这里写技术:AI 行业观察、系统架构的取舍、Go 工程实践,以及踩过的坑。
不追新词,只记真正影响判断的东西。
这里写技术:AI 行业观察、系统架构的取舍、Go 工程实践,以及踩过的坑。
不追新词,只记真正影响判断的东西。

AI 提的速,如果没人管最慢那一步,就会被那一步一分不剩地吃掉。 这不是比喻。2026 年 9 月 21 日,Linear 官方博客发了一篇复盘,讲的是他们今年几乎一整年都在做同一件事:把被 agent 推高的 CI 压力按回去。文章的起点只是 CTO 派的一张工单,标题五个字——CI 成本太高。 ...

「钉住版本」保护的是你发出的请求,不是你运行的代码。 这句话听起来像绕口令,但它是本周一起安全披露的核心。Air Security 在 2026 年 9 月 17 日公开的 Plugin4Shell,让 Anthropic Claude Code、OpenAI Codex、GitHub Copilot、Google Gemini CLI 四款主流编码 agent 的插件哈希钉定机制失效。而失效的原因不是某一家写错了代码——是四家的工程师在同一条流程的同一个位置,独立地漏掉了同一个断言。 ...

给 agent 分了工,却不给它一个共享的世界模型,等于把一次失败拆成三次。 这不是一句推演出来的话。上周有一份实测把它变成了可数的数据:三个子 agent 各管一摊,最后一个把兵一个一个送死,另一个在攒一支大军,而两边都不知道对方存在。 ...

南方电网总调2026年9月8日印发《支持新型储能参与南方区域电力市场工作方案(2026年版)》(总调水新〔2026〕19号),把一句业内都心知肚明、却不敢摆上台的话说破了:在常态运行的83座储能里,真正中标调频容量的,只占申报量的三成。换句话说,七成优质储能容量,备而不用。 ...

我在国网体系里做变更管控时,听过一句让我记到现在的话:审批单管的是人,执行点管的是系统。 事故几乎从不来自不守规矩的人。它来自系统里那条本来就不必守规矩的路。 ...

我做电力智能巡检那几年,最耗人的不是调模型,是查「这个结论到底错在哪一级」。 误报率调不下去的时候,团队的第一反应总是换模型、调阈值。真正卡住我们的其实是另一件事:系统只告诉我们「这个结论是错的」,从来没告诉我们这个结论是在哪一级判出来的。后来把每一级判定单独留痕,误报才终于有了改进方向。 ...

我做日报流水线快一年,中间换过好几个模型。真正让产出变稳的,一次都不是换模型那次。 有两次印象很深。一次是把「写稿」和「审稿」拆成两个不共享上下文的步骤,一次是把每天踩到的坑写成一份会累积的清单文件。模型一直是同一个。 ...

做储能电站 EMS 那段时间,我给自己划过一条线:概率性输出不进控制回路。 不是不信任模型的判断力。是控制回路这个位置不接受「95% 的情况是对的」,它只认那 5% 会不会让断路器动错。 ...

做储能电站 EMS 的那段时间,我给自己划过一条线:该由规则判断的事,不交给模型。 不是不信任它的判断力。是控制回路这个位置容不下概率性输出,它错一半,代价是设备。 ...

网站根目录里那个写给 AI 看的文件,从来不是说明书。它是输入。 **给机器读的东西没有「只是说明」这一说:你写的是说明,它读的是指令。**同一周里,这件事的两端同时出了变化——你发出去的引用可以被陌生人接走执行,你想读的位置正在被平台收回。下面讲清两件事:风险具体落在哪一层,以及内容与工程两侧分别该怎么接。 ...