我用 100 个线程跑了一场秒杀，没等来超卖，等来了更阴险的东西
100 线程秒杀实测：1500 次请求全部成功、库存一分没超卖、账面却剩 793 件。比超卖更阴险的丢失更新，以及为什么单元测试全绿也发现不了。
测试挂了不用喊人：我给 CI 装了个会自己修 bug 的循环，AI 修完我还得改回来一处
搭一个测试挂了自动喂给大模型、拿 patch 重跑的最小自愈闭环。AI 一次修对公式 bug、保住审批规则，但顺手删了金额舍入——测试全绿不等于修复正确。
AI Agent 拆开看就是 if 语句？我写了个对照实验，发现真正的问题在别处
同一个客服任务，if/else 版和大模型版对照实测：常规消息打平，长尾消息 0% 处理率对比全部接住——但 LLM 赢得并不干净。
克劳德代码时代的自助创业：AI悄然颠覆旧版创业手册
我想讲讲两位创始人的故事，因为我觉得他们的故事能比任何统计数据说得更清楚这个整体转变。 第一位创始人花了四个月时间做 pitch deck。她反复修改幻灯片，次数多到自己都数不清，两次飞往旧金山，参加了十一场投资者会议，感觉都差不多，收到了一堆“我们再聊聊”的邮件，却始终没有后续。终于有一位投资者点
相同模型，13.3%至38.3%
两种 API 配置。模型相同。基准相同。任务集相同。 从 13.3% 提升至 38.3%，仅使用原来六分之一的输出 token。 OpenAI 在 ARC-AGI-3 上发布了关于 GPT-5.6 Sol 的这一结果，这是该领域在过去一年里我一直从第一性原理讨论的问题上所能产生的最干净的自然实验。模
从AI解决方案到知识共享：为社区构建MCP
这是一份针对 周末挑战：慷慨版 的提交 别只问 AI，把答案分享出来。 AI 是软件开发的真正倍增器，也是快速解决技术问题的理想伙伴。 但所有这些知识 — — 我们自己留着，或者说，我们失去了它们。 故事总是止步于此。 提问 → 回答 → 问题解决 — — 对话沉入聊天记录，消失不见。 然后另一个人
Copilot Studio 与 5 种不同的 Agent 构建器
我们都知道微软在 AI 和代理方面一直全速前进，随之而来的是变化（以及重命名 😎），但这也带来了重复和重叠。正是如此，我们在 M365/Power Platform 中得到了 5 种不同的代理构建工具。请注意，我没有包括 Foundry/Azure 构建工具，因为它们更多属于过程代码领域，而 M36
在旧电脑上运行本地LLM：简单的家庭实验指南
目录 为什么在家运行 AI 模型？ 什么是本地 LLM？ 您需要什么样的电脑？ 安装 Ollama 下载您的第一个模型 开始对话 如果模型太慢怎么办？ 创建家庭实验室助手 从其他程序使用 Ollama 添加网页界面 常见问题 家庭实验室项目创意 保持您的设置私密 接下来有什么？ 最后的想法 为什么在
我让AI设计工具搭建了我的作品集网站——客户注意到了
作品集网站应该让潜在客户轻松回答三个问题：你做什么，你为谁工作，以及你能否真正交付？问题是，构建一个能够传达这三点的作品集往往比预期花费更长时间。我想看看 AI 设计工具是否能在不让网站看起来像另一个通用 AI 生成模板的情况下处理第一个版本。 于是我在这些工具中使用了相同的核心需求——Figma
在 DigitalOcean 推理平台上，六个模型竞速，最便宜者获胜
每次要把模型挂到端点后面，我都会做同一个偷懒的决定：随手挑上次用过的，或者最近刚读到过的那个，然后告诉自己“回头再正经跑一次基准测试”。可“回头”永远不会来——总有真正赶截止日期的活儿排在前面，而比较模型延迟这种事，哪怕不算拖延，感觉上也像是在拖延。所以我从没做过，一次都没有。 于是我干脆写了个工具