暂无搜索历史
这次我主测的是 Grok 4.5。它最近给我的直观印象不是“会不会聊天”,而是“能不能在开发场景里把问题拆开、收束、再落到可执行修改上”。
企业知识库最容易被低估的部分,不是“模型能否回答”,而是文档更新后旧答案是否失效、用户能否只检索自己有权查看的内容,以及回答中的每条关键结论能否追溯到原文件。把...
很多团队第一次做大模型应用时,会把问题想成“把模型接进来,再做个页面”。真到落地阶段才发现,输入一多,链路一长,事情立刻变复杂:日志能不能传、知识库怎么切分、权...
资料整理这件事,很多人以为难点在“读不完”。真上手之后才会发现,读不完还不是最麻烦的,真正麻烦的是材料来源太杂:会议纪要、访谈速记、产品方案、历史周报、接口说明...
问题不一定出在态度上,而是复盘经常停留在“解释发生了什么”,没有进一步变成“以后如何更早发现、更快止损、更准确验证”。
每到版本发布前,研发群里总会出现一个熟悉的问题:“这次 release note 谁来写?”开发同学觉得自己已经在 commit、MR、需求单里写过一遍;测试同...
凌晨一点,接口告警突然响了。你打开日志平台,看到一屏又一屏的 timeout、500、traceId,手里还有一杯已经凉掉的咖啡。对后端同学来说,日志不是没有价...
很多开发同学第一次用 Claude 系列时,心里会有点矛盾:它写代码很快,解释也顺滑,甚至能把你的需求“翻译”成一段看起来很专业的实现。可当你遇到一个边界条件明...
每天早上打开电脑,很多开发者的第一件事不是写代码,而是清理信息:项目日报、监控告警、技术资讯、工单更新、群消息纪要……看似零散,累积起来却很消耗注意力。如果能让...
在过去几年里,AI 编程工具经历了非常明显的变化。最初,开发者更多把大模型当成“代码补全器”:写一个函数名,它补几行实现;给一段报错,它解释一下原因。到了 Ch...
过去几年,人工智能从一个偏研究型的技术概念,快速走进了企业业务、软件研发和普通用户的日常生活。尤其是大模型出现之后,AI 不再只是“识别图片”“推荐商品”“预测...
Claude 的故事从这里开始。
最近做了一次偏技术研究性质的“镜像实验”:同一组产品信息、同一批用户画像、同样的转化目标,分别用人工、普通大模型和 GPT-5.5 级别模型来生成 A/B 测试...
最近团队里有个很典型的小痛点:问题不是没人提,而是提完以后容易散在群聊、会议纪要、表格和邮件里。有人记得优先级,有人只记得“上次说过”,最后项目经理每天都在做信...
最近做一个内部工具的改版,我尝试把“画草图”这一步交给 ChatGPT Images 2.0 来辅助完成。入口我用的是一个 AI工具平台:AI工具镜像网站——库...
暂未填写公司和职称
暂未填写个人网址
暂未填写所在城市