“把这个配置里的端口改成 8080。” 模型可以提出一个 `edit_file` 调用，却不会因为自己输出了 JSON，文件就真的发生变化。程序要找到工具、校验参数、执行修改，把结果写回上下文，再决定

AI写代码越来越强，"程序员的前景"成了所有人都绕不开的话题。有人开始用 AI 做副业，也有人在认真思考自己的 Plan B~这个1024，来掘金一起聊聊你的plan B是什么~

我这台只有晚上才开开刷抖音的电脑，现在每天在给我出图。打开一个网址，选个题材，写一句中文，三十多秒，一张图就出来了。 三个晚上之前，这台电脑还是台普通机器：8G 显存，16G 内存，平时上上网。 这事

AI 太火爆了。玛德，照这更新速度，真怕哪天就原地进厂了。 小说转漫画skills：https://github.com/aiskyhub/novel_to_comic

大家放假这七天，AI公司基本没停手。旗舰模型一款接一款地出，"永不下班"的智能体开始上岗，欧洲还甩出一个万亿参数的开放权重模型。热闹归热闹，10月3日的一封辞职信，给这场狂欢泼了盆冷水。下面按时间线捋

现在让 AI 写代码，已经不算新鲜事了。Claude Code、Codex、Cursor 这类AI Agent，一句需求丢过去，几分钟就能把功能连同单元测试一起交上来。 但交上来的这些代码，谁确认过真

Embedding 替换怎么评测：把索引成本算进成功任务 一个检索模型在公开榜单上分数更高，接入知识库后却可能让任务更贵。原因常常在检索之后：Agent 拿到片段是否足够作答、是否继续改写查询、是否把

网页上答对、接口里答错：同一个知识库，差的不是模型是入口 交付之后，我这边拿到过一类很有代表性的截图：同一句话，在对方自己系统的对话框里问，答案少了一段关键内容；我把这句话原样拿到网页上问一遍，是对的

AI 可以替我写代码，但我不能因此放弃理解代码的能力；AI 可以帮我解决问题，但我不能把判断问题的责任也交给它。

未来的程序员，大概率不再是单纯坐在屏幕前敲代码的人，而是能调度AI、定义业务、兜底风险的人。AI不会精准淘汰某一个人，它只会把差距拉得更大。时代对愿意调整、持续精进的人，通常不吝啬。

同样打开一个带有 100 条历史消息的 Agent 会话，rpi 用了 **16.9 毫秒**，Pi 用了 **194.9 毫秒**。 等到程序就绪，rpi 的进程驻留内存是 **21.4 MiB**

突然发现已经很久没在 juejin 平台静下心来写一篇技术博客了，因为我现在写的博客介绍的技术都是从 AI 来的，总是让我有一种不是我自己真本事的感觉，AI 时代也许死磕技术真的走到头了。 下面介绍一

DeepSeek Harness 官方的桌面端终于有了！ 桌面版自带运行环境，不需要先装 Node.js，也不用每次开终端启动服务。装好、配好账号或 API Key，就能让它读取本地文件、修改代码、整

掘金 X-lab · Coffee Talk，约你线下见一面！10 月 31 日来北京坐坐吧！正在做产品的朋友们，带着你的项目，你的困惑欢迎来线下和我们交流~

先说个我最近才搞明白的事。AI 读你的提示词，不是从头到尾一样认真的。 它开头看得最仔细，中间和结尾就开始走神。这意味着啥？你吭哧吭哧写了一大段背景，什么"我们团队最近在做……""考虑到市场竞争……"

别再裸用 Claude Code 了！32 个亲测技能 + 8 个 MCP 服务器，开发效率直接拉满！ 先晒一下我装完的效果（见下图），所有技能均实测可用。

用 DeepSeek Harness 跑任务，输入框旁边能看到上下文占用了多少，但光看一个百分比，很难知道里面到底装了什么。是对话记录越来越长，还是某次读文件、执行命令带回了太多内容？ 我们发给 Ag

DeepSeek 昨晚刚开源了 Harness：附万少的2 万字保姆级教程 就在昨天（8 月 13 日），DeepSeek 正式发布首款 Agent 产品 DeepSeek Harness（dsh），

用了两年多 GPT，最近几个月使用体验越来越不理想，于是我重新研究了一圈大模型 API 平台，尝试更灵活的模型调用方式。结合今年面试 50 多人的经历，我还折腾了一个「职场评测」Agent