现在大家都在使用ai写代码，手写代码的时代慢慢过去了，但是现在有一个问题，就是如何判断ai写的代码有效，这就离不开测试用例。那么应该先写代码，还是应该先写测试用例呢，今天主要说下TDD。TDD（Test-Driven Development，测试驱动开发）是一种开发方法，其核心流程是：RED：先写测试（且必须失败）GREEN：写最小实现让测试通过REFACTOR：在测试保护下优化代码这里最重要的一

ai时代，使用claude code进行软件开发，几乎是程序员的标配了。但是大家在使用的过程中，会遇到很多问题，总之就是觉得大模型好像没有那么牛，那么就需要了解一下claude code的context window了，也就是上下文。大模型，它是无状态的，也就是说，每次你对它进行问答，它并不会将前后两次问答记录联系起来，对agent来说，如果要保持记忆，就是需要将聊天记录携带着，进行下一次的问答。

大模型的发展日新月异，2026年说是ai agent元年，ai的发展对程序员的影响越来越大，如果不会ai coding感觉就会被慢慢淘汰掉。大模型的能力很强了，但是不意味着，随便写prompt就能有效地解决时间的编码问题，今天就来探讨一下。对于小需求而言，一般的prompt coding就能解决coding问题，对大多数需求而言，一般建议使用plan mode，针对大的项目需求，才建议使用spec

当前AI coding领域里面，最强的应该是claude code了，但是它并不开源，妨碍了人们对它的理解和使用。当前比较火的，开源的，和claude code很像的是opencode，今天简要介绍下。和claude code类似，本质上其是一个ai agent，用于代码提效。OpenCode Agents 是一套用于构建自主化、多阶段、可恢复（self-healing）的文档生成 / 代码自动化

之前介绍了ai coding相关的skills和hooks，今天再介绍下rules，它们是三个不同的东西。Skills是已知的流程，告诉大模型遇到类似的问题，该怎么做。Hooks 是自动触发，告诉大模型遇到某些情况，需要自动触发一些操作。而Rules是约束（不能乱来），告诉大模型在生产code的时候，需要遵守的一些规范。在ai coding中，cursor和claude code是支持设置Rule

大模型时代，ai agent是个爆火的概念，很多公司都声称自己家的产品是ai agent，但是随着最近openclaw的爆火，人们才真正感受到ai agent是什么。OpenClaw 是一款开源的自主 AI 助手软件，属于“AI agent”（智能代理）类别，能够真正执行任务，而不仅仅是回答问题。它最初由奥地利开发者 Peter Steinberger 创建，最早发布于 2025 年11月，Ope

我们在使用大模型的时候，有些事情是需要固定的流程来处理，我们怎么办呢，一般会创建模板，然后通过命令行或者其他工具，在想使用这个流程的时候，就会触发它。这样通过模板的方式，不是很智能，Claude code提出了一种新的方式agent skills来处理。Agent Skills 是 Claude 生态中用来扩展智能体能力的一种模块化机制：模块化封装专业能力：一个 Skill 是一个文件夹，通常包含

大模型时代，ai agent是个爆火的概念，很多公司都声称自己家的产品是ai agent，但是随着最近openclaw的爆火，人们才真正感受到ai agent是什么。OpenClaw 是一款开源的自主 AI 助手软件，属于“AI agent”（智能代理）类别，能够真正执行任务，而不仅仅是回答问题。它最初由奥地利开发者 Peter Steinberger 创建，最早发布于 2025 年11月，Ope

大模型持续火热，对社会的改造也正在持续不断地发生，通过大模型的微调，将其应用到不同的领域，也正在逐步推进。不管你是不是做大模型微调的，我觉得都需要了解一些大模型微调相关的知识，以下从三个方面进行介绍，分别是微调数据、微调工具和微调方式。大模型微调是一项技术性强但也极具性价比的任务。要把微调做好，不仅仅是“跑通训练脚本”，更需要设计良好的目标、数据、策略和评估机制。

目前各个行业都在接入大模型，借助大模型的能力优化自己的业务。但是有一个问题，一直是需要面对的，就是速度，目前而言，大模型的首token速度仍是很慢，获取输出之前，需要等待几秒。这对实时性要求很高的系统而言，是难以接受的。一般而言，优化推理主要从以下4个方面：1、模型压缩技术（如量化和剪枝）2、高效注意力机制3、硬件加速策略4、改进算法以提高解码速度以下针对一些具体的方法进行说明。上面提到了各种模型