我一开始以为 AI Coding Agent 最大的价值，是把代码写得更快。后来越看越觉得，这个判断有点偏。 真正值得关心的不是“它能不能帮我写一个函数”，而是它能不能接住那些开发者不想亲手处理、但又必须有人处理的工程杂活：读一遍旧代码、改几个边界条件、补测试、跑命令、整理 PR、根据反馈再改一轮。 OpenAI 在 Codex 的介绍里，把它定义…

我最近越来越少把 AI 编程工具当成“更聪明的自动补全”来看。 这个判断可能有点反直觉。因为大多数人第一次用 Copilot、Claude Code、Codex 这类工具时，最直观的感受确实是：它能帮我写代码。写一个函数、补一段测试、改一个 CSS、生成一段 SQL，看起来都挺顺手。 但如果你真的把它放进一个已有项目，而不是在空白文件里让它表演，问…

我最近对 AI 编程 Agent 的看法有点变了。 以前我更关心它能不能写出可用代码：能不能理解项目结构，能不能改对类型，能不能自己跑测试。现在我觉得这已经不是最值得纠结的问题。真正麻烦的是：当 Agent 开始接入 GitHub、Playwright、MCP server、CLI、本地文件系统和云端环境以后，它不再只是一个“会补全代码的聊天框”，…

这两年很多人都在说“别绑死单一模型厂商”。这句话本身没错，但我越来越觉得，很多团队把它理解得过于轻巧了。模型切换当然重要，可一旦你真的开始同时接多家模型、多条 fallback、多套预算和日志，问题就不再是 SDK 调用层那点事，而是一个标准的基础设施治理问题。 也就是说，真正难的不是把 provider 名字从 openai 换成 anthrop…

最近几个大平台都在把 Agent 能力往基础设施方向推。OpenAI 更新 Agents SDK，强调文件检查、命令执行、代码编辑和受控沙箱；Cloudflare 在 Agents Week 里连续推出 agentic cloud、Project Think、Agent Memory、AI Gateway 等能力。表面上看，这是大厂在堆平台。对个人…

“让 Agent 有记忆”听起来很自然，但很多实现方式其实很粗暴：把历史聊天记录总结一下，塞回 prompt；或者把所有对话做 embedding，查询时捞几段出来。短期能用，长期会变成一锅粥。记忆不是更多上下文，记忆是知道什么该留下、什么该忘掉、什么时候拿出来。 Cloudflare 最近推出 Agent Memory private beta，…

AI 编程助手过去像“编辑器里的增强补全”，现在越来越像“可以接任务的外包同事”。这个变化带来的第一个现实问题不是模型有多聪明，而是成本终于开始变得可见。GitHub 已经宣布 Copilot code review 从 2026 年 6 月 1 日起会同时消耗 AI Credits 和 GitHub Actions minutes，这意味着自动审…

过去一段时间，MCP 几乎成了 AI 工具圈的公共语言。很多产品、框架、插件都在往 MCP 靠，官方规范也在继续推进，注册表、SDK 分层、MCP Apps 这类配套能力陆续补齐。热度是真的，但问题也来了：一热，大家就容易把它讲成“接上 MCP，AI 就万物互联”。这显然过头了。我的判断是，MCP 值得关注，而且是重度关注。但关注方式不是追着每个 …

OpenAI 这几个月对 Codex 的推进，透露出的重点已经不是“把代码写得更快”这么简单了。2 月推出 Codex 桌面应用时，核心卖点是多 agent 并行、长任务协作；到 4 月的新版本，重点又继续往前推：它开始更深地接入开发者日常工具，能看多个文件和终端，能连远端 devbox，甚至把浏览器也拉进同一个工作流。这件事真正值得开发者关注的地…

个人开发者圈子里有一种很常见的三件套：记账、笔记、TODO。 它们当然都有用，甚至可以说都挺必要。但问题也恰恰在这里：很多人一想到“我要认真做个人开发了”，第一反应不是去找用户、找需求、找分发、找可验证的问题，而是先给自己搭一套看起来很完整的个人系统。 记账软件选哪个，笔记用 Notion 还是 Obsidian，TODO 要不要分四个视图、六个标…