Glean 拾遗
日刊 · 时间线

每天拾几条。

2026-08-31 · 周一 3 条
← 08-30
日历 ▾
2026 · 08
有日刊 今天
09-01 →
16:53

AI 原生开发复盘:流程没变,角色变了——从 Issue 到功能上线

AI-Native Dev: Same Flow, New Roles — From Issue to Shipped Feature

作者用 Claude Code(Fable 5)为自己的字幕转录 App(BaoCut)从零添加远程转录功能,并完整复盘全过程。核心认知:AI 原生开发并没有发明新流程——可行性分析、设计文档、原型、编码、测试一个不少;变化的是执行主体,Agent 负责分析和执行,人只在关键路径做判断。文章逐环节拆解:让 Agent 做可行性分析后自己拍板选方案 A(App 内嵌转录服务);把决策固化进设计文档,作为后续 Agent Session 的上下文入口;用高精度原型把需求、交互、视觉一次确认,说明原型阶段修改成本远低于开发后返工;编码阶段靠 /goal 命令让 Agent 按里程碑自测、自截图,作者跳过 Code Review 只做黑盒测试;最后以路人视角验证流程。作者还给了两个反直觉结论:大部分开发类编码 Skills 是多余的,瓶颈已转移到代码两侧的设计确认与测试部署;文档从附属品升格为人和 Agent、Session 与 Session 之间的桥梁。适合用 AI 编码工具但尚未跑通完整工作流的一线开发者。

16:53

好工程不信任工程师:AI时代,代码不再是护城河

Good Engineering Doesn’t Trust Engineers

工厂工人直言不信任软件工程师:图纸和模型可以在纸面完美,但传感器积尘、零件批次差异、冷启动阀门卡滞,这些现场条件才决定系统安全。好工程恰恰同意这一点——NASA、航空、核工业不依赖“找到优秀工程师并信任他”,而是围绕“工程师可能出错”设计流程:风险分析、需求追溯、独立验证、运行证据。AI让写代码变得廉价,也暴露了普通软件工程的反向结构:需求是一行Jira ticket,设计理由住在某人脑子里,代码被当成唯一真实,验证只是绿色CI。文章主张把工程从写代码移回“让意图显式,给义务配证据”,区分验证与确认,按风险调用冗余度。最后引向作者所在产品 ReqProof,但其核心观点可独立存在。

06:00

LLM 四级缓存全拆解:KV、前缀、提示词、语义缓存各自的命中与失效

KV, Prefix, Prompt and Semantic Caching in LLMs Explained

这篇教程从第一性原理拆解 LLM 推理栈中的四层缓存:单次请求内的 KV cache、服务端跨请求的 prefix caching、API 提供方计费的 prompt caching,以及按 embedding 相似度匹配的 semantic cache。文中用可运行代码演示了 transformers 的 DynamicCache/StaticCache、vLLM 的 16-token 链式哈希前缀匹配,并给出关键数字:70B 模型 128K 上下文约 40GB KV 缓存、Anthropic 读缓存 0.1x/写缓存 1.25x、语义缓存对“否定句”产生 0.952 相似度却给出相反答案。适合自建推理服务、调优 RAG 成本或排查 API 缓存失效的工程师。

x.com · 33 min · Context Engineering · Inference · LLM · LLM Caching