在 V2EX 上看到一个帖子，标题是”现在 AI 编程聪明得令人后背发凉”。帖主分享了一个场景：用 AI 写了一个 200 行的小工具，调试过程几乎没有人工介入，最后跑通了。 我跟几个在一线写代码的朋友聊了聊，真实情况比帖子讲的更复杂。 什么场景 AI 真的强 * 重复性代码生成（CRUD、单元测试） * API 对接和文档摘要 * 正则表达式和复杂字符串处理 * 陌生技术栈的起步代码 这些场景 AI 编程已经把效率差异拉开几个档次。 什么场景 AI 会”发凉” * 业务逻辑复杂、跨多个领域交织 * 需要理解组织内部约定的隐含规则 * 性能调优、内存泄漏这类需要经验积累的

Read More

客服系统选型的时候，Intercom 和 Zendesk 是常见选择，但贵。ChatWoot 31k star 给出了一个免费的开源替代方案，用了一段时间，记录一下感受。 为什么考虑自建 * 省钱：Intercom 最低 $74/月，ChatWoot 完全免费 * 数据可控：客户对话数据不出公司 * 定制灵活：按业务需求改，不是被平台功能牵着走 部署体验 Docker 一键部署，大概 20 分钟跑起来。 1 2 3 4 5 docker run -d --name chatwoot \ -e POSTGRES_PASSWORD=secret \ -e REDIS_PAS

Read More

Fable 5 的系统提示词被人扒出来在社区传开了。我仔细看了一遍，说几个有意思的地方。 CoT 部分 它的链式思维不是简单加个 “think step by step”，而是有结构化的中间步骤设计： * 先理解用户意图（意图分类） * 再判断需要哪些工具 * 最后组织输出格式 这套结构用在自己的 Agent 项目里完全可以借鉴。 Tool Use 部分 工具描述写得很细，不只是名称和参数，还包含了使用约束。比如什么情况下优先用搜索，什么情况下直接给答案。这比很多开源 Agent 的 tool description 精致得多。 Memory 设计 最值得看的是它的记忆模块设计

Read More

GitHub 上有一套 Self-Hosting 指南，21k star，涵盖了从零开始搭自托管服务的完整路径。适合想摆脱云服务依赖、注重数据隐私的开发者。 核心内容 LLMs 本地部署 * Ollama 本地跑 LLM（最简单方案） * llama.cpp 量化模型跑在普通 CPU 上 * 硬件推荐配置（显存、内存） WireGuard 异地组网 * VPS 上搭 WireGuard 隧道 * 手机/电脑如何接入内网 * 绕过网络限制的实操 Home Assistant 智能家居 * 本地控制米家、Yeelight 设备 * 不走云端，不数据上报 * 自动化场景

Read More

WWDC26 凌晨结束，熬夜看完，整理一份不水的长文总结。 Liquid Glass 设计语言 这次 iOS/macOS 统一引入了 Liquid Glass 设计风格：毛玻璃进化成流动玻璃质感，有物理厚度感，交互时会有真实的折射反馈。 实测观感：光影效果比华为的毛玻璃更精致，代价是 A17 及以上芯片才跑得顺滑，老设备会卡。 Apple 智能大升级 Apple Intelligence 进入 2.0 阶段： * 跨 App 联动：Siri 可以直接操作第三方 App 了，不再限于苹果自带应用 * 语义搜索升级：照片和备忘录可以理解自然语言意图 * 写作助手：全系统级别的文本润色

Read More

新电脑到手第一件事就是跑 Win11Debloat。这个脚本 GitHub 上 48k star，解决的问题很直接：Windows 预装的那些用不着的 App 和后台跑着的遥测进程。 脚本能做什么 * 卸载预装 App（一键勾选，不需要一个个手动删） * 关闭 Windows 遥测 * 禁用 Cortana * 关闭任务栏搜索云端功能 * 调整隐私设置 实测效果 新机跑完大概省了 2-3GB 内存占用，后台进程少了 10 个左右。最明显的感觉是开机后不再有莫名的磁盘写入活动。 注意事项 关闭遥测对某些功能有影响： * 剪贴板云同步会失效 * 部分系统设置推荐会失效 *

Read More

之前写了 Agent-Reach 的介绍，有读者问和其他类似工具比起来怎么样。横评了一下，结论比较清晰。 参与横评的工具 * Agent-Reach（刚介绍过） * Claude Code 内置搜索 * Browserbase * Firecrawl 功能对比 工具免费额度平台覆盖API 支持Agent-Reach无限广无Claude Code有限额窄有Browserbase$49/月起广有Firecrawl$15/月起中有我的判断 如果你免费优先，Agent-Reach 是最好的选择。无限调用，平台覆盖够用。 如果你要商用，Browserbase 更稳，API 支持完善，技术文

Read More

前两天在 GitHub Trending 上看到一个有意思的项目，叫 Agent-Reach。上线没多久已经 31k star，说明需求是真实的。 它解决什么问题呢？简单说：给 AI Agent 装上眼睛，让它能自己上网查资料，而不是靠我们喂。 能做到什么 一个命令搞定： * 搜 Twitter/Reddit 上的讨论 * 查 YouTube 视频内容 * 爬 GitHub 仓库信息和趋势 * 刷 B站弹幕和评论 * 翻小红书笔记 关键是完全免费，不需要申请任何 API key。 装起来试试 1 2 npm install -g agent-reach agent-re

Read More

coding-interview-university 是 GitHub 上最火的面试准备仓库，352k star，作者是一个 Google 工程师写的学习计划，用来弥补科班和实际工作之间的 gap。 这个计划解决什么问题 不是教你”背答案”，是帮你建立完整的计算机科学知识体系： * 数据结构与算法 * 操作系统基础 * 网络协议 * 数据库 体系不完备的工程师，面试算法题能做出来，但说不清楚为什么，面试表现就是差一口气。 时间安排 官方建议每天 4-8 小时，3-6 个月完成。如果是在职，建议拉长到 6-12 个月。 我的节奏是每天 2 小时，周末 4 小时，大概 8 个月

Read More

去年 Claude Code 出圈的时候，大家就在讨论 Computer-Use Agent 这个方向。现在 CUA（Computer-Use Agents）方向终于有了开源基础设施。 CUA 是什么 CUA 是一个开源项目，包含三块核心能力： Sandbox：为 AI Agent 提供隔离的桌面环境。跑自动化任务的时候不用担心把系统搞崩。 SDK：直接对接主流 Agent 框架，不用自己写底层对接代码。 Benchmarks：一套评测标准，衡量你的 Agent 到底能不能稳定完成桌面任务。 实测效果 我拿官方提供的示例跑了几个场景： * 自动填表：成功率约 70%，复杂交互会卡

Read More