23 岁这一年，生活几乎被 AI 占满：工作中大量使用 AI，也凭借 AI Agent 开发经验迎来新的职业机会，同时开始警惕 AI 对写作和思考能力的影响。跳槽赴深圳、两次日本旅行、布置新家、学习 VRChat 改模、港澳之行和定制 Kig 头，也让这一年虽不算忙碌，却格外充实而满足。
AI、机遇、挑战与新生活（23岁生日总结）
Coding Agent 总在过度设计？用这 4 个 Skill 管住它
Coding Agent 在项目开发中容易堆砌无用单测、只修局部问题、过度抽象和添加兜底，甚至在代码中替模型做决定。文章结合真实 Agent 项目经验，总结了 4 个 Skill，用来约束这些过度设计倾向。
当你试图用五年前的联想笔记本玩最新的《使命召唤：现代战争 4》结果提示不符合安全要求时…
《使命召唤：现代战争 4》因 AMD TPM 固件版本不符合要求而拒绝启动，联想 R9000P 2021H 虽已停止常规 BIOS 更新，仍可通过联想知识库提供的特殊 BIOS 固件更新 TPM 并解决问题。更新前需备份重要数据；使用 Windows Hello PIN 的用户更新后可能需要重新设置。
当 agent 说”我做完了” —— 四个从翻车里长出来的 Claude Code skill
文章从 Coding Agent 在长程开发中容易出现“看起来成功、实则漏洞频出”的问题出发，沉淀出四个通用 Claude Code Skill：用变异测试识别“假绿”单测、以状态移交和对抗核查管理子代理、借助 Git Worktree 安全并发开发，以及对批量任务集中验收收尾。这些 Skill 已开源并兼容符合 Agent Skills 规范的多…
把 LLM 当成“人”，才是 Agent 工程进阶的起点
文章探讨了大型语言模型（LLM）行为日益类人化的背景下，Agent工程应摆脱传统机械指令模式，转而将LLM视为具备专业知识和学习能力的“人类”合作伙伴。通过认知对齐、记忆解耦、视觉感知优化、工具生态适应以及闭环反馈机制，Agent系统可显著提升问题解决效率和准确性。核心观点是，Agent工程的进阶关键在于顺应人类认知习惯，为LLM构建拟人化的交互环…
LLM 时代需要属于 LLM 的工作方式，而 LLM 最好的工作方式就是模仿人类做相同的事
今天看到朋友分享了 Karpathy 那篇 LLM Wiki 的 Gist，我还挺认同这个想法的，主要就一个点：「LLM 时代需要属于 LLM 的工作方式，而 LLM 最好的工作方式就是模仿人类做相同的事」，我们已经在很多地方看到了这个演进方向：从 Skills 到 LLM Wiki。 我觉得类似的技术会成为一种趋势。
为什么我认为 AI 正在让初级技术岗位完全消失
AI正在通过需求端和供给端的双重影响加速初级技术岗位的消失。需求端因AI提升生产力而缩减初级岗位；供给端学生因过度依赖AI碎片化学习，丧失深度技术能力，导致人才供给与行业需求脱节。长期来看，这种趋势将扩大技术人才鸿沟。应对之道在于警惕AI依赖，明确其工具属性，保持核心竞争力才能避免被淘汰。
感谢款待！日本东京 & 富士山游记
计划已久的日本旅行从签证准备到机酒预订充满社畜特有的时间规划。首日便在成田机场遭遇Skyliner购票困境，历经周折终抵秋叶原与友人汇合。四天行程紧凑充实：观看日语舞台剧、奔赴富士山打卡经典机位、独自游览忍野八海，在涩谷新宿感受都市繁华，最后以秋叶原扫货手办收尾。虽然遭遇坐错电车和语言障碍的插曲，但富士山的绝景与二次元圣地的氛围让旅程充满惊喜。
你的 RAG 系统可能正在“杀死”大模型的灵性
当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。
