资讯可视化-如何提升生成内容的质量
目前，我们对 prompt 的依赖程度过高，大部分逻辑都通过 prompt 来实现，这一现状带来了大量的不确定性与稳定性问题。对此，我认为较为合理的改进方向应从两个层面着手： 第一，将部分工作从 prompt 转移到工程化层面，尤其是那些具备确定性的工作，比如一些程序化计算流程的管理等； 第二，对于
全部文章（第 13 / 30 页）
AI Coding-2025年8月
用 AI 写代码以后，我最大的感受不是“终于不用学习了”，而是更容易误以为自己已经掌握了。代码能跑出来，只说明模型完成了一次生成；需求有没有讲清楚、边界有没有守住、改动能不能验证，还是人的责任。
资讯可视化-基于沟通日志的AI复盘
同时，请依据这些问题的严重程度、出现频率等维度做出分析排名；在此基础上形成一份总结表格，并将上述所有分析结果写入本地 Markdown 文件。信息越详细越好，不要丢失任何信息。最后，请再反思文档与已分析的问题，确认是否还有可以补充的内容。
AI时代架构师的核心职责
AI 的普及并未削弱架构师的价值，反而要求其从 "代码编写者" 转向 "全局掌控者"，核心职责主要体现在需求与架构的翻译、质量与效率的守护、团队协作的枢纽这几个方面。
技术拆解-时间轴曲线组件
这是一个基于 Stencil 框架的高级时间线组件，实现了蛇形布局和复杂曲线连接效果。组件使用 SVG 遮罩技术、多层渲染架构和渐变色系统，提供了专业级的可视化体验。
MetaPrompt
简而言之：我要的是一个 元 Prompt —— 用来指导 AI 从已有代码中逆向提取出"原始需求 Prompt"。
一个思维惯性导致的问题
最近的资讯可视化项目，在将测试页面部署到服务器的过程中，我遇到了一些问题，现在记录下来作为经验总结。
AI开发中是否应该使用框架
在 B 站看到一个视频：不要用 AI 框架，作者的观点和观众的评论很有意思，因此我用 AI 将其整理了一下。
本地依赖分包踩坑经历
最近在 HIVIS 可视化组件库项目中，我们遇到了一个典型的本地依赖分包问题。这个问题看似简单，但背后涉及到了现代前端工程化的诸多核心概念：模块解析、构建系统、依赖管理等。
文档驱动开发
文档驱动开发的核心思想是：No Code - 先用 AI 生成完整的技术文档，再基于文档生成代码。这种方法论源于我在实际项目中的探索和思考。