加载中...
加载中...
GitHub 上发现的好东西，框架、工具、AI 都有
The React Framework for the Web. Used by some of the world's largest companies.
Beautifully designed components that you can copy and paste into your apps.
FastAPI framework, high performance, easy to learn, fast to code, ready for production.
Get up and running with Llama 3, Mistral, Gemma, and other large language models.
Build context-aware reasoning applications with LLMs.
Build smaller, faster, and more secure desktop and mobile applications with a web frontend.
踩坑记录、技术实践、一些想法
最近排查了一次前端偶发白屏问题，最后发现问题并不在 Vue，也不完全是浏览器缓存，而是静态资源的发布方式：每次上线前先清空对象存储，再重新上传构建产物。这个看起来再普通不过的发布流程，在 Hash 文件、动态 Chunk 和 CDN 同时存在时，其实埋着一个很容易被忽略的资源一致性问题。
之前聊执行层 MCP 的时候我说过：MCP 给 AI 一双手，让它能碰真实系统。但光有手还不够。手会干活是一回事，干得符不符合你的标准、踩不踩你过去踩过的坑，是另一回事。Skill 解决的就是这个问题——把"这个 Agent 应该怎么干活"固化下来，而不是每次重新教一遍。这篇文章整理了一套适合全栈开发的 Skill 组合，以及如何把团队经验沉淀成自己的 Skill。
很多人第一次接触 MCP，想到的是查文档、搜知识库、读取文件。但如果 MCP 只能让 AI "知道更多"，它的价值其实还没有完全发挥出来。真正让我觉得 MCP 开始变得有意思的，是它逐渐下沉到了执行层：操作浏览器、提交代码、管理 Kubernetes、执行数据库查询、触发基础设施变更。当 AI 从"告诉你怎么做"走向"自己做完并验证结果"，AI 编程的形态也开始发生变化。
用了一段时间 Codex、Claude Code 之后，我越来越觉得，AI 编程体验的差距已经不完全来自模型本身。同一个模型，有的人还在让它一遍遍读文件、猜 API、等自己截图反馈，有的人已经让 AI 自己理解代码结构、查最新文档、操作浏览器、验证页面、分析 GitHub Issue。真正值得折腾的，可能不是再换一个模型，而是给 AI 配一套更好的"手和眼睛"。
“浏览器输入一个 URL 之后发生了什么”曾经是一道经典面试题：DNS、TCP、TLS、HTTP、浏览器渲染，背熟一条链路似乎就够了。但到了 2026 年，这个答案已经越来越不像一条固定流程。HTTP/3、QUIC、DoH、CDN、边缘节点、Service Worker、缓存、连接复用，都可能让一次普通访问走上不同路径。真正值得理解的，已经不是那张固定流程图，而是浏览器究竟在做哪些判断。
真正拉开差距的，也许不是知道更多，而是持续改变自己的行动方式。
开发中用到的一些实用工具，持续更新
分析 SQL 查询性能，提供优化建议和执行计划解读。
AI 驱动的日志分析工具，自动识别异常模式和错误根因。
根据场景需求智能生成高质量 Prompt，提升 AI 对话效果。
输入业务需求，自动生成系统架构方案和技术选型建议。
基于需求描述自动生成结构化的产品需求文档。