AI Coding的Token到底花在哪里
最近在使用 Codex、Claude Code、Kimi Code 这些工具时,我一直有一个疑问:
最近在使用 Codex、Claude Code、Kimi Code 这些工具时,我一直有一个疑问:
刚才和产品经理、设计师讨论后续的产品规划,发现大家对“后续怎么做”的理解存在比较大的偏差。这里做个记录。
今天看到腾讯技术工程发的一篇文章:从模型到Harness:WorkBuddy如何把Agent做成可用产品,作者 Anne 是 WorkBuddy 团队的策略产品经理,负责研发与办公场景 Agent 的上下文策略。
给 OpenCode 客户端接一个文生图能力:让用户在对话里直接让 AI 生成图片,图片落到本地工作区,还能在对话里预览。一开始以为这就是一次图片 API 调用,把代码完整梳理了一遍才发现,实际链路要长得多,四个进程接力,模型自己并不直接生图。这里做个记录。
Kimi K3 模型发布了,想验证一下它在我们真实的数据可视化业务中到底能做到什么程度。
这次案例本身也整理成了一个可以直接阅读的网页:<a href="https://t.zhouchangju.com/english/toefl-study/" target="blank" rel="noopener noreferrer">TOEFL 学习复盘网页</a>。
最近我在用 Vibe Coding 的方式开发叙事可视化工作站。项目目前只完成了一部分功能,还在持续开发,但是这段时间遇到的问题已经非常多了。
最近我在用多个 AI Agent 并行推进一个客户端改造项目。
今天看到 Mozilla 发布的 《The State of Open Source AI 2026》。一开始我以为这又是一份讨论开放模型和闭源模型谁更强的报告,但是完整看下来之后,发现它想讨论的不是模型排名。
最近在设计一个 AI 视频创作客户端,需要选一个开源项目作为开发底座。候选有三个:OpenCode、T3 Code 和 Multica。底座选定之后,又接连遇到三个问题:业务代码放哪、上游怎么升级、sidecar 怎样才算接入完成。这篇文章把整个过程做个记录。