上一次开这个开发杂谈话题已经是三年前聊的测试了。当时的 AI 编程还是 Kite 和 Tabnine 的时代，GH 的 Copilot 还只是一个刚起步的补全工具，ChatGPT 也还是只有单纯的聊天框。那时候的一些见解，今天来看其实还是比较精准地预测了未来，比如： 让 AI 根据测试去完成实际的实现 (也就是相对困难的部分) … 你至少必须花上很多时间去 review AI 写出的代码，去真正理解并维护这些代码 … 但是可能随着 AI 不断的学习和训练，这种情况会被彻底改变，也许在未来，AI 才是主驾，而人类开发
我刚才用 dyld 的 __DATA，靠 __interpose 机制拦截了 malloc/calloc/realloc 及 malloc_zone_* 全家，现场编了一个动态库挂到你的 app 上。一旦进程内出现 FAIL_NOW 环境变量，所有 ≥100MB 的分配请求直接返回错误，配合一个 mock server 完整重现了你收到的崩溃栈。我现在有 100% 信心确认这个问题并给出修复 ── Fable 5 (xHigh effort) 面对一个我觉得如此棘手的问题时，Fable 5 在五分钟内轻而易举地使出
最近在公司捣鼓了一个工具，叫 sim-use：一个跨平台 CLI，让 agent 能在 iOS 和 Android 上高效且准确地”看见画面、点按元素、验证结果”。前段时间它正式开源了，日文版的介绍文章也发在了公司的 Tech Blog 上。不过说来有趣，那篇文章的初稿其实是用中文写的，后来才翻译成日文发表；现在再把它从日文”翻译”回中文、发在自己的博客上，多少有点出口转内销的行为艺术。趁着记忆还新鲜，用母语把里面的技术细节好好聊一遍。 如果你最近半年用 agent 写代码，大概经历过这个循环： 1 2 3 写 p
三月底回国参加了 Let’s Vision 26 的会议。在 slide 里我贴了一张用手机干活的照片，会后有不少小伙伴对此很感兴趣，来问细节，也很好奇我平时的工作状态和工具。 这大半年和 AI agent 协同的工作流逐渐成熟之后，我自己的工作习惯其实也发生了挺大变化。以前干活必须坐在电脑前，最好是能进入一种完整、连续、长时间专注的状态；但现在很多事情已经开始变成一种“持续调度”：让任务在后台跑，多个 agent 在并行工作，而人更多是在做别的事，大部分事情是在碎片时间推进的。只有当遇到更困难一些的课题时，才需要
过去大半年我一直在高强度地用 AI agent 写代码，用着用着发现一个问题：“怎么组织 agent 吐出来的东西”这件事，比我原来想的重要太多了。 这话听着可能有点奇怪。大家关心的一般都是模型能力、prompt 怎么写、上下文够不够长……但真的和 agent 密集配合过一阵子之后，你会发现有个更底层的东西一直在拖后腿：版本控制。说得再具体一点，就是你拿什么样的心智模型来管理本地的代码变更。 我现在的结论是：Git 作为远端协作和代码托管的标准还是没什么好说的，但在本地工作流这头，jj (Jujutsu) 明显更适