写作Skill的去AI味改造
我有个专门用来写中文博客的Skill，但是用它写出来的东西，很多一看就是AI写的。今天对它做了一次比较彻底的改造，这里把找到的问题和对应的解决办法记下来。
#AI
共 196 篇文章。
为什么不同的人对AI能力的体感完全不一样？
有人感觉AI已经能替自己干掉大部分工作了，有人觉得确实有用，但是离替代人还差得很远。对于同一个AI，大家的体感可以完全不一样。
构建 AI 数字分身
我比较理想的状态，是以后很多事情都不用我盯着。任务扔进去以后，AI 自己分析、执行、检查、继续往下跑，最好一天 24 小时都可以工作。我只看最后的结果，或者偶尔处理真正需要我的事情。
Jev 与可视化
最近 Jev 很火，火到 Reddit 和 X 上到处都是讨论。我第一时间申请了 waitlist，第二天就通过，把它实际用了起来。它和我们熟悉的 GPT、Claude、Gemini 很不一样：不会写文章，不会写代码，甚至不会真正意义上“回答问题”，只干一件事情——判断。
AI时代，产品经理和开发人员的职责区别
AI 出现以后，一个很有意思的现象是：产品经理越来越能“开发”，开发人员也越来越能“做产品”。
AI时代，真正拉开差距的是领域知识
AI让构建内容变得前所未有的简单。写代码、做设计、出方案，似乎只要会提需求，人人都能快速产出点什么。但正是在这种"实施民主化"的背景下，一个被很多人忽略的事实变得越来越清晰：领域知识（domain knowledge）才是AI时代真正的护城河。
从审美评分到垂直领域专家：AI 视觉评价该怎么做
最近在带新同事做可视化需求时，遇到了一个问题：他们可以结合 AI 把功能做出来，但很难判断做出来的东西好不好。
Skill、Agent、AI Client 与 Multica：AI 工作流的四层边界
最近我在整理自己的 AI 工作流。Daily brief、Session 分析、代码交付检查、内容生产、知识整理，这些工作都在逐渐用上 Skill 和 Agent。但流程多了以后，有个问题需要理清楚：哪些工作直接在 AI Client 里做就够了，哪些值得交给固定的 Agent，哪些又需要放进 Mu
AI时代的数据可视化生成方式
有了新的业务需求，产品经理先整理需求点，大家讨论大致形式，设计师再出设计稿，最后交给开发编码，做成一个数据可视化组件，然后应用到具体业务里。
本地 Whisper 引擎选型
我本地一直装着 Whisper 做音频转文字（会议录音、课程音频、口语练习这些）。最近看到 faster-whisper，就拿去问了 AI 哪个更适合我。这个话题前后和两个 AI 讨论了三轮，加上自己实测又翻案一次，过程比结论本身更值得记录。
OpenAI、Anthropic、Google 与 DeepSeek，到底有什么不同
我后来又看了一轮这些公司的领导者访谈、官方博客和论文。之前的分析不能算错，但确实把它们分得太开了。
组织就是在设计自己的 RLHF
最近在理解 AI、机器学习、深度学习、强化学习和 RLHF 的关系时，我一开始把它们当成几种并列的技术。后来发现这样理解不对。
AI Coding的Token到底花在哪里
最近在使用 Codex、Claude Code、Kimi Code 这些工具时，我一直有一个疑问：
OPC 时代的分工方式
刚才和产品经理、设计师讨论后续的产品规划，发现大家对「后续怎么做」的理解存在比较大的偏差。这里做个记录。
读《WorkBuddy如何把Agent做成可用产品》：拿着它对照了一遍我们自己的项目
今天看到腾讯技术工程发的一篇文章：从模型到Harness：WorkBuddy如何把Agent做成可用产品，作者 Anne 是 WorkBuddy 团队的策略产品经理，负责研发与办公场景 Agent 的上下文策略。
OpenCode调用CodeX实现文生图功能
给 OpenCode 客户端接一个文生图能力：让用户在对话里直接让 AI 生成图片，图片落到本地工作区，还能在对话里预览。一开始以为这就是一次图片 API 调用，把代码完整梳理了一遍才发现，实际链路要长得多——四个进程接力，模型自己并不直接生图。这里做个记录。
如何构建一套面向真实业务的模型能力评测框架
Kimi K3 模型发布了，想验证一下它在我们真实的数据可视化业务中到底能做到什么程度。
读《State of Open Source AI 2026》：模型会越来越便宜，真正应该掌握的是Harness
今天看到 Mozilla 发布的 《The State of Open Source AI 2026》。一开始我以为这又是一份讨论开放模型和闭源模型谁更强的报告，但完整看下来以后，发现它真正想讨论的并不是模型排名。
基于OpenCode做客户端：选型、边界与升级
最近在设计一个 AI 视频创作客户端，需要选一个开源项目作为开发底座。候选有三个：OpenCode、T3 Code 和 Multica。底座选定之后，又接连遇到三个问题：业务代码放哪、上游怎么升级、sidecar 怎样才算接入完成。这篇文章把整个过程做个记录。
我们到底在做什么：AI视频客户端其实是一套Harness
最近在重新拆 AI 视频项目的任务，有两件事让我停下来想一个更基础的问题：我们到底在做什么。
让AI自主开发跑起来：先写验收，再拆任务
最近我在尝试把一批开发需求交给多个 AI 执行。这批需求的一部分来自会议录音转写：里面有产品边界、技术方案、人员分工，也有口误、同音字和讨论到一半又被推翻的想法。最直接的做法是把转写总结成任务列表喂给 AI，等它写完再补测试和自测。
如何对项目进行开源审查
周末我做了一件事：把自己 GitHub 上的 32 个私人项目，逐个过了一遍，判断哪些适合开源。结论是——一个都不能直接发。
AI开发流程复盘
最近我用一套自己常用的开发套路，从零交付了一个个人项目 Evolution OS（人生进化系统）。整个过程跑下来比较顺。这套流程我觉得可以作为后续做个人新项目的标准套路，这里做个记录。
AI 提效之后，如何持续找到值得做的需求
最近我在思考一个比较现实的问题：团队使用 AI 工具以后，开发效率确实提高了，但需求并没有跟着变多。
从会用 AI 到建设自己的 AI 基建
过去一年，很多人对 AI coding 的理解还停留在“让 AI 帮我写代码”。但真正拉开差距的地方，可能已经不在于一次提示词写得多漂亮，而在于你能不能把反复发生的工作、隐性的判断经验、验证规则、学习循环攒成可复用的 AI 基建。
提取博客知识为Skill
按此标准，博客中约 5%（~60 篇） 有 Skill 价值，其中真正高价值、可直接抽取的约 15-20 个。
如何设计项目AI改造Skill
最近在 AgentInfra 里做了一个新的 Skill，名字叫 harness-builder。
TTS工具开发笔记
这次本来只是想解决一个很小的问题：给托福听力弱词生成一批质量还可以的音频材料。
如何蒸馏我自己的写作风格
最近在折腾一件事：把自己的博客写作风格蒸馏成一个 Skill。
Pretext深度解析
https://github.com/chenglou/pretext !Pretext 学习从隐藏结构到表征的机制
如何沉淀Skill
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。
AI趋势追踪-我们的岗位还能活多久
最近几个月我一直在盯几件跟 AI 有关的事：Claude 的发布节奏、几篇讨论 PM 和开发者岗位会被怎么洗牌的文章、还有 Vibe Design 这类新提法。单独看每一条都像是新闻，但放在一起的时候，它们其实在回答同一个问题——我们这些写代码、做产品的人，岗位还能活多久。
OpenClaw背后的哲学
不夸张地说，OpenClaw 这波热，不是因为它“又是一个更强的聊天机器人”，而是因为它第一次让很多人真切感受到：AI 开始从“回答问题”变成“替你操作世界”。官方把它定义为“运行在你自己设备上的个人 AI 助手”，可以接入你已经在用的沟通渠道；而媒体和官方评论对它的描述也高度一致：它不只是能说，还
Agent技术选型分析
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。
从harness看未来软件工程师的工作职责
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。
OpenClaw学习笔记
如果我希望 OpenClaw 单独开一个受管浏览器，而不是复用当前 Chrome：
从AniClipart学习梯度下降
简短答案: PointMLP 不知道目标在哪里！
程序环境下代理不生效的问题
在开发 DeepListener 时，我们遇到了一个极其困扰的问题：
weekly-summary-20260125
这个想法部分正确。但随着时间的推移，我越来越意识到，真正成功的工程师不一定是最优秀的程序员，而是懂得驾驭代码之外一切的人。
浏览器渲染性能优化
在高性能前端开发（尤其是涉及 WebGL、大量 DOM 标注的场景）中，理解浏览器的渲染流水线（Rendering Pipeline）是性能优化的基石。本文将结合实战案例，深入探讨如何利用渲染逻辑和 Chrome DevTools 解决页面卡顿问题。
Prompt-ScrollTelling
网页内容： 1、滚动叙事网页内的文案 2、滚动叙事网页内的图像 3、文案和画面风格、交互参考纽约时报或南华早报网站中叙事可视化内容
weekly-summary-20260111
这在经济学上称为"不对称收益"（asymmetric returns），就是风险和收益不对称。失败的可能性很大，但只会损失一小笔钱，成功的可能性很小，但是一旦成功，就会获得巨大收益，简单说就是"小亏大赚"。
技术拆解-ChatCut
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。
技术拆解-Simply-Wall-St
在传统的金融技术（Fintech）领域，数据展示长期被密集的表格、复杂的K线图和枯燥的财务报表所主导。这种“机构级”的界面设计虽然信息密度极高，但对于普通个人投资者而言，存在着巨大的认知门槛。Simply Wall St（以下简称SWS）的出现代表了金融数据可视化的一种范式转移：它不旨在提供毫秒级的
AG-UI
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。
研究员的工作范畴
👉 研究员不是只想 idea，而是要能设计实验或原型验证
关于VISALL改版的想法
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。
可视化能力构建
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
MediaPipe学习笔记
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。
英语语法中的常见概念
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。
美国学生如何学习英语
美国学生的英语学习方式，和很多非英语国家的“英语课”非常不同，因为：
什么是Agentic AI
Agentic AI（代理型AI，或译作智能体AI）代表了人工智能发展的一个新阶段，其核心在于强调 AI 系统的自主性、目标导向和行动能力。
2025年SeeConf参会记录
5 年前，偏右在做 Ant Design，现在他在探索 AI 工程和前端的职责边界。他将在 SEE Conf 2025 分享《AI for Frontend》。
Debug-HXKLine在低端机型卡死
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。
ECharts的配置优先级策略
1. General Component Options:
元框架-ECharts
你不是在“学习如何配置”，你是在“学习一个用来描述图表的领域特定语言（DSL）的语法和语义”。
Haskell学习笔记
Haskell 是一种纯函数式 (purely functional) 编程语言。
如何构建可迁移的学习元框架
需要提炼出核心要素，使其适用于任何领域，无论是技术（如前端框架、数据库、机器学习）还是非技术（如语言学习、乐器、商业分析）场景。
技术英语信息来源
对于“有哪些知名的英文技术博客网站、论坛？我想通过阅读这些技术博客网站，提升自己的技术英文水平”这一查询，本报告旨在提供一个超越资源罗列的战略性回答。仅仅“阅读”技术博客是实现语言精通的必要非充分条件。真正的精通在于将英语从一种被动接收的“工具”转变为一种主动运用的“核心竞争力”。
模板-ECharts业务配置
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
datav服务端改造方案
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。
ECharts配置的范式演进-从对象规约到意图驱动的系统性方法论
这篇不是抱怨 ECharts 配置项太多。真正的问题是，series、axis、grid、visualMap 这些东西的依赖都藏在一个 JSON 里，复杂图表一多，就像在维护一份隐式场景图。
如何突破前端发展的困境
前端不会突然消失，但只会堆页面、追框架的人会越来越被动。更现实的出路，是把业务问题往架构、组件、工具和可衡量价值上推。
单向数据流
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）"
招聘成本问题与内向型招聘策略
您提出的关于成本和精力投入的顾虑非常实际，尤其对于一个精干的小团队来说。这确实是推行任何新战略时需要优先考虑的核心问题。让我们来深入探讨这两个方面，并为您提供一套适合小型团队、低成本且高效的执行方案。
weekly-summary-20251019
假设你要重构一个大型项目的代码： 1. 1. 第一步：让 Sonnet 4.5 分析整个项目架构，找出问题点，制定重构方案 2. 2. 第二步：让多个 Haiku 4.5 实例并行处理各个模块的具体重构 3. 3. 第三步：再让 Sonnet 4.5 做代码审查 这样一来，复杂的部分由最强的模型把关
weekly-summary-20251005
1、把文档给AI，不然它根本不知道怎么用ReactFlow https://reactflow.dev/learn 2、自己定义好数据结构，比如组件的数据类型、中间画布的分组 3、最好画个草图 4、基于Unreal Engine的设计风格
可视化业务开发框架解析
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。
可视化项目架构分析
常规的前端开发，大家借助 Vue/React 等框架，可以极大的提升开发效率和质量，这些框架本身就融入了前端的架构设计在里面，也就是定义了一套程序设计的原则和约束，因此才能保证非功能需求的质量。
混合架构-基于D3.js的程序设计
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。
Mac自动化工具调研：Karabiner-Elements、Raycast与罗技Smart Actions
在追求极致工作流效率的道路上，macOS 的高级用户（Power User）从未停止探索。随着工具的不断演进，我们早已超越了简单的快捷键自定义，进入了一个多层次、可编程的自动化新纪元。在这个生态系统中，Karabiner-Elements 的 Complex Modifications、Raycas
Prompt-定制化可视化组件
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。
前端裁剪-Clip
本文汇总 Web 前端可用的裁剪技术、实现原理、特点对比、典型应用场景与代码示例，便于在实际需求中快速选型与落地。
曲线遮罩裁剪问题复盘
本文完整记录 iOS/Chrome 下曲线连接与遮罩裁剪失效的问题调查、根因分析、修复方案与关键代码变更，便于后续回溯与参考。
如何排查CD环节的问题
到这一步，就能看到报错信息了： shell [ ERROR ] Rollup: Missing Export @stencil/core/internal/app-globals (1:7): "default" is not exported by "src/global/global.ts",
weekly-summary-20250921
@Abby鹿子野: 我英语高考147，从不学语法。都是整篇整篇背课文，我喜欢背课文，基本上读三四遍我就可以背下来。先读一遍，然后边读心中边翻译。然后再读两遍，再用自己的语句翻译出来，然后再打开课文对照一下。这样几遍下来很长的高中课文我都可以会背。
数据可视化组件库的架构模式
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组件库的微内核架构分析
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。
OpenDeepWiki的文档生成策略
OpenDeepWiki 是一个基于 .NET 的智能文档生成平台，采用模块化管道架构，主要组件包括：
InversifyJS重构3D项目
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
基于AI进行项目重构的工作流
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。
架构驱动的软件方法论演进轨迹
在软件工程的早期发展阶段，开发过程主要遵循传统的软件开发生命周期（SDLC）模型，如瀑布模型。这些模型通常将设计视为编码之前的一个单一、宏大的阶段 。在这种线性思维下，软件开发被视为一个从需求到设计再到实现的顺序过程。然而，随着软件系统的规模和复杂性呈指数级增长，这种方法的局限性日益凸显。实践表明，
通过一个项目掌握Agent开发的全部内容
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。
从J2EE思考可视化的基建该如何建设
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。
资讯可视化-如何提升生成内容的质量
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
AI Coding-2025年8月
用 AI 写代码以后，我最大的感受不是“终于不用学习了”，而是更容易误以为自己已经掌握了。代码能跑出来，只说明模型完成了一次生成；需求有没有讲清楚、边界有没有守住、改动能不能验证，还是人的责任。
weekly-summary-20250831
https://www.ruanyifeng.com/blog/2025/08/weekly-issue-363.html
资讯可视化-基于沟通日志的AI复盘
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时代架构师的核心职责
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。
MetaPrompt
简而言之：我要的是一个 元 Prompt —— 用来指导 AI 从已有代码中逆向提取出"原始需求 Prompt"。
一个思维惯性导致的问题
最近的资讯可视化项目，在将测试页面部署到服务器的过程中，我遇到了一些问题，现在记录下来作为经验总结。
AI开发中是否应该使用框架
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。
文档驱动开发
文档驱动开发的核心思想是：No Code - 先用 AI 生成完整的技术文档，再基于文档生成代码。这种方法论源于我在实际项目中的探索和思考。
资讯可视化流程分析
这篇想解决的是一个很具体的阅读问题：用户读资讯时，遇到数字、公司、术语和事件线索，经常要跳出去查。我的方案不是另做一个大而全的 Agent，而是把文章拆成可追踪的 chunk，再把解释、图表和时间线嵌回原文附近。
近期关于AI Coding的感想
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。
ESM分包
我们最近要开发一个组件给业务方使用，网页对于性能有较高的需求。而我们的组件代码量比较大，会导致组件的 CDN 比较大，加载耗时较长。因此我们需要对组件进行分包处理，将原本较大的 CDN 拆分为多个相对较小的 CDN。
如何制定前端组件协议
最近需要开发一个前端组件协议，根据历史经验，协议的制定是非常关键的，一旦设计得不合理，就会埋下巨大的隐患，影响后续组件的可扩展性和可维护性。因此以往这个环节的工作都是比较头疼的，且都由相对资深的开发人员来完成，且制定了也会很慌，总是担心考虑不够周到。
近期的学习和工作流
这段时间最大的收获是形成了「早上听 -> DeepResearch 调研 -> 生成可视化网页巩固理解」这条信息获取闭环，以及用多窗口并行写代码来压榨 AI Coding 的效率。代价是同时处理太多线索容易被【打断】后失忆，所以提前一天梳理第二天的工作、保持单一时间线，比单纯堆窗口更重要。
技术拆解-LangExtract
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。
Chrome插件开发技术选型
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。
技术拆解-如何编写书签管理的Obsidian插件
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。
技术拆解-CozeStudio
Coze Studio 最值得看的不是“低代码 Agent 平台”这个标签，而是它怎么把模型、工作流、插件、知识库、数据库和发布管理放到一个工程系统里。它的问题也很典型：Agent 产品一旦从 demo 走向平台，就不只是 prompt 和工具调用，而是领域模型、资源管理、运行时、权限和运维一起上桌
AI可视化增强分析助手开发实践
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。
更安全的解析function字符串
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]]
weekly-summary-20250720
F10的技术选型： https://fellou.ai/eko/docs/getting-started/eko/
Gemini CLI 使用技巧
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。
weekly-summary-20250705
文档转PPT https://stackblitz.com/github/slidevjs/new?file=slides.md 帮我基于 /Users/leozhou/git/VISALL/docs/refactor/MCP 下的内容，用 Slidev 这个专门用来用 Markdown 格式生成
Vibe Coding Experience Summary
Recently, in my development work, I have extensively used Vibe Coding, continuously engaging in a demand-feedback-correction cycle with AI IDEs. Durin
Vibe Coding经验总结
最近在开发工作中，我大量使用了 Vibe Coding，不断与 AI IDE 进行需求-反馈-修正的循环交互。在这个过程中，我一直在思考如何能够将 Vibe Coding 的效果发挥到最大。我认为最关键的是需要整理出一套方法论，解决以下两个核心问题：
Gemini CLI 源码分析
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。
Unreal-不同版本的特性
weekly-summary-20250615
最酷的是，这打破了技术壁垒。比如，Claude Code 是用 TypeScript 写的，但我们公司大部分项目用的是 Python。昨天我在 Slack 上看到一个同事，他不懂 TypeScript，但他想修复 Claude Code 的一个问题。于是他直接和 Claude 对话，一个小时内就生成
可视化图表生成MCP
这篇不是在讨论“再做一个图表生成器”，而是在记录一件更实际的事：已有图表能力怎么变成 AI 可以稳定调用的工具。我的判断是，先把成熟 case、schema 和渲染出口整理好，比从零开始训练一个“会画图”的模型更靠谱。
微信小程序入门
进入小程序注册页填写相关信息 !image.png
weekly-summary-20250406
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。
阅后即焚类型的可视化
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
weekly-summary-20250323
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。
2025年D2参会感想
所有工作能够集中在一个IDE内部完成，而不需要跳转到其他地方时，效率会大大提高。例如，之前使用AI工具时，我们通常需要在ChatGPT中对话，然后将返回的结果复制粘贴到其他地方进行后续处理。这种操作方式不可避免地会导致思维被打断，专注力也因此被分散。 相比之下，如果所有工作都能在同一个IDE中完成，
weekly-summary-20250302
Ant Design X的Vue 版本： https://github.com/wzc520pyfm/ant-design-x-vue
FFCreator学习笔记
一些registry.m.jd.com的包报502，但是没管也能继续跑。 ## 依赖 Node版本：v18 ## 技术拆解
weekly-summary-20250223
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。
weekly-summary-20250105
论文： https://github.com/deepseek-ai/DeepSeek-V3/blob/main/DeepSeekV3.pdf 论文中，明确提出了 DeepSeek-V3 仅使用 2048 块 GPU 训练了 2 个月，并且只花费了 557.6 万美金。
LLM开发经验
LLM 适合做的两种事情：抉择+多样性(比如：生成搞笑的风格)。
内网安装LlamaIndexTS无法下载npm包的问题
项目需要用到 RAG，我们选择用 LlamaIndexTS，但是外网功能开发完，在内网准备发布的时候，发现 npm install 报错。
weekly-summary-20241208
https://www.zhihu.com/question/5861691391
AI项目开发总结-叙事可视化
比如动画类型。 之前东明的可视化推荐也是这个问题，搞了很多图表，但是场景无法命中。
如何编写VSCode的代码片段插件
要编写并发布一个 VSCode 的代码片段（Code Snippet）插件，你可以遵循以下步骤：
weekly-summary-20241110
Manim：命令式(怎么做) ZRender：声明式(做什么)
技术拆解-Mermaid
D3.js 可以参考饼图的代码： mermaid/packages/mermaid/src/diagrams/pie/pieRenderer.ts
AIGC组件的拆分粒度
第二层就是 Tailwind CSS，第四层就是组件了。 越往下走，颗粒度越来越大，约束性变高，自由性不足。
可视化开发和前端开发的区别
更注重抽象(Core)与扩展性(让业务方可以基于我们提供的 Core 机制，快速扩展自己的个性化需求)
D3.js-现金流动态瀑布图
并且y轴的刻度范围是根据当前展示的5个数据来设定的，当前展示的5个数据的最大值和最小值作为y轴的刻度范围。 Y轴的刻度范围也是随着动画的播放而动态变更的。
weekly-summary-20240915
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！
排查动态柱状图的动画问题
我们基于 ECharts 的竞赛图 封装了一个动态柱状图组件，用于对多周期数据进行动态展示。这是之前的同事封装的，现在业务上线之后，发现当本周期有新数据出现时，效果非常差：
Weekly Summary(20240714)
https://www.zhihu.com/question/660384108/answer/3551179520
Weekly Summary(20240623)
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。
Weekly Summary(20240428)
https://ai.meta.com/blog/meta-llama-3/
可视化技术架构升级
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。
关于AI产品的关键因素的思考
这一年，公司在全力推动 AIGC 产品。似乎每个部门都在做，但是真正成功的产品几近于零。
技术拆解-叙事流程图
抽象出了FlowchartStore这个 store 类，提供数据结构和响应的数据处理方法。
AI浪潮下开发模式的变革
AI 浪潮正在改变软件开发模式，为开发者带来新的机遇和挑战。本文通过实际工作案例讲述了 AI 对个人开发工作的影响，以及 AI 时代下产品开发模式的变革，并分析了大模型时代程序员与 AI 工具的定位，希望能帮助开发人员提前布局，抓住新一轮发展机遇。
技术拆解-3D生长树
此代码实现了一个 3D 生长树效果，使用 Three.js（7.1 版本）进行 3D 渲染。主要思路分为以下几个部分：
AI游戏助手
https://claude.ai/chat/640507fe-f354-48ef-bdcf-f8a6ab4f289a
技术拆解-贪吃蛇
self.bordersize = 20 self.displaywidth = self.width + 2 self.bordersize self.displayheight = self.height + 2 self.bordersize + 40
LLM学习笔记
大语言模型（Large Language Models）能够解决的核心问题是自然语言处理中的文本生成和预测。具体来说，其目标是建立一个对给定输入序列概率进行建模的模型，利用该模型来生成具有自然流畅性和连贯性的文本，包括自动摘要、机器翻译、聊天机器人、问答系统等。
ChatGPT模板
three.js,babylon.js,Cocos3D,Oasis Engine,Unity,Unreal Engine
Three.js-WebGLRenderer
Three.js是通过WebGLRenderer渲染场景的，因此只要把WebGLRenderer的每一个概念和属性搞清楚，做出Demo查看其影响范围，就能把如何调试渲染效果给掌握了。
Three.js-汽车产业链
比如我之前做的质检扫光小飞机、React的汽车Demo里面的发光圆环等，都是起到的这个效果。
可视化组件的状态管理
这里的交互指的并不一定是常规的鼠标交互行为，其代表的是我们将一种事物变更为另一种状态的行为，例如一个列表中文本的搜索、筛选高亮，交互则指的是搜索和筛选的这两种用户行为。
Vue3学习笔记
写代码也更倾向于函数式编程，减少了状态的随意传递，后续维护性会更好一些。
Three.js-体积光
参考自这个文章。
GLSL学习笔记
WebGL只关心两件事：裁剪空间中的坐标值和颜色值。使用WebGL只需要给它提供这两个东西。 你需要提供两个着色器来做这两件事：
Three.js-性能优化
最近做了一个集群目标策略的3D可视化项目，前面花了2周时间出了个Demo来进行演示，性能极差，在我的i7-12700H+RTX2050的笔记本上，也会出现卡顿。后面这个还要迁移到移动端，性能问题就更严重了，因此借助解决这个需求的性能问题，把Three.js的性能优化方面的内容整理下，方便今后参考。
Three.js-Gallery
https://sketchfab.com/3d-models/sci-fi-girl-v02-walkcycle-test-07ac452d75cc47969234b224422ea85d
动态折线图开发问题汇总
最近在给业务方开发动态折线图，期间遇到N多问题，这里做个记录，就当是技术复盘了，避免下次重复踩坑。
OpenGL学习笔记
名词部分，可以参考WebGL Fundamentals。
Unreal-学习笔记
房大佬说一个月就带着前端团队转UE开发了，这个是很可信的。二者本质上都是一样的。
牛逼的前端是什么样的
https://2022.stateofjs.com/zh-Hans/
WebGL学习笔记
https://www.cnblogs.com/wanbo/p/6754066.html
问题排查复盘-大屏自选股数据错误
用户那边展示的 Web 大屏，其中自选股页面的数据显示错误了。这个问题之前也出现过。
如何做好CodeReview
参考散点图的案例
跟月影学可视化
反思：我之前把可视化理解得太狭隘了，没有抓住本质；还是给自己找个老师(陈为、月影)更靠谱。
按键精灵学习笔记
按键精灵可以使用各种标准VBS命令，比如数值操作、字符串操作等
weekly-summary-20210131
起因是昨晚听了 WZB 的管理分享，然后我意识到，其实绝大部分开发组长都是没啥管理意识的，包括我自己，也是属于有一些意识但是并没有完整的策略模型，很多事情也是了解但是没去做。这就是典型的一个傻子和一堆傻子一起玩，那么这个傻子不可能变成聪明人。
2021读书计划
2020年读的书太少了，读书计划也没有完成。2021继续加油！
Puppeteer学习笔记
比如手机页面，高宽分别放大5倍(实际截屏面积应该是放大了25倍)，9秒的视频，截了近500秒，差不多是50倍的时间，太夸张了。
D3.js-坐标轴
按常规思路来看，网格线就是直线/虚线，那么我们只需要计算好位置，然后通过 line 或者 path 画线条即可。不过这里有一个更精妙的方法，就是将刻度长度设置为负数，即反向延长坐标轴的刻度线：
如何在拖动节点时，让连线随之移动
这是用 D3.js 做关系图时遇到的一个具体需求：节点可以拖动，拖动后连在这个节点上的线要跟着移动。这里记录的是当时采用的方案，核心是利用 JavaScript 的对象引用传递特性来实现【数据驱动】。
Flutter安装笔记
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。
动态视频自动生成方案
https://hanabi.data-viz.cn/index?lang=zh-CN
Docker安装无头浏览器Puppeteer
注意：如果是在项目下，通过 Dockerfile 安装 Puppeteer，请务必在 Dockerfile 执行 npm install 之前，添加如下这一行，否则会因为内网无法下载 chrome 而导致 Puppeteer 安装失败：
制作Node项目的docker镜像
最近一个项目需要在服务端用到无头浏览器puppeteer，这个工具对于node版本有一定要求，而我们目前的线上node镜像是8.9版本的，无法支持该无头浏览器，因此需要升级node，重新制作镜像。
从零初始化你的服务端环境
注意：为了避免权限问题，这里我选择了以管理员身份运行VitualBox软件。
工作乐趣的丢失
我工作已经有九年半了，在此期间，也经历了国内互联网行业的各种变更。总体的感觉，大家在工作中的乐趣正一点点的丢失。造成这个问题的原因有很多，我按照自己的想法总结了下：
数据可视化的TOP10需求
这里的TOP10需求，是我们整个组的，不一定就是可视化相关的需求，因此提效方面的内容也是可以加进来的。
关于2020上半年工作汇报的思考
给基金团队带来多少帮助？ 给资讯团队带来了多少帮助？ 给 F10 带来了多少帮助？ 他们本来开发一个项目要多久，现在由于我的加入，需要多久？
什么是架构师
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。
2020读书计划
PS：标题为<span style="color:red">红色</span>的书籍，是我还没看完、但是后面会继续看下去。
Weekly Summary(20200216)
如何将自己这个项目做好，是我需要投入毕生精力去考虑的事情。
《阿里巴巴中台战略思想与架构实战》读书笔记
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
Chrome扩展开发笔记
又到招聘季了(其实秋招已经过了...)。今年我们组照例没有意外的分到了0个秋招的实习生(其实分到了一个，结果第一天分给我，第二天这位同学就说不来了)。没办法，只能自己散招了。
如何用D3.js画一个可交互的关系图
1、每个节点都是可以拖动的，且拖动的时候，与该节点关联的线条、箭头，都要随之同步移动；
2019读书计划
工作这么多年，一直都没有读书计划。今年因为一些工作上的原因，迫切的感觉到了读书的重要性，因此这里列下我的读书情况，等到年末回头再检验下。
ZRender学习笔记
注意，HTML 引入 dist 下的文件；如果遇到 TS 报错，设置@ts-ignore 即可。
NodeJS项目首次发布流程
修改相关服务器的 /usr/local/nginx/conf/ai.conf 配置
一周总结20190728
20190722-20190728的周总结
FreeCodeCamp学习笔记
记录我通过FreeCodeCamp学习前端技能的一些经历和感想。
CSS学习笔记
记录一些常用的CSS技巧
多数据源事务操作中主从读写错误的问题
近日同事开发的一个项目出现了主从数据库切换异常的问题，由于大家都是新接触数据库的主从配置，许多基本的配置都是从他人的博客中摘抄而来，难免出现一些意外，这个问题就是在这样的环境下产生的。
Mybatis主从读写分离
参考自这篇文章：https://www.cnblogs.com/cjsblog/p/9712457.html
用jmeter对websocket应用进行性能测试
https://blog.csdn.net/ifrozen/article/details/53127542
Java部署运维问题
可以的，只是会报个错，这应该是之前的线程报的错误，不影响新部署的程序的使用：
如何做成个人计划
能够给你带来能力上的提升，能够让你更加自信，能够让你拥有更多的机会。
Java调用Shell命令
项目中经常会出现一些场景，需要我们通过Java程序去调用Shell命令，比如获取服务器的某些信息、调用PHP脚本、调用某个软件等等。
通过XHProf排查PHP代码的性能问题
昨天头儿反馈wiki系统不能用了，晚上我用请求日志里面比较慢的请求重试了下，请求起来都比较快；从zabbix监控和数据库的日志来看，问题时段也没有发现异常，暂时无法定位具体原因。
服务器高负载问题
比如9:50左右，1分钟Load Average达到11： shell root 16214 2.9 0.2 35456 22932 ? S 09:44 0:05 php /var/www/html/cate/cron/gjzg/OriginalData/../