IT IT技术大学习 共学习、共进步

blogread.cn

IT技术大学习

IT技术大学习(blogread.cn)以“共学习、共进步”为标语,自 2009 年持续维护,是面向开发者和技术管理者的技术内容策展入口。我们订阅公开技术博客、团队博客和社区提交链接,结合来源清单、分类规则和排序机制,筛选有工程经验、实践细节、工具方法或行业参考价值的文章与头条;每篇收录内容保留来源名称和原文入口,帮助读者在低噪声环境中发现值得继续阅读的技术内容。完整说明见 我们的故事与使命

近 24 小时热文

近一天浏览数排行。

更多
  1. 1 SPEC和PRD的区别 近 24 小时 49 浏览
  2. 2 antigravity-cli 近 24 小时 44 浏览
  3. 3 A First Look at Scroll-Triggered Animations 近 24 小时 43 浏览
  4. 4 解析Google集群资源管理系统Omega 近 24 小时 37 浏览
  5. 5 Loop Engineering 实践:我把 RDMA 开发库移植到 Go 语言,花费 239 块钱 近 24 小时 36 浏览
  6. 6 百度物理网络监控工具开源第二弹:毫秒级监控工具 baize,让你的网络问题无处遁形 近 24 小时 35 浏览
  7. 7 00 卷首语:当 Karpathy 说他半年没写一行代码 近 24 小时 34 浏览
  8. 8 接手一个只差临门一脚的数据库恢复 近 24 小时 34 浏览

近 3 天热文

近三天浏览数排行。

更多
  1. 1 A First Look at Scroll-Triggered Animations 近 3 天 91 浏览
  2. 2 接手一个只差临门一脚的数据库恢复 近 3 天 76 浏览
  3. 3 程序员技术练级攻略 近 3 天 74 浏览
  4. 4 浏览器的工作原理:新式网络浏览器幕后揭秘 近 3 天 69 浏览
  5. 5 The Siren Song of ariaNotify() 近 3 天 69 浏览
  6. 6 解析Google集群资源管理系统Omega 近 3 天 66 浏览
  7. 7 浅谈MySQL索引背后的数据结构及算法 近 3 天 63 浏览
  8. 8 Prop For That 近 3 天 62 浏览

最新技术文章

从文章库里持续更新,保留摘要和分类,方便判断是否值得点开。

全部最新
文章 2026-06-22 累计浏览 0 AI

美团海报生成 AIGC 技术创新与实践

美团平台数百万商家面临海报设计资源匮乏、交付时效苛刻、内容同质化及批量质量失控等困境。AIGC技术为创意平权带来可能,但生成商业可用海报需克服精准文字渲染、和谐版式布局、统一美学风格、多任务场景支持及质量可量化评估等挑战。美团智能创作团队构建了PosterCraft、PosterOmni和PosterReward三大系统形成技术闭环。PosterCraft采用端到端优化,通过四阶段级联训练(包括大规模文字渲染优化、高质量海报微调、美学强化学习及视觉反馈精炼)显著提升文字渲染准确率,接近闭源商业系统水平。PosterOmni针对多任务设计需求,将扩图、补全、比例调整等六类任务统一于单一模型,通过专家训练、任务蒸馏及统一奖励模型进行强化学习,缓解任务冲突并提升编辑与创作能力。PosterReward作为首个海报质量评估奖励模型,构建自动化偏好数据集并通过四阶段级联训练,在专项基准上达到86%准确率,为生成模型提供优化信号并承担线上质检。三项工作全部开源,并在美团外卖套餐图生成、品牌IP设计等业务中落地,有效提升海报生产效率和质量。

文章 2026-06-22 累计浏览 7 数据库

使用deepseek进行Oracle恢复,引起重大故障

本文记录了一次Oracle数据库恢复的故障案例。数据库处于open状态,但一个数据文件offline,尝试删除表空间时失败,错误提示文件无法读写。根据经验,初步判断可能是undo表空间文件offline导致,计划通过屏蔽异常回滚段或强制online文件解决。查询异常回滚段未果,进一步核查字典表发现异常:v$tablespace中存在两个undotbs1表空间记录,而ts$和file$信息不匹配,表明字典被篡改。现场确认有技术员根据deepseek AI的建议,直接执行了删除ts$和seg$记录的操作,但未处理file$,导致字典不一致,数据库因检查异常事务而停滞。通过修复字典、清理异常事务,数据库恢复正常,数据成功导出。案例警示,在数据库非常规恢复等高风险操作中,依赖AI建议需谨慎判断,避免不可逆错误,并务必制定回退方案。

文章 2026-06-22 累计浏览 17 AI

01 引言:软件工程范式的五十年之变

文章回顾了软件工程自1968年以来的范式演变,从瀑布模型到敏捷、DevOps,指出核心假设“代码由人编写”首次被大语言模型打破。AI Coding Agent的演进分为四层:补全、对话、任务、自主流程,逐步将人类角色从作者转变为指挥者和审查者。Vibe Coding虽降低编程门槛,但易导致代码质量陷阱,需通过Agentic Engineering和结构化方法提升产出。核心主张是从Prompt-Driven转向Skill-Driven,强调持久化、可复用的Skill系统,如Spec-Driven Development和Ralph Loop等方法论。这些变革基于“用结构化知识驾驭非结构化AI能力”的原则,为AI时代软件工程提供新框架,凸显工程素养的关键作用。

文章 2026-06-21 累计浏览 34 AI

00 卷首语:当 Karpathy 说他半年没写一行代码

Andrej Karpathy宣布半年未亲手写代码,转而使用AI Agent驱动开发,标志软件工程进入新纪元。他提出软件3.0概念:LLM作为新型计算机,编程通过提示实现,产生‘参差不齐的智能’。行业趋势显示AI编程工具从Copilot到Claude Code快速进化,效率提升数百倍。然而,AI放大工程缺陷,Vibe Coding可能导致技术债务,而Agentic Engineering强调人类在架构、验证和责任感上的核心作用。方法论如Matt Pocock的Skills系统、Spec-Driven Development、Ralph Loop的自主循环和Garry Tan的gstack虚拟团队,共同应对验证差距。Harness Engineering聚焦Agent运行环境,确保可靠性。文章指出,当开发速度不稀缺,工程化成为壁垒,人类需提升品味、判断力和系统审美。作为卷首语,它引出本书对AI时代软件工程方法论的系统探讨。

文章 2026-05-20 累计浏览 29 AI

从需求到上线,让 AI 管理你的整个研发流程!

goal-workflow 是一套AI驱动的研发工作流系统,旨在自动化从需求分析到代码交付的整个软件开发生命周期。系统通过四个标准化步骤实现端到端闭环:首先,/prd 命令利用AI生成结构化PRD文档和Issue卡片,通过交互式问题澄清需求并拆解任务;其次,/goal 命令基于Issue实现功能代码,AI代理自动分析代码库、编写实现并运行测试;然后,/review-it 命令进行可信代码审查,遵循验证后执行、拒绝噪音、迭代修复原则,确保代码质量;最后,/ship-it 命令自动化提交流程,包括git操作、创建PR、合并代码和关闭Issue。工具兼容Claude Code、Codex等多种AI代码编辑器,提供双语支持和灵活部署,集成GitHub Issues、本地Markdown等平台。其核心理念是让AI处理重复性、规则性工作,释放开发者专注于创造性任务,提升团队研发效率和个人开发速度,减少需求理解不一致和返工问题。

文章 2026-05-20 累计浏览 44 AI

antigravity-cli

Google在2026年I/O大会上发布Antigravity CLI,正式取代Gemini CLI,整合进Antigravity产品家族。该工具与Antigravity 2.0桌面版共享统一Agent引擎,支持自然语言交互,用户可通过对话指令Agent完成代码编辑、工作流编排等任务。核心特性包括Subagents(子智能体),允许主Agent派生子Agent并行处理后台任务如文档查询、构建验证,并拥有完整工具权限;终端沙箱利用操作系统原生能力(macOS sandbox-exec、Linux nsjail、Windows AppContainer)实现安全隔离,零启动开销;插件系统提供打包命名空间,可部署技能、智能体、规则等组件。安装通过一键脚本跨平台完成,认证支持本地和SSH环境。三大核心斜杠命令:/goal启用深度工作模式,自动执行复杂任务直到目标达成,使用独立模型评判;/schedule设置定时或循环任务,基于Cron调度实现自动化检查和报告;/grill-me用于方案对齐,确保AI输出准确。Antigravity CLI定位终端优先、键盘效率,与桌面版互补共享设置,提供统一AI开发工具链。

文章 2026-05-20 累计浏览 32 AI

Clawpatch + codex-review:AI 代码审查工具链的正确打开方式

本文探讨了AI驱动的代码审查工具链Clawpatch与codex-review skill,旨在解决传统代码审查中审查者缺乏完整上下文的核心矛盾。Clawpatch通过`clawpatch map`命令将代码仓库映射为包含入口点、归属文件、上下文文件和关联测试的语义特征单元,突破了传统逐文件扫描的局限。它支持主流技术栈的自动识别,并基于这些语义单元调用AI进行审查,生成结构化的findings,包含分类、严重程度、置信度和证据。其修复流程设计保守,通过`clawpatch fix --finding `进行显式修复,并严格执行格式检查、类型检查、lint和测试的验证流水线,确保安全性。`deslopify`模式则专注于清理可本地验证的代码质量问题。codex-review skill为基于Codex CLI的审查定义了一套标准化的SOP,强调审查输出仅为建议、需验证、拒绝不切实际的边缘案例、修复精准且需闭环验证,并推荐使用subagent以避免上下文污染。文章最后通过一个Next.js项目的实战演示,从初始化、构建语义映射、执行审查到逐条处理findings,完整展示了该工具链的工作流程。这篇文章属于工具介绍与实战教程类型,详细阐述了如何结合自动化工具与规范化工作流,实现高效、安全且可追溯的AI辅助代码审查。