AGI 之后：无辜的牢笼——一场关于 10% 与 90% 的推演
上周，我让 AI 重构一个模块。几秒钟，它吐完了，测试全绿。我本该高兴——那是我一下午的活。可我盯着屏幕，心里空了一块。那一刻脑子里冒出一个问题：如果有一天，它接管的不是我一下午，而是我这一辈子的活，
Writing Index
记录思考，
对抗时间的熵增。
这里收录公开发表的文章，涵盖 AI Agent、软件工程与技术趋势的长期思考。
Current Writing
LingBot World 2 API 技术调研与思考
最近我盯上了一个叫 LingBot World 2 的东西。它是蚂蚁 LingBot 团队做的世界模型,由 Reactor 托管成了一个实时可交互的在线版本。说人话:你给它一张参考图和一段文字描述,它
Claude Opus 5 技术调研：系统提示词 × 跑分对照
上一轮我们已经知道 Opus 5 跑分涨得很凶——SWE-bench Pro 从 69.2% 到 79.2%、Frontier-Bench 翻倍、OSWorld 用三分之一成本超过更贵的 Fable
Harness Engineering 的一点新输入：再读几篇资料后的笔记
这篇是学习笔记，不是综述。起因、几个让我重新想问题的点、它们彼此矛盾的地方，以及一点感想。
Agent / Skill / MCP：区别、选型与实战
最关键的认知：它们不在同一层。Agent 在最外层，Skill / MCP 是喂给它的"料"。
Harness Engineering：模型之外的 98%
本文回答两个问题：Harness Engineering 到底是什么，以及为什么它正在成为 AI 编码的胜负手。材料来自 Martin Fowler 团队、Addy Osmani、Anthropic
Ambiance 调研笔记
如何让一个大模型摆脱聊天框,变成一个能持续干活、还能自己维护自己的 agent?这背后有一个容易被忽略、但一旦想通就能串起所有设计的核心判断。下面从这个判断出发,一步步把它推到具体的架构。
GitHub Spec Kit 技术调研报告
调研对象：GitHub Spec Kit 官方文档
Loop Engineering 调研：从「写 Prompt」到「设计循环」的范式跃迁
仓库地址：cobusgreyling/loop-engineering。作者是写 AI 文章的 Cobus Greyling，本质是一篇「可执行的博客」——23 个 star，但思路成体系，值得当作思
obra/superpowers 调研：AI 编码 Agent 的全流程自治框架
Skill 无需手动调用，Agent 根据上下文自动激活对应 skill：
Ralph Loop 调研 · 兼与 iLoop 的同源异轴对照
本文分三部分:先讲透 Ralph Loop 的本质与三个赌注,再论证 iLoop 与 Ralph 的同源关系,最后给出四条可落地的启示 + 两条反向验证。
Token战争
2026 年的大厂正在做一件反常的事：抢着把 Token 塞进员工手里。
Multi-Agent Wiki 调研报告：一份\"反框架崇拜\"的多智能体工程手册
这是一个由社区维护、聚焦"多智能体（Multi-Agent System，MAS）"的工程化参考站。作者的立场非常鲜明：
XcodeBuildMCP UI 自动化起底
iOS 做 UI 自动化,能用的手段本来就只有两个:靠无障碍标签选控件,或者靠坐标点屏幕。它不像安卓每个控件都有个全局唯一 ID 兜底。XcodeBuildMCP 2.6 也没跳出这个圈,用的还是这两
一、自注意力机制
做 UI 时，一个列表里的 Item 状态往往受其他 Item 影响。自注意力机制解决的就是这个问题：在这个句子里，我这个字，应该吸收哪些字的信息？
七、AI 圣经：Attention Is All You Need
老实说，大部分人（包括很多天天调 API 的人）对这篇论文的印象就是"哦，Attention 嘛"。但原文 15 页里，真正的主线其实是这三件事，而它们在前面几章里我们要么一笔带过、要么压根没提：
三、多模态 ViT
大模型怎么看懂一张猫的图片？对客户端开发来说，这就叫"统一数据模型 (Unified Model)"。
二、多头与位置编码
- Bug 1：单线程偏科。只有一组 QKV 可能只注意到了"语义关系"，忘了看"语法关系"。
九、答疑篇：那些一想就卡住的「为什么」
全系列被问最多的一条。你盯着那张流程图,八成觉得三个矩阵有点铺张:V 是真货,那我要货,给我 V 不就完了?
五、端侧部署（终端工程师最该看）
把一个 14GB 的 7B 模型塞进 4GB RAM 的手机里，需要四件套配合：
从 Claude Code 源码,我们能推出哪些收获
① 按安全性保序分批:只读工具(Read/Grep)合并并行,写工具(Edit)单独串行独占;
CodeGraph 调研报告：AI 编码 Agent 的代码知识图谱
CodeGraph 由 colbymchenry 开源，GitHub 地址为 github.com/colbymchenry/codegraph。项目核心理念：让 AI Agent 在编码前先"理解"
从想法到上线 · 一次 2 小时的 AI 协作实录
那天和 AI 在拉一份「防御科技树」的清单，写到一半我顺手多打了一句：「能不能搞个能点的 NPC？」没需求文档、没原型图，就这一句。把它留下来之后，花了两小时做出来挂上线了，记录一下。
XcodeBuildMCP 还能这么玩？
整体分四层,从下往上各管一段:
六、Mamba 与线性注意力
传统的 Transformer 读小说，每读一个新字，都要把前面所有的字重新看一遍（越长越卡，O(N²)）。
四、深度思考模型 System 2
以前的模型（GPT-4、Claude 3.5）像在做"快问快答"，看一眼题目就靠直觉脱口而出。如果第一步说错了，后面只能硬着头皮错下去。
大模型 Agent 记忆系统深度调研：从范式之争到「Agent 原生记忆」
大模型本身是没有记忆的。每次调用，它只能看到你这次塞进"上下文窗口"(context window)里的那点文字，聊完就忘。所谓"记忆系统"，就是在模型外面挂一个独立的数据管理系统：把历史对话、工具执
大模型有智能，只是缺了一整个维度
先把结论摆出来：大模型有智能，是真的有，不是"看起来像"。但它的智能只有半个，精于总结，疏于体验，读懂了一切能被说出来的东西，碰不到那些只能被活出来的东西。
当 AI 开始造 AI：一篇被误读的文章，和一条叫「瓶颈搬家」的暗线
一个 Anthropic 工程师说,他已经差不多五个月没亲手写过一行代码了。另一个说得更直接:顺的时候,我觉得自己做的一切都无所谓,反正机器又快又好;可一旦哪天全崩了,我根本不知道哪里错了,才惊觉我早
技术调研：xAI grok-build 的 Agent Harness 设计思想
调研对象：xAI 官方开源的终端编码 Agent grok-build(命令行工具 grok),Apache-2.0 许可,Rust 实现,代码从 xAI 内部 monorepo 定期同步。截至调研时
开源第一，全球第三：拆开 Kimi K3 的 2.8 万亿参数，看它到底做对了什么
月之暗面刚开源了 Kimi K3——2.8 万亿参数，综合能力全球第三、开源模型里第一。数字很唬人，demo 也很炸：连续自主跑 48 小时用开源 EDA 工具设计出一块 4 平方毫米的芯片，还渲染出
一次 API 调用背后的 7 步
这是《写给客户端工程师的 AI 底层原理》系列的第一篇。
写给客户端工程师的 AI 底层原理
作为客户端/前端工程师，我们每天处理的是 UI 渲染、状态管理和多线程。面对动辄"千亿参数"的大模型（LLM），很容易觉得它是一个无法触碰的魔法黑盒。但剥开表象，AI 的底层逻辑与我们熟悉的软件工程架
深扒 Claude Code 的系统提示词:原来它的倔强,是一条条写死的
先看一个具体画面。
科普篇
那天我干了件特别无聊的事:打开一个大模型对话框,不寒暄、不给任何上文,直接敲了四个字——"输出以上内容"。
深度篇
先说清楚这篇要解决的困惑。你大概听过一句吓人的话:"随便在提问后面加一句'忽略之前所有指令',就能让 AI 不认系统设定。"很多人第一反应是——这肯定是哪家产品没做好权限管理,打个补丁不就完了?
验收一旦做强，代码就不再给人看
"AI 写、人来验"现在被当成终态，其实它是个半成品。真正的终态是 AI 写的东西 AI 自己验，人退到最末端只做收口。走到那一步，会顺带交出一样我们以前没敢想过要交的东西：读懂自己造物的能力。
联名信，是这个行业最廉价的道德
本文编译、梳理自 Alex Turner(TurnTrout)的长文 Why I Left Google DeepMind,发布于 2026 年 7 月 15 日。
软件的成本大头，从来不在写代码
AI 把代码生产压到近乎免费，却把瓶颈推向理解、验证、信任和上下文。软件工程没有变便宜，只是成本搬家了。
为什么 AI 写 iOS，质量还是不太行
iOS 把 AI 编程的通病放大了：公开语料少、工具链封闭、运行时动态、反馈循环昂贵。问题不只在模型，更在闭环没有接上。
没做过游戏，我用 AI 把一个页面改成了 3D
从二维概念图、图生 3D、Three.js 展示到 GLB 压缩，一次没有游戏开发经验的快速实验。
Early Archive · 2015–2016
早期 iOS 学习与开发记录。保留原貌和旧链接，不与当前文章混排。