logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

GraphRAG到底能不能干活?别只看 Demo 和跑分

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。最近 AI 编程工具(如 Codex、Claude Code)正从个人试用走向团队协作,这背后其实暴露了一个共性问题:单点能力的惊艳,往往掩盖不了工程协同的脆弱。很多开发者在写 RAG 应用时也是如此,本地 Demo 跑分很高,一旦接入团队的知识库,面对跨文档推理和权限管控时,系统直接崩塌。这就是我今天要复盘的 Gr

#人工智能#RAG#知识图谱
拒绝 Demo 幻觉:Hermes 在团队协作中怎么守住“不背锅”的底线

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。上周的需求评审会上,产品经理甩出一个看似简单的功能:“加个搜索,支持模糊匹配,最好能自动补全。如果是半年前,我可能会兴奋地打开 Copilot 或者 Cursor,几分钟后就能生成一个看起来完美的组件。但这次,我犹豫了。因为我知道,一旦这个功能上了生产环境,随之而来的是:缓存穿透、数据库查询风暴、以及用户反馈“搜出来

Codex 接入团队:当 AI 开始写代码,维护成本才是最大的坑

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。前段时间团队里几个核心成员都在讨论 Codex 和 Claude Code 的引入效果。表面上看,大家兴致勃勃,PR 里的 AI 生成代码占比从 10% 飙到了 40%。但作为技术负责人,我看到的不是效率的飞跃,而是一场潜在的“技术债危机”。很多人觉得 AI 编程工具是个人神器,换个角色进团队,它瞬间变成了“协同毒药

#人工智能#log4j
Codex 接入团队:当 AI 开始写代码,维护成本才是最大的坑

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。前段时间团队里几个核心成员都在讨论 Codex 和 Claude Code 的引入效果。表面上看,大家兴致勃勃,PR 里的 AI 生成代码占比从 10% 飙到了 40%。但作为技术负责人,我看到的不是效率的飞跃,而是一场潜在的“技术债危机”。很多人觉得 AI 编程工具是个人神器,换个角色进团队,它瞬间变成了“协同毒药

#人工智能#log4j
前端转大模型:用一次交付过程做复盘

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。摘要:很多前端同学转做大模型应用时,容易陷入“Prompt 调优”的单点迷恋,却忽略了工程化的底线。本文结合近期行业趋势,从 React/Vue 组件思维出发,拆解如何将 UI 交互经验迁移至 AI Agent 开发,重点讨论在 Demo 走向生产时,权限控制、日志追踪和流式响应如何处理,并提供具体的简历项目重构思路

文章图片
#前端#状态模式#RAG
前端转大模型:用一次交付过程做复盘

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。摘要:很多前端同学转做大模型应用时,容易陷入“Prompt 调优”的单点迷恋,却忽略了工程化的底线。本文结合近期行业趋势,从 React/Vue 组件思维出发,拆解如何将 UI 交互经验迁移至 AI Agent 开发,重点讨论在 Demo 走向生产时,权限控制、日志追踪和流式响应如何处理,并提供具体的简历项目重构思路

文章图片
#前端#状态模式#RAG
拒绝“伪智能”陷阱:Hermes 在团队级 AI 编程中的权限与回滚实战

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。之前看不少同行在讨论 Codex 和 Claude Code,大家都盯着 Demo 跑得多快、代码生成得多准。但真正让我头秃的,不是模型本身,而是当这些工具从“个人玩具”变成“团队基建”时,那些被忽略的工程化细节。这次复盘 Hermes 的接入过程,不是为了吹它有多强,而是想聊聊在实际项目中,我们是如何通过精细化的配

文章图片
#人工智能
拒绝“伪智能”陷阱:Hermes 在团队级 AI 编程中的权限与回滚实战

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。之前看不少同行在讨论 Codex 和 Claude Code,大家都盯着 Demo 跑得多快、代码生成得多准。但真正让我头秃的,不是模型本身,而是当这些工具从“个人玩具”变成“团队基建”时,那些被忽略的工程化细节。这次复盘 Hermes 的接入过程,不是为了吹它有多强,而是想聊聊在实际项目中,我们是如何通过精细化的配

文章图片
#人工智能
Codex 实战:从一次踩坑讲到改进

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。最近圈子里讨论最多的话题,大概就是 AI 编程助手从“个人神器”变成“团队基建”的过程。以前我们聊 Claude Code 或者 Cursor,更多是在说“这工具真快,一个人能顶三个人用”。但当你要把这个流程塞进一个多人协作、有严格权限控制和审计要求的实际项目时,画风就变了。

文章图片
#软件工程
Claude Code 实战:用业务闭环验证方案

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。最近团队里关于“AI 结对编程是否适合引入协作流”的讨论很热闹。很多人还在纠结于单兵作战时的代码生成速度,但我更关心的是:当需求从“做一个 Demo”变成“维护一个有历史包袱的系统”时,Claude Code 到底能不能扛得住?上周我接手了一个遗留的 Java 后端模块,主要痛点是业务逻辑黑盒严重,且缺乏单元测试。我

文章图片
#单元测试
    共 154 条
  • 1
  • 2
  • 3
  • 16
  • 请选择