AI 时代到底应该学什么
今年的热点已经换了好几茬。年初还在聊 Harness,年中变成 Loop Engineering,现在又开始讲 Graph Engineering。名字一个接一个,每个都说自己代表下一代工作方式。
共 76 篇文章。
今年的热点已经换了好几茬。年初还在聊 Harness,年中变成 Loop Engineering,现在又开始讲 Graph Engineering。名字一个接一个,每个都说自己代表下一代工作方式。
最开始我把 Skill 理解成一种更完整的 Prompt:把流程写清楚,把注意事项补全,再加上一些示例,效果应该就会越来越好。
最近在规划一个基于开源 Agent Runtime 的桌面客户端,UI 开发很快遇到一个具体问题:到底要不要引入第三方组件库?是用 MUI、Ant Design 快速搭页面,还是所有组件都自己写?
https://github.com/chenglou/pretext !Pretext 学习从隐藏结构到表征的机制
我建议你们内部不要只分成“两类”,而是分成下面四类。这样后续盘点项目资产时会清楚很多。
Agent 框架选型不能只看谁最火。真正要先问的是:流程有没有分支和重试,任务会不会跑很久,状态要不要恢复,工具和人类审批是不是链路的一部分。
我现在更确定的一点是:AI 写得快,不等于系统交付得快。工程师的价值不会只剩“亲手敲代码”,但也不会自动消失,它会更多落在问题定义、执行环境、反馈回路和结果验证上。
ChatCut 值得关注的地方,不是“AI 自动剪视频”这个口号,而是它把视频素材先变成可检索、可推理的语义索引。剪辑的核心动作也就从拖时间轴,变成了找素材、组织叙事和生成可编辑的片段序列。
AG-UI 对我最大的启发,不是又多了一个协议名,而是它把 Agent 和前端 UI 之间的边界讲清楚了:模型怎么想是一层,工具怎么调是一层,运行过程怎么让用户看见、确认和接管,又是另一层。
回溯过往,我们将所有用例(Case)的逻辑都堆砌在 iFinD 的 spec 主题下。例如,单份文件可能包含 5000 多行代码,其中充斥着大量的 if-else 判断。这些逻辑的本质,实际上就是针对不同 Case 进行差异化的主题配置。
第一部分是关于组件能力。我们提供了许多可视化组件,主要落地在公司to B和to C的业务中。业务方通常在我们的平台上进行一站式的可视化配置,完成后以代码形式将这些组件应用到他们的项目中。此外,我们对这些组件进行了上层封装,提供不同主题以适配各业务线,比如海外业务线、首长的业务线、资讯业务线等;同时也
在现代 Web 开发中,交互方式早已不局限于鼠标和键盘。随着计算机视觉技术的进步,特别是 Google MediaPipe 的出现,我们可以在浏览器中以极低的延迟实现人脸追踪、手势识别等高级功能。
请帮我梳理下,并对这些概念进行合理的分类、说明(包括其英文名称是什么,为什么要叫这个中英文名字)、举例等,方便我快速理解、学习、彻底掌握和应用这些内容。
如何避免上来就钻入细节,这里有2个技巧: - 先逮着问题反馈方,问10个问题 - 自己反复使用和测试出问题的页面,详见下一个章节 ### 没有明确现象和问题的范围域 >排查问题和架构设计一样,都应该遵循这个原则:自顶向下,逐步求精。
这个文章是将[[元框架-ECharts]]中基于「第一性原理 + 数学建模 + 形式化方法」的框架 简化为可用于团队培训的版本,目标是:不丢核心思想,但让工程师能听懂、能用、能落地、能快速掌握。
请从当前项目代码中,抽取可复用的工具函数,加入这个模板代码(visualization-framework)的合适位置中去
本文档旨在分析当前后端项目的结构问题,并基于领域驱动设计(DDD)思想,提出三种可行的重构方案,以提高项目的模块化、内聚性和长期可维护性。
单向数据流(Unidirectional Data Flow, UDF)是一种软件设计模式,其核心思想是数据在应用内的流动是沿着一个单一、可预测的方向进行的。该模式的精确定义是"将单向的变更(one-way mutations)应用于一个不可变的数据状态(immutable data state)"
本文档分析了 Pacific Vis 2025 可视化项目中使用的状态管理和事件系统模式,并将其与传统的 Flux/Redux 架构模式进行比较。
可以提供一个default theme,即跨业务线通用的那部分主题。
一般是把2、3、4提出来做个链接,其目的是为了解决查询、管理问题,提高可维护性,可以理解为是一个微型数据库,算是个cache。
这篇是一次 D3 代码整理。原来的时间线代码把数据处理、路径生成、样式设置、事件绑定都塞在一个类里,写第一版很快,但后面加交互、换主题、做测试都会慢下来。
您是一位资深的前端架构师,专门负责设计企业级数据可视化组件。请基于以下完整的架构指导,为用户设计一个高度定制化、可维护、高性能的单体可视化组件。
// 手动连接 this.renderEngine.resourceManager = this.resourceManager; this.interactionHandler.container = this.renderEngine.getContainer()
这篇把问题从“图表怎么画”往前推了一层。做组件库时,真正先决定的是用户是谁、API 长什么样、渲染层怎么抽、扩展机制要不要开放。
VISALL这个项目本身是基于微内核架构去设计的,但是随着多次版本的迭代,功能越来越多,其架构已经存在一些偏离了,因此准备对其进行系统的分析,找出里面存在的问题,然后我们计划对其进行一次重构。使其更加符合微内核架构的设计理念,以增强其程序质量和可维护性、可扩展性。
Pacific Vis 2025 是一个基于 Three.js 的复杂数据可视化项目,用于展示全球女性投资者相关的社会经济数据。随着项目复杂度的增长,我们面临着严重的架构问题:循环依赖、手动依赖管理、模块间耦合度过高等。本文将分享我们引入 InversifyJS 进行重构的真实经验,包括具体的代码对
最近我在频繁地进行项目的优化重构操作,在这个过程中积累了一些理解项目和分析项目的经验,这里简单地记录一下作为今后的参考。
目前,Agent 相关的开发已经成为主流趋势,因此出于多方面考虑,我们必须掌握 Agent 开发的流程以及相关的技术细节。
在当今数据驱动的时代,可视化系统已成为企业决策和用户体验的核心组成部分。然而,构建一个健壮、可扩展的可视化平台并非易事。本文将借鉴J2EE(Java 2 Platform, Enterprise Edition)的架构思想,探讨如何构建现代化的可视化基础设施。
目前,我们对 prompt 的依赖程度过高,大部分逻辑都通过 prompt 来实现,这一现状带来了大量的不确定性与稳定性问题。对此,我认为较为合理的改进方向应从两个层面着手: 第一,将部分工作从 prompt 转移到工程化层面,尤其是那些具备确定性的工作,比如一些程序化计算流程的管理等; 第二,对于
https://www.ruanyifeng.com/blog/2025/08/weekly-issue-363.html
同时,请依据这些问题的严重程度、出现频率等维度做出分析排名;在此基础上形成一份总结表格,并将上述所有分析结果写入本地 Markdown 文件。信息越详细越好,不要丢失任何信息。最后,请再反思文档与已分析的问题,确认是否还有可以补充的内容。
AI 的普及并未削弱架构师的价值,反而要求其从 "代码编写者" 转向 "全局掌控者",核心职责主要体现在需求与架构的翻译、质量与效率的守护、团队协作的枢纽这几个方面。
这是一个基于 Stencil 框架的高级时间线组件,实现了蛇形布局和复杂曲线连接效果。组件使用 SVG 遮罩技术、多层渲染架构和渐变色系统,提供了专业级的可视化体验。
在 B 站看到一个视频:不要用 AI 框架,作者的观点和观众的评论很有意思,因此我用 AI 将其整理了一下。
最近在 HIVIS 可视化组件库项目中,我们遇到了一个典型的本地依赖分包问题。这个问题看似简单,但背后涉及到了现代前端工程化的诸多核心概念:模块解析、构建系统、依赖管理等。
最近这段时间,我几乎每天都在和各种 AI 编程工具打交道。这个过程有点像是在玩一场大型的"抽卡游戏",有时候你会抽到 SSR,有时候则是连续的 R 卡。
项目下的fixed、final等等文件,是否都是之前调试过程中的产物呢?现在调试完成了,是否应该对测试模块下的代码进行一个整体性的梳理,去掉这些 │ Fixed、Final 等等文件,将其编写为整洁的代码呢? 另外帮我分析一下目前的这个测试模块,其程序设计、技术选型等等是否
LangExtract 是由 Google 开发的一个 Python 库,专门用于使用大型语言模型(LLMs)从非结构化文本中提取结构化信息。该项目提供了一个完整的信息抽取流水线,具有高度的准确性和可扩展性。
在过去的几周里,我和我的团队深度参与了一个 Chrome 插件开发项目,从最初的技术选型到最终的 POC 验证,踩了不少坑,也积累了一些经验。今天我想把这些经验分享给正在考虑 Chrome 插件开发的你。
最近在使用 Obsidian 做笔记管理时,发现一个痛点:虽然 Obsidian 内置的书签功能能收藏重要文件和文件夹,但访问起来不够便捷,特别是当项目文件越来越多的时候。于是我们决定开发一个书签管理插件,通过一个优雅的仪表板界面,让用户能够快速访问收藏的文件夹、笔记和最近打开的文件。
这篇记录的是一次“把 AI 分析放回阅读现场”的尝试。用户不用复制到别的工具里,选中文本后就在浏览器侧栏里看到分析结果、图表、流程图或者富文本解释。
在开发基于 AI 的 ECharts 配置修改器时,我遇到一个问题:当 AI 返回包含 JavaScript 函数的图表配置时,这些函数在传输和解析过程中丢失,导致动态配置(如颜色函数、格式化器等)无法正常工作。 关联内容:[[流式输出]]
F10的技术选型: https://fellou.ai/eko/docs/getting-started/eko/
这篇是我用 Gemini CLI 一段时间之后攒下的技巧和踩坑记录。不是文档搬运——官方文档能查到的我就不重复了——重点是那些实际用起来才发现的点:什么场景它好用、什么场景它会让你抓狂、以及跟 Claude Code 比起来各自的定位。
不过目前使用起来,感觉还不达成熟。不过因为是开源的,估计过一段时间会好很多,可以当成一个储备的工具先关注着。 目前的重点,还是借助其源码,学习一下AI CLI的实现思路。
// - 自定义标记图元(dvMarker,显示事件详情)
灵活适配的模型选择 得益于多 Agent 架构,我们可以根据任务的复杂度和模型的特点,灵活选择最适合的模型。例如,对于数据拆分这类相对简单的任务,7B 小模型即可快速输出结果,确保高效执行;而对于更复杂的任务,则可以选择更强大的模型来保证输出质量。
解决<font color="#ff0000">长尾</font>可视化需求、<font color="#ff0000">一次性</font>需求。 目前AIGC暂时不能解决复杂可视化问题,就先解决简单可视化问题。 展平式的SVG + Claude ## 适用场景 不同的方向,产品规划和技术路线是
这周我的睡眠时间严重不足,每天基本只睡了6个多小时,但令人惊讶的是,我整体精神状态却非常好。白天也不犯困,这主要归功于我感觉正在做的事情对我而言非常有意义——每天都在花时间准备系统架构设计师的考试。
注意,这里的"b"是小写,表示比特位(bit)。平时使用的 MB 和 GB 的"B"是大写,表示字节(Byte),一个字节等于8个比特位。 视频应用对网速的需求最大,Netflix 的 4K 视频,网速要求是每秒 15 Mb,4G 网络下可以同时打开三、四个窗口播放。
https://www.zhihu.com/question/5861691391
单元测试用于验证正确性,Self-play 用于尝试和学习,两者结合,可以实现 AI 可视化配置! UI 稿/截图-LLM 试错-单元测试验证-LLM 试错-单元测试验证...... 将可视化配置任务转换成一个类似围棋的自我对弈任务,通过强化学习解决。 这个是一个很好的思路,可以尝试一下,有搞头!
不管是业务领域的程序设计(比如我就是可视化库和功能的领域),还是诸如写 CSS 这种细节的实施上,最高效的方式都是对你的工作内容进行抽象,形成套路。
现在处于类似jQuery和三大框架之间的那个框架层出不穷的阶段,后面会有一个或者几个牛逼的技术框架来统一整个开发领域,Agent可能会是一个选项。
https://www.zhihu.com/question/26646855/answer/68503768
https://www.zhihu.com/question/399445153/answer/1311717764
https://zhuanlan.zhihu.com/p/26426054
上周四突发的几个事情,占据了我不少时间,包括更新展示大厅的 PPT、和设计师核对交互细节、新的发布流程(起码 3 小时)等。
应该先画图,有哪几个生命周期,每个阶段应该做什么,不应该做什么,把这个想清楚,形成原则,就是设计了,框架也就出来了。
2021 怎么走?还是这样肯定不行,得变更,得跳出舒适圈。
现在前端团队都是分散到各个具体业务中的,这就导致信息互通、技术工具的整合推广,都存在问题。前端年初都会列出很多待解决的问题,我们也知道有很多事情应该去做,但是究竟这些问题里面,最影响开发效率、性价比最高的20%内容是什么,其实是没有数据来支撑验证的,因此我们的改进还是稍微有点拍脑袋。 形成对比的就是
形成一个自己的程序框架至关重要。程序框架其实就是你抽象自己的设计思路,抽取可复用部分,形成后续项目的基座。里面应该包含了程序目录结构、调试工具、编码规范的约束工具、日志工具、发布工具、常用函数库、常用业务库等等。这样就避免每次你都从头再来一遍,也避免了犯一些低级错误。
我平时喜欢看小说,但是现在的小说APP广告太多了:启动应用有广告,从其他APP切换回来又有广告,体验很不好。因此我想自己写一个简单的文档阅读APP。考虑到现在Flutter挺火的,就准备用这个试一试。因此这里记录下安装Flutter的过程中遇到的一些问题。
拓扑可视化平台这个项目的进度让我很不满意,比预期的时间整整多了三天。究其原因,在于我的项目管理做得太烂了,基本上没有什么规划可言。
在一知半解的情况下,凭感觉去评估难度、工作量和时间,结果很多细节上的问题都没考虑,估算的时间可能只有真实工作量的三分之一(甚至更少,比如这次我预估半天不到就能搞定,结果搞了整整两天,且第一天还是三个人一起搞)。
这是缘于最近SMM给我提的需求:提供一个通用的拓扑结构,展示不同业务方的数据。经过跟SMM的沟通,我发现他期望的其实不是一个拓扑组件,而是一个涵盖了数据接入标准、存储、可视化呈现的平台。通过平台对外提供服务,服务于公司所有的业务。结合最近在关注的前端平台搭建相关的内容,我突然想到,这个需求不就是一个
架构师(Architect /ˈɑːrkɪtekt/)是很多技术人员的职业发展目标。但是绝大多数人(至少我身边的绝大多数人),对于架构师的定义、工作职责、能力要求并没有一个很清晰的了解。这也就导致大家的职业规划只是嘴上说说,没有明确的目标和行动策略。
现在技术更新越来越快,工作压力也与日俱增,再加上自己年龄逐渐增大,这两年考虑这方面的内容比较多。其实这个问题的答案很早就有了,那就是持续学习才能让自己不被淘汰。但是光是学习还不够,你学习的速度、产出的价值还需要能跟得上业界的发展、公司的发展速度,否则就意味着竞争力的下降,最终只是迟一点被淘汰而已。
我们需要在一开始,就把这三要素给讨论确定下来。这部分内容花费的时间多一点也是很值得的。
业务组件的建设和推广,结合结果页,找几个新业务实践下,我们不只是提供可视化组件,这样才能扩大团队规模,才能发展。
因为有所求,希望能快点搞定,早点回家。 这说明我自己想去做的事情,动力还是很足的。
公司在金融市场发展到现在,接下去的路可能是如下三方面(都是营造差异化的竞争力): 1、中台战略:借助中台,快速试错、大量试错,不因为开发、效率等问题放过任何一个创新点,找到创新点进行突破 2、可视化战略:视觉、交互的升级,公司发展到一定阶段,这部分内容的重要程度会越来越高 3、技术战略:通过AI技术
企业最关心的(或者说唯一在乎的)事情,就是增加收入、降低成本。 企业实际上需要的不是程序员,而是能够帮助它们增加收入、降低成本的人。 企业雇佣你,是为了让你帮它们完成某个可以增加收入、降低成本的项目,而不是为了让你追求个人的软件成就。
Office的PPT在画图时其实是很强大的,这个已经能够满足常规需求了,因此直接选择PPT作为画图工具即可。