高质量信息源 拒绝 FOMO，拒绝垃圾营销号
首推 Claude、OpenAI 官方 Blog 中文 Twitter 大 V
History & Stroy 微软小冰
Google 画图猜物 AlphaGo
2023 年 4 月 ChatGPT 海外服务器搭建 ChatGPT Web 页面 虚拟卡支付
2024 年 1 月 iSolarChat 、研究院
2024.5 RAG 阿里云百炼
2025 年 1 月 DeepSeek 火出圈
2025 年 8 月 AI Coding Claude Code TRAE
2025.11 YouMind 天使用户，写文档开始变得如此简单
2026 年 3 月 Agent 调研
https://listenhub.ai/embed/episode/69ca0e980b6e9d61336376f8 ↗
iSolarChat#
迭代历程
2023-11-28 完成模型调研，输出技术方案；第一版采用研究院模型+通义千问兜底； 2024-03-01 多端集成 2024-04-30 废弃研究院模型和接口，整体迁移到阿里云百炼平台 2025-02-26 DeepSeek 集成，支持开启深度思考 计划集成本地化部署的 Dify 平台
trae 线下交流感受#
思维角色转变：成为架构师，技术决策者，指挥领导 AI Agent 总体来说，对开发人员的要求更高了，像管理技术团队一样来使用 AI Code Agent，即人人都是技术架构师
AI 工具更新迭代的速度非常快 文档驱动开发的方式，更有利于技术团队之间协作，特别是 AI Code 工具
AI 工具很难在一个成熟并且复杂的项目里面，立刻就发挥作用，这里需要大量的前置工作，来打通整个流程。
编程能力成为通用技能，门槛进一步降低，不只是编程，很多行业的门槛都会降低 程序员的视角，能力的边界也会得到扩展
上周参加了字节跳动组织的 TRAE Friend 线下交流活动，收获不少，这里想和大家分享几条感受：
- AI 编程工具的迭代速度非常快，产品形态也愈发多样。一些工具（例如 TRAE）和今年年初相比，已经完全是两种体验，更新速度远超传统软件产品。
- AI 大幅降低了编程技能门槛。活动中不少非计算机专业的参与者，也在用 AI 编程工具解决自己业务中的实际问题，这一点让我印象非常深。
- AI 工具很难在一个成熟且复杂的项目中立刻发挥生产力。引入 AI 需要大量前置工作来打通流程、清理上下游信息，并不能因为遇到阻力和困难就轻易放弃。
- 多尝试、多动手，把 AI 用在高重复、低风险的环节。不局限于写代码，流程优化、自动化操作、文档处理等都可以让 AI 发挥价值。
- 作为开发者，我们也需要转变思维。学会像“管理一个技术团队”一样去使用 AI Code Agent，把它视为可协作的工程伙伴，而不是单纯的工具。
做出来的东西怎么部署，共享给团队成员公用？ 平台工程，相关基础设施构建 ● 纯前端，静态资源托管 ● 纯后端，API 服务 ● 前后端分离 ● 前后端一体 （Next.js、跨语言）
https://jt26wzz.com/posts/0013-ai-coding/ ↗ https://mp.weixin.qq.com/s/tewBKHgbyrjxUjAOmkXI7A ↗
Claude Code is All You Need*#
2026-03-05
不要再把时间浪费在工具选择和模型选择上，就去用 Claude Code + Claude Opus 4.6，该花钱就花点钱，有些投资是值得的。 （公司能报销就更好了）
本文标题致敬了大语言模型领域的重要论文
Claude Code 官方中文文档： https://code.claude.com/docs/zh-CN/overview ↗
前置条件：
- 科学上网
- 安装一个好用的 Windows 终端，推荐 Windows Terminal，可使用 oh-my-powershell 美化；或者 warp
- 安装 Claude Code （使用官方命令，记得打开代理）
- 安装 cc-switch https://github.com/farion1231/cc-switch ↗
- 配置中转站（aigocode），别去折腾官方渠道了，莫名其妙的封号会把人折磨疯的，花点钱省心
- Start typing，watching CC Coding
我最近用 Claude Code 做了些什么？
- devops 效能平台的全栈开发（Python、Vue）
- 脚本工具开发
- 跨 CPU 架构（amd、arm）的镜像构建流水线设计与实现
不知道该干什么？
- 生成仓库的 Readme、RoadMap、CodeReview 报告
- 撰写技术方案或者详细设计，生成文档
- 重构已有项目
适当节省 Token，不要盲目浪费
Agent Teams 上下文工程 Context Engineering 知识系统 （GitOps 像管理代码一样管理知识） RAG 、知识图谱 可能只是过渡阶段的技术形态
AI 足够聪明且价格可接受时，生产力的差异是什么？ 对 AI，Agent 的组织能力？ 能否表达清楚自己的需求？ 准确提供所需的上下文？
政府的本质是什么？AI 能否取代政府的作用？ AI 总不会贪污腐败吧 …
AI 工作台，面向个人的 Agent Assist
授权（Gitlab Token），信息收集（对话式，主动上传），内部系统 帮你写代码，写文档
SRE-Agent 设计思路#
背景#
- Agent 蓬勃发展，已有一些零散的通过 WorkBuddy Qoder CodeX 自动化运维实施的场景和案例，比如 DevOps 集群搭建部署，argocd 应用，Apisix 自动化部署自签名证书，Sub2Api 自动化部署与迁移
- 仍然存在一些问题，每次都需要手动整理准备相关的上下文文件或者配置，Agent 无法自主获取
- 缺乏统一的工具，依赖每个使用人自身电脑的工具和配置，无法统一管理和监控
- 一些运维动作，需要构建出标准化能力，便于权限审计和管控
- Agent 需要专注运维场景
注意事项
- 确定性场景不该用 LLM，固化成脚本
- Jev 思路能否引入？
功能 自动化排障，根因定位，给出可行的解决方案，人工反馈闭环 自动化巡检，生成巡检报告，人工跟进处理
技术方案#
待完善
有意思的工作方向，有知有行#
基础设施工程师 职位名称 ：基础设施工程师 工作地点 ：
你将参与：
- 保障信息系统及服务运行平台的可靠与稳定；
- 开发 AI Agent（覆盖 DBA、网络、安全、运维等方向）；
- 建设和维护面向 AI 的智能化故障检测与灾难恢复等基础设施平台（日志、监控、部署、数据库等）；
- 实践并持续迭代 Harness Engineering 方法，构建面向 AI 辅助工程的质量保障体系；
- 参与公司级 AI 大脑的建设，同伙伴们一起持续探索 AI 在各业务场景下的实践，并提供可靠的技术支持。
我们希望你具备：
- 本科及以上学历，3 年及以上软件开发工作经验；
- 拥有较为扎实的计算机学科综合基础，熟练掌握至少一门通用编程语言（Golang / Python 最佳）；
- 熟悉 Linux 的使用、维护和 trouble shooting，在以下领域至少一项有较为深入的理解和实践：数据库 / 大数据系统、日志 / 监控 / 部署、DevOps / CI/CD / Kubernetes、软件质量工程、信息安全工程、计算机网络工程；
- 拥有乐观、积极且开放的工作与生活心态，以及优秀的团队协作意识。
- 加分项： ● AI Agent / MCP / Skill 开发经验； ● 拥有自己的 AI Workflow 平台或 AI 辅助工程管理体系的搭建与探索经验； ● 独立开发者 / 开源软件贡献者。
如果你拥有这样的特质，欢迎来信：
- 对自动化和智能化有一种本能追求：看到重复的事，会想着如何优化；看到需要手动完成的环节，会考虑让机器和 AI 接管；
- 比起技能清单，我们更关心的是，你现在是不是已经在用 AI 改变自己的工作方式。如果你已经打磨出一套自己的 AI 协作体系，期待你的分享；
- 同样重要的，还有面对问题时的态度——不粉饰，也不回避。系统有问题，就面对问题；数据不对，就把原因找清楚。这种诚实不需要额外的勇气，因为它本来就是日常工作的默认状态。
如果上面讲述的，是你向往的，欢迎来信跟我们聊聊。