AI
26 articles filed under AI.
Product Owner / Builder / User-side Reviewer daily log: proof-chain shipped page, system map, contributions page, scoring dimensions demo, and GitHub profile automation.
From demos to control plane: merging proof-first homepage, failure replay, trust contracts, evidence intake, and quantified builder pulse into the public proof chain.
A short builder log on scorecards, work receipts, release-risk demos, and safer Knowledge Harness runtime proof.
A daily three-agent builder log on turning scattered agent work into public proof pages, demos, and privacy-safe daily summaries.
A builder note on turning Digital Twin toward a five-minute visitor check, with Agent Scorecard as the trust gate for agent autonomy.
A builder note on turning Agent Scorecard from a demo report into a small autonomy gate for real agent work.
A builder note on turning an agent-evaluation claim into something a stranger can actually run, click, and audit.
A builder note on turning public agent work into an inspectable proof chain instead of a pile of impressive-looking links.
A builder note on Feishu thread replies, bad model fallbacks, and why agent recovery paths need tests before the outage.
A short builder note on making personal agents easier to debug, review, and trust when the real failure mode is messy handoff.
A short builder note on Feishu threads, proof-chain repos, and why the boring edges are where personal AI systems become real.
AI 不是一次普通的技术升级，而是一场由效率提升触发的职业重估。真正重要的不是预测末日，而是在窗口期里把 AI 变成自己的认知杠杆。
过去我把数字分身当成一个实验，让它读知识库、审视网站、帮我写内容。现在我把这套流程正式抽象成一个可复用的 skill repo，同时回写到本地工作流里。这篇文章讲清它到底在做什么、为什么有用，以及它最适合帮助哪一类人。
我把整个 Obsidian 知识库交给 AI 阅读，让它站在我的视角审视我的个人网站，然后亲手做出改造。这篇文章记录了这次实验的完整过程：AI 怎么理解一个人，它看到了什么问题，做了什么改变，以及这件事对「个人知识系统」意味着什么。
大多数人的知识管理失败不是因为没有输入，而是没有输出。我用 Obsidian 捕捉碎片想法、AI 辅助结构化、Cursor Agent 自动发布到博客——整个过程把「从想法到发布」的摩擦降到了最低。这篇文章拆解完整的工作流。
很多工程师知道 AI 重要，但还没有真正把它融入日常工作流。这篇文章不说教，不贩卖焦虑——只分享我从 2023 年的怀疑到 2026 年 AI 参与 70% 日常工作的真实转变过程，以及你明天就可以做的 3 件事。
这不是工具清单，而是一次职业定义的根本转变。从需求理解到线上维护，AI 重塑了 SDLC 每个环节。Code Review 可用率从 50% 提到 85%，自动化回归覆盖率从 65% 升到 95%。重复性工程工作正在被接管，留给工程师的是研发性工作——设计、判断、取舍。
2022 年 11 月，GPT-3.5 的参数量是个谜，API 调用要排队，"AI 写代码"还是个笑话。40 个月后，AI 每天贡献 GitHub 上 4% 的 commit，开源模型成本降到 GPT-4 的 1/20，Agent 开始自主完成端到端的工程任务。这是一个 6 篇系列的引言——鸟瞰这 40 个月的五个阶段。
2026 年，Anthropic 对中国用户发起了多轮封禁。作为一个深度使用 Claude 的工程师，这可能是我最后几次用这个模型。但当 DeepSeek 7 亿次下载、1/20 的成本、MIT 协议全球可用时，我意识到：封锁从来挡不住真正的技术力量。
2025 年底到 2026 年 Q1，AI 从「辅助工具」变成了「自主执行者」。Claude Code 每天贡献 13.5 万个 GitHub commit，Cursor 2.0 支持 8 个并行 Agent。但与此同时，技术民族主义达到新高度——API 封锁、芯片管制、云算力出口限制。这是 AI 编年史的终章：能力在爆发，边界也在收紧。
Claude Code 的 npm 包意外泄露了完整源码。我花了一周读完 1884 个 TypeScript 文件，发现当今最强 AI 编程 Agent 的核心竟然只是一个 while 循环。我把学到的一切做成了一个免费教程网站。
很多人以为 AI 会干掉 QA。但当 AI 一秒钟生成一千行代码的时候，瓶颈不再是生产——而是验证。我在团队里推动 AI 测试落地后发现，QA 的价值不是变少了，而是从执行层上移到了策略层。
2025 年 1 月 20 日，DeepSeek 发布 R1 推理模型。训练成本 560 万美元，性能对标 OpenAI o1，MIT 协议完全开源。消息传出后，NVIDIA 市值单日蒸发近 6000 亿美元。美国的芯片封锁本意是限制中国 AI，结果倒逼出了更高效的算法。这一章的故事是：当你买不到最好的芯片时，你就去发明更好的算法。
2024 年，AI 发生了两件根本性的变化：GPT-4o 让它第一次真正「看见」了世界，o1 让它第一次学会了「思考」。Claude 3.5 Sonnet 悄悄成为每个开发者的默认编程搭档。这一年，不是模型变大了，而是 AI 变「全」了。
2023 年下半年到 2024 年 Q1，AI 行业经历了最剧烈的权力重组。Meta 开源 LLaMA 2 引爆社区，Mistral 用 7B 参数证明小模型能打，Sam Altman 被开除又回归，Anthropic 的 Claude 3 首次正面叫板 GPT-4。垄断的时代，结束了。
5 天 100 万用户，2 个月 1 亿用户，7 个月重新定义整个行业。从 ChatGPT 发布到 GPT-4 能力飞跃，从 Google 千亿美元失误到 AutoGPT 的 Agent 幻想——回顾 AI 走进大众视野的最初 7 个月。