Posts
All the articles I've posted.
公司不报销 Token，为什么你反而更累了
Published: at 00:00很多公司并不报销 AI Token 成本，但任务安排却默认你在使用 AI 提效。表面上写代码更快了，实际是决策密度变高，节奏更紧。好在相比过去的纯手写时代，你面对复杂问题时更像在做有参考答案的选择题。
让 AI 真正懂你的内部库：最有效的三件事
Updated: 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。
命令行工具该有个「给 AI 看」的输出模式
Published: at 00:00很多 CLI 默认输出冗长杂乱，直接喂给模型很费劲。封装时可用 --agent 或 --minimal 一类开关：去颜色、进度条和交互，用最少字传递更多信息；help 里给足参数示例，让 AI 第一次读 --help 就能多拿上下文。
Cursor 卡顿时，我改用 cursor-agent
Published: at 00:00Cursor IDE 最近越来越慢、还会中途卡住时，我发现用命令行的 cursor-agent 反而更顺：少开界面、少被打断，写改动和跑命令都更快。它像是同一个工具的“快车道”。
Three.js 为何突然周下载 900 万
Published: at 00:00Three.js 的周下载量在三个多月里从 300 万涨到 900 万，这不只是前端圈变热闹了，更说明 AI 和 vibe coding 正在快速拉低 3D 开发门槛，让更多人第一次真正上手 Web 3D。
国内模型怎么选？Arena 榜当个参考就好
Published: at 00:00我翻了 Arena 榜单里国产模型的排位：GLM5 相对最靠前（大约第 8），MiniMax M2.7、Kimi 2.5 也在前列，彼此分差不大。实际使用可结合平台、任务类型和预算多试几款，别把排名当成唯一标准。
团队用 agents.md，个人规则放 agents.local
Published: at 00:00和同事一起维护项目时，仓库里往往已有共享的 agents.md。若每人还想保留自己的约定，可像环境变量那样：另建 agents.local.md，由 agents.md 引用说明，并把本地文件加入 .gitignore，共享与私有不打架。
比没额度更慌的，是额度没用完
Published: at 00:00从按小时重置到按月清零，订阅额度像会过期的牛奶：不用完觉得亏，用完了又肉疼。聊聊 AMP、Cursor 这类产品里那种「月底狂刷」的心态，以及怎么不被额度牵着走。
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。
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」。