
AI 的天花板,比所有人说的都低
TL;DR
“AI 短期高估、长期低估”是个被金融叙事撑着的半个命题。LLM 的效用域被锁在符号空间,软件工程的生产率从来无法测量——“长期低估”成立,需要一种根本不同于统计学习的新范式。

“AI 短期高估、长期低估”是个被金融叙事撑着的半个命题。LLM 的效用域被锁在符号空间,软件工程的生产率从来无法测量——“长期低估”成立,需要一种根本不同于统计学习的新范式。

Copilot 改计费之后,credits 烧多快看不见、账单来了才慌——做了个桌面硬件监控台,实时盯着月度和今日用量,放桌上一眼就知道今天烧了多少。
之前写过一篇「从前慢:两种慢,两种命运」,聊的是 GitHub …

同一份代码审计任务,MiniMax M3 花 $0.07 找到 13 个问题,Claude Opus 4.8 最贵一档花 $3.39 也不过找到 15 个——便宜模型正在逼近专有模型的能力边界,这个趋势值得每个重度使用 LLM …

AI 消除了工作流里的摩擦,却也悄悄跳过了成长路上的必经之路。GitHub Copilot 改计费只是一个信号:不是所有的慢都该变快。
2026 年 6 月 1 日,GitHub Copilot 改了计费规 …

《Harness Engineering 又来颠覆了》提出了三条原则,《蒸馏 Google 工程基因》介绍了 agent-skills——但「状态持久化」那条原则一直没有落地答案。这篇用一个真实项目 jk 走完一次 …

AI 正在同时击穿两种漏洞披露文化赖以成立的前提,开源软件的透明度优势正在变成安全负担,用户和维护者都面临前所未有的压力。
2026 年 4 月 29 日,Copy Fail …

AI coding agent 默认以最快速度到达「完成」,跳过写 spec、先写测试、上线检查这些在 diff 里看不见的工作。Addy Osmani 把 Google 二十年的工程实践蒸馏成 agent-skills——20 …

TL;DR:Atlassian 宣布默认使用用户数据训练 AI,这不是意外,而是行业惯例。本文梳理海外和中国主流平台的数据训练政策,拆解背后的三个共同规律。
2026 年 8 月 17 日,Atlassian …

TL;DR:2024 年底到 2025 年初,AI 编程工具曾以远低于成本的价格开放旗舰模型访问权限。那个窗口正在系统性地关闭,本文用完整的数据还原这个过程。
2024 年底,你花 20 美元 订一个 Cursor Pro,可以全天调用 …

不是新浪潮的开始,而是旧范式的收尾
最近读到三篇文章,单独看各有意思,串起来读更有意思。
第一篇来自前端开发者 Adam Argyle,标题直白:《AI 为什么在前端表现糟糕》。第二篇是宾夕法尼亚大学和波士顿大 …

TL;DR:用 OpenClaw 全程操控远程 VM,从 Terraform 建机器到安装配置 Hermes Agent,并在实测中触发了自我进化,生成了一个高质量 Skill。
前几天,朋友向我安利了 Hermes Agent …

用 opencode-telegram-bot,把 Telegram 变成本地 OpenCode 的远程终端。配置不超过 10 分钟,无需开放端口,代码不离开本地。适合个人电脑长期在家、需要随时远程驱动本地 AI 编码环境的场景 …

在完成了 GitHub Copilot SDK 入门:五分钟构建你的第一个 AI Agent 后,本文将带你深入理解 SDK 的底层设计:
核心架构:

GitHub Copilot SDK 的核心价值不是“调用 LLM”的便利性(这已经被 OpenAI SDK、LangChain 等解决),而是提供了一个经过生产验证的 Agent 运行时。
它解决的真正问题是:

两周前,KiloCode 发布了 v4.141.0 版本,这个版本带来了一个重要特性:原生支持 Agent Skills。
在此之前,我在 KiloCode 中使用 skills 需要在一个 main rule 中手动 …