公众号
公众号短图文,也会同步到全栈成长之路 / 互联网大厂面试。
Kent 用 Cursor 把个人站从 Remix 迁到 React Router,顺便升了一堆依赖
发布于Kent 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
发布于在 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
发布于昨天试用了 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
发布于COBOL 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
发布于用 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
发布于Cursor 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)
发布于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」
发布于让 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
发布于GitHub 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。
技术博客技术选型指南:构建现代化个人技术平台的最佳实践
发布于深入解析技术博客搭建的技术栈选择,从静态站点生成器到部署方案,帮助开发者构建高效、现代化的个人技术分享平台,提升内容创作体验
State of CSS 2024:经典 CSS 与新 CSS 时代的转折点
发布于深度解析 State of CSS 2024 年度报告,探讨现代 CSS 特性的发展趋势、开发者使用习惯变化,以及从经典 CSS 向新 CSS 时代的重要转变
搞了几个自动化脚本,现在每周基本不用管琐事了
发布于用 Cursor Automation 搞了周报、健康检查、Sentry 监控、前端周刊四个自动化脚本,每周省下大把时间,再也不用做重复劳动了。
用「项目深入」代替「简历项目经验」——别人还以为你在钻研项目
发布于有同学问怎么准备面试里的项目经验,我建议用 Skill 从当前项目里梳理难点、亮点和注意事项,因为简历只是快照、信息损失大,项目本身才是无损的。有人担心别人看到你在问面试相关怎么办?把 skill 起名叫「项目深入」或「项目梳理」,同事领导看见了只会觉得你钻研项目的积极性很高。
前端周报捡回来了:从 4 小时到半小时,靠的是自动化
发布于2021 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
发布于现在面试越来越偏「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
发布于用 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
发布于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」。
公司月耗 1000 刀 token 怎么省?换模型就能省一大截
发布于全用 Opus 成本高,一般用 Sonnet 4.6 就够、价差 40%,读代码用 Codex 5.3 更便宜;再加一条:一个 chat 只做一件事,上下文干净、回答质量更高,费用也好控。
同档位模型用最新的,别亏在旧版本上
发布于同一档位的大模型往往同价,新版能力更强。以 Claude Sonnet 和 GPT 为例:Sonnet 4.0、4.5、4.6 同价,新一代 GPT 有的比 4o 还便宜,选旧版等于多花钱少办事。
很多 Skill 只是命令行的一层壳,那怎么找更好的?
发布于不少热门 skill 本质是 CLI 的壳,比如 Website Audit、Agent Browser、Find Skills。要找更好的 skill,不如直接想:怎么找到更好用的命令和工具。