告别“一把梭”：用结构化管线与规则引擎打造AI互动漫画
本文分享了一个日麻题材互动漫画的开发实践，重点在于其探索了一套区别于纯LLM生成的“分层结构化管线”。作者通过先定故事骨架、引入Schema约束与人工审批，并结合独立麻将引擎进行牌局合法性校验，确保了内容的逻辑严密性。这种将确定性规则引擎与...
标签索引
技术实践
这个标签下有 33 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
大模型也怕填表？解析 LLM 在结构化数据处理上的软肋与工程化解法
本文深入探讨了当前大语言模型（LLM）在处理复杂文档和表格时的核心短板：对“值”的理解优于对“结构/位置”的理解。由于 LLM 底层的 Next Token Prediction 机制，在面对长文档、多层级嵌套及复杂表格时，容易出现“读后忘...
告别冗余 Spec：试试“TODO 驱动开发”，让 AI 编码 Agent 更精准落地
针对 AI 编码实践中繁琐的 Spec（规格说明书）文档痛点，文章提出了一种更务实的“TODO 驱动开发”模式。该模式主张开发者通过在源码中直接插入 TODO 注释来拆解需求，随后利用 Git diff 让 Agent 读取上下文并逐一实现...
开发者自建云端 Claude Code 终端：解决 IP 漂移封禁，支持手机语音编程
针对 Claude Code CLI 在使用中因频繁切换代理或更换设备导致的 IP 漂移与封号问题，一位开发者巧用 VPS 构建了云端 Web 终端。该方案将操作环境完全锁定在服务器端，有效规避了本地网络风险。更妙的是，作者为其适配了移动端...
拒绝单一模型依赖：开发者实测Claude与Codex互补工作流
本文探讨了在AI辅助编程中“兼听则明”的重要性，分享了开发者实战中的多模型协作工作流。作者指出，单一模型存在局限性，因此采用了“Codex负责规划与调试、Claude负责挑刺与执行”的互补策略，有效解决了模型“不喜自审”的问题。此外，文章还...
深度解析 Agent 工程实践：从架构原理到落地挑战
本文深入剖析了 AI Agent 的底层架构与工程实践，指出单纯提升模型能力并非系统成功的唯一路径，外围工程约束往往更为关键。文章详细阐述了 Agent 核心循环与 Workflow 的本质区别，并围绕上下文工程、工具设计、记忆系统及评测体...
构建 AI 原生量化系统实录：为何 DSL 与混合 Agent 架构优于纯代码？
本文记录了 AI 原生量化系统“策引（MyInvestPilot）”的完整构建历程。作者深入剖析了在金融量化场景下，为何不能直接依赖 AI 生成代码（存在幻觉、前视偏差及不可复现风险）或简单调用 API（参数爆炸、表达力不足）。文章提出并实...
拒绝模型“随机”！Codex子代理硬约束配置最佳实践
本文深入探讨了在 Codex AI 开发中如何解决子代理模型与推理等级不可控的问题。作者通过实验验证，仅依靠 AGENTS.md 中的自然语言指令无法强制约束子代理行为，子代理仍可能随机调用低算力模型。文章提出了“三层约束”方案，强调必须在...
AI Agent 开发避坑：别轻信“任务完成”，建立严格验收机制是关键
在构建多 Agent 系统时，开发者常遇到 Agent 误报任务完成的情况（如将保存草稿视为成功发布）。问题的根源在于 LLM 习惯根据 API 返回码（如 HTTP 200）判断成功，忽略了业务层面的真实状态（如草稿、审核中）。文章提出了...
技术实践：如何在Claude Code中通过代理完美调用GPT模型
鉴于Opus模型服务的不稳定性，开发者开始探索在界面更优的Claude Code（CC）中强行调用GPT模型的方案。文章详细剖析了使用Axonhub、Cliproxyapi及CC Switch等工具进行模型转换时遇到的挑战，包括连接自动重连...