暂无搜索历史
企业引入 AI Coding 工具之后,最常被问到的问题是:我们现在到哪个阶段了?下一步该做什么?
把过去写过的 Spec、坏味道、设计模式、防线、Landing Zone、Agentic Coding 串成一条完整的线。
过去一年,AI Coding 的讨论集中在研发团队:能不能写得更快、代码质量怎么样、采纳率多少。但一个容易被忽略的事实是,非研发角色也在大量使用 AI Codi...
OpenClaw 通常的用法是独立部署——在自己的机器上跑,通过对话框或 Cron 和 Agent 交互。但 OpenClaw 也可以换一种方式用:作为后台 A...
管理人员的时间分配有个现实情况:大量的"想"和"说"花在高价值的事情上,但真正形成结构化文档、可传播的分析、可对齐的决策材料时,往往卡在"写"这一步。AI Co...
上一篇文章讲了 AI Coding 的七类坏味道——它们是企业在落地过程中最常踩的坑。但光有诊断不够,还得有处方。
AI Coding 已经进入企业级应用阶段,但大多数团队在兴奋期之后,会撞上同一类问题:AI 写的代码"看起来都对,跑起来就出问题"。这些问题不是偶然的,而是系...
企业用大模型,四个问题绕不开:谁在调模型?敏感数据有没有出内网?花了多少钱?出事怎么查?AI Gateway 做的就是在客户端和上游模型之间插一层治理层,把这四...
在应用平台中对接 AI 时,陆续接入了百炼 API、EPAI 智能体、LangChain 框架。能力越来越多,散装调用的维护成本急剧攀升。于是逐步抽象,自己设计...
跑完 MumuMall,我意识到 AI 架构师的能力增长不是线性的——不是你从 L1 到 L2 到 L3 到 L4 一路升上去。是四个维度的能力在相互拉扯、交替...
第五篇用 Dify 跑完了验证流程——模型选型定了、成本预估做了修正、编排边界找到了几处误判并修正了 Prompt。方案验证过了,该上生产了。但在部署之前,有一...
前四篇做完了一件事:MumuMall 智能客服从一句"加个 AI 客服",变成了 Spec 三层 + 模型选型 + 成本预估 + 云端架构图。
前三篇讲了什么?用 AI 做需求澄清、用结构化三层法写方案、用 AI 画架构图。这三件事都围绕一个核心——架构师自己的工作方式怎么变。
上两篇做了什么?第一篇建立了"AI 在重新定义架构师"的认知。第二篇用 MumuMall 项目演示了第一步——AI 追问二十个问题,把"加个 AI 客服"变成了...
找个场景,老板说"我们客服忙不过来了,加个 AI 客服吧。"没有文档,没有需求列表,没有任何技术约束。
mumuspec create同时生成 AGENTS.md,定义了 AI 编码助手在本项目中的工作流程:
先看两组数据。McKinsey 2026 年的报告:73% 的架构决策已经由 AI 辅助完成,架构文档的编写时间缩减了 85%。
在AI Coding阶段容易被低估的功能就是 Hooks机制——它不是让 AI 写得更快,而是让 AI 写得更安全。本文帮你在 AI 编码的五个关键时刻插入安全...
"调用百炼实现 Chatbot"——一句话需求,丢给 Claude Code 或 Qoder。
特征:AI 是分析助手,不是代码生成器。核心是"帮我看问题在哪",不是"帮我写代码修"。
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市