AI 写 80%，人修最后 20%：这是什么新赛道？AI 代码补锅匠 了解一下
1. AI 写 80%，人修最后 20%：这是什么新赛道？"AI 代码补锅匠"了解一下 1.1. “AI 完成 80%，专家处理剩余 20%”
AI Test：AI 测试平台落地实践
1. AI Test：AI 测试平台落地实践 2. AI 正在重塑软件测试领域 人工智能正在深度改变各行各业，软件测试也不例外。随着 AI 在自然语言理解、图像识别、意图规划等方面的成熟发展，测试方法正在从**“人 + 代码驱动的传统测试"向"AI 驱动的智能测试”**转型。 AI 的出现，使构建低
MCP
1. MCP 实战之前，先简单介绍一下 MCP。 MCP = Model Context Protocol，是 OpenAI 在 2024 年底提出的一种协议，用于让大模型（LLM，比如 ChatGPT）能够和外部系统（数据库、API、工具、文件系统等）进行交互。 2. MCP 是什么？ MCP 就
AI应用开发指南
1. 引入 1.1. 将你的 LLM 从"读死书的书呆子"武装成"超级助理" 从 22 年底 ChatGPT 的爆火，到今年年初国产大语言模型 DeepSeek V3 的频繁刷屏，我们看到了**大语言模型（LLM）**那令人惊叹的能力：写诗、编程、答疑仿佛无所不能，无所不知。其高度自然的人机交互界面
AI 编程实践：配置 6A 工作流规则，提升 AI 生成质量
1. AI 编程实践：配置 6A 工作流规则，提升 AI 生成质量 面对复杂开发中需求澄清难、任务复杂，AI 编程可能存在以下问题： 需求理解偏差：AI 经常误解或过度简化需求，导致生成结果与预期不符。 架构缺失导致重构：缺乏前期设计，代码结构混乱，组件耦合严重，难扩展维护。 质量无法保障：缺少边界
分一场"不完美"的胜利
1. 分一场"不完美"的胜利 前段时间参加了讯飞的一个比赛，最终的成绩是 0.8 左右。 这个分数，离"完美"相去甚远，但它背后，却是一次从零开始构建 AI Agent 系统的完整征途——充满了深夜的 Bug、推倒重来的架构和"白花花"的 Token 消耗。 这不完美的胜利，恰好是真实世界 AI 应
AI 应用扫盲：AI 应用的基础组件及选型
1. AI 应用扫盲：AI 应用的基础组件及选型 终于看了 Anthropic 的《Building effective agents》这篇文章，收获很大，我觉得如果要做 AI 应用，这篇文章可以称得上是"必读圣经"。 1.1. 介绍
AI 语音声音克隆产品排行榜（截至 2025 年）
1. AI 语音声音克隆产品排行榜（截至 2025 年） 排名 产品（公司） 主要亮点 / 适用场景 1 ElevenLabs（ElevenLabs） 超高自然度、支持 120+ 语音、32 种语言；仅需 1 分钟样本即可完成克隆，适合有声书、虚拟角色、商业配音。 2 Descript Overdu
