-
OpenAI 内部揭秘：我们如何使用 Codex
文章详细揭示了 OpenAI 内部团队如何利用其 AI 编码助手 Codex，覆盖了从安全到基础设施的多个工程领域。它总结了七大核心应用场景，包括加速代码理解、高效重构与迁移、性能瓶颈识别与优化、提升测试覆盖率、加快开发速度、帮助工程师保持心流，以及辅助探索与构思。此外，文章还分享了六项实用的最佳实践，如从“提问模式”开始、像写 GitHub Issue 一样组织提示、逐步完善 Codex 环境等…- 0
- 0
-
淘宝直播 AI 提效探索的一些心得
文章围绕淘宝直播团队在过去半年中基于 AI 技术在工程侧提效的探索展开，详细介绍了服务端、前端、数据科学、测试和数据研发等职能团队如何结合 AI 能力进行创新尝试，例如服务端生成基础平台或中间件调用代码，前端生成简易 UI 样式代码等。文章分析了 AI 能力的优势与局限性，例如文本生成的涌现能力、固定思维过程以及对世界的有限理解等。通过任务拆分、输入提炼和人 "机" 交互设计等…- 0
- 0
-
从 MCP 到 Agent：构建可扩展的 AI 开发生态的工程实践
文章详细介绍了字节跳动 Trae IDE 在重塑软件开发范式、构建可扩展 AI 开发生态方面的工程实践。作者首先回顾了 AI 与 IDE 结合的演进历程，从代码补全到智能编程助手的转变，强调了 AI 对开发效率的显著提升。接着，文章深入解析了 Trae 中 Agent 的设计理念，包括其思考规划、执行、观察反馈循环，以及工具调用和上下文获取能力。核心亮点在于 Trae 如何通过引入 MCP（Mul…- 0
- 0
-
AI 产品开发实战：避坑指南与工程化实践
作者作为经验丰富的软件工程师和领导者，分享了从构建早期生成式人工智能产品 Outropy 中获得的见解。尽管技术上优于竞争对手，但 Outropy 仍然失败，原因是用户对逆向工程其开发过程更感兴趣。文章 критикует了三种常见但有缺陷的 AI 产品构建方法：追逐热点的开发模式、缓慢且以研究为中心、采用瀑布模型的传统数据科学项目。作者提倡第三种“工程项目”方法，即迭代、敏捷、以产品为中心。文章…- 0
- 0
工程实践
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×