后台私信炸了。各大群也在聊同一个话题：AI写出来的代码，很难维护。这句话我记了10多年十多年前我还是个刚入行不久的开发，老板是个技术出身的老兵。有次我跟他汇报说想在项目里引入一个新框架，他听完没直接说行不行，就甩了一句话："不管你用的什么技术，核心是你要驾驭它。"当时觉得这话有

先聊现状Vibecoding这个词火了一年了，但你有没有发现一个尴尬的现实：大多数人用AI写代码，效率并没有提高多少，甚至有时候还倒退了。不是AI不行，是用法不对。我见过太多这样的场景：丢一句"帮我写个XX功能"给AI，AI哗哗吐出500行代码，看着挺厉害，复制粘贴进去，报错，改，再

起因：一个磁盘满了的下午我的主力机是一台MacBookAir，配置比较丐。用久了最大的焦虑不是性能，而是磁盘空间莫名其妙就满了。每次Finder里看还有几个G，转头装个依赖或者微信缓存一膨胀，系统就开始弹窗警告。之前一直用腾讯的Lemon，免费、界面清爽，轻点一下就能清缓存、看资源占用。但

背景我是个Rust爱好者，日常主力语言就是Rust，CLI工具、Web服务、数据处理管道都写过，编译器的脾气基本摸清了。Zig是这个月才开始学的，起因很简单——想换个视角看看系统编程还能怎么做。学了之后顺手写了两个小项目练手：一个zvm版本管理工具和一个kvdb。这篇文章不是什么权威评测，就是

背景最近后台有位做测试的Python朋友私信我，说想学Rust，问有没有什么建议。这让我想了挺久——因为这不是个例，最近半年我观察到越来越多的Python开发者开始关注Rust，尤其是测试领域的同学。我自己不是从Python测试转过来的，但我长期用AI辅助编程，帮过不少朋友做语言转型的咨询，

这几天我把一件本来不太“性感”的事做得挺认真：用同一个Rust项目，同时对比用“官网大模型”和“公益站模型”来开发，看看真实差异到底在哪。不是跑benchmark，也不是比谁更聪明，而是贴着开发过程——写代码、改bug、读错误、补文档——一步步感受。结果还挺有意思。最直观的

背景：为什么用Zig重写？之前一直用Go写的zvm，功能没问题，但有几个膈应人的地方：二进制体积：Go编译出来10MB+，静态链接还要带runtime。Zig最终1-2MB，真·零依赖启动延迟：Go程序启动时runtime初始化、GC预热，虽然感知不强，但用多了能

一个有点疯狂的实验OpenAI内部有个项目：3个工程师，5个月，产出约100万行代码，合并了1500+个PR。几百个内部用户天天用，包括不少重度用户。听起来没什么特别？关键是这100万行代码里，手写的行数是0。从业务逻辑到CI配置到文档，全部由AI代理生成。这不是

最近我写了一个小项目：harness-cli。一开始它只是个很朴素的想法：我想要的不是一个“能聊天的命令行”，而是一个真的能帮我做事的CLI。它不只是接一下模型接口，把回答打印出来，而是要能理解任务、拆步骤、调工具、执行动作，最后把结果交回来。于是，这个项目慢慢就长成了现在这个样子：有

跑通一个文生图demo，其实不难。装环境、拉模型、写几行推理代码，顺利的话，当天就能出第一张图。真正难的，从来不是“把图跑出来”，而是下一步：怎么把它做成一个真的能对外提供服务的系统。因为一旦进入服务化阶段，问题就变了。不再只是prompt对不对、参数怎么调，而是：请求怎么接任务怎