从上万个智能体探索 NS 问题，到 Astra 建模和操作机械臂，最近的几个事情让我又想起了 Bitter Lesson。通用方法为什么能不断突破边界，硬件彩票又在其中起了什么作用？
XDU -> WHU
Data Science
LLM Agents
Evaluation/Benchmark
iOS Dev
Game Client Dev
-
做招聘测评的时候，我应该是谁？
最近找工作做了非常多心理测评，我想弄明白它们怎么得出结论。也想聊聊答题时那个有点纠结的问题：我应该回答平时的自己、工作中的自己，还是公司想要的自己？构造一个能在测评中拿到满分的假想人格，有可能吗？
-
面试准备：问题、回答与反问
整理面试中可能遇到的问题、提前准备的回答，以及向面试官反问的问题，随准备和面试经历持续更新。
-
30/30/30＋10：沪深300、中证A500和中证1000真的更分散吗？
这是个人指数投资 FOF 的尝试，把沪深300、中证A500和中证1000各配三成，再给现金、黄金或科创50留一成，看起来是一套很自然的A股组合。这篇研究从当前成分重合、长期回溯、调仓成本、动态现金和ETF实现层逐层回测验证它，希望能够给自己未来的投资带来一些参考。
-
我如何做 RAG：从项目实践到系统方法
本文内容已迁移至 Build Your Own RAG 仓库，请前往仓库阅读教程与示例。
-
正在取代前端工程师的 AI，做不出游戏里最简单的一块面板
同一个模型，写网页界面几分钟就能跑起来，但哪怕有视觉稿的参考，也依旧难以生成可以直接使用的游戏 UI 工程文件。UI 工作流应该如何引入 AI Agent？为什么大多数团队不仅没能简化流程，反而给管线上的其他岗位带来了新的工作？UI 工作流的 AI 化又应该向什么方向、走什么技术路线发展？本文从一些简单的例子出发，聊聊 UI 工作流引入 AI Agent 的核心问题和瓶颈在哪里，以及我们未来应该做些什么。
-
当我们构建 AI Agent 时，我们究竟在解决什么问题？
从几段 AI Agent 开发经历出发，回看过去两年里 AI Agent 的定义，以及开发一个 AI Agent 这件事本身发生的变化。人究竟把什么、以什么形式交给 AI？又该如何约束一个自由的概率模型？本文从第一性原理讨论委派、边界与判断，当我们构建 AI Agent 时，究竟在做什么，又真正解决了什么问题。
-
AI Agent 的来时路：我们曾经以为瓶颈在哪
从 2024 年到 2026 年，AI Agent 走过的不是一条向前的直线，而是一串猜测：我们不停地猜瓶颈在哪，然后把大部分人力和预算押在猜中的那个位置上。Prompt、RAG、Workflow、Tools、Context、模型与新词、评测，七层猜测，七批工具、名词与项目。这篇文章按时间顺序回看这条来时路。
-
企业 AI 为什么总卡在试点？
企业 AI 的难处，往往不在模型接没接上，而在一段工作有没有清楚的交接、验收、例外与责任。员工会用 AI，不表示公司已经拥有一套可复制的做法。
-
当 AI 从回答问题变成替你做事：Anthropic Economic Index report: Cadences
这份报告不回答“AI 取代了多少人”，它更关心一件正在发生的事：人们开始不只拿 AI 来聊天和问答，也把文档、代码和一部分具体任务交给它做。