文章摘要：作者通过10章实践项目系统学习Bun，发现其核心优势在于开发链路短、性能优异。Bun通过集成runtime/包管理/测试/bundler等功能，显著提升开发效率，尤其在启动速度、HTTP/WebSocket场景表现突出。目前Bun虽快速增长（周下载138万、GitHub 89k+ stars），但仍处于增量替换阶段。作者建议从低风险场景逐步采用，并开源了完整学习项目(bun-learni

网站地址：https://mini-cc.raingpt.top/这篇文章记录了我为开源项目mini-cc重新设计官方网站的全过程，探讨了大语言模型（LLM）的“廉价审美（AI Slop）”问题，以及如何通过系统级的 Skill（技能）来改变 AI 的设计思维。

《mini-cc：纯手工复刻的Claude Code开源实现》 摘要：本文介绍了一个基于TypeScript开发的Claude Code开源复刻项目mini-cc。该项目实现了多项核心功能：1）BashTool的安全拦截机制，可防止AI执行危险命令；2）轻量级MemoryManager采用文件系统存储，具备自动截断功能；3）AgentTool支持创建隔离沙箱环境；4）支持MCP插件系统的跨进程扩展

mini-cc：轻量级AI编程助手框架 这是一个基于TypeScript的开源命令行AI编程助手框架，采用函数式编程范式，具备以下核心特性： 多模型兼容：支持Anthropic API和OpenAI标准接口，适配Qwen、DeepSeek等国产模型 智能工具系统：内置Bash执行、文件读写等安全工具，支持自动代码修改与测试 可视化推理：实时展示AI的思维链（CoT）和决策过程 事件循环机制：实现完

摘要： 作者分享了自己在开发过程中深度使用AI工具后的体验转变。虽然AI大幅提升了编码效率，但也带来了新的挑战：AI生成的代码表面规范但可能隐藏深层问题，如边界条件处理不当等。作者总结了应对策略，包括分层信任代码、强制二次建模、增加最小验证测试、让AI参与代码审查、控制上下文复杂度、增强可观测性、建立可信代码库以及重视测试。核心观点是：AI编程的关键在于保持对代码的理解和掌控，不能无意识依赖。最终

大家好。今天，我们将一起开启探索 Claude Code 源码的旅程。作为 Anthropic 官方推出的 AI 编程助手，Claude Code 的底层架构设计得非常精妙。

本文深入解析了Claude Code查询引擎(QueryEngine)的核心机制。作为AI编程助手的中枢系统，它通过异步生成器实现模型交互与本地执行的完美协同。重点剖析了三大核心技术：1）五层上下文压缩机制，包括预算控制、历史裁剪等创新方法，有效解决token超限问题；2）智能循环控制(queryLoop)的三种刹车机制，确保任务高效完成；3）流式工具执行(StreamingToolExecuto

是一款基于打造的跨平台桌面级虚拟伴侣应用。它的灵感来源于 macOS 上的优秀原生应用lil-agents，但打破了 Apple 生态的限制，通过Tauri v2的强大跨平台能力和Rust极致的性能控制，将这种“桌面宠物 + AI 终端”的奇妙体验带到了 Windows、Linux 和 macOS 等每一个平台上。

是一款基于打造的跨平台桌面级虚拟伴侣应用。它的灵感来源于 macOS 上的优秀原生应用lil-agents，但打破了 Apple 生态的限制，通过Tauri v2的强大跨平台能力和Rust极致的性能控制，将这种“桌面宠物 + AI 终端”的奇妙体验带到了 Windows、Linux 和 macOS 等每一个平台上。

考虑到大家对纸片人的喜好不同，CodeWalkers 完全支持自定义皮肤。你只需要把喜欢的 GIF 动图拖进项目的对应目录，配置一下精灵图（Sprite）参数，就能把初音未来、马里奥或者你自己画的像素小人养在桌面上。目前项目已经跑通了从拖拽移动、点击交互到终端对话的完整闭环。