AI 辅助开发的小程序「厨菜记」上线满月,30 天总收入 206.42 元
独立开发者用 AI 辅助完成大部分代码的小程序「厨菜记」上线 30 天,累计 UV 1,669,总收入 206.42 元,扣除成本后净利 77.42 元。三十天发出 17 个版本,AI 写了约 15,000 行代码,但会员定价、广告位等决策它一寸帮不上。收入中流量主广告 111.82 元、会员付费 94.60 元,9 单建单仅 4 单支付,支付成功率 44.4%,作者下一步计划拆支付漏斗。
独立开发者用 AI 辅助完成大部分代码的小程序「厨菜记」上线 30 天,累计 UV 1,669,总收入 206.42 元,扣除成本后净利 77.42 元。三十天发出 17 个版本,AI 写了约 15,000 行代码,但会员定价、广告位等决策它一寸帮不上。收入中流量主广告 111.82 元、会员付费 94.60 元,9 单建单仅 4 单支付,支付成功率 44.4%,作者下一步计划拆支付漏斗。
作者从零开发了本地智能体 Figo Agent,可在本地处理开发任务,并检查模型请求、工具执行、上下文与 token 用量。
AI 流式输出在下行主导、低频场景用 SSE 即可,只有双向实时、高频上行才必须换 WebSocket。
推荐理由:原文给出生产级 SSE 客户端代码与选型决策表,读者可直接对照排查自家流式接口的首字延迟与断线重连问题。
作者两年前用 MySQL 搭企业知识库,10 万条数据检索 800ms、准确率 42%,改用向量数据库加 RAG 后降至毫秒级、准确率拉到 96.5%。全文给出选型决策树(有 PG 用 pgvector、没 PG 用 Qdrant、亿级才上 Milvus)、混合检索加 RRF 融合加 Rerank 精排的完整 Java 链路,并复盘了一次小租户召回归零事故,结论是过滤条件必须下推到向量库执行。
作者分享了一套用 AI 写技术方案的方法:四段式 Prompt 链(需求消化、骨架生成、人填决策、评审模拟),配三道人审关卡和 3 个逐字可抄的模板。核心原则是 AI 负责让文档完整、人负责让文档正确,数字、选型结论和字段枚举必须人填。模板工具无关,ChatGPT、Claude、通义都能跑。
推荐理由:作者给出了一条可复用的四段式 Prompt 链和三道人审关卡,读者可直接套用到自己的技术方案评审流程中。
这篇笔记在 S04 的工具分发、权限检查和 Hooks 基础上加入 todo_write 与 reminder 计数器,解决 Agent 执行长任务时被测试失败带偏、上下文稀释后即兴发挥的问题。
本讲讲解 Agent Harness 中 Skill 与普通工具调用的区别,并给出一份可运行的 Skill 定义与运行器代码。同一份 summarize_module 定义在两个不同任务上零改动复用,边界以可求值判据在执行前拦截不合规任务,上层 Skill 通过编排子 Skill 实现组合。
本周 GitHub Trending 去重后 65 个项目中,AI/LLM & Agent 占 36 个、占比超 55%,Agent 生态持续主导榜单。竞争重心从模型能力比拼转向 skills、plugins 等可复用技能包的标准化封装,Anthropic、Vercel 同步推出相关项目。
作者两年前用 MySQL LIKE 做企业知识库,10 万条数据检索 800ms、准确率 42%,改用向量数据库 + RAG 后检索降到毫秒级、准确率升至 96.5%,本文完整拆解这条生产链路。
文章介绍规格驱动开发(SDD)方法,并演示如何用 Claude Code 自带的 CLAUDE.md、Plan Mode、自定义斜杠命令、Subagents 和 Hooks 搭出一套轻量 SDD 工作流。
作者介绍了 setup-matt-pocock-skills 与 ask-matt 两个技能的用法:前者为仓库初始化任务系统、分诊标签与文档布局等 AI 协作约定,后者根据问题所处阶段推荐合适的技能或流程。
作者用 Codex 串联 Vue 3、Three.js 和 Blender MCP,做了一套以武汉光谷为产业背景的三维楼宇大屏,页面按城市区域、园区总览、重点楼宇三层路径浏览。
编程语言六十年的发展史,本质上是一部不断做减法的历史。减法体现在三个层层递进的层面:抽象层级提升剥离了机器细节,声明式与语法糖简化了表达,最终沉淀为以极简与优雅为核心的设计理念。减法的极致是把"造语言"的权利交还给使用者——例如基于 VimL 进行面向对象封装的脚本语言 ObjectSense,核心代码在千行之内,并支持类似 Lisp 宏的微语言能力。
作者用 AI 生成了全部代码,做出文字冒险 + 模拟经营游戏「打工人模拟器·城市求生」,并以 MIT License 开源到 Gitee。游戏包含四维技能点、十几份普通职业、培训考证、社交恋爱、资产理财与随机事件等系统,还内置基于 Three.js 的第三人称 3D 霓虹城市漫游,28 个地点与终端模式地图一一对应。
Spring AI 2.0 的 Structured Output 模块通过 JSON Schema 约束大模型输出,可将 JSON 返回准确率从约 78% 提升到 99%。
作者开源 AHP-ACP Gateway,让 VS Code Agent Window 成为通用入口,在同一界面里切换 GitHub Copilot、Claude Code、Codex CLI 等任何兼容 ACP 的 Agent。
推荐理由:原文讲清了用 AHP 与 ACP 两层协议把编辑器和 Agent 解耦的思路,读者可把这套协议设计迁移到自己的 Agent 集成工作。
《带 AI 从零搭低代码平台》踩坑实录进入第五篇,作者按最新界面重写测试脚本并要求尽量全覆盖,强调用真系统、真数据而非 mock。im 相关功能同步推进:AI 依据表元数据生成 SQL,查询结果直接导出 Excel,SQL 出错自动重试、至少 3 次,单次返回不超过 100 条。ollama 暂不接入,qwen3.8-flash 的 key 放入 .env 后即可测试。
Chrome DevTools MCP 正式可用,它把 DOM 检查、控制台、网络请求、性能追踪、无障碍树和 Lighthouse 审计等能力通过 MCP 协议暴露给 AI Agent,让 AI 自己打开浏览器观察页面、复现问题并验证修复。
推荐理由:原文把 Chrome DevTools MCP 与 Playwright MCP 的定位差异讲清楚,并给出配置方式和权限风险,读者可判断是否在调试环节接入。
双越《程序员 1v1 访谈系列》第四期指出,AI 时代程序员应拥抱全栈开发,Agent 只能作为全栈基础上的奇兵技能,不能为躲避全栈而学 Agent。受访者为工作 12 年的前端程序员,失业 3 个月仍在学 Agent 尚未投递简历,作者提醒 gap 半年将对就业造成巨大挑战。建议以结果倒推执行,先投 10 家公司验证面试机会,别用宝贵时间赌培训机构免费引流视频的教学质量。
本文基于 Archon 的 YAML 工作流能力,设计了一条从 Issue 到 PR 的四阶段流水线(Triage 分流、Fix 实现、Validate 独立验证、Regression 回归),并把权限控制、失败升级和成本停止条件纳入同一套状态流转。
本文用约 2500 万参数的 Llama 风格教学模型,在 CPU 上把字节输入、参数计数、前向检查、注意力变体、MoE 与后训练连成可检查链路。模型配置为词表 256、隐藏维度 512、7 层、8 头、FFN 中间维度 1632,权重共享后合计 25,026,048 个参数;文本以 UTF-8 字节直接作为 token ID,省词表但拉长序列,密集注意力成本随之上升。
TKCode 是基于 .NET、Avalonia 与 AtomUI 构建的编程 Agent 桌面客户端,配套开发了流式 Markdown 组件库 StreamMark,统一接入本机 Claude Code、Codex 与内置 Agent。
claude-code-statusline 是一个 Claude Code 自定义状态栏工具,主栏支持 60 个显示项、子 Agent 行支持 14 个显示项,可集中显示模型、目录、Git、上下文余量、token 与任务用时。
作者用 vibe coding 做出一个自用网站后,总结了极简八步流程:先想清楚功能并写文档,再挑选 TRAE、Claude Code 等 AI 编程工具,让 AI 写产品需求文档并参考 GitHub 已有实现,然后拆分模块、开发代码并持续迭代。同时建议用 Git 加 Gitee 私密仓库备份代码,并让 AI 写 README.md 以延续项目思路。
本文讲解了模型流式返回 JSON 时前端边收边渲染的完整工程方案。核心是闯过三关:从 SSE 信封剥离 content 碎片、用栈机制把半截 JSON 补成合法 JSON、再用默认值视图函数加节流渲染防报错防闪烁。
作者在 DOS 6.22 上跑通了 Kimi 大模型,方案是 DOS 程序经 mTCP 发出请求,通过 QEMU 虚拟网关抵达 Windows 宿主机的 Python 代理,再由代理向 Kimi 官方 API 请求并把结果清洗成纯 ASCII 字符串返回 DOS 终端。
AI 时代程序员的价值重心正从写代码转向定义问题、设计系统、约束模型、验证结果与交付价值,只会 CRUD 和堆样板代码的岗位会被压缩。新身份是需求翻译者、AI 指挥官、系统责任者和质量守门人,需补齐模型调用、RAG、Agent、部署推理与工程治理能力。真正的护城河是业务理解力、系统架构力和责任判断力:AI 负责产出草稿,人负责设定约束和验收标准。
作者用码道 WebUI 做成一个单文件离线网页 TCP 三次握手与四次挥手可视化实验室,逐帧实测得出正常握手恰好 3 个报文、客户端 1.0 RTT 建连、服务端 1.5 RTT 才进 ESTABLISHED,全场景 4.5 RTT。
作者用 Claude Code 辅助开发了一个本地代理加 Tkinter 看板的小工具,把每次 DeepSeek API 请求记成带费用的明细,解决官方只提供余额查询接口、没有按请求消费明细的问题。
通过 LangChain 的 `create_agent` 可在 Python 中开发一个简单的 Agent,完整流程涵盖 uv 初始化、安装依赖、定义工具到发起调用。LangChain 提供统一模型接口(支持切换 OpenAI、deepseek 等服务商)、RAG 支持、工作流编排与记忆模块。Agent 执行遵循输入解析、思考规划、动作决策、工具执行、观察反馈的循环,直至输出最终答案。
策略模式与工厂方法模式组合,可将 if……else if…… 多分支代码重构为可互相替换、统一管理的算法类。以数据脱敏为例,将姓名、身份证、手机号、邮箱、地址的脱敏规则抽象为接口 SensitiveStrategy,各分支实现为独立算法类,由工厂方法按需创建调用。脱敏位置、替换字符、正则规则等可变因素抽离至 yml 配置管理,新增脱敏类型只需新增接口实现类,无需修改原有方法。
作者将自研 4 个月的本地优先 AI Agent 工作台 Real 开源,Rust 后端 + Tauri 2 桌面壳,几万行代码全部由 AI 生成、未手写一字。
作者用云端 AI 编程工具 MonkeyCode(长亭科技出品)搭建本地照片筛选工具,从输入需求到可运行界面约 3 分钟,方案选用 React + TypeScript + Vite 加 File System Access API,照片全程留在本地不上传。
作者从 Cursor 迁移到 OpenAI Codex CLI 大半个月后选择混合使用,Cursor 保留 Pro 订阅负责大重构和复杂代码库理解,Codex 负责脚本、快速原型和小改动。
作者在工作区根目录只维护一份权威约定文件(如 AGENTS.md),新会话第一件事先读它,避免重复扯皮和已否决方案复活。文件最小结构有四块:唯一事实信源、已确认的决策、绝对禁区与红线、交付与验证标准,其中记录了 2026-10-17 注销流程严禁物理删除订单、必须软删除加脱敏等决议。
作者用 C# 实现纯离线的 .NET 桌面 OCR 方案,把客户每周 6 小时的纸质单据 PDF 手工录入压缩到 20 分钟。
DeepSeek 于 10 月 17 日 18:07 将 V4.1 Flash 更新到 V4.1-Flash-1017,网页端、App、API 三端同步切换,API 名 deepseek-flash 与价格均不变。
推荐理由:实测发现 high 推理档下思考会吃掉大部分输出预算,代码生成需把 max_tokens 给足 32,000 以上,否则交付物被截断。
作者把桌面 AI 应用桌宠的点击交互从六段重复的事件处理代码重构为四段式管道:归一化、纯函数门控、配置表执行、事件广播。门控前置让不合格事件在构造动作前被丢弃,判断逻辑不依赖渲染器即可单测;执行器故意只做类型分发,避免双重节流。按住类交互借用开源项目 VPet 的 A_Start、B_Loop、C_End 三段式状态机,收尾时强制取消限时表情。
设计系统负责人在编译工作流中是上下游节点间的“契约恒定执行者”,依靠输入输出契约恒定执行标准,而非包办生产。上游要求三个翻译动作满足格式、语义、证据三条准入条款,机器负责格式与引用预检,人工把关证据与语义,不达标即退回。下游为四种编译产物规定消费约定与反馈回流机制,明确反馈触发的修订对象是规则定义与场景覆盖,而非评审标准本身。
作者排查