清晰地认识到自己的战场，然后拥抱 AI 这个强大的“副驾驶”，在我们的“持久战”中，更高质量、更有效率地去构建那些真正能够改变世界、并经受住时间考验的系统。这，才是属于我们的战场，和我们的荣耀。而对于我们绝大多数在企业中构建关键系统的工程师来说，认清我们身处“持久战”的现实，并重新定义我们在 AI 时代的价值，则至关重要。这景象，在令人惊叹之余，也难免给我们这些在大型项目和复杂系统中深耕的工程师，

这很重要，因为理解 Claude 的性能是“团队最重要的事情之一”——他们需要了解模型在训练和评估期间的表现，而“这实际上非同小可，简单的工具无法从一个上升的数字中获得太多信号。此外，要循序渐进地工作，而不是要求一次性的解决方案，以避免 Claude 被复杂的任务压垮。利用 Claude Code 的 GitHub 集成，他们只需提交描述所需更改的问题/工单，Claude 就会自动提出代码解决方案

这篇社论探讨的是大语言模型时代人类生成的科学写作的价值，其核心观点，对于我们技术领域的开发者、工程师和内容创作者来说，不啻为一记振聋发聩的警示。社论提出了一个尖锐的问题——如果“写作即思考”，那么当你在阅读一篇由 LLM 生成的论文时，你读到的究竟是研究者的思想，还是 LLM 的“思想”？我们可以，也应该，让 AI 成为我们强大的“副驾驶”，帮我们处理繁琐的事务，为我们提供新的视角。你看，这三项无

至今还清晰记得，在滴滴的一个会议室里，我与一群对 Go 语言充满热忱的开发者们，共同探讨、深入剖析了 Go 进阶之路上的种种挑战与关键技能。同年，我还临危受命，在 GopherChina 2023 上加了一场 “The State Of Go” 的演讲，与大家分享了我对 Go 语言发展趋势的观察与思考。在课程中，你不仅能学到 Go 的高级特性和用法，更能体会到 Go 语言“组合优于继承”、“显式错

我们可能需要引入新的测试策略，例如基于属性的测试、对输出结果的统计验证、或者更侧重于行为和意图的验证。但关键在于，LLM 带来的不仅仅是又一个“更高层次”的抽象，它正在从根本上改变编程的“本质”——当我们使用 LLM 生成 Go 代码片段、单元测试，甚至整个模块时，如何确保生成的代码符合 Go 的最佳实践、是高效且安全的？我们习惯了对代码的精确控制，追求逻辑的严密和行为的可预测。，我们需要在架构设

如果你和我一样，是一个对 AI Agent 技术既兴奋又感到一丝迷茫的 Go 工程师，那么这个专栏正是为你我量身打造的。在过去的一年里，AI Agent 的概念铺天盖地，各种框架和平台层出不穷。这些问题，指向了当前 Agent 开发领域的一个核心痛点：许多工具在追求“快速上手”的同时，牺牲了软件工程中最宝贵的“可测试性”、“可维护性”和“可集成性”。当 Agent 的逻辑变得复杂时，一长串的“链”

我们完成了一次重要的思维转变，理解了 Google ADK “代码优先”的哲学，并亲手跑通了官方的 Quickstart 示例。我们只是提了一个问题，ADK 就在背后完成了一系列复杂的 LLM 调用和工具执行。我们将一起深入 ADK 的心脏，去探寻一个 Agent 的。在 Go 的世界里，接口是构建可扩展、可测试系统的基石。但这“魔法”的背后，一定有一套严谨的工程抽象。，学会配置一个由大语言模型驱

通过将LLM OCI化、提供熟悉的CLI交互和OpenAI兼容API，Model Runner试图极大地降低开发者在本地探索和集成AI能力的门槛，特别是对于那些已经深度融入Docker生态的用户。了解了当前Beta版本的局限性后，让我们再次回到宏观视角，审视Docker Model Runner的推出对本地LLM工具生态意味着什么，特别是与现有方案Ollama相比，它的定位、优劣势以及未来的发展趋

这两年基于大模型的辅助生成commit log的工具以及一些代码智能体应用(如Cursor等）也在规范git commit log方面起到了非常积极的作用，对于像我这样英语非母语但又喜欢以英文log提交的选手来说，这些工具大幅降低了我在纠结如何写commit log时的心智负担，给予了我很大的帮助。幸运的是，围绕 Conventional Commits 已经形成了一个活跃的社区和丰富的工具生态系

在技术领域，特别是 Armin Ronacher 在谈论 Agentic Coding 时使用的语境下，“YOLO 模式”特指一种大胆甚至有些“鲁莽”的使用方式，即给予 AI Agent 极高的、几乎不受限制的系统访问权限。与其对新范式感到疑虑或观望，不如主动去学习、实践，探索如何驾驭这位强大的“编程搭档”，让它成为我们提升自身能力、加速项目交付、并最终能专注于更有创造性工作的强大助力。它标志着我