相信很多开发者都有过类似经历。 刚开始使用 AI 的时候： AI 回复非常清晰。 但是聊了一段时间之后： 添加需求； 修改方案； 优化代码； 补充业务规则； 几十轮之后，AI 开始出现： 忘记之前规则

本周话题推荐 一周“金”选 内容评审们会在过去的一周内对社区沸点进行挖掘和筛选，优质的技术、生活内容有机会出现在下方榜单中，排名不分先后。

一、端侧模型：AI 也要"本地化" 1.1 远程 API 调用的痛点 老师说： 远程调用的三大问题： 问题 说明 比喻 贵 百万 Token 几块钱，频繁调用钱包疼 每次打车去吃饭，不如楼下小吃店 不

RAG 并不是一套突然出现的复杂架构，而是在解决真实问题的过程中逐步演进的。本文将纵览 Naive RAG、Advanced RAG、Modular RAG、纠错、图检索、多模态、智能体、评测与运营等

这是一个系列 Blog，作者将以一个 PHP 全栈工程师的身份，利用 AI 工具（claude code、codex、deepseek、豆包等）：从零开始学习 golang 语言，并最终完成实战项目。

上一篇最后停在 launchRepl() 和 runHeadless()：一次会话已经准备好了，模型、权限、Tools、Skills、Agents 和 MCP 也已经装进了运行环境。 这篇文章讲一个最

一段被复制粘贴 4 遍、没人敢动的 Vue 报表代码，我用 AI 抽成 1 个方法 + 1 个组件，改样式从此只动一处。完整 Prompt 公开。

索性爬起来，打开电脑，用 Claude Fable 5 把想法一点点敲了出来。把基于中央气象台、日本气象厅、美国 JTWC、台湾气象署四家的路径数据放在同一张地图上之后，很多事一眼就看明白了

好久没聊 Agent 了，今天继续聊聊 Agent 的关键实现要点，事实上一个 Agent 在日常生产里最主要的问题就是可控和可靠，所以虽然理论上 Agent 就是 LLM + Tools + RAG

你好，我是小 G。 我在 AI 编程 Skills 选型清单 和 强模型时代，AI 编程 Skills 还有必要装吗？ 这两篇文章中，都提到了 mattpocock/skills，grilling 还

问 AI 编码助手“认证链路最后在哪里写数据库”，它往往先翻十几个文件；换成“这个函数影响哪些模块”，又得从头 grep 一轮。仓库一大，这些临时搜索很快就会挤满上下文，最后给出的调用关系还可能不准。

OpenClaw 的 Peter 是懂嘲讽的，之前也是他提的，Prompt Engineering 已经成为过去，开始要进入 Loop Engineering 了，然后最近他发现，大家已经开始炒 Gr

Claude Opus 5 模型全新发布，只用一半的价格，追平 Claude Fable 5 旗舰模型？我用 7 个实战项目测评 AI 编程能力，前端、后端和全栈开发能力如何？看到最后的例子我惊呆了

06 | 把 meta_config 同步进 MySQL（生成阶段） 这是一篇系列文，请按顺序阅读。 本文目标 NL2SQL 召回前，要先把业务元数据灌进各个存储： MySQL meta 库：结构化元

一个月前，我写过一篇关于 Loop Engineering 的文章：《Harness 还没学会，又来了个 Loop Engineering ？》 Coding Agent 已经能自己写代码，但 App

我最近把开发主力从 Claude Code 换到了 Codex。 不是 Claude Code 不好用。相反，它在终端里一直很顺手，改代码也快。只是我慢慢发现一个问题：很多需求在终端里聊得热火朝天，最

07 | 把字段与指标同步到 Qdrant（生成阶段） 这是一篇系列文，请按顺序阅读。 本文目标 NL2SQL 生成 SQL 之前，需要先召回与用户问题相关的字段和指标。 上一篇已经把结构化元数据同步

一颗西瓜，为什么值得用 3D 来做？ 因为它不只是一个红绿配色的图标。切开的果肉、薄薄的白瓤、深浅不一的瓜皮纹、黑色瓜籽和刚从冰箱拿出来的水珠，才是大家对“夏天第一口西瓜”的共同记忆。 这次我用 np

引言：一个正在发生的转向 2025 到 2026 年，AI Agent 的工程讨论经历了明显的重心转移。 早期重点在 Prompt Engineering——如何把一次模型调用写得更稳、更可控。随后进