AI 写的代码，单元测试到底该怎么写？

AI 写的代码，单元测试到底该怎么写？聊个最近让我挺纠结的事。自从 Copilot、Cursor 这些东西铺开之后，我身边写代码的朋友明显分成了两派。一派是"AI 写完我就提 PR"，另一派是"AI 写完我还得自己过一遍才敢合"。而让我纠结的，是夹在中间的那件

最烦那种"我用 AI 三分钟搞定"的推文

最烦那种"我用 AI 三分钟搞定"的推文AI 确实能提效，但三分钟搞定的不是你的代码，是你的智商税。打开 Twitter 就想关掉每隔几天，我的 timeline 上就会出现一条类似这样的推文："以前写这个要两天，现在用 Claude/GPT/Copilot 三分钟搞定

你真的需要本地跑大模型吗？

你真的需要本地跑大模型吗？不卖课、不贩卖焦虑、不搞成功学。Ollama 火了之后，好像每个开发者都在本地跑模型。但说实话，大部分人的使用场景根本不需要本地部署。这篇聊聊什么时候本地有意义，什么时候纯属浪费时间。跟风的代价我身边至少有五六个朋友，装了 Ollama，下了好几个模型，跑了一下"

Context Engineering：比 Prompt Engineering 重要十倍的事

Context Engineering：比 Prompt Engineering 重要十倍的事不卖课、不贩卖焦虑、不搞成功学。Prompt Engineering 火了两年了，但我觉得大部分人关注错了重点。真正决定 AI 输出质量的不是你怎么写 prompt，而是你给它什么上下文。一个反直觉的事实我

AI 写的测试，到底能不能信

AI 写的测试，到底能不能信不卖课、不贩卖焦虑、不搞成功学。单元测试是 AI 最擅长的场景之一，但"写得快"和"测得准"完全是两回事。这篇聊聊 AI 生成测试的常见坑，以及我的一些踩坑经验。测试是 AI 的舒适区如果你问一个开发者"AI 最擅长写什么

AI Agent 和程序员的工种之争

AI Agent 和程序员的工种之争不卖课、不贩卖焦虑、不搞成功学。这篇聊聊 AI Agent——不是那种"未来已来"的营销文，而是我实际用了几个 agent 框架之后的真实感受。结论可能跟你想的不一样。先澄清一个误解很多人把 AI Agent 理解成"能自动完成任务的

当 AI 写代码比你快的时候，程序员到底该焦虑什么

当 AI 写代码比你快的时候，程序员到底该焦虑什么不卖课、不贩卖焦虑、不搞成功学。这是一篇关于 AI 编程工具的长文，聊聊我看到的真实变化，以及一些可能没用但诚实的判断。先说个事上个月我们组来了个实习生，入职第一天就用 Cursor 写完了我给他的练手需求——一个不算简单的 CRUD 接口，带参数校

别再裸调 API 了：一个 AI 应用的工程化架构长什么样

别再裸调 API 了：一个 AI 应用的工程化架构长什么样写给正在把 AI 塞进项目的你。不讲模型原理，只聊工程实践——从 demo 到生产，中间到底差了什么。你的 demo 跑通了，然后呢我见过太多这样的场景了。周末 hackathon，三个人憋了两天，拿 OpenAI 的 API 搭了个聊天机器

别焦虑了，这才是普通人在 AI 时代的正确打开方式

别焦虑了，这才是普通人在 AI 时代的正确打开方式不贩卖焦虑，只讲干货。这篇文章不会告诉你"AI 马上取代你"，也不会教你变成 Prompt 工程师——它要讲的，是一套普通人真正能用的生存策略。一个让人睡不着的数字去年年底，麦肯锡出了一份报告，说了一句话："到 2030

AI Agent 新范式：不是模拟用户，而是直接成为用户

你的浏览器就是 API。不需要密钥，不需要爬虫，不需要模拟。bb-browser 让 AI Agent 直接使用你真实浏览器的登录态访问任何网站——因为那就是你。一个反直觉的想法想象一下这个场景：你想让 AI 帮你查一下知乎热榜、看看 Twitter 上关于某个话题的讨论、或者从雪球获取几只股票的实