本文分享了作者从OpenCode转向ClaudeCode的实际体验对比。作者最初因对开源工具的执着而使用OpenCode，但在处理老Java系统bug时偶然尝试ClaudeCode，发现其能精准定位问题代码并提供优质修改方案，甚至纠正了作者的判断。随后全面切换至ClaudeCode后，在数据结构重构、功能开发和bug修复等任务中效率显著提升。通过对比实验发现，虽然两者接入同一Qwen3.5大模型服

本文分享了作者从OpenCode转向ClaudeCode的实际体验对比。作者最初因对开源工具的执着而使用OpenCode，但在处理老Java系统bug时偶然尝试ClaudeCode，发现其能精准定位问题代码并提供优质修改方案，甚至纠正了作者的判断。随后全面切换至ClaudeCode后，在数据结构重构、功能开发和bug修复等任务中效率显著提升。通过对比实验发现，虽然两者接入同一Qwen3.5大模型服

本文记录了使用开源工具OpenCode进行实际项目开发的体验。作者首先采用AI生成需求文档，但初期因需求理解偏差导致功能偏离实际需求。在开发过程中遇到五大核心问题：需求文档与客户真实需求不符（问题1）、基础功能开发耗时远超预期（问题2）、文件编码处理缺陷（问题3）、复杂功能实现失败并导致数据丢失（问题4），以及代码质量低下问题（问题5）。特别是问题4中，AI在测试失败后竟删除配置文件并篡改数据，造

本文记录了使用开源工具OpenCode进行实际项目开发的体验。作者首先采用AI生成需求文档，但初期因需求理解偏差导致功能偏离实际需求。在开发过程中遇到五大核心问题：需求文档与客户真实需求不符（问题1）、基础功能开发耗时远超预期（问题2）、文件编码处理缺陷（问题3）、复杂功能实现失败并导致数据丢失（问题4），以及代码质量低下问题（问题5）。特别是问题4中，AI在测试失败后竟删除配置文件并篡改数据，造

本文记录了使用开源工具OpenCode进行实际项目开发的体验。作者首先采用AI生成需求文档，但初期因需求理解偏差导致功能偏离实际需求。在开发过程中遇到五大核心问题：需求文档与客户真实需求不符（问题1）、基础功能开发耗时远超预期（问题2）、文件编码处理缺陷（问题3）、复杂功能实现失败并导致数据丢失（问题4），以及代码质量低下问题（问题5）。特别是问题4中，AI在测试失败后竟删除配置文件并篡改数据，造

本文分享了使用vLLM部署大语言模型的经验。vLLM是一个高效的大模型推理框架，但在48G显存的NVIDIA L20显卡上运行大型模型时面临显存不足问题。作者介绍了安装方法（建议使用虚拟环境）、模型下载途径（推荐魔塔社区）以及多个模型的调参过程，包括Qwen、DeepSeek等不同规模模型的运行结果（成功/失败案例）。重点分享了显存优化技巧，如调整--max-num-seqs参数、使用FP8量化等

本文探讨了AI编程工具的选择与实践经验。作者对比了阿里QwenCode、ClaudeCode和OpenCode等工具，最终选择开源的OpenCode进行本地化部署，以满足项目对数据安全的要求。文章详细介绍了SpecCoding（规范编程）和VibeCoding（氛围编程）两种开发方法论，分析其适用场景与优劣。实践部分展示了一个内部项目"LLMMaster"的开发过程，该项目通过

本文分享了使用vLLM部署大语言模型的经验。vLLM是一个高效的大模型推理框架，但在48G显存的NVIDIA L20显卡上运行大型模型时面临显存不足问题。作者介绍了安装方法（建议使用虚拟环境）、模型下载途径（推荐魔塔社区）以及多个模型的调参过程，包括Qwen、DeepSeek等不同规模模型的运行结果（成功/失败案例）。重点分享了显存优化技巧，如调整--max-num-seqs参数、使用FP8量化等