归档

这期 Community Wisdom 的四组讨论看似分散，实际都在处理同一个变化：AI 大幅压低了产出代码、界面和内部工具的成本，真正稀缺的部分随之转向意图传递、结果验证和责任承担。

这期 Community Wisdom 收录了六组社区讨论。

这期 Community Wisdom 的几组讨论都涉及同一个底层问题：系统中的参与者会根据真实激励行动，而团队经常只设计流程，行为后果成为被忽略的部分。

一个人一天最多跑一次迭代实验，但每周上百个 badcase 追着我们跑——我们团队用 Harness 工程让 AI 自主运行 17 小时、完成 16 轮迭代实验，最终上线了实验。这篇文章复盘了整个搭建过程。

这是一场来自 AI Engineer 频道的演讲，主题是"100 工具 Agent 陷阱"：当你给 AI Agent 一次性提供过多工具时，准确率会随着工具数量增长而急剧下降。

本演讲来自 AI Engineer 频道，主题为"Agent 构建 Agent"——介绍如何借助编程辅助工具与规格驱动开发，通过 AutoAgent 循环和实时数据分析流水线，迭代构建可靠、安全的 AI Agent。

本演讲介绍 Mutagent 团队如何用 Agent 化方式构建 AI Agent 生命周期管理系统，覆盖规格说明、构建、评测、部署、诊断、优化六个阶段，并现场演示了评测 Agent 和诊断 Agent 两款处于研究预览阶段的产品。

来自 MongoDB 的开发者倡导者 Apoorva Joshi 分享了一套四阶段 AI 系统设计框架：产品需求、系统设计、评估与监控、优化。

这场来自 AI Engineer 频道的短讲提出一个观点：让 Agent 生成幻灯片、文档、视频等图形化产物时，关键不是强迫它操作画布或直接写 SVG 坐标，而是给它使用更符合语言模型思维方式的媒介。

这场演讲提出“Miranda 假说”：当文化作品覆盖历史记录时，角色扮演系统会生成流畅但时代错位的复合人格，而现有角色评测往往只衡量声音和人格一致性，无法发现这种失败。

Dominik Tornow 认为，当 Agent 能够按需根据规范生成面向具体基础设施的实现时，软件平台的价值会从通用实现转向可复用的规范。

Higharc 的高级研究工程师 Vaidas Razgaitis 分享了他们如何把前沿 AI/ML 研究推进到生产环境：用研究原型分类文档提升研究可读性，用 Python 单体代码仓库和解耦微服务承接原型。

这场演讲的核心判断是：当 AI 让写代码变得便宜之后，软件开发真正稀缺的能力，转向判断该做什么，以及把业务方、用户、决策者拉到同一个房间里，提炼出值得构建的需求。

这场来自 AI Engineer 频道的演讲讨论了 AI Agent 在生产环境中失败后为什么很难复现，以及为什么团队应该把目标从追求模型的逐位确定性（bitwise determinism）。

AWS 开发者布道师 Eric Hanchett 介绍了降低 Agent token 成本的五种做法：缓存系统提示词，按任务难度路由到不同模型，把大型工具结果移出上下文，限制工具循环次数，以及裁剪多轮对话历史。

演讲者 Isadora Martin Dye 分享了她在经营婚礼场地、并为场地构建 AI Agent 的过程中总结出的四层提示词架构：不可变身份层、情境模式层、示例锚定语气层、生成后否决层。

AWS 高级开发者布道师 Erik Hanchett 介绍规格驱动开发的概念、动机和实践方式，并以 AWS 的 AI 编程工具 Kiro 为例，演示如何在生产工作流中用规格文档引导 AI 编程助手构建更高质量的代码。

Luis Romero Sevilla 讨论了一个约束很强的知识表示场景：所有文档都与用户问题相关，文档之间关系密集，并且数据会频繁整体替换。

这场来自 AI Engineer 频道的演讲介绍了 Lech Kalinowski 如何构建一个实体 AI 终端 OpenClaw：它用 OLED 与电子纸双屏、ESP32 微控制器、本地后端和开源 LLM。

Rajkumar Sakthivel 分享了他们如何通过本地代码索引层减少 AI 编程过程中的输入上下文，把每次查询发送给模型的 token 大幅压缩，同时用混合搜索、结果压缩、调用关系追踪和评分过滤维持代码检索准确率。

这是一场来自 AI Engineer 频道的演讲或访谈，主题围绕“把 10,994 条笔记变成记忆”。

Ishaan Sehgal 主张，Agent 的真正身份不在模型、运行时或执行环境里，而在只追加的会话日志里。

Nx 的 Victor Savkin 用“有失忆症的天才”比喻 AI Agent 的两大核心局限：只能看到代码库的一小部分（空间限制），以及每次会话重新开始时都没有跨会话记忆（时间限制）。

这是一场来自 AI Engineer 频道的演讲，演讲者 Justin Schroeder 来自 StandardAgents，主题围绕"未来属于领域专用 Agent"——为什么通用 Agent 通过继承式堆叠上下文终将遇到瓶颈。

Block 工程主管 Angie Jones 分享如何在两年内将 3500 人的工程组织转型为自主式工程组织：从定义成熟度模型、发起 AI Champions 计划、实现代码库 AI 就绪，到多 Agent 并行与跨代码库编排器。

这是来自 AI Engineer 频道的一场演讲，主题是如何构建高质量的 Agent 技能。

核心论点是：Agent 的构建模块变了，但工程纪律没有变。

Kushan Raj 认为，浏览器 Agent 的主要瓶颈不在于模型能力，而在于模型看到网页、理解网页状态变化、规划长序列操作的环境表示太差。

OpenGov 工程师 Gabe de Mesa 介绍了他们如何在生产环境中构建并扩展 OG Assist：从 Effect 原生 Agent 循环、A2A 协议、评测、人在环路中的审批、安全沙箱、长上下文记忆，到可观测性、工具与技能。

这场演讲介绍了 TurboQuant 如何把 Agent 检索中的嵌入向量和 KV 缓存从 32 位压缩到约 3 到 4 位，从而在基本保持检索质量的前提下降低约 5 倍内存占用。

Anna Marie Benzon 展示了一个面向云端 ETL 故障的 RL 引导型管道健康 Agent：用确定性规则建立可观察事实，用表格型 Q learning 在有限动作集合中选择修复策略，再用外部安全层约束自动化权限。

这场 AI Engineer 演讲讨论 Agent 为什么会在检索阶段反复失败：传统记忆系统多数只按语义相似度保存偏好和历史，缺少来自执行结果的反馈。

演讲者 Rachel Lee Nabors（来自 Arize）介绍了如何通过评估和选用端侧小语言模型（SLM）替代 GPT、Claude 等大型云端模型，从而降低推理成本、提升隐私安全与响应速度。

Red Hat 开源工程师 Cedric Clyburn 介绍 Docling——一个隶属于 Linux Foundation 的开源文档处理工具，演示如何将 PDF、图片等非结构化数据准确转换为 Markdown/JSON。

本演讲由 Ogilvy 高级后端开发者 Abed Matini 在 AI Engineer World Fair 2026 线上专场发表，主题是"绕过多模态税"：介绍如何构建一套无需付费框架的混合 RAG 系统。

Allen Pike 分享了 Forestwalk Labs 在构建语音输入、视觉输出 AI 体验中的经验：语音是更高带宽的人类输入方式，但实时语音交互受延迟限制很重；把输出切换为视觉界面后，系统可以在更宽松的响应窗口内提供自然体验。

这场演讲介绍了一个面向企业金融合规与欺诈检测的 AI 多文档关联分析框架。

Raymond Weitekamp（OpenProse）在 AI Engineer 大会演讲，阐述如何把递归语言模型（RLM）的思想应用到编程 Agent：以"被误管理的天才"为切入点。

Nishant Gupta 认为，随着组织从聊天机器人走向自主 AI Agent，核心挑战正在从模型智能转向生产可靠性：模型可以是概率性的，但承载 Agent 的基础设施必须提供确定性的验证、编排、观测、安全与恢复能力。

这期从职业低谷、新团队 1:1、成熟团队流程改造和增长角色演化里，提炼出同一个判断：先识别真实约束，再谈努力、流程和自动化。AI 让执行动作压缩之后，人的价值更集中到判断、定义和编辑。

Agent 安全不是给模型加一句更严厉的系统提示，而是重构整条执行链：区分可信与不可信上下文，训练专门的策略与红队模型，拦截工具调用，并重新设计 agent-native identity。

这期访谈最有价值的起点，是把 AI scaling 从买更多 GPU 改写成如何把已有 GPU 变成真实训练进展。

本期高亮提炼 Lenny 社群关于付费不用、早期产品顾问、Referral 反作弊、自由职业工具栈，以及 Claude Code 团队上下文治理的讨论。核心判断是：AI 让个人和团队更快执行，也更快暴露行为嵌入、判断质量和上下文治理的缺口。

这组讨论问的是 AI 如何改变产品运营模型，真正有价值的答案不是 PM 能不能写代码，而是交付加速以后，团队哪里会变成新的约束。

这篇访谈的底层问题是：AI coding agent 让代码产量、提交频率、构建次数和权限检查同时放大，GitHub 这类平台开始承受一种新的系统压力。

Lenny 社群关于 bootstrapping、Vibe Coding 产品验证、Agent 数据语义层和 APM 基本功的讨论，核心线索是：构建成本下降后，稀缺性迁移到约束选择、分发验证、语义一致性和判断质量。

Satya Nadella 谈 AI 时代的平台战略：企业护城河不在单一模型，而在 harness、context layer、private eval、trace 和组织级 agent memory。

这组摘录给出了全文最重要的演化框架：AI coding 先是补全工具，再是本地 Agent，下一阶段是能在后台独立推进任务的异步 Agent。

这期 Latent Space 采访 Ethan He，表面主题是 Grok Imagine、视频生成和世界模型，真正有价值的是一个更大的判断：视频生成正在走 AI 编程已经走过的路。

这期访谈把编程 Agent 的能力提升拉回到系统工程：真实环境、rollout、reward、权重同步、数值一致性和上下文压缩，决定模型能否从会写代码变成能完成软件工程任务。

Abridge 展示了垂直 AI 产品如何从临床文档切入，逐步演化为医疗系统的上下文层、评估系统和 Agent 工作环境。

这篇访谈最值得保留的地方，是它把 AI 编程从工具效率问题推到了生产关系问题：谁有资格创造软件，谁最懂真实问题，组织内部的建设者如何被重新定义，以及 Agent 产品为了接住这种变化需要具备什么样的系统能力。

这篇访谈把 Google DeepMind 的几条路线放在同一个框架里：模型能力、Agent 化、模拟环境、科学发现、持续学习和可靠性共同推进 AGI。

Boris 谈 Claude Code 的真实重点不是增长，而是 Agent 工程化：真实操作权、流程重构、长任务监督、并行调度，以及人类从执行者转向顶层驾驶者。

这期播客真正有价值的地方，不是介绍 Hermes Agent 或 OpenClaw 的功能，而是把 Agent 行业的几个底层分歧讲清楚了：模型与 harness 谁更重要，Agent 应该厚约束还是薄封装，人的价值会迁移到哪里。

Anthropic 团队把 Managed Agents 定位为一套可运行、可部署、可拥有身份、可被组织接管的执行基础设施。真正的竞争点开始落在状态、工具、沙箱、权限、长期运行和多 Agent 编排上。

Mahes 把 Anthropic 这一年多的产品演进放在一条清晰链路里：MCP 给 Agent 外部工具和数据，Claude Code 与 Agent SDK 提供执行 harness，Skills 让 Agent 获得可复用能力。

Fiona 的核心判断很直接：过去多年，软件工程流程默认编码带宽昂贵，所以规划、设计文档、排期、所有权和评审都围绕节省工程时间展开。

姚顺宇反复用物理史解释当下大模型研究：我们对模型内部机制的理解仍然粗糙，但这不妨碍工程前进。

Dario 对指数增长的描述很值得保留：他们十年前就用 scaling laws 画出了曲线，但当曲线真的落到组织、收入、算力和产品节奏上，人的体验仍然是不稳定的。

Claude Code 的起点很值得看：它并不是在模型已经完全成熟后才被设计出来的，而是 Anthropic 团队意识到产品形态落后于模型能力。

这次访谈的价值不在于 Demis 又说了一遍 AGI 很快，而在于他把 DeepMind 路线里的几条线串起来了：记忆与持续学习、AlphaGo 式搜索、Agent、科学发现、多模态世界模型，以及深科技创业在 AGI 时间线下的防御性。

这篇访谈最值得保留的地方，不是 OpenClaw 或 Claude Code 哪个工具更好，而是它把 Agent 从工具讨论推进到了工作界面、公司形态、商业模式和人的角色变化。

这次高亮只筛选领导力相关内容。

Karpathy 这里讲的重点，不是 AI 让旧式编程变快，而是可操作对象变了。

Ryan Leopo 的核心判断很直接：编码 Agent 已经让实现本身变得不再稀缺。

Ryan 在演讲开篇给出整个框架的支点，不是"AI 能帮你写代码"，而是从稀缺资源角度重新定义了软件工程的约束条件。

访谈一开始就在回应 Jensen Huang 关于工程师应大量消耗 token 的观点。

这组摘录来自 AIE Europe 会后的判断，讨论的是 agent infra 是否开始稳定，以及稳定到底体现在哪里。

这组讨论围绕 50 人创业公司内部如何共享 Claude Code skills。

这篇对谈里最有价值的一层，不是 Every 把 OpenClaw 跑起来了，而是他们讲清了为什么个人代理和通用聊天模型在组织里会导向完全不同的关系结构。

我已经很久没写过一行代码了。

2025 年真的是 AI 产品爆发的一年，24 年我只订阅了 Monica，但在 25 年，我居然为十多款 AI 产品付过费了。

在上篇文章《从零实现 vLLM（1.3）：如何加速 Attention 计算》中，我们深入分析了 Qwen3Attention 组件，学习了 FlashAttention 如何通过在线 Softmax 和分块计算技术。

在上篇文章《从零实现 vLLM (1.2）：如何实现张量并行》中，我们深入到 Qwen3DecoderLayer 的第一个核心组件：Qwen3Attention。

在大模型出现之前，分布式训练最常用的技术是 数据并行（Data Parallelism, DP） 。

在上篇文章《从零实现 vLLM (1.1）：并行词嵌入 VocabParallelEmbedding》中，我们分析了 Qwen3Model 模型中第一个组件：VocabParallelEmbedding 的源码。

我一直都喜欢通过代码学习各种技术，特别是各种从零开始实现 XX 的。

我最近用 AI 写了一个导出 Gemini 聊天记录的插件，我把 Gemini 网页的源码粘贴给它之后，告诉它要把网页中的聊天记录导出成 markdown，然后它很快就写完了。

或许你也有过这样的时刻：在代码评审会议上，同事用 AI 助手几分钟就重构了一个你花了几天才完成的微服务架构；又或者，在日常开发中，你发现团队里的新人正在用 AI 编程助手，轻松地处理那些曾经需要反复查阅文档和调试的复杂任务。

现在大语言模型（LLM）是越来越火，能力也越来越强。

最近 AI 领域有个挺火的方向，就是让 AI 像人一样去操作图形界面（GUI），比如自动帮你订外卖、处理邮件等等。

OpenAI 在最近的发表的对比研究中发现：在编程竞赛任务中，人类精心设计的策略败给了强化学习训练的通用模型。

在上篇文章《深入浅出 GraphRag 知识图谱生成》中，我分析了 GraphRag 的图谱生成过程，那么生成的这些图谱数据是如何应用到生成里面的？

GraphRAG 是微软开源的一个基于大模型 + 知识图谱回答用户问题的开源项目。

之前 ChatGPT 刚出来的时候大家都在研究 GPT 模型，有很多的科普文章都说 GPT 模型其实就是在做文字接龙，根据前面的文本预测下一个字。

本文主要就是通过结合代码和公式的分析让理论和实践之间完成一次双向奔赴。

在 GPTs 推出之后，我用它花了 5 分钟就配置了一个生成天气画报的 GPTs，目前看 GPTs 在提升 AI 应用研发效率上面还是做的非常好的，但并没有超出期望，它只是一种研发范式的创新。

本文详细解析了线性回归的数学含义，包括“线性”和“回归”两个核心概念。

在之前的文章《ChatGLM3 的工具调用（FunctionCalling）实现原理》里面，我们介绍了 ChatGLM3 工具调用的原理，其本质就是让大模型通过微调学会根据 prompt 中的函数的定义学会下一步应该调用哪个函数。

ChatGLM3 终于带来了跟 ChatGPT 一样的工具调用能力，通过它的源码和样本数据，我们可以了解到让大模型学会使用工具的方法原理。

LSM Tree 是很多 NoSQL 数据库引擎的底层实现，例如 LevelDB，Hbase 等。

SQL 英文全称是 Structured Query Language，中文名即结构化查询语言，是一门专门用来查询数据的声明式编程语言。

机器学习假设了对于某个问题存在一个上帝函数，给定一个输入就能得到一个确定的输出，计算机可以通过样本数据在假设的函数空间中找到一个近似上帝函数的函数，我们可以利用这个近似函数来进行预测。

多线程编程是软件开发中最棘手的问题之一。

MAB 是多臂老虎机（Multi Armed Bandit）的缩写，MAB 问题就是假设有个赌徒到赌场里面摇老虎机，赌场里面有 10 个老虎机，每个老虎机的赢钱概率是不一样的，此时他不知道每个老虎机的赢钱概率，而且他只有 100 个币。

最简单的 KV 数据库需要多少行代码实现？

新的 KV 数据库层出不穷，我们经常听说的 KV 数据库如 RocksDb、Hbase 等都是基于日志结构的存储引擎。

只要你 Java 代码写的足够多，就一定出现这种情况：系统新引入了一个中间件的 jar 包，编译的时候一切正常，一运行就报错：java.lang.NoSuchMethodError，然后就哼哧哼哧的开始谷歌找解决方法。

Java 有很多的日志框架可以选择，当同一个项目中出现多种日志框架时就很容易出现日志框架冲突的问题，导致日志打印不出来。

像很多新技术一样，区块链开始火起来的时候评价是两级分化的，有人觉得区块链会成为下一代的互联网的基础设施，有人觉得区块链没有任何价值。

一致性模型本质上是进程与数据存储的约定，通过一致性模型我们可以理解和推理在分布式系统中数据复制需要考虑的问题和基本假设。

分布式系统解决了传统单体架构的单点问题和性能容量问题，另一方面也带来了很多的问题，其中一个问题就是多节点的时间同步问题：不同机器上的物理时钟难以同步，导致无法区分在分布式系统中多个节点的事件时序。

在上一篇文章分布式系统：Lamport 逻辑时钟中我们知道 Lamport 逻辑时钟帮助我们得到了分布式系统中的事件全序关系，但是对于同时发生的关系却不能很好的描述，导致无法描述事件的因果关系。

IntelliJ IDEA 是目前最好用的 JAVA 开发 IDE，它本身的功能已经非常强大了，但是每个人的需求不一样，有些需求 IDEA 本身无法满足，于是我们就需要自己开发插件来解决。

分布式系统中一个重要的问题就是数据复制，数据复制一般是为了增强系统的可用性或提高性能。

在分布式系统中，数据复制一般是为了增强系统的可用性或提高性能，但是数据一致性跟系统性能往往是矛盾的，对于数据复制的一致性问题没有最好的解决方法。

CAP 理论是分布式系统设计中的一个重要理论，虽然它为系统设计提供了非常有用的依据，但是也带来了很多误解。

最近在看《代码大全》，可以说是一本软件开发的百科全书，特别厚，但是干货也很多。

Java 开发过程经常需要编写有固定格式的代码，例如说声明一个私有变量，logger 或者 bean 等等。

Java 开发过程中经常会遇到编写重复代码的事情，例如说：编写领域类和持久类的时候，大部分时候它们的变量名称，类型是一样的，在编写领域类的时候常常要重复写类似的代码。

我的校招今年结束得比较早，主要是因为拿的都是 9 月初提前批的 offer。

Paxos 一致性协议可以说是一致性协议研究的起点，也以难以理解闻名。

ZAB 协议是为分布式协调服务 ZooKeeper 专门设计的一种支持崩溃恢复的原子广播协议。

初学 Zookeeper 会发现客户端有两种回调方式：Watcher 和 AsyncCallback，而 Zookeeper 的使用是离不开这两种方式的，搞清楚它们之间的区别与实现显得尤为重要。

之前写了一篇深入分析 ThreadLocal 内存泄漏问题是从理论上分析 ThreadLocal 的内存泄漏问题，这一篇文章我们来分析一下实际的内存泄漏案例。

ThreadLocal 的作用是提供线程内的局部变量，这种变量在线程的生命周期内起作用，减少同一个线程内多个函数或者组件之间一些公共变量的传递的复杂度。

Getty 是我为了学习 Java NIO 所写的一个 NIO 框架，实现过程中参考了 Netty 的设计，同时使用 Groovy 来实现。

多线程编程中，为每个任务分配一个线程是不现实的，线程创建的开销和资源消耗都是很高的。

RedisHttpSession 是我的一个 Java 开源项目，通过将 Session 存储在 Redis 中实现多服务器间共享 Session，同时这一过程是完全透明的。

运行时栈帧结构 栈帧是用于支持虚拟机进行方法调用和方法执行的数据结构，它是虚拟机运行时数据区中的虚拟机栈的栈元素。

本文翻译自[How the Java virtual machine performs thread synchronization][1]，内容略有删改。

本文将从连接的理论和语法讲起，结合具体的例子，详细分析 SQL 连接。

allow 1.2.3.4/30 deny 1.1.1.1 allow 127.0.0.1 allow 123.234.12.23/3 deny 0.0.0.0/0。

最近在读《Thinking in Java》，看到这样一段话：Primitives that are fields in a class are automatically initialized to zero。

说到 NULL 指针大家都是谈之色变，第一印象就是 NullPointerException, Segmentation fault 之类的错误。

什么是知识管理 个人知识管理（Personal Knowledge Management）：一般指个人通过工具建立知识体系并不断完善，进行知识的收集、消化吸收和创新的过程。

抽象类与接口的对比 参数 | 抽象类 | 接口 | | 默认的方法实现 | 它可以有默认的方法实现 | 接口完全是抽象的。

什么是全局状态 Talk is cheap, show me the code. Linus。

这篇文章主要着重于如何避免 if 语句。

最近在学习 Spring 框架，它的核心就是 IoC 容器。

在上一篇文章[Linux 内存寻址之分段机制][1]中，我们了解逻辑地址通过分段机制转换为线性地址的过程。

最近在学习 Linux 内核，读到《深入理解 Linux 内核》的内存寻址一章。

本文基于 ucore 操作系统实验，简要分析操作系统的启动流程。

看源代码是一个程序员必须经历的事情，也是可以提升能力的一个捷径。

前言：本文是结合我自己阅读代码的心得总结而来，同时会忽略很多细节，只能作为阅读源码时的参考。

我们知道，开发程序的基本流程是：设计 代码编写 编译 链接 执行。

云计算是目前计算机领域的一个热门领域，桌面虚拟化是其中的一个重要应用，即把桌面系统在服务器端虚拟化，然后通过传输协议传输数据到客户端来实现桌面虚拟化，这样的好处就在于不管用什么设备，只要通过客户端都可以访问到云端的系统。

什么是分治法 减治技术利用了一个问题给定实例的解和同样问题较小实例的解之间的某种关系。

什么是分治法 字面上的解释是“分而治之”，就是把一个复杂的问题分成两个或更多的相同或相似的子问题，直到最后子问题可以简单的直接求解，原问题的解即子问题的解的合并。

Brute force is a straightforward approach to solving a problem。

An algorithm is a sequence of unambiguous instructions for solving a problem。

搭建环境:Linux,nodejs,npm,git。