AI

AI 能做 100 件事，但挑不出哪件值得做的，是人。AI 时代的竞争力，不在于你用 AI 做了什么，而在于你怎么判断什么值得让 AI 做。

用 AI 的人分两种：一种每天重复同样的上下文，30天后效率跟第一天一模一样；另一种让 AI 自动用他的语气写作、按他的格式输出。本文分享三个让 AI 能力持续复利的认知框架。

系统梳理全球 AI 领域优质信息源：从学术前沿到工程落地，从模型研究到产品应用，构建个人 AI 信息体系

90%的人写 Skill 只是在写操作步骤清单。真正的 Skill 写的是判断标准——什么是对的，什么是错的，什么宁可不做。而这，恰恰是 AI 最缺的东西。

Prompt Engineering 解决表达问题，Context Engineering 解决信息量问题，而真正让 AI Agent 可用、可靠、可持续的，是 Harness Engineering。

AI时代最危险的不是'不会用AI的人'，是'用AI用得太顺的人'——他们没有意识到建立的是对工具的依赖，而不是自己的能力。

本文深度探讨AI辅助编程与智能体的技术演进、分布式系统架构的现代实现，分析三者如何共同塑造下一代软件开发范式，为开发者提供从理论到实践的全面指南。

真正的工程演进不在于对“感觉”的盲从，而在于如何建立一套驾驭 AI 产出的硬核纪律 Vibe Engineering

Vibe Coding的时间效应

从企业落地、成本与安全、个人效率与生产力的差异、方法论与清单化实践切入，讨论 AI 与 IA 共创的路径与边界，并给出待解决问题库与已验证问题库的实操建议。

按开发全流程拆分选型：架构/开发/测试/审查阶段如何选择 LLM，成本控制与模型搭配策略，并给出可执行的实用建议与工具清单。