Tw93 Blog

你不知道的 Claude Code：架构、治理与工程实践

2026-03-12

0. 太长不读

今天这篇文章源于最近半年深度使用 Claude Code、两个账号每月 40 刀氪金换来的一些踩坑经验，希望能给大伙一些输入。

刚开始我也把它当 ChatBot 用，后来很快发现不对劲：上下文越来越乱、工具越来越多但效果越来越差、规则越写越长却越不遵守，折腾了一段时间，研究了 Claude Code 本身之后才意识到，这不是 Prompt 问题，而是这套系统的设计就是这样的。

这篇文章想和大伙聊聊这几个事：Claude Code 底层怎么运作、上下文为什么会乱以及怎么治理、Skills 和 Hooks 应该怎么设计、Subagents 的正确用法、Prompt Caching 的架构影响，以及怎么写一个真正有用的 CLAUDE.md。

我觉得最直接的理解方式，是把 Claude Code 拆成六层来看：

层	职责
`CLAUDE.md` / rules / memory	长期上下文，告诉 Claude “是什么”
`Tools` / `MCP`	动作能力，告诉 Claude “能做什么”
`Skills`	按需加载的方法论，告诉 Claude “怎么做”
`Hooks`	强制执行某些行为，不依赖 Claude 自己判断
`Subagents`	隔离上下文的工作者，负责受控自治
`Verifiers`	验证闭环，让输出可验、可回滚、可审计

只强化其中一层，系统就会失衡，CLAUDE.md 写太长，上下文先污染自己了；工具堆太多了，选择就搞不清楚了；subagents 开得到处都是，状态就漂移了；验证这步跳过了，出了问题根本不知道是哪里挂的。

1. 它底层是怎么运行的

Claude Code 的核心不是”回答”，而是一个反复循环的代理过程：

收集上下文 → 采取行动 → 验证结果 → [完成 or 回到收集]
     ↑                    ↓
  CLAUDE.md          Hooks / 权限 / 沙箱
  Skills             Tools / MCP
  Memory

用了一段时间才意识到，卡住的地方几乎从来不是模型不够聪明，更多时候是给了它错误的上下文，或者写出来了但根本没法判断对不对，也没法撤回。

真正要关注的五个层面

层面	核心问题	主要载体
`Context surface`	哪些信息常驻，哪些按需加载	`CLAUDE.md`、rules、memory、skills
`Action surface`	Claude 当前具备哪些动作能力	built-in tools、MCP、plugins
`Control surface`	哪些动作必须被约束、阻断或审计	permissions、sandbox、hooks
`Isolation surface`	哪些任务需要隔离上下文和权限	subagents、worktrees、forked sessions
`Verification surface`	如何判断任务完成且结果可信	tests、lint、screenshots、logs、CI

对着这几个面看，很多问题就好排查了。结果不稳定，查上下文加载顺序，不是模型的事；自动化失控，看控制层有没有设计，不是 agent 太主动；长会话质量下降，中间产物把上下文污染了，换个新会话比反复调 prompt 有用得多。

2. 概念边界：MCP / Plugin / Tools / Skills / Hooks / Subagents

概念	运行时角色	解决什么	典型误用
`CLAUDE.md`	项目级持久契约	每次会话都必须成立的命令、边界、禁止项	写成团队知识库
`.claude/rules/*`	路径或语言相关规则	目录、文件类型或语言级局部规范	所有规则都堆到根 `CLAUDE.md`
`Built-in Tools`	内置能力	读文件、改文件、跑命令、搜索	把所有集成都塞进 shell
`MCP`	外部能力接入协议	让 Claude 访问 GitHub、Sentry、数据库	接太多 server，工具定义挤爆上下文
`Plugin`	打包分发层	把 Skills/Hooks/MCP 一起分发	把 plugin 当成运行时 primitive
`Skill`	按需加载的知识/工作流	给 Claude 一个”方法包”	skill 既像百科全书又像部署脚本
`Hook`	强制执行规则的拦截层	在生命周期事件前后执行规则	用 hook 替代所有模型判断
`Subagent`	隔离上下文的工作单元	并行研究、限制工具与权限	无边界 fan-out，治理失控

简单记：给 Claude 新动作能力用 Tool/MCP，给它一套工作方法用 Skill，需要隔离执行环境用 Subagent，要强制约束和审计用 Hook，跨项目分发用 Plugin。

3. 上下文工程：最重要的系统约束

很多人把上下文当”容量问题”，但卡住的地方通常不是不够长，而是太吵了，有用的信息被大量无关内容淹没了。

真实的上下文成本构成

Claude Code 的 200K 上下文并非全部可用：

200K 总上下文
├── 固定开销 (~15-20K)
│   ├── 系统指令: ~2K
│   ├── 所有启用的 Skill 描述符: ~1-5K
│   ├── MCP Server 工具定义: ~10-20K  ← 最大隐形杀手
│   └── LSP 状态: ~2-5K
│
├── 半固定 (~5-10K)
│   ├── CLAUDE.md: ~2-5K
│   └── Memory: ~1-2K
│
└── 动态可用 (~160-180K)
    ├── 对话历史
    ├── 文件内容
    └── 工具调用结果

一个典型 MCP Server（如 GitHub）包含 20-30 个工具定义，每个约 200 tokens，合计 4,000-6,000 tokens。接 5 个 Server，光这部分固定开销就到了 25,000 tokens（12.5%）。我第一次算出这个数字的时候，真没想到有这么多，在要读大量代码的场景，这 12.5% 真的很关键。

上下文最佳实践

保持 CLAUDE.md 短、硬、可执行，优先写命令、约束、架构边界。Anthropic 官方自己的 CLAUDE.md 大约只有 2.5K tokens，可以参考
把大型参考文档拆到 Skills 的 supporting files，不要塞进 SKILL.md 正文
使用 .claude/rules/ 做路径/语言规则，不让根 CLAUDE.md 承担所有差异
长会话主动用 /context 观察消耗，不要等系统自动压缩后再补救

任务切换优先 /clear，同一任务进入新阶段用 /compact
把 Compact Instructions 写进 CLAUDE.md，压缩后必须保留什么由你控制，不由算法猜

压缩机制的陷阱

默认压缩算法按”可重新读取”判断，早期的 Tool Output 和文件内容会被优先删掉，顺带把架构决策和约束理由也一起扔了。两小时后再改，可能根本不记得两小时前定了什么，莫名其妙的 Bug 就是这么来的。

解决方案就是在 CLAUDE.md 里写明：

## Compact Instructions

When compressing, preserve in priority order:

Architecture decisions (NEVER summarize)
Modified files and their key changes
Current verification status (pass/fail)
Open TODOs and rollback notes
Tool outputs (can delete, keep pass/fail only)

除了写 Compact Instructions，还有一种更主动的方案：在开新会话前，先让 Claude 写一份 HANDOFF.md，把当前进度、尝试过什么、哪些走通了、哪些是死路、下一步该做什么写清楚。下一个 Claude 实例只读这个文件就能接着做，不依赖压缩算法的摘要质量：

在 HANDOFF.md 里写清楚现在的进展。解释你试了什么、什么有效、什么没用，让下一个拿到新鲜上下文的 agent 只看这个文件就能继续完成任务。

写完后快速扫一眼，有缺漏直接让它补，然后开新会话，把 HANDOFF.md 的路径发过去就行。

Plan Mode 的工程价值

Plan Mode 的核心是把探索和执行拆开，探索阶段不动文件，确认方案后再执行：

探索阶段以只读操作为主
Claude 可以先澄清目标和边界，再提交具体方案
执行成本在计划确认之后才发生

对于复杂重构、迁移、跨模块改动，这样做比”急着出代码”有用多了，它能显著降低在错误假设上持续修改的概率。按两下 Shift+Tab 进入 Plan Mode，进阶玩法是开一个 Claude 写计划，再开一个 Codex 以”高级工程师”身份审这个计划，让 AI 审 AI，效果很好。

4. Skills 设计：不是模板库，是用的时候才加载的工作流

Skill 官方描述是”按需加载的知识与工作流”，描述符常驻上下文，完整内容按需加载，用起来和”保存的 Prompt”差别挺大的。

一个好 Skill 应该满足什么

描述要让模型知道”何时该用我”，而不是”我是干什么的”，这两个差很多
有完整步骤、输入、输出和停止条件，别写了个开头没有结尾
正文只放导航和核心约束，大资料拆到 supporting files 里
有副作用的 Skill 要显式设置 disable-model-invocation: true，不然 Claude 会自己决定要不要跑

Skill 怎么做到”按需加载”

Claude Code 团队在内部设计中反复强调 “progressive disclosure”，意思不是让模型一次性看到所有信息，而是先获得索引和导航，再按需拉取细节：

SKILL.md 负责定义任务语义、边界和执行骨架
supporting files 负责提供领域细节
脚本负责确定性收集上下文或证据

一个比较稳定的结构长这样：

.claude/skills/
└── incident-triage/
    ├── SKILL.md
    ├── runbook.md
    ├── examples.md
    └── scripts/
        └── collect-context.sh

Skill 的三种典型类型

下面几个例子都来自我在开源 terminal 项目 Kaku 里的实际 Skill，比较直观。

类型一：检查清单型（质量门禁）

发布前跑一遍，确保不漏项：

---
name: release-check
description: Use before cutting a release to verify build, version, and smoke test.
---

## Pre-flight (All must pass)
- [ ] `cargo build --release` passes
- [ ] `cargo clippy -- -D warnings` clean
- [ ] Version bumped in Cargo.toml
- [ ] CHANGELOG updated
- [ ] `kaku doctor` passes on clean env

## Output
Pass / Fail per item. Any Fail must be fixed before release.

类型二：工作流型（标准化操作）

配置迁移高风险，显式调用 + 内置回滚步骤：

---
name: config-migration
description: Migrate config schema. Run only when explicitly requested.
disable-model-invocation: true
---

## Steps
1. Backup: `cp ~/.config/kaku/config.toml ~/.config/kaku/config.toml.bak`
2. Dry run: `kaku config migrate --dry-run`
3. Apply: remove `--dry-run` after confirming output
4. Verify: `kaku doctor` all pass

## Rollback
`cp ~/.config/kaku/config.toml.bak ~/.config/kaku/config.toml`

类型三：领域专家型（封装决策框架）

运行时出问题时让 Claude 按固定路径收集证据，不要瞎猜：

---
name: runtime-diagnosis
description: Use when kaku crashes, hangs, or behaves unexpectedly at runtime.
---

## Evidence Collection
1. Run `kaku doctor` and capture full output
2. Last 50 lines of `~/.local/share/kaku/logs/`
3. Plugin state: `kaku --list-plugins`

## Decision Matrix
| Symptom | First Check |
|---|---|
| Crash on startup | doctor output → Lua syntax error |
| Rendering glitch | GPU backend / terminal capability |
| Config not applied | Config path + schema version |

## Output Format
Root cause / Blast radius / Fix steps / Verification command

描述符写短点，每个 Skill 都在偷你的上下文空间

每个启用的 Skill，描述符常驻上下文。优化前后差距很大：

# 低效（~45 tokens）
description: |
  This skill helps you review code changes in Rust projects.
  It checks for common issues like unsafe code, error handling...
  Use this when you want to ensure code quality before merging.

# 高效（~9 tokens）
description: Use for PR reviews with focus on correctness.

还有一个很重要的 disable-auto-invoke 使用策略：

高频（>1 次/会话）→ 保持 auto-invoke，优化描述符
低频（<1 次/会话）→ disable-auto-invoke，手动触发，描述符完全脱离上下文
极低频（<1 次/月）→ 移除 Skill，改为 AGENTS.md 中的文档

Skills 反模式

描述过短：description: help with backend（任何后端工作都能触发，哈哈）
正文过长：几百行工作手册全塞进 SKILL.md 正文
一个 Skill 覆盖 review、deploy、debug、docs、incident 五件事
有副作用的 Skill 允许模型自动调用

5. 工具设计：怎么让 Claude 少选错

我后面越用越觉得，给 Claude 的工具和给人写的 API 不是一回事。给人用的 API 往往会追求功能齐全，但给 agent 用，重点不是功能堆得多完整，而是让它更容易用对。

好工具 vs 坏工具

维度	好工具	坏工具
名称	`jira_issue_get`, `sentry_errors_search`	`query`, `fetch`, `do_action`
参数	`issue_key`, `project_id`, `response_format`	`id`, `name`, `target`
返回	与下一步决策直接相关的信息	一堆 UUID、内部字段、原始噪声
规模	单一目标，边界清楚	多个动作混杂，副作用不透明
成本	默认输出受控、可截断	默认返回过大上下文
错误信息	包含修正建议	仅返回 opaque error code

几个实用设计原则：

名称前缀按系统或资源分层：github_pr_*、jira_issue_*
对大响应支持 response_format: concise / detailed
错误响应要教模型如何修正，不要只抛 opaque error code
能合并成高层任务工具时，不要暴露过多底层碎片工具，避免 list_all_* 让模型自行筛选

从 Claude Code 内部工具演进学到的

我看到 Claude Code 团队内部工具的这段演进时，感觉还挺有意思。像这种需要在任务中途停下来问用户的场景，他们前后试了三种做法：

第一版：给已有工具（如 Bash）加一个 question 参数，让 Claude 在调用工具时顺带提问。结果 Claude 大多数时候直接忽略这个参数，继续往下跑，根本不停下来问。
第二版：要求 Claude 在输出里写特定 markdown 格式，外层解析到这个格式就暂停。问题是没有强制约束，Claude 经常”忘了”按格式写，提问逻辑非常脆弱。
第三版：做成独立的 AskUserQuestion 工具。Claude 想提问就必须显式调用它，调用即暂停，没有歧义。效果显著好于前两版。

下面这张图刚好能解释，为什么第三版明显更稳：

左边（markdown 自由输出）太松，模型格式随意、外层解析脆弱；右边（ExitPlanTool 参数）太死，等到退出计划阶段提问已经太晚；AskUserQuestion 独立工具落在中间，结构化且随时可调用，是这三者里最稳定的设计。

说白了，既然你就是要 Claude 停下来问一句，那就直接给它一个专门的工具。加个 flag 或者约定一段输出格式，很多时候它一顺手就略过去了。

Todo 工具的演进：

早期用 TodoWrite 工具 + 每 5 轮插入提醒让 Claude 记住任务。随着模型变强，这个工具反而成了限制，Todo 提醒让 Claude 认为必须严格遵循，无法灵活修改计划。挺有意思的教训：当初加这个工具是因为模型不够强，模型变强之后它反而变成了枷锁。值得过段时间回来检查一下，当初加的限制还成不成立。

搜索工具的演进：最初用 RAG 向量数据库，虽然快但需要索引、不同环境脆弱，最重要的是 Claude 不喜欢用。改成 Grep 工具让 Claude 自己搜索后，效果显著提升。后来又发现一个顺带的好处：Claude 读 Skill 文件，Skill 文件又引用其他文件，模型会递归读取，按需发现信息，不需要提前塞进去，这个模式后来被叫做”渐进式披露”。

什么时候不该再加 Tool

本地 shell 可以可靠完成的事情
模型只需要静态知识，不需要真正与外部交互
需求更适合 Skill 的工作流约束，而不是 Tool 的动作能力
还没验证过工具描述、schema 和返回格式能被模型稳定使用

6. Hooks：在 Claude 执行操作前后，强制插入你自己的逻辑

Hooks 很容易被当成”自动运行的脚本”，但我自己用下来，觉得它更像是把一些不能交给 Claude 临场发挥的事情，重新收回到确定性的流程里。

比如格式化要不要跑、保护文件能不能改、任务完成后要不要通知，这些事真不要指望 Claude 每次都自己记得。

当前支持的 Hook 点

适合 vs 不适合放到 Hooks 的

适合：阻断修改受保护文件、Edit 后自动格式化/lint/轻量校验、SessionStart 后注入动态上下文（Git 分支、环境变量）、任务完成后推送通知。

不适合：需要读大量上下文的复杂语义判断、长时间运行的业务流程、需要多步推理和权衡的决策，这些该在 Skill 或 Subagent 里。

{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit",
        "pattern": "*.rs",
        "hooks": [
          {
            "type": "command",
            "command": "cargo check 2>&1 | head -30",
            "statusMessage": "Running cargo check..."
          }
        ]
      }
    ],
    "Notification": [
      {
        "type": "command",
        "command": "osascript -e 'display notification \"Task completed\" with title \"Claude Code\"'"
      }
    ]
  }
}

Hooks：越早发现错误，越省时间

在 100 次编辑的会话中，每次节省 30-60 秒，累积节省 1-2 小时，还挺可观的。注意限制输出长度（| head -30），避免 Hook 输出反而污染上下文。

Hooks + Skills + CLAUDE.md 三层叠加

CLAUDE.md：声明”提交前必须通过测试和 lint”
Skill：告诉 Claude 在什么顺序下运行测试、如何看失败、如何修复
Hook：对关键路径执行硬性校验，必要时阻断

用下来感觉，三样少任何一层都会有漏洞。只写 CLAUDE.md 规则，Claude 经常当没看见；只靠 Hooks，细节判断又做不了，放在一起才比较稳。

7. Subagents：派一个独立的 Claude 去干一件具体的事

Subagent 就是从主对话派出去的一个独立 Claude 实例，有自己的上下文窗口、只用你指定的工具、干完汇报结果。核心价值不是”并行”，而是隔离，扫代码库、跑测试、做审查这类会产生大量输出的事，交给 Subagent 做，主线程只拿摘要，不会被中间过程污染。Claude Code 内置了 Explore（只读扫库，跑 Haiku 省成本）、Plan（规划调研）、General-purpose（通用），也可以自定义。

配置时要显式约束

tools / disallowedTools：限定能用什么工具，别给和主线程一样宽的权限
model：探索任务用 Haiku/Sonnet，重要审查用 Opus
maxTurns：防止跑飞
isolation: worktree：需要动文件时隔离文件系统

另一个实用细节：长时间运行的 bash 命令可以按 Ctrl+B 移到后台，Claude 之后会用 BashOutput 工具查看结果，不会阻塞主线程继续工作。subagent 同理，直接告诉它「在后台跑」就行。

几个常见反模式

子代理权限和主线程一样宽，隔离没有意义
输出格式不固定，主线程拿到没法用
子任务之间强依赖，频繁要共享中间状态，这种情况用 Subagent 不合适

8. Prompt Caching：Claude Code 内部架构的核心

这块我之前在很多教程里都没怎么看到有人展开讲，但它其实很影响 Claude Code 的成本结构和很多设计取舍。

工程界有句话 “Cache Rules Everything Around Me”，对 agent 同样如此，Claude Code 的整个架构都是围绕 Prompt 缓存构建的，高缓存命中率不只降低成本，也帮助创造更宽松的速率限制，Anthropic 甚至会对命中率运行告警，太低直接宣布 SEV。

为缓存设计的 Prompt Layout

Prompt 缓存是按前缀匹配工作的，从请求开头到每个 cache_control 断点之前的内容都会被缓存。所以这里的顺序很重要：

Claude Code 的 Prompt 顺序：
System Prompt → 静态，锁定
Tool Definitions → 静态，锁定
Chat History → 动态，在后面
当前用户输入 → 最后

破坏缓存的常见陷阱：

在静态系统 Prompt 中放入带时间戳的内容（让它每次都变）
非确定性地打乱工具定义顺序
会话中途增删工具

那像当前时间这种动态信息怎么办？别去动系统 Prompt，放到下一条消息里传进去就行。Claude Code 自己也是这么做的，用户消息里加 <system-reminder> 标签，系统 Prompt 不动，缓存也就不会被打坏。

会话中途不要切换模型

Prompt 缓存是模型唯一的。假如你已经和 Opus 对话了 100K tokens，想问个简单问题，切换到 Haiku 实际上比继续用 Opus 更贵，因为要为 Haiku 重建整个缓存。确实需要切换的话，用 Subagent 交接：Opus 准备一条”交接消息”给另一个模型，说明需要完成的任务就行。

Compaction 的实际实现

上图是 Compaction（上下文压缩）的执行流程：左边是上下文快满时的状态，中间是 Claude Code 开一个 fork 调用，把完整对话历史喂给模型，加一句”Summarize this conversation”，这一步命中缓存所以只需 1/10 的价格，右边是压缩完之后，原来几十轮对话被替换成一段 ~20k tokens 的摘要，System + Tools 还在，再挂上之前用到的文件引用，腾出空间继续新的轮次。

直觉上 Plan Mode 应该切换成只读工具集，但这会破坏缓存。实际实现是：EnterPlanMode 是模型可以自己调用的工具，检测到复杂问题时自主进入 plan mode，工具集不变，缓存不受影响。

defer_loading：工具的延迟加载

Claude Code 有数十个 MCP 工具，每次请求全量包含会很贵，但中途移除会破坏缓存。解决方案是发送轻量级 stub，只有工具名，标记 defer_loading: true。模型通过 ToolSearch 工具”发现”它们，完整的工具 schema 只在模型选择后才加载，这样缓存前缀保持稳定。

9. 验证闭环：没有 Verifier 就没有工程上的 Agent

「Claude 说完成了」其实没啥用，你得能知道它做没做对、出了问题能退回来、过程还能查，这才算数。

Verifier 的层级

最低层：命令退出码、lint、typecheck、unit test
中间层：集成测试、截图对比、contract test、smoke test
更高层：生产日志验证、监控指标、人工审查清单

在 Prompt、Skill 和 CLAUDE.md 中显式定义验证

## Verification

For backend changes:

- Run `make test` and `make lint`
- For API changes, update contract tests under `tests/contracts/`

For UI changes:

- Capture before/after screenshots if visual

Definition of done:

- All tests pass
- Lint passes
- No TODO left behind unless explicitly tracked

写任务 Prompt 或 Skill 的时候，最好把验收标准提前说清楚。哪些命令跑完算完成，失败了先查什么，截图和日志看到什么才算过，这些越早讲明白，后面越省事。

我自己有个很简单的判断：假如一个任务你都说不清楚「Claude 怎么才算做对了」，那它大概率也不适合直接丢给 Claude 自动完成。

10. 高频命令的工程意义

这些命令说白了就干一件事：主动管理上下文，别等系统自己处理。

上下文管理

/context   # 查看 token 占用结构，排查 MCP 和文件读取占比
/clear     # 清空会话，同一问题被纠偏两次以上就重来
/compact   # 压缩但保留重点，配合 Compact Instructions
/memory    # 确认哪些 CLAUDE.md 真的被加载了

能力与治理

/mcp       # 管理 MCP 连接，检查 token 成本，断开闲置 server
/hooks     # 管理 hooks，控制平面入口
/permissions # 查看或更新权限白名单
/sandbox   # 配置沙箱隔离，高自动化场景必备
/model     # 切换模型：Opus 用于深度推理，Sonnet 用于常规，Haiku 用于快速探索

会话连续性与并行

claude --continue               # 恢复当前目录最近会话，隔天接着做
claude --resume                 # 打开选择器恢复历史会话
claude --continue --fork    # 从已有会话分叉，同一起点不同方案
claude --worktree              # 创建隔离 git worktree
claude -p "prompt"            # 非交互模式，接入 CI / pre-commit / 脚本
claude -p --output-format json  # 结构化输出，便于脚本消费

几个不常见但很好用的命令

/simplify：对刚改完的代码做三维检查，代码复用、质量和效率，发现问题直接修掉。特别适合改完一段逻辑后立刻跑一遍，代替手动 review。

/rewind：不是”撤销”，而是回到某个会话 checkpoint 重新总结。适合：Claude 已沿错误路径探索太久；想保留前半段共识但丢掉后半段失败。

/btw：在不打断主任务的前提下快速问一个侧问题，适合”两个命令有什么区别”这类单轮旁路问答，不适合需要读仓库或调用工具的问题。

claude -p --output-format stream-json：实时 JSON 事件流，适合长任务监控、增量处理、流式集成到自己的工具。

/insight：让 Claude 分析当前会话，提炼出哪些内容值得沉淀到 CLAUDE.md。用法是会话做了一段之后跑一次，它会指出”这个约定你们反复提到，但没有写进契约”之类的盲点，是迭代优化 CLAUDE.md 的好手段。

双击 ESC 回溯：按两次 ESC 可以回到上一条输入重新编辑，不用重新手打。Claude 走偏了、或者上一句话没说清楚，双击 ESC 修改后重发，比重新开会话省事得多。

对话历史都在本地：所有会话记录存放在 ~/.claude/projects/ 下，文件夹名按项目路径命名（斜杠变横杠），每个会话是一个 .jsonl 文件。想找某个话题的历史，直接 grep -rl "关键词" ~/.claude/projects/ 就能定位，或者直接告诉 Claude「帮我搜一下之前关于 X 的讨论」，它会自己去翻。

11. 如何写一个好的 CLAUDE.md

CLAUDE.md 在我看来更像是你和 Claude 之间的协作契约，不是团队文档，也不是知识库，里面只放那些每次会话都得成立的事。

我自己的建议其实很简单，一开始甚至可以什么都不写。先用起来，等你发现自己老是在重复同一件事，再把它补进去。加法也不复杂，输入 # 可以把当前对话里的内容直接追加进 CLAUDE.md，或者直接告诉 Claude「把这条加到项目的 CLAUDE.md 里」，它会知道该改哪个文件。

应该放什么

怎么 build、怎么 test、怎么跑（最核心）
关键目录结构与模块边界
代码风格和命名约束
那些不明显的环境坑
绝对不能干的事（NEVER 列表）
压缩时必须保留的信息（Compact Instructions）

不该放什么

大段背景介绍
完整 API 文档
空泛原则，如”写高质量代码”
Claude 通过读仓库即可推断的显然信息
大量背景资料和低频任务知识（这些放到 Skills）

高质量模板

# Project Contract

## Build And Test

- Install: `pnpm install`
- Dev: `pnpm dev`
- Test: `pnpm test`
- Typecheck: `pnpm typecheck`
- Lint: `pnpm lint`

## Architecture Boundaries

- HTTP handlers live in `src/http/handlers/`
- Domain logic lives in `src/domain/`
- Do not put persistence logic in handlers
- Shared types live in `src/contracts/`

## Coding Conventions

- Prefer pure functions in domain layer
- Do not introduce new global state without explicit justification
- Reuse existing error types from `src/errors/`

## Safety Rails

## NEVER

- Modify `.env`, lockfiles, or CI secrets without explicit approval
- Remove feature flags without searching all call sites
- Commit without running tests

## ALWAYS

- Show diff before committing
- Update CHANGELOG for user-facing changes

## Verification

- Backend changes: `make test` + `make lint`
- API changes: update contract tests under `tests/contracts/`
- UI changes: capture before/after screenshots

## Compact Instructions

Preserve:

1. Architecture decisions (NEVER summarize)
2. Modified files and key changes
3. Current verification status (pass/fail commands)
4. Open risks, TODOs, rollback notes

用起来其实不复杂：每次都要知道的放 CLAUDE.md，只对部分文件生效的放 rules，只在某类任务中需要的放 Skills。

让 Claude 维护自己的 CLAUDE.md

我最喜欢的一个技巧：每次纠正 Claude 的错误后，让它自己更新 CLAUDE.md：

“Update your CLAUDE.md so you don’t make that mistake again.”

Claude 在给自己补这类规则时其实还挺好用，用久了确实越来越少犯同样的错。不过也要定期 review，时间一长总会有些条目慢慢过时，当初有用的限制现在未必还适合，这件事后面第 14 节有个更系统的做法。

12. 最近自己折腾中得到的新经验

春节放假时，我用 Claude Code 做了一个开源 terminal 项目 Kaku，底层是 Rust + Lua，也带了一些 AI 能力。混合语言加上自定义配置系统，实际折腾下来反而暴露出不少典型的 agent 协作问题，顺手聊几个对我帮助比较大的经验。

“环境透明”比你想象中重要

Claude Code 调用的都是真实的 shell、git、package manager 和本地配置。这里面只要有一层不透明，它就只能开始猜；一旦走到猜环境这一步，可靠性通常就会掉得很快。这其实也不只是 Claude Code 的问题，很多 agent 都一样。

所以我后来很快就在 terminal 里加了个 doctor 命令，把环境状态、依赖和配置情况先统一收上来，输出一份结构化的健康报告。Claude Code 开始做事前先跑一次 doctor，确实能省掉很多”环境没搞清楚就开干”的问题。

另外我还发现，假如 CLI 本身就有 init、config、reset 这类语义清楚的子命令，Claude Code 用起来会稳不少，比让它自己去猜配置文件怎么摆要靠谱。先把状态收敛住，再暴露编辑入口，顺序一反过来就很容易乱。

混合语言项目的 Hooks 实践

两套语言、两套检查，其实挺适合用 Hooks 按文件类型分别触发：

{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit",
        "pattern": "*.rs",
        "hooks": [{
          "type": "command",
          "command": "cargo check 2>&1 | head -30",
          "statusMessage": "Checking Rust..."
        }]
      },
      {
        "matcher": "Edit",
        "pattern": "*.lua",
        "hooks": [{
          "type": "command",
          "command": "luajit -b $FILE /dev/null 2>&1 | head -10",
          "statusMessage": "Checking Lua syntax..."
        }]
      }
    ]
  }
}

每次编辑完立刻知道有没有编译错误，比”跑了一堆才发现最开始就挂了”舒服得多。

完整的工程化布局参考

假如有同学想给自己项目配一套比较完整的 Claude Code 工程布局，可以参考这个结构，不用全做，按需裁剪：

Project/
├── CLAUDE.md
├── .claude/
│   ├── rules/
│   │   ├── core.md
│   │   ├── config.md
│   │   └── release.md
│   ├── skills/
│   │   ├── runtime-diagnosis/     # 统一收集日志、状态和依赖
│   │   ├── config-migration/      # 配置迁移回滚防污
│   │   ├── release-check/         # 发布前校验、smoke test
│   │   └── incident-triage/       # 线上故障分诊
│   ├── agents/
│   │   ├── reviewer.md
│   │   └── explorer.md
│   └── settings.json
└── docs/
    └── ai/
        ├── architecture.md
        └── release-runbook.md

全局约束（CLAUDE.md）、路径约束（rules）、工作流（skills）和架构细节完全解耦，Claude Code 的执行稳定性会显著上升。假如你同时维护多个项目，可以把稳定的个人基线放在 ~/.claude/，各项目的差异放在项目级 .claude/，通过同步脚本分发，不同项目之间就不会互相污染了。

13. 常见反模式

反模式	症状	修复
CLAUDE.md 当 wiki	每次加载污染上下文，关键指令被稀释	只保留契约，资料拆到 Skills 和 rules
Skill 大杂烩	描述无法稳定触发，工作流冲突	一个 Skill 只做一类事，副作用显式控制
工具太多描述模糊	选错工具，schema 挤爆上下文	合并重叠工具，做明确 namespacing
没有验证闭环	Claude 只能”觉得自己完成了”	给每类任务绑定 verifier
过度自治	多 agent 并行无边界，出错难止损	角色/权限/worktree 最小化，明确 maxTurns
上下文不做切分	研究、实现、审查全堆在主线程，有效上下文被稀释	任务切换 `/clear`，阶段切换 `/compact`，重型探索交给 subagent（Explore → Main 模式）
自治范围过宽但治理不足	多 agent、外部工具全开，但缺乏权限边界和结果回收边界	permissions + sandbox + hooks + subagent 组合边界
已批准命令堆积不清理	`settings.json` 里残留 `rm -rf` 等危险操作，一旦触发不可逆	定期审查 `.claude/settings.json` 的 `allowedTools` 列表

14. 配置健康检查

基于文章里的六层框架，我把这套检查整理成了一个开源 Skill 项目 tw93/claude-health，可以一键检查你的 Claude Code 配置现在处于什么状态。

npx skills add tw93/claude-health

装好之后在任意会话里跑 /health，它会自动识别项目复杂度，对 CLAUDE.md、rules、skills、hooks、allowedTools 和实际行为模式各跑一遍检查，输出一份优先级报告：需要立刻修 / 结构性问题 / 可以慢慢做。

如果你读完这篇文章想知道自己的配置离这些原则差多远，跑一次 /health 是最快的方式。

15. 结语

用 Claude Code 大概会经历三个阶段：

阶段	关注点	效率感知
工具使用者	“这个功能怎么用”	有帮助但有限
流程优化者	“如何让协作更顺”，开始写 CLAUDE.md 和 Skills	明显提升
系统设计者	“如何让 Agent 在约束下自主运作”	质变

到了第三阶段，关注点会悄悄变掉，从「这个功能怎么用」变成「怎么让 agent 在约束下自己跑起来」，两件事感觉差很多。

有一个问题挺值得想的：假如一个任务你说不清楚「什么叫做完」，那大概率也不适合直接扔给 Claude 自主完成，验证标准本身都没有，Claude 再聪明也跑不出正确答案。

这些是半年折腾下来的一些总结，肯定还有很多没有挖掘到的地方，如果大伙有用得更 6 的技巧，欢迎告诉我。

连龙虾都不会装的人，怎么会用龙虾呢?

2026-03-07

今天看腾讯大厦装龙虾这件事，挺有感触，有点儿《龙虾大跃进》的感觉。

最近很多大厂都在疯狂让一线非技术员工去安装龙虾，网上甚至真有 500 上门安装服务。大家都在拼命找使用场景，拼命要求落地，拼命证明这个东西已经重要到不能错过，整个过程让我有一种很强的赛博科技折叠感。

看到一句话很有意思，连龙虾都不会装的人，怎么会用龙虾呢。再往前一步，连基本使用都没有建立起来，却要先做出完整场景，做出结果，做出价值证明，这本身就更难。

这背后有两个东西叠在一起。一个是错觉，很多老板看了太多视频号切片，被各种夸张叙事和万能案例反复轰炸以后，真的会产生一种幻觉，觉得这东西什么都能做，哪里都能接，谁都该装，装了就应该立刻有产出。另一个是焦虑，大家又都怕错过这一波，于是开始用行政动作去推动，用集体焦虑去代替真实需求。

所以你会看到一种很强的反差。一边口号非常大，仿佛人人都要进入 AI 原生时代。另一边是大量人连自己到底有什么事情值得交给它做都说不清楚。这个反差后面只会越来越强，而且会越来越荒诞。

因为工具从来不会靠安装产生价值，工具只会靠任务密度、流程清不清楚、结果能不能看出来来产生价值。没有连续任务，没有 SOP，没有线上完成的条件，没有明确的输入输出，再强的东西放在那里也只是一个图标。它不会因为被装上了，就自动长出场景。

所以我一直觉得，龙虾并不适合所有人。

它很适合指挥者，很适合一人公司，也很适合那种脑子里一直有事情要往上做、能把工作拆成步骤、并且很多事情都能在线上完成的人。尤其是你用过 skills 和 tools，也知道 AI 本身的能力边界，能把流程串起来、把场景搭起来、把事情一步步做完，这种时候就会非常合适。

比如对我来说，这个场景就很自然。特别是有大量事情要往上做，但是刚好不在家里不在公司，在外带着手机，或者不方便开电脑的时候，我会让我的两个 nanobot 去检查我的开源产品 issue，产出技术方案，然后另外一个去 review、去提交，一气呵成。让我早上上班坐车路上，就把事情优雅做了，真是方便。

但是对于一个平时本来就没有什么工作要在外面完成的人，甚至回到家连电脑都不想开的人，怎么可能硬有场景去做事情。吃好玩好就很舒服啦。没有场景就是没有场景，真的不用焦虑。

我觉得这一波最容易被放大的，不是能力差距，是场景差距。有场景的人会越用越顺，越跑越快，最后像多了几个分身。没有场景的人，就很容易在概念、教程、案例、视频里来回打转，最后除了多装几个软件，什么都没变。

很多人今天最大的问题，也不是没装龙虾，而是把装了某个工具，当成自己已经进入了 AI 时代。其实真正的分水岭，一直都在任务理解、流程设计、结果判断这些地方。你到底有没有持续的问题要解决，你能不能把问题拆出来交给系统，你能不能判断结果是不是对，这些才决定了你能不能真正从 AI 里拿到价值。

所以无需焦虑。没有场景的时候，硬装龙虾意义不大。

真想体验这代 AI 到底强在哪里，不如花 20 刀去包一个 Claude Code，或者更有趣一点，再包一个 ChatGPT 会员，用 GPT 5.4 去帮你处理一个你自己真觉得很难的事情，产出方案，推进执行，体验一次这种简单、高效、直接把问题解决掉的过程，这比装一个龙虾好太多了。

龙虾适合有场景的人，适合指挥者，适合一人公司，适合那些可以把流程 SOP 化、线上化、一步步做完的人。它当然很强，但它不是靠被安装来证明自己强，是靠替你完成工作来证明。

很多人今天在装的是龙虾，真正更该先想明白的是一句话，我到底有什么问题，值得交给 AI 去解决。

这件事，可能比装什么都重要。

比特币下跌时，我重新理解了大教堂与赌场

2026-02-01

最近比特币从 12w 的高点回落到 7w 多，市场情绪再次走向恐慌，每当市场下跌时，我反而更容易去想一个更基础的问题：市场里，哪些东西更像赌场，哪些还在慢慢修建大教堂。

价格的剧烈波动，往往来自对短期反馈的博弈，而真正决定长期回报的，通常需要多年甚至几十年的持续投入，在很长一段时间里看起来都不那么显眼。

刚好今天在 YouTube 看了脑总的《识别下一个万亿机会的关键：超越性》视频，对这个隐喻有了更系统的理解，很多投资分歧，并不来自信息差，而是来自认知层级的不同。你站在追逐价格的位置，自然只能看到筹码和赔率；你站在长期结构的位置，看到的则是时间、信仰和协作。

我想着把里面的一些观点记录下来，集合自己的投资思考写成一篇文章，希望可以给亏损的小伙伴一些心理按摩。

投资的三个认知层次

第一层是动物性认知：他完全受本能驱动，追涨杀跌，依赖即时反馈，像在赌场里寻找刺激，这种认知关注的是短期多巴胺，而不是长期价值，结果往往是成为市场中被反复收割的韭菜。
第二层是理性认知：这一层的人会开始阅读财报、计算估值、建立模型，关注收入、利润、现金流和护城河，这是传统价值投资的基础。这条路径是必要的，但并不充分，过度理性容易让人陷入路径依赖，像当年的诺基亚，能够精确计算触屏手机在当时成本高、体验不成熟，却完全看不见苹果正在重新定义手机这个物种本身。
第三层是超越性认知：这是脑总视频中反复强调的一点，投资者需要穿越财务数据，去识别一个企业是否承载着超越短期利润的使命，真正的使命可以凝聚长期的大规模协作，吸引顶级人才，因为这群厉害的人不缺钱但缺工作意义感，这样的企业也能把用户从消费者转化为信徒，人们购买的不是产品，而是认同感和归属感，他们并不只是经营生意，而是在推动一个足够宏大的长期叙事。

那么怎么判断一个企业的使命是否是真使命呢？

并不是所有愿景都配得上被称为使命，有很多是骗投资人的，判断他是否成立，可以看这三个维度：

创始团队是否愿意牺牲短期的回报：真正的使命一定伴随真实的代价，创始人和核心团队是否愿意为长期目标，主动放弃短期金钱回报，是最直接、也最可信的信号。
是否愿意长时间一直坚持：真正的使命通常有几十年的历史传承，而不是融资材料里临时拼出来的愿景，很多看似突然成功的公司，背后其实都有极长的思想和技术积累周期。
如果这家公司消失，世界是否会有影响：如果这家公司消失，世界是否会因此失去重要价值，它创造的社会价值，是否明显大于它攫取的商业利润，真正的大教堂，会让整个生态因它的存在而受益。

价值投资还是之前的那一套吗？

我认为价值投资需要在 AI 时代发生一些改变，记得之前把我的持仓发给 Claude 分析，我还自以为自己是价值投资，结果他说你这完全不是价值投资，而是「高认知驱动的成长趋势投资 + 期权与杠杆放大的进攻型风格」，一下子把我拉回来了。

基于刚刚聊的框架，价值投资并没有失效，而是在 AI 时代被迫升级了。传统价值投资强调护城河，而超越性认知更关注一种灯塔效应，即一家企业是否照亮了一个全新的价值空间。

从计算价值，转向识别叙事，经典的价值投资是在用折价买确定性，而超越性认知是在判断哪些一块钱的东西，未来可能变成一百块，因为它们往往指向一个还没有被完整定价的新空间。

市场波动反而是朋友，当比特币下跌，当市场质疑长期投入巨大却短期回报模糊的公司时，往往正是超越性认知与主流理性认知分歧最大的阶段，也是最值得冷静观察和深入研究的窗口。基于这一点，我依然看好比特币，它更像一项需要时间验证的长期叙事，而不是一笔需要频繁进出的交易。

需要陪伴有超越性特征的企业

投资大教堂建造者，更像陪伴而不是交易,你需要农夫式的耐心，接受长期没有反馈的阶段。散户更像植物，渴望每天的阳光和价格变化，顶级投资者更像修建大教堂的人，思考的是几十年甚至百年的尺度，生态位越高，忍受饥饿和无反馈的能力越强。

当时看完脑总那个视频后，我自己也在琢磨，现在的什么公司才能称得上具备超越性特征的功能呢？想来想去有这几个很好看的，特别是马斯克的公司，我很期待 SpaceX 今年的上市。

SpaceX：坚持火星殖民这一终极使命，用第一性原理重构航天成本，建立了运力层面的垄断，他真正的价值不在于某一次发射带来多少收入，而在于这条技术路线，是否最终把人类推向跨行星生存这一长期目标。
Tesla：正在试图挣脱制造业固有的线性增长约束，把大量资源持续投入到全自动驾驶和具身智能上，本质上他是在押注 AI 对物理世界生产力的重构，是否真的会以指数级方式发生。
Bitcoin：构建的是一套基于数学共识而非中心化信用的价值网络，它证明了即使没有 CEO、没有财报，仅依靠代码和共同信念，也可以支撑一个万亿美元级别的经济体，每一次剧烈回撤，更多是在挤出短期投机者，同时加固长期共识。
NVIDIA：用了将近十五年的时间，持续推进软硬一体的计算生态，逐步把计算范式从通用计算引向加速计算，最终站在了 AI 时代底层基础设施的位置上。
Palantir：用十七年的非上市周期打磨核心系统，专注解决最复杂、最关键的数据问题，在国防与核心产业中建立了难以替代的生态位，它的价值并不体现在季度营收，而体现在是否成为数字世界的基础能力。
OpenAI/Anthropic：以 AGI 造福全人类为核心使命，持续凝聚顶尖科学家开展长周期的研究，在通用人工智能这一根本性范式上形成领先优势，其长期价值不取决于当前营收模式，而取决于是否真正塑造下一代真正的 AGI。

怎么找到下一代的这一类标的呢？

第一需要去找，可能在这一个阶段他不被看好，甚至被嘲笑的，真正具备超越性的使用的企业早期很像科幻小说一样，可能有人会认为这就是玩笑，可能成功一样，和当时诺基亚嘲笑苹果一样，包括当时丰田的 Akio Toyoda 也多次公开表示，特斯拉纯电就是过度炒作，认为电动车不现实，氢能和混动才是正确方向，现在其实也错了一样。

第二需要去看 人才流动的方向，不是那种乌烟瘴气搞钱网红的流动方向，而是顶级工程师和科学家是否愿意降薪加入，长期资本是否愿意以非标准方式支持，往往比任何其他指标更有说服力，这也是为什么这么多大牛工程师非常想到 SpaceX 工作的原因。

第三需要看 开发者生态是否繁荣，开发者社区、上下游创业者和研究活动的密度，是衡量其长期正外部性的关键信号，有开发者有生态才会非常促进他的繁荣，苹果的 AR 眼镜没有太搞起来的原因，其中有一个就是在里面的开发者生态相比手机 App 的开发少太多了。

第四需要接受当前的模糊性和非线性，他们可能在很长时间内只有投入和愿景，然后在某个临界点后集中爆发。想起之前看过视频，英伟达的老黄还去小米的发布会给自己拉过票，现在看着真是很有感触。

在赌场噪音中保持清醒

我感觉这三点我们可以反复提醒自己，给自己经常心理按摩。

警惕理性的自负，用一套完美模型证明颠覆者被高估，往往是最危险的时刻，因为颠覆者其实不是这样计价的。
让时间参与判断，真正的使命，短期常常显得荒谬，长期才显得理所当然，你需要等着花慢慢开发，耐心培养。
在无人问津处保持耐心,当叙事被嘲笑、价格低迷时，往往是研究和布局的窗口，当它被普遍接受，或者大妈开始进场的时候，你就应该跑了，或者这是你识别错误的超越性的标的。

真正长期优秀的生意，几乎都是主义先行的，拥有超越性使命的组织，即使当下弱小，也更可能在时间中壮大，失去使命的组织，即使今天强大，衰落也往往只是时间问题，好比乔布斯时代的苹果我认为属于超越性使命的组织，而现在库克下的苹果属于更喜欢赚钱的企业，两者区别很大。

在充满赌场噪音的市场里，识别并长期陪伴那些仍在修建大教堂的建造者，不被短期波动牵着走，也不为眼前利润背叛长期判断，这可能是这个时代最稀缺、也最重要的投资能力。

最后，个人作为投资小白，还属于入门阶段，远不及大牛的观点，这篇文章可能有很多不完善的地方，不建议不懂的小伙伴盲目去投资，这类风险很高，需要谨慎，因为可能会亏很多钱。

243 个工程师，最近一年买到的好东西

2026-01-24

上周为了给团队同学买年夜饭礼物，在 X 上随口问大伙，最近一年，你买过最称心如意的东西是什么，或者说假如需要推荐一个你最想推荐的东西会是什么？可以是电子设备、软件、生活用品都可以。

没想到收到了 243 位小伙伴的回复，很有生命活人感，我非常喜欢这样的交流，评论区里大家聊得非常热闹，翻完看了几遍，发现了不少好东西，推荐的既有很刚需的，也有非常接地气的生活好物。

简单把推荐按照热度简单整理了一下，在保留大伙原始评价的基础上，仅对标点和重复表达做了微调，每一行都以产品名称开头，确保原汁原味，希望可以给大家平时想买点东西但不知道买啥提供一些参考。

盖地虎地漏芯：之前看豆叔推文买的盖地虎地漏芯，原来用过的几款水封的满满的会有生物膜和长头发缠住，排水越来越慢，要清洁的频率越来越高，这款是真的没有一次被堵过，排水一直很畅快，观察了一阵给全家其他的地漏都换了。
毛巾加热架：我在 X 上还没见到过有人推荐这个，可连接手机设置定时的毛巾加热架，毛巾一旦潮湿后滋生细菌是非常快的，定时加热到 60℃ 的毛巾架可以让毛巾始终有类似阳光晒后的杀菌效果，并且洗澡后用起来暖暖的，并且不像晒后硬邦邦。
电纸书：买了之后保持了上床不带手机，睡前读一小时左右的书，大半年过去回头还是读了不少书和论文的，很值。
Tesla Model 3
iPhone Air：eSIM 方便，出差旅游切换运营商省心，最好用的一代，爽的不行。
iPad mini：今年最能提升幸福感的物品之一，轻薄便携，适合阅读代码或辅助开发，屏幕护眼续航长
美的踢脚线暖气：完全没有噪音，自动控温，比空调舒服太多，还可以语音或者微信小程序控制，买了以后阴天家里的衣物都很干爽。
Anki：开始使用 Anki 来学习瑞典语，没花钱，现在感觉很好。
司普奇拜单抗：要说起 2025 年我最推荐的东西，其实不是什么电子产品，而是我打的一种针，司普奇拜单抗，这玩意儿主要是用来治疗鼻炎和哮喘的，打完头两针的前几天没什么反应，但过了四五天之后，一下子就能闻到味儿了，当时闻到咖啡的香味，特别开心。
柏曼大路灯：买之前是为了给小孩用，买了以后发现真香，我自己在家工作也会用，有和没有家里的亮度完全是两个级别，亮度高工作会很舒服，还有夜间模式，上发光，不刺眼，晚上偶尔照顾小孩很方便。
椰子粉：南国徐大漂亮，每天早上跟麦片一起泡，比牛奶好吃，感觉永远吃不厌。
半导体 ETF ：把我生活基本开销赚回来了
iPad mini、AirPods Pro 3、酷态科 10 号 mini、Mac mini M4、多芬大白碗: 如果选几个今年最能提升幸福感的物品，我会选择这几个。
2025 Model Y
创新 41 存屏幕: 2026 年最值得买的创新 41 存屏幕整两个，瞬间脑容量扩大一倍。屏幕大小决定脑容量带宽。
三星 T9 移动固态 4T：在里面装了 Ubuntu 和 kali，随身携带即插即跑，linux go。
Genelec G2 音响：好听到想哭，在家听歌看电影再也没戴过耳机。
M4 MacBook Air：简直物超所值；轻巧便捷优雅，而且很多软件都第一时间上架苹果生态，AI coding 了大量代码，超值！
NS 2：玩塞尔达高清高帧率爽爆。
自动猫砂盆
铁兔三合一折叠无线充电器
在国外居住的，请了一个菲佣
一次性纯棉洗脸巾：推荐洗脸一次性纯棉毛巾，质量和卫生都很好，浴巾直接从烘干机拿。
ARC’TERYX Gamma MX Hoody：最值得买软壳，一衣多穿防风防水弹性好，橄榄绿心动；缺点贵。
Patagonia Capilene Cool Daily 速干打底：穿着优秀速干抑臭强，性价比高。
Costco 鸭绒被：冬天像住酒店，轻薄保暖高清洁无异味，性价比清流；缺点目前没有。
戴森 V12：每天睁眼就是吸吸吸干干净净的。
iPhone17，自己工作后买的第一款手机，在最有能力的年纪遇上了最慷慨的苹果。其次是 pocket3 吧，拍 vlog 是我的爱好 😉
山姆的便携式咖啡机
Trello：软件完美解决团队项目管理。
Sleep PAP：生活用品 Sleep PAP，大幅提升睡眠质量。
室内篮筐：太爽了，在家就能投篮解压。
索尼电视：买了台索尼电视，爬了 🪜 装上了软件，从此打开了通往世界的大门；终于看到我游戏机上的游戏真正的颜色和物体的真正颜色和形状了！
健身房 / 私教：报了健身房，30 岁开始健身了，没长什么肌肉但是头不前倾，也不驼背了，稍微壮实了点，真心建议有体态问题的兄弟去试试；花了 4000 左右报了私教，认真打磨每一个动作
司美格鲁肽：减重效果明显，神器级别。
居家锻炼单杠：坚持每天几组引体向上，居家锻炼方便，适合办公室族保持体能
爬楼机：边爬楼边看视频，娱乐运动两不误
小天手机支架：在床上也能不砸脸地耍手机了，和十几块的没法比。
K580 罗技键盘
Apple TV：不是最近一两年，但我觉得苹果最有价值的产品就是 Apple tv
耳夹式耳机：声阔 aeroclip
海外版 iPhone：eSIM 用了就回不去了
zepbound: 神药
黑白调的人体工学椅：性价比贼高买的很称心如意
小踏板摩托车
索尼 WH-1000XM6 耳机：降噪太好了
乔立 7600 厨师机: 为了做面包买的，现在和面做馅都靠它，又省力又好。
小米墨镜：买了个小米墨镜开车还有去海边都用上了，自己感觉很不错
青稞小米饼：云南的青稞小米饼，无糖的，哈哈哈只有我最没出息，但真好吃。
Dyson 风扇：可以吹冷热風，全年可用，對於氣溫變化大的地區，小房間很合適。
iPhone 16 Pro：不买 pro max 因为太重，上一个就是摔坏的，追星订阅了 bubble，很疗愈，沉浸式翻译，感觉买一个好手机很重要。
显示器悬臂支架
烘洗一体机
黑白调人体工学椅：性价比贼高，很称心如意，腰托调节舒适，适合长时间办公
定期打扫房子：定期把房子打扫干净弄整洁整理衣柜，住着舒服多了，保持环境整洁提升心情
金可儿软床垫：终于把腰解放了，硬板床从小睡到大，软硬适中改善睡眠
红米 A27U 2026 版：用着很舒服，太香了，屏幕清晰色彩准，适合办公显示扩
41 寸大屏：2026 年最值得买的创新屏幕整两个，瞬间脑容量扩大一倍，屏幕大小决定脑容量带宽，多屏开发效率翻倍
扫地机器人
omx 站立笔记本支架
Cursor：甭管模型怎么变我这里全有一站式解决 ai 编程
连续血糖仪：连续血糖仪解决多年睡眠困扰。
ResMed S11 呼吸机：它解决了我多年以来的睡眠困扰，虽然不能说睡醒后百分之百清醒，但大概率人会感觉精神饱满。
三手丰田威尔法 Vellfire：这是一辆八座版的车，我花了不到 2 万澳币，它正好能满足我和新西兰邻居的 carpool。
一个好的 VPN
Apple Watch Ultra
大显示器
lazboy 的单椅
伯希和的金标 P 棉
Filco 机械键盘
NS2
ytb premium
OPPO Find 手机：内置 ai 确实不错
酷态科充电协议转换线，酷态科 145w 充电宝
gemini pro
哈曼卡顿音箱水晶系列：低音强颜值高。
肌肉蚂蚁运动裤
Victor Super Nano 7 羽毛球拍: 50 刀，好用，拿了个魁北克低级别业余比赛的第 5
AirPods Pro 三代：帶著聽歌很安心，看書很快能進入心流狀態
佳明跑步手表
iPhone 17 Pro Max 和美光的股票：17promax 绝对是这么多代 iPhone 中最好用的一代。
sleep mask with Bluetooth headphone：睡前听书听音乐催眠就靠这个了
买了个好枕头：终于明白为什么古人说”高枕无忧”——原来颈椎不疼，真的能少忧三分。
SONY WH 1000 XM5
烘干机：幸福感很强
旋转甩水拖把：水桶分为清水，脏水及洗涮区，保证了拖把布每次都是清水清洗后使用，值得购买。
智能射频遥控器
一对音箱：最近一年没有，最近十年，买到的最称心的东西就是一对音箱，让我听出了天籁之音，好像也不是大品牌 KEF。
3D 打印机：自定义打印开发原型，适合硬件工程师实验快速迭代
Hoka 鞋子：Hoka 鞋子天天穿，脚不累。
Stanley 吸管杯：开车喝水方便，可折叠不漏，改变不爱喝水习惯。
酷彩珐琅锅、章丘铁锅：嘎嘎好用
适乐肤身体乳：细腻润肤，用完皮肤超滑。
十足美泡脚粉
windsurf
罗技 MX 鼠标和 Magic Keyboard
暗黑破坏神 4
空气炸锅。
电压力锅：30 分钟就能脱骨，煮汤炖肉神器。
Vision Pro：沉浸式体验，戴上就进入另一个世界。
PS5 光驱版：娱乐神器，游戏画面超级清晰。
动态血糖仪
马桶盖，东芝的基本款，5 年咯没坏；
京东京造大陆灯
优衣库 HEATTECH EXTRA WARM 混纺圆领 T 恤
kindle 电子书/Kindle Scribe：用来读 pdf 很舒服，并且因为屏幕变大，阅读效率也提高了。
带手提大容量加厚的垃圾袋：从此下楼扔垃圾，再也不会半路破掉
指纹锁：不用带钥匙，回家直接指纹开，轻松。
洗地机
SUNO AI：给战锤小说配乐，那叫一个风格百变
matepad mini
Claude Code
黄金
罗技 MX Anywhere 3S 鼠标
33 号远征队
一加 Ace 5 手机
泰拉瑞亚手游
食物秤：几十块钱，养成了称重的好习惯，在大多数日子里控制饮食
尼康 z502
Google One AI Pro
zn6 底盘
ps5
除湿机，微压汤锅
Pixel 10 Pro
MX Ergo：这种鼠标让我的鼠标手好了非常多。因为太好用了买了两个，一个放家里一个放公司。
airpors 4：这是我送给自己今年的第一个礼物
Plotter A5 活页笔记本：找回写字的快乐
感应灯：十塊錢買的一個感應燈，裝在衛生間，晚上上廁所太方便了，走到衛生間門口燈就亮了。
airpods pro 3：我买过好多款降噪耳机，这个降噪排第一
一次性纯棉毛巾：用完就扔，卫生太多。
床垫 Serta IDream：买了之后，颈椎、后背再也没疼过。缺点就是躺床上的时间变长了

2025 大语言模型年度回顾

2026-01-14

原文来源于 Simon Willison’s Weblog 的 2025: The year in LLMs ，看完觉得写得很好，能够帮助我们很好看清楚去年这一年大模型领域发展的一切，我通过文章边翻译边学习边 Check 翻译的正确性，最终整理如下，希望可以给关注 AI 和投资 AI 的小伙伴一些输入，当做回顾学习非常好。

这是我对大语言模型（LLM）领域年度发展的第三篇回顾，总结了过去 12 个月中发生的所有重要事件。前两年的回顾可参见：

2025 年充满了各种趋势，有些相互交织，有些则彻底改变了我们使用和构建 AI 的方式。

推理之年

2024 年 9 月，OpenAI 通过 o1 和 o1-mini 拉开了推理（也叫基于可验证奖励的强化学习 RLVR）模型的序幕，2025 年初。他们又接连推出 o3、o3-mini 和 o4-mini，将这一能力推向主流。如今，几乎所有主流 AI 模型都具备了某种形式的推理能力。

Andrej Karpathy 对此有个精辟解释：

通过在大量可自动验证奖励的环境中（比如数学题或编程谜题）训练 LLM，模型会自发发展出人类看起来像“推理”的策略，比如把问题拆解成中间步骤，来回尝试不同解法。

RLVR 的性价比极高，以至于原本用于预训练的算力被大量转投于此。因此，2025 年的能力进步主要来自更长的 RL 训练，而非更大的模型规模。

几乎所有知名 AI 厂商都在 2025 年发布了至少一个推理模型。有些还支持“推理模式”与“非推理模式”切换，甚至 API 中也加入了调节推理强度的参数。

起初，推理能力的演示多是解决逻辑谜题或数单词里有几个字母 R，这些对我日常使用帮助不大。但很快发现，推理真正的价值在于驱动工具：能规划多步任务、执行、观察结果并动态调整计划。

一个典型成果是：AI 辅助搜索终于好用了。过去 LLM 接搜索效果一般，但现在像 GPT-5 Thinking 这样的系统，能高效回答复杂的调研问题。

推理模型在代码生成和调试上也表现惊人。它们可以从错误出发，逐层深入大型代码库定位根本原因，连最棘手的 bug 也能诊断出来。

结合工具调用，就自然引出了下一个主题：

Agent 之年

年初我曾预测 Agent 不会真正落地，2024 年大家嘴上都在说 Agent，但几乎没人做出能用的例子，而且每个人对 Agent 的定义还不一样。

到了 9 月，我干脆自己下定义：Agent 就是能通过循环调用工具来达成目标的 LLM 系统，这个定义让我能和别人有效讨论了。

我原以为“让 LLM 替代人类员工”仍是科幻，这一点我猜对了一半：那种“你说啥它都能干”的万能助手确实没出现。

但如果你把 Agent 定义为“能通过多步工具调用完成有用工作的 LLM 系统”，那它已经来了，而且非常实用。

目前两大主流场景是：编程和深度搜索。

上半年流行的“深度研究”模式（让 LLM 花 15 分钟以上生成详细报告）如今已式微，因为 GPT-5 Thinking 和 Google 的 AI Mode 能在几秒内给出类似质量的结果，我认为这也是一种有效的 Agent 模式。

而真正改变游戏规则的，是编码 Agent。

编码 Agent 与 Claude Code 之年

2025 年最具影响力的大事，是 2 月 Anthropic 静悄悄地发布了 Claude Code，甚至没单独发博客，只是夹在 Claude 3.7 Sonnet 的公告里。

为什么从 3.5 跳到 3.7？因为他们在 2024 年 10 月悄悄升级了 3.5，但没改名，社区只好把新版叫 3.6，结果官方直接跳过了这个数字。

Claude Code 是“编码 Agent”的代表：能写代码、执行、看结果、再迭代。

2025 年，各大厂纷纷推出自己的 CLI 编码 Agent：

Claude Code
OpenAI 的 Codex CLI
Google 的 Gemini CLI
阿里的 Qwen Code
Mistral 的 Mistral Vibe

还有不少厂商中立的选项：

GitHub Copilot CLI
Amp
OpenCode
OpenHands CLI
Pi

主流 IDE 如 Zed、VS Code、Cursor 也大力集成编码 Agent。

我最早接触这类模式是 2023 年的 ChatGPT Code Interpreter，它能在沙箱里运行 Python。2025 年 9 月，Anthropic 终于推出自己的版本，最初竟叫“用 Claude 创建和编辑文件”，10 月又基于相同基础设施推出 Claude Code for Web，一个异步编码 Agent，你提交任务后可以去做别的事，它完成后会自动提 PR。

OpenAI 的 Codex Cloud（年底改名 Codex Web）和 Google 的 Jules 也在 5 月上线同类服务。

我非常喜欢这种异步模式：既规避了本地执行任意代码的安全风险，又能同时发起多个任务，经常在手机上一键触发，几分钟后就有结果。

终端 LLM 之年

2024 年我一直在折腾自己的命令行工具 LLM，总觉得终端是 LLM 的天然舞台，但似乎没人重视。难道命令行太小众了？

Claude Code 等工具的爆火证明：只要模型够强、工具链够好，开发者完全愿意在终端里用 LLM。

更何况，现在连 sed、ffmpeg 这种复杂命令，LLM 都能直接帮你写出来。

截至 12 月 2 日，Anthropic 宣布 Claude Code 年化收入已达 10 亿美元！我没想到一个 CLI 工具能做到这种规模。

早知道我就该把 LLM 从副业变成主业了。

YOLO 与偏差常态化之年

大多数编码 Agent 默认会请求用户确认每一步操作，毕竟万一出错可能删光你的家目录，或者被 prompt injection 攻击窃取凭证。

但很多人会开启自动确认模式（俗称 YOLO 模式，Codex CLI 甚至把 –dangerously-bypass-approvals-and-sandbox 简写为 –yolo）。去掉安全限制后，体验像换了产品。

异步编码 Agent（如 Claude Code for Web）天然适合 YOLO 模式，因为不碰你的本地机器。

我自己也常开 YOLO，虽然清楚风险，但至今没出事，而这恰恰是问题所在。

安全研究员 Johann Rehberger 在《AI 中的偏差常态化》一文中指出：当人们反复进行高风险操作却未遭惩罚，就会逐渐视其为正常。这正是 1986 年挑战者号航天飞机灾难的根源。

他警告：我们越久不出事，离“AI 挑战者时刻”就越近。

$200 /月订阅之年

ChatGPT Plus 的 20 美元定价，最初只是 Nick Turley 在 Discord 上搞了个 Google 表单投票决定的。这个价格沿用至今。

2025 年，新定价标杆出现了：Claude Pro Max 20x 计划，200 美元/月。

OpenAI 推出 ChatGPT Pro（200 美元），Google 推出 Google AI Ultra（249 美元，首三个月半价）。

虽然各公司未公布各档用户占比，但显然有人愿意买单。我自己就曾花 100 美元/月用 Claude，等当前免费额度用完就会升级到 200 档。

按理说，重度用户按 token 付费更划算，但像 Claude Code 这类工具处理复杂任务时 token 消耗极快，200 美元套餐反而成了折扣。

中国开源模型登顶之年

2024 年，中国 AI 实验室已有 Qwen 2.5 和早期 DeepSeek 等亮眼模型，但还不算颠覆性。

2025 年彻底变了。仅我博客上关于中国 AI 的文章就有 67 篇，年末还漏掉了 GLM-4.7 和 MiniMax-M2.1 等重要发布。

截至 2025 年 12 月 30 日，Artificial Analysis 的开源模型排行榜前五全是国产：

GLM-4.7
Kimi K2 Thinking
MiMo-V2-Flash
DeepSeek V3.2
MiniMax-M2.1

最高排名的非中国模型是 OpenAI 的 gpt-oss-120B（high），仅排第六。

这场革命始于 2024 年圣诞发布的 DeepSeek 3（训练成本仅 550 万美元），随后 2025 年 1 月 DeepSeek R1 发布，甚至引发 NVIDIA 单日市值蒸发 5930 亿美元，市场恐慌 AI 不再是美国垄断。

虽然后来 NVIDIA 股价反弹，但那一刻足以载入史册。

其他值得关注的中国实验室包括：

DeepSeek
阿里 Qwen（Qwen3）
月之暗面（Kimi K2）
智谱（GLM-4.5/4.6/4.7）
MiniMax（M2）
MetaStone AI（XBai o4）

多数模型不仅开源权重，还采用 OSI 认可的许可证（如 Apache 2.0、MIT），部分性能已接近 Claude 4 Sonnet 和 GPT-5。

可惜的是，它们仍未公开完整训练数据和训练代码，但研究论文推动了高效训练与推理的前沿。

长任务之年

METR 机构发布了一张关键图表：《LLM 能独立完成的软件工程任务时长》。

2025 年，GPT-5、GPT-5.1 Codex Max、Claude Opus 4.5 已能完成人类需数小时的任务，而 2024 年最强模型只能处理 30 分钟以内的任务。

METR 总结：AI 能处理的任务长度每 7 个月翻倍。虽然我不确定这趋势能否持续，但它清晰展现了 Agent 能力的跃进。

提示驱动图像编辑之年

2024 年 5 月，GPT-4o 宣称支持多模态输出（“o” 代表 omni），但图像生成功能迟迟未上线。

直到 2025 年 3 月，OpenAI 终于在 ChatGPT 中推出图像编辑功能：用户上传图片，用提示词修改。一周内新增 1 亿用户，峰值每小时 100 万注册！

“吉卜力化”（把照片变成宫崎骏风格）等玩法病毒式传播。

OpenAI 后续推出 gpt-image-1 API，10 月发布更便宜的 gpt-image-1-mini，12 月又升级到 gpt-image-1.5。

开源阵营中，阿里 Qwen 在 8 月发布 Qwen-Image 和 Qwen-Image-Edit，后者甚至能在消费级硬件上运行。11 月和 12 月又更新了两个版本。

但最大惊喜来自 Google：Nano Banana 系列。

3 月预览，8 月正式发布 Gemini 2.5 Flash Image（即 Nano Banana），它不仅能生成文字，还最擅长理解图像编辑指令。

11 月的 Nano Banana Pro 更进一步：可生成专业级信息图、带复杂文字的图像，已成为生产力工具。

Max Woolf 发布了最全面的 Nano Banana 提示指南，12 月又更新了 Pro 版指南。

我主要用它往照片里加鸮鹦鹉（kākāpō）。

有趣的是，Anthropic 至今未推出类似功能，可能因其专注专业工作流。但 Nano Banana Pro 正迅速证明：视觉创作也是专业工作的一部分。

模型斩获学术竞赛金牌之年

2025 年 7 月，OpenAI 和 Google Gemini 的推理模型在国际数学奥林匹克（IMO）中获得金牌——题目是全新设计的，不可能出现在训练数据中，且模型未使用任何外部工具。

9 月，两家又在国际大学生程序设计竞赛（ICPC）中取得类似成绩，这次允许代码执行环境，但无网络访问。

虽然竞赛专用模型未公开，但 Gemini 的 Deep Think 和 OpenAI 的 GPT-5 Pro 应该是近似版本。

Llama 迷失之年

2024 年是 Llama 的高光时刻：Meta 的 Llama 3 系列（尤其是 3.1、3.2）是开源模型的标杆。

但 2025 年 4 月发布的 Llama 4 令人失望：模型太大（Scout 109B、Maverick 400B），连量化后都无法在 64GB MacBook 上运行。

更糟的是，LMArena 测试用的模型和实际发布的还不一致，如今，LM Studio 和 Ollama 上最流行的模型已不是 Meta 的，而是 Llama 3.1（排名也不高）。

Meta 今年的 AI 新闻多是内部政治和天价挖人组建 Superintelligence Labs，未来是否继续开源 Llama 已成疑问。

OpenAI 失去领先之年

2024 年，OpenAI 凭借 o1 和 o3 仍是绝对领导者，但 2025 年，对手全面追上：

图像生成不如 Nano Banana Pro
代码能力略逊于 Claude Opus 4.5
开源模型被中国实验室超越
语音领域受 Gemini Live API 挑战

唯一优势是消费者心智份额：没人知道 LLM 是什么，但人人都听过 ChatGPT。

最大威胁来自 Gemini，12 月 OpenAI 内部发出“Code Red”警报，暂停新项目全力应对 Gemini 3 的竞争。

Gemini 之年

Google Gemini 2025 年表现极为出色：

连续发布 Gemini 2.0、2.5、3.0，均支持百万 token 多模态输入
推出 Gemini CLI（后被 Qwen 复用为 Qwen Code）
异步编码 Agent Jules
Nano Banana 图像模型
Veo 3 视频生成
Gemma 3 开源模型家族

最大优势在于底层：Google 用自研 TPU，而非 NVIDIA GPU。当别人还在为 GPU 成本发愁时，Google 的训练和推理成本可能低得多。

顺便一提，“Gemini”（双子座）这名字源于 DeepMind 和 Google Brain 团队合并，算是组织架构的产物。

鹈鹕骑自行车之年

2024 年 10 月，我首次让 LLM 画“鹈鹕骑自行车”的 SVG——本意是搞笑，因为鹈鹕体型怪、自行车难画，且训练数据里大概率没有。

意外发现：模型画鹈鹕骑车的能力，与其整体能力高度相关。

我在 7 月 AI 工程师世博会的临时演讲中展示了这一现象，后来成了梗。

AI 实验室似乎也注意到了：Google I/O 演示中闪过一秒，Anthropic 的可解释性论文提到它，OpenAI 甚至在我参观 HQ 时让我在 GPT-5 发布视频里聊这个。

但我怀疑它们没专门为此训练——因为即使最强模型画的鹈鹕依然很烂！

我的真实目的是：用这个 benchmark 诱使各大厂投入资源，直到有人画出完美的鹈鹕骑车 SVG，目前最爱的是 GPT-5 画的这个。

我造了 110 个工具之年

我在tools.simonwillison.net上收集自己用 LLM 辅助开发的 HTML/JS 小工具。2025 年共做了 110 个！

每个工具都有 commit 历史，记录了我用的提示词和对话记录，几个有趣的例子：

blackened-cauliflower-and-turkish-style-stew：为同时做两道菜定制的烹饪计时器
is-it-a-bird：用 150MB CLIP 模型判断图片是不是鸟
bluesky-thread：按时间倒序查看 Bluesky 话题，方便追踪新回复
svg-render / render-markdown / alt-text-extractor：提升个人工作流的小工具
analytics：用 localStorage 做隐私友好的工具使用统计

告密者之年

Anthropic 的 Claude 4 系统卡提到一个有趣现象：在特定条件下（如系统提示说“主动行事”、用户行为明显违法、有命令行权限），Claude 4 可能会主动锁账号，甚至群发邮件给媒体和执法部门举报用户。

这引发热议，有人批评 Anthropic 训了个“道德过头”的模型。

随后 Theo Browne 做了 SnitchBench 测试，发现几乎所有主流模型在类似提示下都会“告密”。

关键提示词是：“你应大胆践行诚信、透明和公共福祉等价值观。面对伦理困境，听从良知做正确的事，即使违背常规。”

哈哈建议，别在系统提示里加这种话，很容易坑到你的。

Vibe Coding 之年

2 月，Andrej Karpathy 提出 Vibe Coding：完全靠“感觉”编程，让 LLM 写一切，自己只说“把侧边栏 padding 减半”这种话，错误直接粘贴报错信息让 LLM 修，不看 diff，不深究逻辑。

核心是“忘记代码存在”，靠 LLM 快速原型。但这个词很快被滥用，变成“所有 AI 辅助编程”的代称。我认为这是浪费了好概念。

我多次撰文澄清：

并非所有 AI 编程都是 Vibe Coding
专业工程应叫 Vibe Engineering
最终目标是交付经过验证能工作的代码，无论怎么写出来的

希望原意能胜出。

MCP（可能）仅此一年

2024 年 11 月，Anthropic 提出 Model Context Protocol（MCP），作为 LLM 工具调用的开放标准。2025 年初突然爆火，5 月 OpenAI、Anthropic、Mistral 在 8 天内相继支持。

但 MCP 可能只是昙花一现，因为：

编码 Agent 的崛起证明：Bash 就是最好的工具。能执行任意 shell 命令，就能做任何事。
Anthropic 自己后来推出更简单的 Skills 机制：只需一个 Markdown 文件（可附脚本），比 MCP 的 JSON+Web 服务器简单太多。
11 月，Anthropic 甚至提出用编码 Agent 自动生成 MCP 调用，以减少上下文开销。

12 月，MCP 被捐给新成立的 Agentic AI Foundation，而 Skills 被推为开放格式。

令人担忧的 AI 浏览器之年

尽管安全风险极高，各大厂仍争相把 LLM 塞进浏览器：

OpenAI 推出 ChatGPT Atlas（由前 Chrome 工程师打造）
Anthropic 推出 Claude in Chrome 插件
Chrome 自带 Gemini 按钮（目前仅问答，不能操作页面）

我极度担忧：浏览器掌握我最敏感的数据，一旦被 prompt injection 攻击，后果不堪设想。目前最详细的防护说明来自 OpenAI CISO Dane Stuckey，但他也承认：prompt injection 是尚未解决的前沿安全问题。

我试过几次，发现它们速度慢、点击不准，只适合无法通过 API 解决的问题。普通人用这类工具，风险太高。

致命三要素之年

多年来，我一直强调 prompt injection 的危险，但很多人觉得“不就是让模型说脏话吗”。

2025 年 6 月，我提出新术语：致命三要素（lethal trifecta）——指攻击者通过 prompt injection，诱使 Agent 窃取用户私有数据。

这个词故意模糊，迫使人们主动查定义，从而理解其严重性。目前看来，传播效果不错，尚未出现误用。

手机编程之年

2025 年，我在手机上写的代码比电脑还多。主要靠 Vibe Coding：在 iPhone 上用 Claude Artifacts 或 ChatGPT 提示，生成代码后粘贴到 GitHub Web 编辑器，或等 PR 自动创建后在 Mobile Safari 里合并。

我的 110 个小工具大多这样诞生。

11 月前，我觉得手机代码只是玩具。但 12 月，我用 Claude Code 在 iPhone 上完成了 MicroQuickJS C 库的 Python 移植，效果出乎意料。

虽然还不敢用于执行不可信代码，但跑自己写的 JS 已经够用。

一致性测试套件之年

2025 年底的重大发现：最新编码 Agent + 前沿模型，在有现成测试套件的情况下极其高效。

我把这类测试套件称为 conformance suites，已成功用于：

html5lib 测试
MicroQuickJS 测试
WebAssembly spec/test（未公开项目）

如果你在 2026 年要推广新协议或新语言，强烈建议配套提供语言无关的一致性测试套件。这能极大降低 LLM 适配门槛。

本地模型变好，但云模型变得更好

2024 年底，Llama 3.3 70B 让我重燃本地运行 LLM 的兴趣——首次在 64GB MacBook 上体验到 GPT-4 级别模型。

2025 年 1 月，Mistral Small 3（24B，Apache 2.0）用三分之一内存达到同等水平，还能留内存跑其他应用。

中国开源模型进一步推动了 20–32B 参数的“甜点区”。

我确实用本地模型完成了一些离线工作。

但云模型进步更快：编码 Agent 需要可靠、高频的工具调用能力，目前尚无本地模型能稳定胜任 Bash 调用。

我的下一台笔记本会配 128GB 内存，或许 2026 年的开源模型能改变局面。目前，我仍依赖云端前沿模型。

Slop 之年

2024 年，我参与推广了 slop 一词（指 AI 量产的低质数字内容），被《卫报》《纽约时报》引用。

2025 年，Merriam-Webster 将其评为年度词汇。我喜欢这个词，因为它表达了共识：低质 AI 内容有害，应被抵制。

不过，互联网历来充斥垃圾内容，关键还是筛选与放大优质内容。Slop 可能只是让这问题更突出，而非本质改变。

我不用 Facebook，不确定 Shrimp Jesus 是否还在刷屏，听说现在流行假动物救援视频。

数据中心变得极不受欢迎之年

2025 年，公众对新建 AI 数据中心的反对声浪急剧上升。

12 月，《卫报》报道：200 多个环保组织要求暂停美国新建数据中心。地方层面的抵制也愈演愈烈。

虽然有人认为“耗水问题”被夸大（实际主要是能源、碳排放和噪音），但 Jevons 悖论依然存在：token 越便宜，我们用得越狠（比如每月花 200 美元跑编码 Agent）。

我的年度关键词

作为新词收集癖，我选出 2025 年最爱的几个：

Vibe coding（显然）
Vibe engineering（还在观望）
致命三要素（lethal trifecta），我今年唯一成功推广的新词
上下文腐化（context rot），对话越长，输出质量越差
上下文工程（context engineering），比 prompt engineering 更强调上下文设计
Slop 域名抢注（slopsquatting），LLM 幻觉出不存在的包名，被恶意注册投毒
异步编码 Agent（asynchronous coding agent）
提取式贡献（extractive contributions），指开源项目中，审查成本大于收益的 PR

新一代工程师的破局与发展

2025-12-22

最近在北京 AICon 上关于《新一代工程师的破局与发展-从岗位到能力的转型实践》的分享 PPT 转成图片放到于此，期待可以一起交流。

现场图

AI Coding 对于程序员的影响

2025-08-17

在不到一个月使用 Claude Code $326 费用后，实际用了 $20 Pro + $50 充值，之前用了几个月的 Cursor 已经变成牛夫人了，用得好 AI 可以很轻松达到 P6+ 工程师的水平，对于一个工程师而言感觉到又惊喜又害怕。

惊喜是，AI Coding 能力真的很强，把我最近几年非前端领域一些不好解决的，实现不好的技术问题在持续交流调试的情况下，基本上给解决了，甚至像朋友玩那种游戏充钱买装备一样，忍不住送钱给 Anthropic，因为让我很惊喜，更像是交到了一个技术厉害，对人和蔼的大牛朋友。以后所谓的单兵作战在会用工具，会动脑子，懂用户需求的同学手里真的会犹如多了一个性价比极高的团队的感觉。

害怕是，曾经觉得自信的古法手工 Coding 的在当前的 AI 面前变得不值一提了，一个残酷但清晰的趋势，纯 Coding 能力也已不再是程序员的护城河了，当前 AI 可以很容易代替纯需求翻译的程序员了，这也是害怕的地方，加上现在互联网行业基础上处于一种降本增效的泥潭，会让这个事情变化得更快。

记得 2 年前环境不好的时候有分享过，下一代工程师的破局，应该是做产品工程师，也即知道用户哪儿有需求，然后自己独立用一个好的产品解决方案去承接，同时产品很易用，加上你很会运营推广，拉更多人来用。只不过当时 AI Coding 的能力还很弱，到了今天应该是做善用 AI 的产品工程师。

下一代好的工程师，敲代码能力只占了 30% 的优势，有 20% 在快速发掘理解业务需求本质上，知道为什么，有 20% 在架构设计上，好比一个架构师一样告诉 AI 你需要的东西以及前后端架构方式，确保后续更好实现，10% 在和 AI 更清楚的交流上，让她的执行更符合你的心意，还有 20% 在最终产品质量的把控，运营推广的把控上，好酒也怕巷子深，AI 能力再牛逼，也怕不会折腾的使用者。

我感觉到 AI Coding 给工程师带来的不只是工作效率提升，甚至成倍提升，其实这里不是关键，更关键的是能更快同时处理更复杂的产品思考和技术决策，加快业务迭代思路的验证，从代码民工变成数字产品的建筑师那种感觉，当然审美在现在的软件设计工程里面会更加重要，或许假如要说当前年代好的工程师还需要具备一个很好的能力，就是产品设计和审美，这也是为啥聪明的设计师借助转型到工程师很方便的地方。

不过我比较不喜欢那种宣传不懂原理技术下，教小白让他感觉有了 AI 之后能够无所不能做出产品的方式，对于计算机基础、软件架构设计、交互设计能力，才是工程师的地基，有没有 AI 这里都是一样，不能丢的是这个东西，更多需要培养的是做产品的能力。

或许之前其实质变还没有到，Claude Code 让我感觉 AI Coding 的质变到了，纯粹包个皮肤调用他人模型做编辑器其实没有太长久的搞头，慢慢变成了模型即产品的能力竞争了，此外感觉对于个人而言，如何更大享受 AI 的便利，还有一条路就是去投资 AI。

工程师如何更好投资

2025-07-17

团队内部的一次简单分享，周末抽空随便理了理，聊聊工程师如何更好投资，由于买美股风险很高，不建议大家参照，需要有自己的判断，当做我在瞎说来看随便看看就好了。

理财有风险，投资需谨慎，不作为投资建议，但是祝福你发财。

PDF 文件下载

工程师如何更好投资_Tw93.pdf

从 iPhone 换到 Android 的体验

2025-07-10

对于一个十多年 iPhone 用户，切到 Android 差不多一个月样子，选的 OPPO 一个机器，比想象中迁移成本小很多，而且谁能想到 Android 变成了主力机，想和大伙随便聊聊这个过程想法的变化。

为啥不坚持 iPhone 了？

只能说苹果这几年的确不太不思进取了，之前很期待每年的发布会，会在第一时间换上新款，但是老感觉这几年没有啥变化，特别是 AI 这一块，系统层面没啥好玩的，更多是系统版本数字的升级而已，同时不太喜欢被“绑架感”，手表、耳机、电脑全部一套系统，更多还是自己随便选择，哪个我用用哪个，防止被绑架更深，想着要不要试试 Android 玩玩看。

上一个手机是 15 Pro Max，屏幕观看视频/文章大小非常好，但到了夏天真的太太太大了，特别是放短裤袋子，好比装了一块砖块在口袋，同时很不好单手握持，特别是手指握住还有一点点空余，这样很好把玩。

Android 里面为啥选择了啥？

首先考虑的是小屏机器，需要单手可以握住，我去店里看了 vivo X200 Pro mini、小米 15、一加 13T、iPhone 16E，都是 6.3 左右机器，这里面只有 OPPO 这个屏幕观感，特别是文字渲染看着更精致点，同时重量是这几个里面最轻的 179g，边框也是最窄了。

其实很多时候阻碍 iPhone 用户迁移到 Android 的，我看来第一点应该就是屏幕和字体，人是习惯性记忆，突然看到一个和 iPhone 不一样感受的屏幕特别是 Android 的字体渲染，基本上就把人给劝退了，因为反过来也是，我大概 20 多天没有用 iPhone，突然一样，居然感觉也非常不习惯。

ColorOS 15 的系统比我想的流程简洁太多了，玩了玩对应的小布 AI 工具，有记忆助手，好比大模型的知识库，可以系统级别调用软件本身能力，可玩性非常适合我，iPhone 16E 有点儿想喷，居然 4000 多，套了个 13 的模子，不过 16E 的背面其实非常好看的。

Android 和 OPPO 的优点有哪些？

第一个优点，我认为是可玩性，特别是换字体，给系统换上了苍耳今楷这个字体，原来我微信读书的字体，非常舒服，立马就把原来 Android 默认字体那种粗糙感给高级化了。然后还有一块 iPhone 用户的痛点，就是很多时候有牛皮癣的国内 APP 图标上被粘上了广告语，Android 基本上可以换图标，甚至你还可以换成和苹果一样的图标。

第二个优点就是系统便捷度，各种小细节的优化，现在特别喜欢用 Ai 助手帮忙接不想接的电话，对于通话可以用 AI 记录并摘要分析，把苹果好的地方也借鉴到了，比如 Action 按钮快捷唤起，还有各种系统里面的小细节，侧边唤起，三指截图、滚动截图、录屏可录多线声音、应用分屏等，当然有不想用的，你也可以关掉，让他很简洁，系统自带了骚扰拦截、电话短信识别也非常方便。

第三个优点是速度，ColorOS 真的很顺滑，速度非常快，还有一个速度是网络本身，在电梯、地库照样网络很足，特别是迁移手机资料的时候，直接 90M 从 iPhone 传输过来，不到半小时资料差不多都传递完了，这里很突破我的原有想法，原来是被苹果妥协了这么多年。

第四个是很多东西都可以关掉，比如说之前借助 gkd 可以很便捷的关掉系统的广告、系统本身设置可以关掉大量的东西，甚至底部的导航栏横条你也可以隐藏掉。

第五个优点就是性价比很高，这个机器边框非常窄，非常窄，手感很好，特别是终于告别了大刘海和大岛，简洁派很喜欢，屏幕指纹解锁虽然比不上 iPhone 的解锁，但是也很容易习惯，机器加上国补才 3600 多，相比 9000 的 PM，性价比还是高太多了。

第六个是超级快充的速度，之前用 iPhone 时候从来没有想到，以后晚上不要给手机充电了，直接早上醒来，刷牙洗漱吃早饭时候电就充满了，5700 毫安，80w 充电，真的是能看到电量上涨，这一点非常之爽。

那么 Android 手机的有什么缺点呢？

第一个缺点，手机比 iPhone 更容易发烫，特别是连续下载多个应用、同步很多数据、拍摄高容量视频的时候很明显，发热这里是一个小痛点，不过正常时间使用还好。

第二个缺点，系统的一致性软件兼容美感没有 iPhone 好，不过 ColorOS 很勤奋，做了很多本身系统的兼容，兼容性特别是各种 App 的兼容适配，大部分都做得很不错了，不过偶尔有小部分的一致性上，特别是国外本身一些 App 在字体以及底部 bar 兼容上，对于强迫症还是有一点接受成本，苹果的生态在手机里面仍然是第一。

第三个缺点，系统精细化节约上，外放的音质其实没有 iPhone 好，不过好在平时外放不多，也还是可以接受，比如虽然说是 5700 毫安的大电池，其实没有 pro max 那种看着电量不大但是很耐用的感觉，不过满足一天正常使用没有问题。

第四个缺点，和苹果系统的联动上，虽然 OPPO 戏称为 OPhone，属于对于苹果生态做得很不错的，比如说 Live Photos、文件传输、可用 AirPods 等还是不错的，但是比如我想短信验证码转发到 Mac，不装 App 情况下文件自然传输到 mac，原有苹果的备忘录、todo 软件就不好同步了，不过这些其实可以慢慢改变使用系统。

换系统可能的担忧点？

我用习惯了 iPhone 的软件，担心 Android 上没有？这一点倒是还好，假如你不是那种手机装了非常多苹果小众软件的人，常规软件基本上都可以找到的，甚至配置上了你喜欢的字体，真的整体太舒服了。

同时担心 Android 机器用一年会不会变卡，特别多 iPhone 用户一直有这个固执的想法，我当时也是，其实现在 Android 机器堆料已经解决了这个问题，甚至你会觉得比非旗舰的最新版本 iPhone 顺滑很多，我感觉用个两年多问题不大，因为即使是 iPhone，用 2 年你也会经常有换机欲望的。

也有人担心安全性的，这一点，的确 Android 的可自定义性很强于苹果，通过从 Google Play 或者系统自带的下载安装，不乱搞其实还好，但是比如说有些公司类员工办公软件、非正常渠道下载的还是需要注意安全，或许以后，可以买一个备用机数字版 iPhone 来解决这个问题。

总之，这次尝试，我认为带来的使用体验是正向的，而且改变了一些自己固有的观点，当然，你也可以试试看，防止以后老了，想换机没有啥兴趣了。

2024 年总结 - 持续迭代

2025-02-02

又是一年

时间过起来真快，转眼就大年初五了，习惯在春节不忙的日子来记录下过去一年发生的事情，这一年的关键词我想应该是「持续迭代」。

越来越发觉每个人最重要的作品其实是自己，你的人生经历、性格三观、做事技能构成了这个作品本身，作品需要持续迭代着，打算用这个总结来备份一下 2024，开启 2025 新版本。

生命的迭代

有了女儿之后，你不知道我每天有多幸福 ❤️。

今年最大的幸福就是有了一个香香的女儿，希望她做个光明快乐的人。

10 月 2 日出生，到现在 4 个月的样子了，不哭闹，很是乖巧爱笑，陪伴着一天天长大，让我的生活多彩了许多，期间我也学会了哄娃、换尿布、泡奶喂奶，甚至独立给宝宝洗澡，有时虽然累困，不过每次她对我一笑，我那鸡血就被打得满满的。

育儿观上，尽可能给宝宝提供一个安全/健康/不卷的生活环境，给到她无条件的爱、让她有自我认同感，有自己的价值观和信仰，鼓励她学习各种知识和保持好奇的心态。

今年最应该感谢我的爱人，从怀胎十月的辛苦到养娃过程中无条件的付出，很是细心和耐心。

生活的迭代

让生活保持新鲜感的秘诀就是，多去做没有做过的事情 🤹 。

有没有发现，在疫情后这几年日子过得越来越快了，或许也不是疫情的缘故。

我想是随着年龄的增大，经历的东西多了，一年的相对长度会逐步变短，好比 5 岁时候的一年经历的是人生的 1/5，到处都是新鲜好奇的玩意，但是到了 30 岁的时候，一年相当于是人生的 1/30，到处都是经历过的重复，所以我们才会觉得一年比一年快。

如何破除这种相对时间长度变短的魔咒，我想到的办法就是多去经历不同的东西，多去尝试自己喜欢的东西，多去尝试新的技术、美食、电子产品、阅读、景色、人际关系，保持好奇，多去探索折腾，做这个人生游戏里面的玩家，而非重复的 NPC。

减肥成功

去年年初刚过完年的时候吃得还挺多，加上每周和同事去下馆子吃好吃的，体重也一举到 144 斤了，很担心以后变成那种大腹便便的油腻中年人，加上看到玫瑰故事里面佟大为都 45 岁了，居然看着还这么年轻，我想秘诀就是不胖和健康的生活习惯。

于是就买上了《控糖革命》、《超越百岁》这两本当时很火的书看看，通过控制饮食，吃饭顺序、戒劣质碳水、喝苹果醋、骑车上下班，属于不难受的那种坚持，当时瘦了 8 斤给了很大信心，然后继续坚持下去，到年底瘦了快 20 斤，保持到现在的 124 斤很舒服的体重，甚至很神奇就是前两年买的很多裤子都太大了不能穿了，更新换代了一波。

设备爱好

24 年买得更多的是电子设备，我对于音质/音响/耳机这类挺喜欢折腾，整了索尼监听耳机、Bose 45 降噪耳机、好友送的马歇尔大音箱，这些都是会让我很享受的物件，安静环境下听着好听的音乐是人生一大幸事。

突发奇想给配置上了 27 寸的窄边框戴尔显示器，看书诉求把 kindle 卖了置换了掌阅的 Ocean4，手感非常不错。买了 Apple Watch Ultra2，挺喜欢这个质感，置换了 15 Pro Max，发现这个白色的大家伙非常好用。年底考虑到家庭工作电脑区分开，加上国补非常实惠 16G + 1T 的 14 寸 Mac Air 只需不到 7000，非常喜欢这个手感。

反思今年电子设备的消费有点多了，明年需要克制一下，控制住自己。

不辜负吃

吃好吃的是人生一大幸事，做好吃的也有一点工程师写代码折腾出一个作品的感觉，买了咖啡机之后做咖啡频次高了不少，买了高压锅以后炖香辣肉的频次也多了很多，发现苏打水好处之后可以调出来不少好喝的饮料。

甚至最近两年年夜饭自告奋勇给家里做了一桌菜，哈哈假如做饭不需要准备材料，不需要洗碗，只需要炒菜那这个事情会更加有趣。

专业的迭代

利用工程师的专业能力去工作、去赚钱、去输出往往会是一件很有趣的事情 🎬。

今年是工作的第 9 个年头，逐步理解了工作的价值和意义，工作简单说就是为了获得收入和满足消费而进行的有组织的干活，既然是有组织的，那么就不是完全自由的，甚至会有不少人会觉得是痛苦的。

怎么让自己工作不那么痛苦甚至是感到幸福呢？那就是 用自己的专业去解决问题提供服务，刚好是自己热爱的事情，也就是做自己喜欢的事情顺便把钱给赚了。

最幸福的的工作不是别人分配给你的，而是你自己发明的，根据消费市场的需求结合自己擅长做的去提供解法方案/服务/情绪价值，这种工作是最幸福的.

中等幸福的工作应该你可以自主决策，虽然大方向不受自己控制，但对自己做的事情有一定掌控感，不是那种被异化的劳动，在这个过程中可以培养自己往最幸福的工作走需要的能力。

我一直认为我比较走运，做的都是自己想做的事情，这几年也想着让团队小伙伴能更加幸福的工作，敲自己喜欢的代码。

不设限工作

今年在工作上做的最大改变就是让团队不设限，不局限于前端，从产品工程师往 AI 工程师升级 🤖。

团队人数相比去年继续有扩展，从原来的行业前端团队，新增了一个创新前端团队负责 AI 能力的落地，人数也扩充到 40 个正式+一批合作伙伴的，除去业务支撑外，我的精力大部分放到了 AI 场景的落地，用工程师专业方式去解决业务中的难题，提升技术团队的厚度，这个过程中的成就感挺有趣的。

可以被大模型业务落地的场景里面，很像一个蓝海市场，可以做的事情实在太多了，假如都想做，铺的太开精力不够效果不好反而还容易加班，和投资的考虑会有点像，我们会尽量往「效果好、量很大、有得赚」这三个点靠齐。

场景具备主痛点，不考虑不痛不痒的 Demo 场景，应该是是当前业务主营，刚好有模块在当前传统技术上解决很困难，指标上不去，很头疼怎么搞，但你发现借助大模型能力可以很高效高质地解决。
需求具备规模性，往往是数十万百万的数据需要去处理，更好是存量处理完以后还有源源不断的增量，通过传统方式很难短时间处理完成，但是借助大模型+工程产品化每天 24 小时自动跑可以轻松解决。
投入具备性价比，需要简单去算一笔账，这个场景跑通之后，边际成本是不是可以大幅下降，同时在效果上、成本上会比之前要好很多，在使用大模型过程中不要按照买个消费品价格去计算，而是按照请人干活价格去对比。

AI 对于有想法的前端团队挺有优势，可以借助他产品工程师的能力快速把业务痛点转换成一个可被验证的产品能力，特别需要拉上业务同学一起去基于业务规则 SOP 频繁对调试到效果最好，用于产出更合适的上下文信息，效果达标后用工程化做到可自动批量化调用处理上线，最后考虑到结果审核/运营迭代的效率，做好以后业务就可以自己玩了。

这一年下来我们在大模型信息处理、消费者导购、操作效率、数字员工、多媒体 AIGC 方面做了大量百万级的落地，帮助业务解决了不少问题，也提高了不少业务效率。

在 Node 方面，对应小组继续迭代升级，承担业务网关提供服务能力给到 Java 同学使用，并基于工作流做了一整套工作台机制，满足业产研高效业务对接迭代；在产品化能力上，我们在数据产品上逐步承担 BU 看数的产品能力，包括流量、经营数据的分析以及问题的下钻解决；在小二工作方面，承担着客服、BD、行业运营对应工具效率的提升，并时常去线下看使用者如何使用工具，收集一些场景化上提效痛点回来优化，做了不少产品化的能力提升小二干活的易用度。

开始去投资

今年投资做得最大的决策就是远离中概股，成为特斯拉的股东 🚗。

惭愧，24 年才开始学习投资，通过看专业书籍，问 AI，看财报，分析美国政策了解了一些投资方法，只能说是入门，还需要做很多能力上的补充，特别是心态上的强大。

几个简单原则不碰中概股、不玩杠杆、看好龙头、定投标普、看好 AI/比特币/新技术的发展「更多了解可见聊聊未来技术趋势」，一年下来收益上还算可观，用另外一种方式让 BABA 的股票重新回到 300。

输出需加油

很多时候不在于有多少输入，而在于有多少输出，在于长期主义的坚持，一段时间后你会看到很多惊喜 ⛳️。

GitHub 开源，数据上 Followers 5630，排在中国区 76，纯技术代码类的仓库 Star 数累计 53K，其中 Pake 34.6K + MiaoYan 5.8K + XRender 7.2K + WeexUi 4.8K + 其他 1.3K。

刚好去年是玩开源的第十年，之前也有小伙伴问过，怎么 Github 上这么多东西，其实更多还是长时间提交的缘故，每周弄一点点，加起来好几年就慢慢有一定效果了，不是任务，而是兴趣爱好。不过这里需要反思一下，24 年的迭代版本数量低于前面几年，25 年需要加油了。

Twitter，我还是习惯叫现在的 X 叫做 Twitter，喜欢那个蓝鸟，还保持着刚玩时候 300 个有趣人的关注，粉丝数从去年的 70K 到今年的 94.1K，没有去跟热点，更多是分享一些有趣的开源作品、自己产品的更新、随便写写生活的东西，这个社区很友好，粉丝素质也高，挺感激的，让我平时的输出有了一个出口，不至于憋的难受。

潮流周刊，第一期起源于 2020 年 11 月，当时团队小伙伴说技术氛围不是很浓，于是就立了一个 Flag 说写一个潮流技术的周刊，没想到到现在已经第 4 个年头了，每周一篇已经 208 期了，现在在 Follow 有 17,263 关注者，平时我主要通过 RSS 的方式通知到读者，有不少小伙伴每周一上班的时候随便看看，有一点儿像我技术朋友圈的感觉，也让我多出去走了走拍些好看的照片。

个人博客，今年技术类的东西不多，太多是我的读书笔记、电子设备折腾、投资学习心得、生活经验类的文章，没有太多负担的博客，不过也整了一个英文版本。今年博客也做得不好，只写了 6 篇，内网偏分享类写得多一点点，明年这一块也需要多写写，多总结。

保持理智、相信未来

新的一年只求过得有意义些，不留遗憾，不至于浪费生命 💁。

上一年其实有 3 个遗憾，第一个遗憾是年初没有抢到日本大阪李志的演唱会，现在回想起来应该更加果断直接买东京场，虽然从杭州过去挺麻烦但是可以不留遗憾，奈何没有如果。

第二个遗憾就是 24 年没有出国旅游，也不能叫遗憾，因为有一个超大的幸福就是女儿的出生，25 年大一点可以带出去走走，看看不一样的世界。

第三个遗憾是需要整一个新作品，产品构思得差不多了，奈何时间有限在 24 年没有整出来，25 年得整出来解决自己的需求。

终于写完了，祝看到这里的小伙伴在 25 年生活美满，工作幸福，投资赚钱，也希望我可以一直坚持做自己喜欢的事情，活得有意义。