跳到正文
10月18日周日
  1. 掘金68

    可验证的 AI:如何让 Agent 用代码自证正确

    作者提出用脚本退出码替代 AI 自报告,Agent 每次关键操作后必须运行对应验证脚本,退出码非 0 即视为未完成。三层验证体系分别检查数据完整性、逻辑一致性和行为合规性,验证失败后进入修复循环并重新跑脚本,而不是采信 AI 的自我报告。文末给出给 Agent 开发者的实践建议,并关联开源项目 Idea-Maglev/maglev。

  2. 掘金60

    用 draw.io 绘制界面并让 AI 生成 raylib 代码

    本节演示了用 draw.io 绘制井字棋主菜单、再把含坐标与颜色信息的 .drawio 文件交给 AI 生成 raylib 代码的完整流程。.drawio 本质是 XML 文本,AI 可按设计稿逐项还原按钮位置、十六进制颜色和居中文字。作者同时提醒,raylib 功能有限,复杂样式可能无法正常还原。

  3. 掘金72

    企业 AI 项目交付后 3 个月没复购:不是交付差,是这 3 件事没做

    作者第一个企业 AI 项目验收顺利,但等了 3 个月没有复购,甲方反馈系统一直在跑却没人说得清它帮上了什么忙。作者随后补上三件事:质保期每周发一份含调用量、成功率、P95、人工介入和兜底触发五个字段的运行台账(附一个读取 JSONL 日志的 Go 脚本);把检索、权限、审计、兜底抽成可复用底座,第二个场景只算增量报价;验收材料固定加一页讲清二期计价与运维口径。

  4. 掘金33

    第1章:Redis 术语全景与单线程工作原理

    本章把 Redis 从客户端、网络接入、命令执行、数据结构到生命周期分层拆解,讲清各术语在系统中的位置,并解释单线程事件循环的工作原理。Redis 快源于纯内存操作、epoll IO 多路复用与紧凑编码,但耗时命令会阻塞所有客户端,这是单线程模型最大的坑。

  5. 博客园15

    Ghost-Face 周记:用 Deeptotur 辅助学习,规划《逆袭导论》第三版与 SF-lean4 项目

    作者在周记中分享了利用 AI 学习框架 Deeptotur 配合 DeepSeek 模型 API 制定高中竞赛级学习计划的方法,并计划测试一学期验证成果。作者同时启动 SF-lean4 项目以将《软件基础》转换为 lean 4 版本,并规划重写约 3w 字的《逆袭导论》第三版,手动去除 AI 生成内容并增加个人经验。文中还总结了当前 AI 的四点局限性。

10月17日周六
  1. 掘金85

    ChatGPT for Chrome 扩展升级解读:从复制内容到替你操作浏览器(附三步上手流程)

    10 月 15 日 OpenAI 升级 ChatGPT 的 Chrome 扩展,可读取所有已开标签页作为上下文,授权后可替你填表、发消息、下载文件并整理标签页,免费账号即可使用全套功能。作者给出三步上手流程和两条可直接复用的提示词,并建议逐站授权、选「仅允许一次」以控制风险。作者实测发现信息交代越完整执行越稳,自己曾因联系方式没给全而返工。

    推荐理由:原文给出两条可直接复用的提示词和逐站授权策略,读者能照着把填表比价这类浏览器杂活交给 AI。

  2. 掘金61

    从能读取到能研究:我们如何把 Agent 的 PDF 工具升级为可追溯的多模态能力

    作者团队把投研 Agent 的 PDF 工具从纯文本提取升级为可导航、可核对证据的多模态研究能力。核心做法是把阅读拆成搜索、定位、读取三类接口,由 Reader 签发有效页面位置并独立记录文本、表格、页面图像的实际覆盖范围,资源上限按 PDF 与网页等内容类型分别约束(PDF 统一为 10 MiB,网页仍受 2 MiB 响应限制管理)。

  3. 掘金63

    搜「怎么做接口限流」,向量库却把「怎么做缓存」的段落递了上来

    作者给团队搭内部知识库问答时,同事搜「怎么做接口限流」却被递上「怎么做缓存」的段落;拆开链路发现根因在嵌入层把近义意图放成了邻居,而不是向量库。ANN(IVF、HNSW)只加速找最近邻,召回率是可调旋钮,但改不了「什么算最近」。文中给出 nprobe 与召回率的实测权衡数据、三个生产环境坑(后过滤召回塌缩、维度灾难)以及零依赖可复现代码。

  4. 掘金78

    Claude Code Hooks 入门:自动格式化、自动跑测试、拦截敏感文件

    这篇入门教程讲解如何用 Claude Code Hooks 把格式化、测试、文件保护等规则挂到生命周期事件上,由 Claude Code 确定性地执行 shell 命令,而不是写进提示词靠模型自觉。配置和字段按 2026 年 10 月的官方文档核对,作者未逐个实测;文中给出编辑后自动格式化、后台异步跑测试、拦截敏感文件、停下前确认测试通过四个示例,并讲清退出码、matcher 和常见排错。

    推荐理由:文章把 Hooks 的配置层级、事件类型和退出码讲得足够具体,读者可以照着在自己的项目里搭出格式化和敏感文件保护。

  5. 掘金69

    给 DeepSeek Harness 写费用插件:把会话花费算准

    作者为 DeepSeek Harness 开发了费用插件 dsh-spend-pill,在输入框下方显示本次会话的人民币花费,点击可查看分模型、分时段明细。DeepSeek 官方按高峰/空闲时段与缓存命中、未命中、输出三桶分别计价,插件改在 Host 侧用会话投影增量折叠计费,跨分页、跨上下文压缩与冷启动都由投影兜底。

  6. 掘金80

    实测开源逆向工具 REA:给游戏加新角色、拆解学习 APP,噱头大于实际

    作者实测开源逆向工具 REA(Reverse Engineer Anything),配合 Codex 和 GPT-6 Astra 成功给单机游戏《火影战记》新增角色迈特凯,并逆向出一个 Flutter 学习 APP 的工程结构。

    推荐理由:作者用三套模型组合实测同一工具,并提炼出 Flutter 加固只盖 Java 层、客户端密钥应放后端这一可迁移经验。

  7. 掘金77

    语义缓存:命中率上去了,却把问「今天天气」的人答成了「明天天气」

    作者用一次「今天/明天」答错的翻车,逐层讲透语义缓存的三层查询结构、阈值权衡与失效策略,并附可复现脚本。阈值扫描显示 τ=0.85 时假阳性率 0.50,压到 0.60 时达 1.00;GPTCache 论文报告命中率 61.6% 到 68.8%、正向命中率超 97%,另有生产案例把命中率从 18% 拉到 67%、月账单降 73%。

    推荐理由:作者用可复现的阈值扫描暴露假阳性随阈值变化的规律,并给出分区检索、judge 复核等可直接落地的工程对策。

  8. 博客园71

    用 Vibe Coding 从零开发论坛(上):从一句话需求到 MVP 上线

    作者用一个真实论坛案例演示如何指挥 AI 从一句话需求完成 MVP,先通过 feat skill 头脑风暴把需求收敛成两批功能清单和 MVP 外不做清单,再经数据建模、代码审核、BDD 验证与 M 阶段手动测试完成验收,并固定 E2E 回归基准。文章强调 AI 自报通过不等于真通过,用户的核心职责是在关键处决策和把关。

  9. 掘金59

    超体闭环迭代机制:让智能体越用越聪明的自我进化

    本文是《从0到1构建一个能“记住你”的智能体》系列第 9 篇、正篇收官之作,系统讲解超体的闭环迭代机制。全文围绕六环展开:全链路埋点、失败样本归因与自动反思、程序性记忆 Skill 化(沉淀计划骨架、执行轨迹与踩坑库)、记忆的近重复合并与遗忘衰减、生成→批判→精修→主编排的多智能体协作,以及由数字分身、规划执行、报告、写作等分身构成的智能体矩阵,并给出各环节对应的代码模块与真实翻车案例。

  10. 掘金82

    AI 写的代码越漂亮,越不敢改|Spec Kit 实战:7 阶段 + 多模型分工,终结许愿式编程

    这篇实战文章拆解 GitHub 官方开源的规范驱动开发工具包 Spec Kit(MIT 协议,仓库 spec-kit),并给出在 7 个开发阶段为不同任务分配不同模型的分工策略。Spec Kit 规定 AI 按顺序交出 constitution、spec.md、plan.md、tasks 等产物,另设 clarify、checklist、analyze 三个可选质量门;作者按

    推荐理由:作者把 Spec Kit 的七阶段流程落成可照抄的模型分工表,并给出每阶段的典型错误类型与换模型理由,可直接迁移到自己的 AI 编码项目。

  11. 掘金82

    解读 LangGraph 的 Supervisor 多智能体机制

    本文基于 langgraph-supervisor(v0.0.31)源码,解读 Supervisor 多智能体机制的用法与设计原理。核心做法是把主管做成普通 Agent、把派活做成工具,专家通过 handoff 工具返回 Command(goto, Command.PARENT, update) 交还控制权,外层图再按固定边回到主管。

    推荐理由:文章把 Supervisor 拆成 handoff、Command 和固定回路三个可复用机制,读者能据此判断自己的多 Agent 场景该不该加主管。

  12. 掘金68

    金标准五步:用一个文档问答 Agent 演示什么算对、怎么判

    作者提出把 Agent 评测的金标准从答案要点清单改写为一组判官可逐项执行的判定项,并给出五步流程:先定判官分工(LLM 做语义判定、程序做确定性检查与聚合)、拆必选与边界两栏判定项、写成可执行规则、按问题类型铺用例再补跨类型失败面、定 N/K 与抖动等判定参数。全文用一个文档问答 Agent 的 18 条用例演示,并指出某类问题写不出可执行判定规则时,应先回头补产品定义。