近两年大模型迭代，除了参数规模、推理能力，上下文窗口成了最核心的比拼指标之一。从早期GPT-3.5的4K，到现在主流的128K、1M，甚至谷歌Gemini做到了2M token。很多人只知道“上下文越大，能塞的文档越多”，但很少有人说清：它到底是什么？包含哪些内容？为什么不能无限做大？大就一定好吗？
最近准备试验下，早睡早醒，每天下班，就洗漱，然后强制自己睡觉，然后尝试早起。
之前都是习惯晚睡，熬得比较晚，觉得好不容易下班有点时间，必须得好好放松下，但是越熬越累，状态也不好。
实验一段时间，看下效果。
AI 降低了写代码的门槛，但没有降低做产品的门槛。这篇文章从实际开发经历出发，总结了三个经验：先想清楚再动手、从最小可运行版本开始、把任务拆到足够小。
最近在做一个 AI 应用，有一些体会，想记录下来。 以前写代码，一个人从头写到尾，进度快慢全看自己。现在有了 AI 辅助，写代码的速度快了很多，但项目推进的速度反而没有想象中那么快。我花了一段时间才想明白问题出在哪里。 总结下来有三点。 一、先想清楚，再动手 这是最重要的一点，也是我做得最差的一点。 我的习惯是，有一个想法就马上开始写代码。写了几行之后，觉得
最近公司小道消息不断，年底大概率要来一大波。
AI 时代滚滚而来，谁都没办法阻挡。
但说实话，比起「会不会被取代」，我现在更焦虑的是另一件事——这波浪潮来的时候，我是在冲浪，还是在被浪拍。
希望到时候回头看，能说一句「我接住了」，而不是「我被卷了」。
我试了半年，发现 AI 替不了这回事 我试了半年，发现 AI 替不了这回事 最近半年，我一直有一个想法，能不能用 AI 在业余时间做出一款像样的产品。 不是那种简单的小工具，不是 Copilot 套壳，不是那种「我今天花三小时用 Cursor 搭了一个 xxx」的自嗨型 demo。是一款真正有人用、能解决真实问题、让自己觉得拿得出手的产品。 想了很多方向，试