每个后端/全栈开发者的必备技能。

2025 年，Anthropic 收购了 Bun。你没看错，就是那个做出 Claude 的 Anthropic。Bun 现在是Claude Code 的底层运行时。这意味着什么？你写的每一行 Bun 代码，和当今最强的 AI 编程工具跑在同一个引擎上。那 Bun 到底是什么？Bun 是一个比 Node.js 更快、开箱即用、零配置的 JavaScript / TypeScript 运行时 + 包管

有了 embedding 之后，就可以比较两段文本是不是语义接近。Andrej Karpathy LLM Tokenization 分词原理卡帕西讲解大模型 BPE 字符分词它们表面文字不完全一样。但语义上很接近，都在说 Karpathy、大模型、Tokenization、分词。今天天气晴朗，适合出门运动这句话和前两句明显不是一个主题。人能看出来这个区别，embedding 也可以通过向量相似度体

2025 年，Anthropic 收购了 Bun。你没看错，就是那个做出 Claude 的 Anthropic。Bun 现在是Claude Code 的底层运行时。这意味着什么？你写的每一行 Bun 代码，和当今最强的 AI 编程工具跑在同一个引擎上。那 Bun 到底是什么？Bun 是一个比 Node.js 更快、开箱即用、零配置的 JavaScript / TypeScript 运行时 + 包管

2026 年了，“前端调 AI API"这件事已经不是什么新鲜事。但如果你的认知还停留在"前端发个fetch、拿个文本回显到页面上”——那你可能错过了多模态这个更有想象力的方向。多模态（Multimodal）是 2025-2026 年 AI 领域最大的突破之一。模型不再只是"输入文字、输出文字"，而是能理解图片、生成图片、甚至图文混合输入。你给模型两张穿搭图 + 一句文字描述 → 它生成一张融合后

2025-2026 年，AI Agent 工程师已经取代传统软件工程师，成为行业薪资天花板最高的岗位之一。你可能每天都在用 Agent 产品——Cursor、Claude Code、豆包、飞书 CLI、Workbuddy，它们不只是聊天机器人，而是能读文件、搜网络、写代码、操控浏览器的智能体。但 Agent 到底是什么？它的核心机制是怎样的？本文带你用可运行的代码LLM（大模型）— Agent 的

2025-2026 年，AI Agent 工程师已经取代传统软件工程师，成为行业薪资天花板最高的岗位之一。你可能每天都在用 Agent 产品——Cursor、Claude Code、豆包、飞书 CLI、Workbuddy，它们不只是聊天机器人，而是能读文件、搜网络、写代码、操控浏览器的智能体。但 Agent 到底是什么？它的核心机制是怎样的？本文带你用可运行的代码LLM（大模型）— Agent 的

这篇文章从一个 50 行的 Bun + TS TodoList 出发，先讲清楚 RESTful、interface 约束、async/await 异步这些地基知识。Bun + TypeScript 把全栈开发的门槛拉到了历史最低。前端工程师不需要学 Go 也能写出高性能服务端，不需要学 Python 也能接入 AI 大模型。先用小项目跑通全流程，再逐步加复杂度——这是一条被验证有效的路线。地基打好

很多人抱怨大模型"时灵时不灵"——同样的需求，有时候回答惊艳，有时候胡说八道。其实问题往往不在模型能力，而在我们给的指令不够清晰。大模型很聪明，但它的"聪明"自带随机性。Prompt Engineering 的本质，就是用一系列规则来减少这种随机性，让模型稳定地输出我们想要的结果。本文结合课程核心原理和可直接运行的代码，帮你从"随便问问"进阶到"精确控制"。技巧核心思路适用场景清晰分隔用 ` ``

前几篇文章，我一直在「往上走」。从序章的 Vibe Coding + 提示词工程，到 Claude Code 工程掌控，再到大厂级模块化系统、位运算刷题实战，一路冲到 FDE 时代核心力，每一篇都在拉高抽象层次，每一篇都在拓展 AI 开发的能力边界。然后，我老老实实坐下来，写了一道数组去重题。我才突然意识到，自己一路追着「高级玩法」跑，却差点忘了最底层的基本功。这道题看似简单，