Hasaki

你让 AI 比较两个方案。它列出各自的优缺点，你觉得还不够，于是要求它换一个角度。它补充了长期风险，你又让它考虑最坏情况、团队能力和未来变化。几轮之后，分析越来越完整，决定却没有向前一步。 看起来，你仍在努力寻找答案。实际上，每一轮对话都可…

我发现，用中文给 Agent 写 Prompt 时，我总会不自觉地把话说得委婉。 “你可以先看一下这几个文件。” “如果合适的话，最好顺便把测试也跑一下。” “这里是不是可以考虑换一种实现？” 这些句子放在人与人的交流里很自然。它们不直接命…

一个设计得足够好的 repo，本身就可以成为一个不断自我改进的 Agent。 这里的 repo 不只是代码存放的位置，Agent 也不只是某次被调用的模型。Repo 保存目标、知识、工具、反馈和约束；模型进入其中，读取当前状态，采取行动，再…

没人能提前画出一条成为职业球员的完整路线。会进入哪家俱乐部，遇到哪位教练，机会在哪场比赛出现，都无法计划。但今天多练一次运球，通常不会错。脚内侧触球，脚外侧变向，把球控制在合适的位置。它不保证一个人最终成为职业球员，只让他在球真正来到脚下时…

「この件、考えておいて。」 “这件事先想一想。” 听懂这句话不难。真正困难的是，接下来该做什么。 是在脑子里想一遍，还是整理成意见？要不要调查资料？下次开会时，是等别人问，还是应该主动拿出方案？这些都没有出现在句子里，却会直接影响一个人如何…

一想到学英语，很多人的第一个动作是下载一个单词软件。 选一本词库，设定每天背多少个单词，然后开始打卡。这条路径很自然，因为软件已经把目标、进度和反馈都安排好了。只要每天打开它，就知道下一步该做什么。 单词软件当然有用。它能帮助我们集中记忆词…

最近我一直在想：一家没有自研产品的公司，能不能有真正的 FDE？ 我的答案是：能，但条件可能比产品公司更苛刻。 只说“从客户问题出发”还不够。传统咨询、SIer 和外包团队也都可以这样说。如果每个客户的问题最后都变成一个单独立项、单独开发、…

以前我总觉得，一周是从周一开始的。 周一状态好，这一周大概就能顺利一点；周一没进入状态，后面几天便一直在追。后来看到日语里的「土曜日力」这个说法。「土曜日」就是星期六，「土曜日力」可以直译成“周六力”。它让我意识到，周六怎么过，对下一周的影…

很多团队讨论 AI Coding 时，第一反应仍然是：Agent 写完代码以后，谁来 Review？能不能 Merge？出了问题谁负责？ 这些问题没有错，但它们继承了一个旧前提：一次代码变更昂贵而危险，所以必须在进入主分支前集中检查、谨慎放…

我有时会把一篇文章、一段对话，甚至一堆还没整理好的材料丢给 Agent，只问一句： 说到底是啥？ 按 Prompt Engineering 的标准，这句话几乎处处不合格：没有指定角色，没有规定步骤，没有定义输出格式，连“啥”指什么都没说清楚…

最近听播客，遇到一个日语词：脳味噌（のうみそ）。 「脳」是脑子，「味噌」是味噌。合在一起，指脑髓，也可以转指人的头脑和智力。 脑子里的味噌。 这幅画面有点猎奇，又莫名可爱。好像掀开头盖骨，里面不是冷冰冰的神经组织，而是一团柔软、黏稠、带着生…

学习一个东西，最好的方式之一，是回到它最基本的定义。 不要因为一个概念看起来像常识，就停止追问：它到底是什么？能不能用一句话说清楚？ 这个问题看似简单，实际上很难。我们经常会使用一个词，却未必真正理解它。我们知道它通常在什么场合出现，见过别…

早上坐到电脑前，脑子还很清楚。邮箱里有几封信，Slack 上亮着红点，还有两件昨天留下的小事。它们都有明确的下一步：回一句，确认一下，改一个数字。做完以后，列表短了，心里也轻了一点。 真正需要思考的工作被留到了下午。轮到它时，早上的清醒已经…

给 Agent 设计 Harness 时，可以从少量清晰的原语开始，让具体工具和工作流随任务出现。 Agent 改变了封装的成本 没有 AI 时，SDK 通常是一项合理的权衡。它替开发者处理认证、分页、重试和类型转换，把复杂的 API 包装…

我们通常把“长期运行”理解为一个进程长期存活。数据库、消息队列和 Web 服务启动以后，会持续占用内存、监听请求，直到进程退出。按照这种直觉，一个 Long-running Agent 似乎也应该是某个一直在线、始终思考的模型实例。 Age…

客户很少会把一个整理好的任务交到你手上。 他不会说：“请分析线索质量和销售转化流程，找出成交率低的原因，再提出改进方案。” 他更可能只说： “最近线索不少，但就是卖不动。” 这句话没有明确的输入，没有验收标准，甚至未必指出了真正的问题。 原…

最近，我需要为一个上下文释义功能选择模型。用户点选英文单词后，系统要结合它所在的句子和段落，只返回一个 1～8 个汉字的中文释义。 任务看起来很轻，真正测试时却不简单。技术语境里的 应该译成“竞态条件”，而不是“竞争”；消息系统里的 也不能…

Agent 不是我的导盲犬。恰恰相反，它更像一个能力惊人、行动迅速，却看不见现实的盲人。而我，是它的导盲犬。 它可以在几分钟内读完一个代码库，搜索成百上千份资料，写出程序，操作浏览器，把一个模糊的要求拆成几十个步骤并连续执行。它不会累，也很…

同一个标签，不同的问题 打开 X 搜索 AI memory，会看到许多看似相关的讨论。有人关心上下文窗口中的信息保留，把 memory 理解为当前任务的工作记忆；有人讨论跨会话或跨项目的长期记忆；有人关注 Agent 能否记住用户偏好；还有…

编程语言里的字符串，起初看起来几乎不值得设计。它不就是一串字符吗？把字符连续存进内存，再提供长度、拼接和下标访问，事情似乎就结束了。 C 语言里的字符串通常是一段以零字节结尾的 数组。 计算零字节之前有多少个字节， 取出第 i 个 。只处理…

前阵子，我在拆一个 HubSpot 查询需求。目标只有一句话：员工输入自然语言，就能查到自己权限范围内的数据。 听上去只要把模型和 API 接起来就行：模型能理解问题，HubSpot 也有 API。可自然语言问题最终要变成一次真实请求，中间…

懂 AI 术语、消耗更多 Token，或者给每个工作流都加上 Agent，都不代表 AI Native。 AI Native 意味着看清 AI 改变了哪些成本与约束，再据此重新设计工作。目标是做出更好的结果，并为结果负责。多用 AI 本身没…

AI 编程已经跨过“模型能不能写代码”的阶段，却还没有跨过“团队怎样稳定交付”的阶段。 Prompt、Context、Memory、Tool、MCP、Sandbox、Workflow、Eval，这些零件越来越齐全。真正缺少的是一条被广泛接受…

我们打开 AI，准备把一件难事交给它。输入框里先写下一句“帮我重做首页”，按下发送。它很快问回来，想要什么风格，要改哪些页面，移动端怎么处理，有没有参考网站，要不要先读代码。 这些问题都合理。麻烦在于，我们开始一条一条回答。刚答完配色，它又…

Branch 之所以成为开发默认动作，有它成立时的条件。它既给一条提交历史命名，也逐渐承担代码隔离、并行开发和等待审查等职责。工具和团队规范围绕这些职责生长久了，“先开 branch”便很少再被追问。 Coding Agent 改变了其中一…

很多人谈学习效率，习惯把一切都做得更快。资料最好自动整理，答案最好马上出现，遇到问题最好点一下就能解决。AI 出现以后，这种倾向更明显了。 可学习并不总是越顺越好。 有些知识需要反复调用，过程太顺，人很难留下印象。有些学习任务又夹着大量机械…

当 Autonomous Agent 能够自己规划任务、调用工具和处理异常时，一个自然的推论是：Workflow 迟早会被取代。既然 Agent 可以临场决定下一步，为什么还要提前画好流程？ 这个推论混淆了交互入口和执行机制。Agent 改…