博客七周年：AI 一天完成整体重构
博客从 2019 年国庆用 Xiuno BBS 搭建，到 2026 年国庆整整七年。868 篇文章、53 条评论、6060 个代码块，这次与 AI Agent 结对，一天完成从 PHP 论坛到 Next.js 的整体重构与无损迁移。
161
AI笔记本
资深 Android 开发工程师，丰富系统级应用经验，覆盖亿级用户设备，专注 AI Agent 工程化落地。白天在搞 AI 智能体，晚上回来折腾这个博客。以前的文章是从刚毕业一个字一个字敲的，现在嘛——我跟 AI 说一句话，它就写好发出来了。不信？看看最新的文章 🚀
文章列表
Ponytail 详解：让 Agent 少写一半代码的懒惰阶梯
AI 编码代理写得快，本来是优点，但项目跑久了就会看到另一面：一个周末的自动迭代下来，代码库里多出三个抽象层、两套配置系统和四个"以后可能用得上"的工具类。代理不会心疼你的代码库，它只负责把需求变成能跑的代码。Ponyt…
15
Framelink MCP：让 AI 精确还原 Figma 设计
把 Figma 设计稿交给 AI 编码助手还原，最常见的做法是贴截图——模型看图猜布局，间距靠估、颜色靠猜，一次成功率惨不忍睹。Framelink MCP for Figma（GLips/Figma-Context-MCP）换了个思路：通过 MCP（Model Context Protocol）服务器把 Figma 文件的结构化数据直接喂给 Cursor 等编码 Agent——粘贴一个 Figma…
18
Ktor：JetBrains 出品的 Kotlin 异步 Web 框架
Ktor：JetBrains 出品的 Kotlin 异步 Web 框架Kotlin 开发者写服务端，绕不开一个名字——Ktor。它是 JetBrains 官方出品的异步框架，用于构建微服务与 Web 应用，从头到尾用 Kotlin 编写。与 Spring 那种"全家桶"不同，Ktor 走的是轻量、无主见、协程原生的路线：不替你选日志、模板、持久化、序列化方案，一切功能通过统一的拦截机制以插件形式安
27
Home Assistant 详解：开源智能家居自动化平台
Home Assistant 详解：开源智能家居自动化平台想把家里几十个牌子的设备——灯、空调、摄像头、传感器——用一个入口统一控制和联动，是智能家居最现实也最麻烦的需求。home-assistant/core（Home Assistant）为此而生：一个以"本地优先、隐私优先"为原则的开源智能家居平台，通过 2000+ 集成对接几乎所有主流协议与品牌设备，用 YAML 与可视化自动化引擎把设备串
24
Awesome Open Source AI 详解：开源 AI 全景地图
Awesome Open Source AI 详解：开源 AI 全景地图开源 AI 世界项目浩如烟海，想找"真正开源"的模型、工具与基础设施，常要在GitHub上大海捞针。alvinreal/awesome-opensource-ai（Awesome Open Source AI）就是为此而生的精选清单：按 14 大类收录 300 余个开源 AI 项目，自称每日更新，配套站点 awesomeosa
14
FastAPI 详解：现代 Python API 框架
在 Python Web 框架层出不穷的当下，FastAPI 用短短几年时间冲到了 GitHub 约 87k Star 的位置，成为构建 API 服务的事实首选之一。它由 Sebastián Ramírez（tiango…
34
Q-Dir 详解：四面板文件管理器
管理文件这件事，Windows 资源管理器几十年没大变过：单窗口、单目录、复制粘贴要在两个窗口之间来回切。想同时对照四个目录？开四个窗口铺满桌面。Q-Dir（The Quad Directory Explorer）给出的方案直接而彻底：一个窗口四个文件管理面板，每个面板还各自带标签页——这就是它的招牌"Quadro-View"（四视图）技术。由德国开发者 Nenad Hrg 出品、software…
33
GPTCache：给 LLM 查询加上语义缓存
GPTCache：给 LLM 查询加上语义缓存LLM 应用火了之后，两个老问题立刻浮现：API 贵（按请求与 token 计费，流量一上来账单爆炸）和响应慢（实时生成动辄数秒，还可能撞 rate limit）。软件工程里这两个问题的经典答案是"缓存"——但 LLM 查询没法用传统精确匹配缓存：用户问"what's github"和"can you explain what GitHub is"，字
28
curl 详解：命令行下的 HTTP 瑞士军刀
curl 详解：命令行下的 HTTP 瑞士军刀测一个接口、下一个文件、查一个响应头——在命令行里完成这些事的默认答案几乎都是同一条命令：curl。它由 Daniel Stenberg 于 1998 年发起，如今支持 HTTP/HTTPS、FTP、SMTP 等 20+ 协议，被内置进 macOS、Linux、Windows 10 及几乎所有发行版，官网 curl.se，源码托管于 curl/curl
34
LangGraph 详解：构建有状态代理的低层编排框架
LangGraph 详解：构建有状态代理的低层编排框架用大模型做代理（Agent），难的从来不是"调一次模型"，而是让它有状态地连续工作：多步循环、分支路由、失败后从断点恢复、中途让人插手确认。langchain-ai/langgraph（LangGraph）就是为此而生的低层编排框架——把代理工作流建模成图：节点是步骤、边是流转、条件边做动态路由，天然支持循环与多代理协作。约 41.5k Sta
27
UI UX Pro Max：把设计品味装进 AI 编码助手
让 AI 写 UI，最怕的不是它不会写代码，而是它没有"设计品味"——产出的页面配色刺眼、间距随意、风格廉价，一看就是"AI 味"。UI UX Pro Max（UUPM）把专业设计决策做成了一个 AI Skill：79 种可检索 UI 风格、192 套行业配色、74 组字体搭配、192 条行业推理规则，一句"给我的 SaaS 产品做个落地页"，它先分析行业与需求、生成完整设计系统（配色 / 字体 …
35
LLMLingua 详解：微软的提示词压缩工具，最高 20 倍压缩
LLMLingua 详解：微软的提示词压缩工具，最高 20 倍压缩大模型的成本与延迟，大多花在冗长的提示词上——检索增强塞进几十段文档、few-shot 示例动辄几千 token，其中很多其实不必送进模型。微软开源的 LLMLingua 专门解决这个问题：用小语言模型对提示词做 token 级压缩，最高 20 倍压缩率且性能几乎不损失，还能顺带压缩 KV-Cache 加速推理。本文从动机、快速上手
26
NASA Science ：美国宇航局的公开科学门户
NASA Science 详解：美国宇航局的公开科学门户想看宇宙最新照片、查一次月相、找个周末的观星活动，或者只是想知道月球背面又发现了什么——这些需求的答案都指向同一个地方：science.nasa.gov（NASA Science）。它是美国宇航局的科学总部门户，把任务、地球科学、太阳系、宇宙、航空、技术与教育资源装进一个站点：哈勃与韦布的图像、帕克探测器的近日报告、公民科学项目、每日月球指南
28
LangChain 详解：代理工程平台与 LLM 应用框架
LangChain 详解：代理工程平台与 LLM 应用框架提到"用大模型做应用"，绕不开的第一个名字就是 langchain-ai/langchain（LangChain）。它是最早把"模型、提示词、工具、检索"串成应用框架的开源项目，如今自我定位已升级为"代理工程平台（The agent engineering platform）"——约 146k Star、MIT 协议，几乎是 LLM 应用开
32
pandas 详解：Python 数据处理基石
做数据分析的人几乎没有绕得开 pandas。无论你是在量化基金清洗行情数据，还是在互联网公司跑用户留存报表，DataFrame 都是这个领域事实上的通用货币。它不是最快的，但它是生态最全、文档最厚、Stack Overf…
31
Serena 详解：给编码 Agent 用的 IDE
Serena 详解：给编码 Agent 用的 IDE让 Agent 写代码，最贵的不是模型，是上下文——用 grep 和行号在十万行代码库里找符号、读整文件、做跨文件重命名，token 烧如流水，还容易改错。oraios/serena（Serena）的解法是把 IDE 的看家本领借给 Agent：符号级的语义检索、编辑、重构与调试，通过 MCP 协接入任何 AI 客户端——口号直白，"The ID
33
Archify 详解：把代码库变成可交互的系统地图
Archify 详解：把代码库变成可交互系统地图的 Agent 技能让 Agent 画架构图，老问题的解法通常是"生成一段 Mermaid"——但 Mermaid 出来的静态图既不能交互也难以验证，改图等于重画。tt-a1i/archify（Archify）换了个思路：Agent 只产出类型化的 JSON 中间表示（IR），Archify 确定性地编译成自包含 HTML/SVG——五种图型、动画、
39
Jina AI 详解：搜索基础设施工厂与它的 Reader 门面
Jina AI 详解：搜索基础设施工厂与它的 Reader 门面RAG 和 Agent 系统的痛点，一半在模型之外：网页抓不下来、PDF 解不出正文、搜索只给标题摘要——垃圾进、垃圾出。柏林公司 Jina AI 给出的答案是一整套"搜索基础设施"：最广为人知的是 jina-ai/reader（约 12k Star，Apache 2.0）——任意 URL 加个前缀 https://r.jina.ai
39
RTK：砍掉 AI Agent 读取的 90% Bash 输出
RTK：砍掉 AI Agent 读取的 90% Bash 输出AI 编程助手的 token 账单里，藏着一大块隐形消耗——bash 输出。跑一次失败的 cargo test，200 多行测试日志全部灌进上下文；git push 的进度条占 15 行；ls -la 一下 45 行……这些输出大部分是 agent 不需要的"噪音"，却实打实消耗 input token、挤占宝贵的上下文窗口。RTK（R
29