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。
320
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
NEW开源
Open Pencil：开源 Figma 平替设计编辑器
Figma 订阅费年年涨，而它对 AI 时代的回应却姗姗来迟——设计工具的"开源平替"呼声一直不断，真正能打的却不多。open-pencil（Open Pencil）交出的答卷相当完整：AI 原生的设计编辑器、开源的 Figma 替代品——Vue 3 + Tauri v2 + Skia 渲染引擎的桌面应用，提供画布、图形、画板、页面等核心设计能力，AI 功能（文生 UI、选中改写）以 API Ke…
16
NEW开源
minikube：本地 K8s 实验场指南
项目地址：https://github.com/kubernetes/minikube 定位：本地 K8s 集群（默认单节点）的一键搭建工具——学习、开发、演示的标准答案，K8s 官方维护。 | 元信息 | 说明 | |…
22
NEWAI
ChatDev：从虚拟软件公司到零代码多智能体平台
ChatDev：从虚拟软件公司到零代码多智能体平台2023 年，清华 OpenBMB 开源的 ChatDev 以一个狂想的设想火遍全网：让 AI agent 组建一家"虚拟软件公司"——CEO 定需求、CTO 做架构、程序员写代码、测试员找 bug，各司其职地"开会"，把一句想法自动变成可运行的软件。它是"多智能体协作"最出圈的启蒙教材。2026 年 1 月，这个项目完成了一次华丽蜕变：ChatD
22
NEWAI
Jan 详解：100% 离线运行的开源 ChatGPT 替代
Jan 详解：100% 离线运行的开源 ChatGPT 替代想在本地跑大模型聊天，老牌选手是 Ollama——但它是引擎，不是产品；想要 ChatGPT 那样的完整界面，又不想数据出本机，janhq/jan（Jan）给出的答案是"两者合一"：一个 ChatGPT 形态的桌面应用，下载即用，LLM 在本机跑、对话数据本地存，全程可断网；想接云端时 OpenAI / Claude / Mistral
8
NEWAI
Ultralytics 详解：YOLO 视觉开箱即用
做计算机视觉的工程师大概都绕不开 YOLO，而提起 YOLO 的工程化落地，Ultralytics 几乎就是默认答案。这个仓库把检测、分割、姿态估计、深度估计这些原本要拼多个框架才能完成的任务，收进了一个统一的 API …
10
多模态开发（12）：成本、延迟与场景决策
《多模态开发实战》走到第 12 篇，收官。前 11 篇把图、文、视频、音频的输入与输出逐个拆开讲透：看得见的视觉、画得出的生成、听与说的语音，最后总装成多模态 Agent。零件都造完了，这篇不做新零件，做决策——真实选型…
15
多模态开发（11）：组合输入输出的工作流
《多模态开发实战》前 10 篇一直在造零件：看图（第 2、3 篇）、看视频（第 4 篇）、画图（第 5、6 篇）、说话（第 7 篇）、听话（第 8 篇），每个模态单独拆开讲透。零件齐了，本篇做总装——把它们组合成一个完整…
18
多模态开发（10）：Qwen-VL/Llama 视觉系
前 9 篇里，我们的图像理解、语音转写、视频分析几乎全部跑在闭源 API 上——快是快，但票据里有客户名称、截图里有内网拓扑、病历里有身份证号，这些图每出一次域，安全评审材料就厚一页。这篇是《多模态开发实战》第 10 篇…
21
多模态开发（09）：全双工对话 Agent
第 7 篇讲 TTS 解决了"说"，第 8 篇讲 ASR 解决了"听"，把两者与 LLM 串成流水线，看起来就能对话了——识别成文字、交给模型、合成语音返回。真跑起来你会发现每轮问答要卡一两秒，而人对话的换句间隔只有两三…
16
多模态开发（08）：Whisper 与流式识别
上一篇的 TTS 把文字变成语音，本篇把方向反过来：语音怎么变回文字。ASR（Automatic Speech Recognition，自动语音识别）是 RAG 与 Agent 接收语音输入的基础设施——播客转文字入库、…
19
多模态开发（07）：API 与开源方案
把博客变成播客要几步？技术上三行代码就够：调一个 API，传一段文字，落一个 MP3。但真把它当产品做，"能响"和"能用"之间隔着一整个工程——多音字读对了吗，长文章怎么切，各段音量一致吗，克隆声音的法律风险谁来背。本篇…
18
多模态开发（06）：提示词、编辑与批量
第 5 篇把"从零生成一张图"讲完了：模型选型、文生图提示词、尺寸与质量参数。但生产里的图像需求，一大半不是凭空生成，而是改已有的图——电商要把产品图批量换成节日氛围背景，家谱项目要修复扫描的老照片，运营要让同一角色出现…
22
多模态开发（05）：DALL·E/GPT-Image/FLUX API
本系列前四篇都在解决"看图"：图片怎么编码送进模型、图表数字能不能信、UI 截图怎么变成点击坐标。输入侧打通之后，自然轮到输出侧——让 API 替你画图。2026 年的图像生成 API 已经从演示玩具变成了基础设施：博客…
16
多模态开发（04）：帧采样与时间推理
本系列第 3 篇把"看图"落到了文档、图表、UI 三个场景，但真实业务里还有一大块内容天生是多张图的序列：教程录像、会议回放、产品演示、监控片段。视频就是图像加上时间维度——多了这一维，输入方式、token 账、信息取舍…
24
多模态开发（03）：文档/图表/UI 理解实战
本系列第 2 篇解决了"怎么把图送进模型"：base64 还是 URL、分辨率怎么选、token 怎么算账。但会发图不等于会干活——真正值钱的问题是：扫描件 PDF 怎么变成结构化数据，柱状图里的数字能不能信，一张 UI…
18
多模态开发（02）：图像输入与结构化提取
在 Agent 系列里我们用十几行代码让模型看过一次图：把截图转成 base64 塞进消息就完事。那样跑通 demo 够了，可一旦进了生产，问题接踵而来——为什么同一张图三个厂商标价差三倍？为什么手机拍的图在服务端被"躺…
19
多模态开发（01）：统一架构时代的输入输出
写这个系列之前，我已经写了四个系列：上下文工程、评测驱动开发、本地大模型部署、TypeScript Agent 开发。回头看，它们有一个从未被挑战过的共同前提——输入输出都是文本。Prompt 是文本，工具返回是文本，评…
16
Claude Code 官方插件市场详解
装了一堆 Skill 之后，Claude Code 用户很快会撞上下一堵墙：Skill 只是"指令包"，而一个完整的扩展还需要命令、MCP 服务器、Agent、Hook 的组合与版本管理。Anthropic 的回应是 Plugin 体系与它的官方目录 claude-plugins-official——约 3.76 万 Star、4.2k Fork 的官方策展插件市场：内部插件由 Anthropic…
19
Figma MCP Server 详解：设计稿直连 AI 编码
设计稿到代码的"最后一公里"终于有了官方解法：把 Figma 链接丢给 Claude Code 或 Cursor，它自己读图层结构、取设计变量、按你的组件库生成代码——中间的翻译层就是 Figma 官方的 MCP Server。它提供远程与桌面两种接入方式、四十多个读写工具，覆盖从读设计、生成代码到反向写画布的完整双向管道。本文按"接入方式、客户端配置、读设计、写设计、设计系统对接、实战建议"组织…
24