这里的公众号内容与我的公众号保持同步，主要是一些编程知识分享
Brainstorming Skill 更新后的两个注意点
Published: at 00:00Brainstorming Skill 更新后会自动写入 spec 并在设计结束后自动提交。若你介意这两个行为，可以用 .gitignore、规则限制和权限配置三种方式来规避自动提交风险。
AI 让人更轻松，还是让人更危险
Published: at 00:00我刷短剧时发现边缘角色被 AI 替代，效果居然不算违和。职场里也在发生类似变化：有人想让少数人一人多岗，有人却因为 AI 一天两小时就干完活。真正的差别不在工具，而在管理者会不会顺势加量、加压，还是把效率还给人。
让 AI 真正懂你的内部库：最有效的三件事
Published: at 00:00项目里有内部库时，AI 很容易靠猜然后瞎写。做一个专门的 skill，讲清主 API 和注意事项，再把内部库代码拉到本地并写明路径，AI 就能直接查实现，写出来的东西会靠谱很多。
用了 RTK 之后，AI 不再反复跑 build 了
Published: at 00:00AI 原生执行 pnpm build 时为了省 token 会截断输出，信息不够又反复执行，既费 token 又费时间。用 RTK 压缩输出后，一次就能拿到关键信息，效率提升明显。
gpt-5.4-mini 和 gpt-5.4-nano 发布后，怎么在项目里选
Published: at 00:00openai/gpt-5.4-mini 和 openai/gpt-5.4-nano 今天发布了。如果你项目里有一部分只是做很轻量的 AI 处理，可以考虑换成 nano 来省钱省算力。注意目前 gpt-5.4-nano 反而比 gpt-5-nano 贵一些，追求性价比可以直接用 gpt-5-nano。
Streamdown 简介：更适合流式输出的 Markdown 渲染
Published: at 00:00我以前主要用 react-markdown，但内容开始做流式输出后，未闭合的代码块、列表会让渲染很别扭。迁移到 Streamdown 之后体验顺很多，还自带 math、code 等插件，基本开箱即用。
Claude Code 和 Codex 最佳实践：两篇官方文档的共同点
Published: at 00:00对比 Claude Code 与 OpenAI Codex 的官方最佳实践，提炼共同建议：先规划再写代码、说清「做完长什么样」、用项目级配置和技能复用、管好上下文。文末提醒多翻官方文档。
Kent 用 Cursor 把个人站从 Remix 迁到 React Router，顺便升了一堆依赖
Published: at 00:00Kent C. Dodds 用 Cursor 把 kentcdodds.com 从 Remix v2 迁到 React Router v7，依赖按难度分批升级，大改动交给后台 agent 跑，自己睡觉时修完类型和路由，最后合并上线。
RTK CLI 如何帮 AI 省下大把 Token
Published: at 00:00在 AI 时代，命令行输出既要对人类友好，又要对 AI 友好。RTK 通过压缩终端输出，让 Coding Agent 不再反复 tail 日志、重跑命令，一次就能拿到足够的上下文，省下 80% 左右的 Token 和时间。
试用 v0 Cloud Agent 后，和 Cursor Agent 比了比
Published: at 00:00昨天试用了 v0 的 Cloud Agent，步骤和 Cursor Agent 大体相近，但环境配置、数据库集成和预览部署都因 Vercel 集成变得很省事；不足是缺 Skills 等，本地开发仍更顺手。相同点是都要连 GitHub、新需求开分支、做完提 PR。
老 COBOL 系统改造贵到做不动？AI 把账算过来了
Published: at 00:00COBOL 撑起大量银行、航空、政府系统，但懂的人越来越少。以前改造卡在「把老代码搞清楚」比「重写」还贵。AI 能自动做探索、画依赖、写文档、做风险分析，人拍板策略，改造周期从好几年缩到几个季度。同一套思路也可以用在 Node 6、webpack 3、React 15、Vue 2 等老前端系统上，分块重构、每步可验证。
试了试 Cursor 云端 Agent 做 Web 前端，流程挺顺
Published: at 00:00用 Cursor 云端 Agent 开发 Web 前端的真实流程：连 Git 仓库、在 Ubuntu 里配环境（支持 Dockerfile、环境变量）、按需求自动建分支、截屏录屏看效果、最后点一下就能 Request PR。做移动端和桌面端能否配好环境还不确定；用的是 Opus 4.6，成本高，只浅尝了一下。
Cursor 说的「第三个时代」：从 Tab 到云端 Agent
Published: at 00:00Cursor 官方博客把 AI 编程分成三个时代：Tab 补全、同步 Agent、云端 Agent。现在他们内部 35% 的 PR 已是云端 Agent 产出，人的角色从「逐行写代码」变成「拆题、审结果、开多个 Agent 并行」。
AI 编程开始短视频化了？这 4 个信号很准（然后逐条聊几句反方观点）
Published: at 00:00有人说不想读文档只想问 AI、报错就复制粘贴、AI 不在就不想写代码、用 AI 逃避设计决策，是「短视频化」的四个信号。这篇把原文保留，再逐条说说另一面的看法。
发现 AI 用错方式？加一句「并更新 AGENTS.md」
Published: at 00:00让 AI 用对工具、记对约定，不用每次都重新试错。当你纠正它时，顺带说一句「并更新 AGENTS.md」，把约定写进项目，下次直接按文档来，省 token 也省心。
会提问，才能把 AI 当成十倍工程师
Published: at 00:00GitHub 上有个著名的仓库叫 How to ask questions the smart way，这条原则在 AI 时代依然适用。不会提问，AI 再强大也帮不上忙。今天分享几个来自 Amp 官网的实战 prompt 案例，教你如何精准指挥 AI 完成复杂任务。
前端周报捡回来了：从 4 小时到半小时，靠的是自动化
Published: at 00:002021 年做过 30 多期前端周报后停更，2024 年用 GPT 又跟了十几期，每次仍要 1～2 小时。现在用 Codex / Cursor 的 Automation 定好周三发、周二自动整理 PR，人只做审核和 Code Review，整改交给自动化闭环，半小时内搞定。
基于 AI 的新型面试长什么样？两位同学和我聊了聊
Published: at 00:00现在面试越来越偏「做项目」，以前做个小项目要一周，有了 AI 两小时内能搞定。目前主要有两种形式：离线交代码包，或在线带额度限制的 AI 协作，后者能保留 Git 和对话过程，方便面试官复盘。
用 Linear 或 GitHub 和 AI 一起做「发帖审核」流水线
Published: at 00:00用 OpenClaw 大龙虾 + Linear MCP 搭了一套自动发帖流程：AI 按模板发到 Linear，人审过了就发，不过就打回改。团队协作工具配上 AI，成了你和 Claude 一起干活的地方；用 GitHub 也一样，一发帖就开 PR，合并再发。
以后 Code Review 会比写代码更重要
Published: at 00:00面试可能不再考手写代码，而是给一段有瑕疵的代码让你找问题。工程师的价值会从「能写多少行」转向「能把控多复杂的系统」。