共 10 篇文章
那些被管理层请进公司，却不被一线员工接受的FDE们。
文章围绕使用大模型辅助编程总结实践心得，比较不同Agent工具的使用方式，强调需求明确与迭代反馈对代码质量的影响，给出提升AI Coding产出稳定性与可验收性的具体建议。
一文彻底打通AI底层逻辑：从LLM到Agent，所有核心概念拆解透彻
本文从工程视角系统拆解 AI 底层核心概念：LLM 本质是逐词预测的概率模型，Tokenizer 负责文字与数字互译，Context/Window 是临时记忆体，Prompt 决定输出质量，Tool 与 MCP 打通外部能力，Agent 与 Agent Skill 实现自主任务编排。文章厘清概念间关系并指出底层逻辑恒定，适合想夯实 AI 认知、看懂新产品原理的进阶读者。
志雄：大家口中的“智能体”，到底是什么
白志雄梳理“智能体”演进：从封装 ChatBot 能力包的提示词应用，到更可控的工作流平台（Dify、n8n、扣子），再到自主规划执行智能体（Claude Code），直至用自然语言封装可复用能力的 Skill。产品分构建平台、执行型智能体、常驻 IM 的助理、综合集合体四类，差异在演进链位置不同，主线是 AI 从“会说”走向“能做、稳定做、长期协作做”。
Harness、LLM、Token、Agent、MCP…AI圈最烧脑的8个概念，一文彻底讲透
本文面向零基础读者，用最通俗语言讲透 AI 圈最易混淆的八个核心概念：LLM 是逐词预测的引擎，Token 是计费的最小单元，Context 是临时记忆，Prompt 决定指令质量，进阶的 Harness 是给 AI 的完整工作手册，Tool 与 MCP 打通外部能力，Agent 与 Agent Skill 实现自主任务。帮助普通人消除概念迷雾、建立系统认知。
我花了3天，把麦肯锡15年的思维框架塞进了一段Prompt
将麦肯锡15年思维框架编码为一套Prompt，含9大模块：角色设定、假设驱动（🟢🟡🔴三级可信度）、MECE分解（P0/P1/P2优先级）、多视角验证（财务/风险/执行）、金字塔原理、六项输出清单、信息追问规则、沟通风格、交互闭环。附三个真实场景演示（Offer抉择、买房决策、信息不足追问）和避坑指南。喂给任何大模型即可按顶尖顾问逻辑分析问题，适合想提升结构化决策能力的人。