410 万买的房,现在报价 270 万:我重新算了买房和租房这笔账
房价差了 140 万,但首付、月供和利息不能重复算。拿房山这套房做一份可复算的账:卖掉能拿回多少,租房又会花多少,以及数字之外的居住选择。
WRITING · 37
随笔、实用指南和系列教程都在这里。按主题找,也可以直接全文搜索。
房价差了 140 万,但首付、月供和利息不能重复算。拿房山这套房做一份可复算的账:卖掉能拿回多少,租房又会花多少,以及数字之外的居住选择。
把两份开发者调查、产品时间线和常见工具入口分开看:从 IDE、代码 Agent 到云端任务、原型工具和桌面工作台,附可核验来源与选择参考。
用通俗的方式讲清四种代理协议的区别、适用场景和订阅使用方法,也解释为什么多协议订阅提供的是备选线路,而不是把网速自动叠加。
大多数人先做完整产品,再去找用户;更有效的顺序是先用一个最小实验验证真实承诺,再决定是否投入时间和资源。四个真实案例,加一套七天可执行的方法。
从一次脱敏的直播问答出发,拆清 LLM 应用、AI 后端、全栈与算法岗位的边界,并给出 RAG、工具调用、评测、生产工程、面试、作品集和 12 周转型路线。
按真实实施顺序讲清 Dify 私有化部署:固定版本、.env 与 Secret、域名反代、HTTPS、数据库与对象存储、向量库、备份恢复、升级迁移和常见故障排查。Dify 系列教程第十篇暨收官篇。
从草稿与版本、DSL 交付、真实日志和逐节点排障,讲到标注回复、质量成本指标、权限隔离、灰度发布与回滚边界。Dify 系列教程第九篇。
拆解 Workflow 与 Agent、ReAct 与 Function Calling、工具节点与双向 MCP 的边界,并用资料研究助理讲清参数描述、最小权限、停止条件和 Prompt Injection。Dify 系列教程第八篇。
用一个批量内容卡片工作流讲清数组怎样进入 Iteration、items/index 如何逐项处理、顺序与并行怎样选择、失败结果如何对齐,再用渐进式润色解释 Loop 的状态、终止条件和最大次数。Dify 系列教程第七篇。
把已发布的 Dify 教程送进知识库,从清洗、800/80 分段、经济索引和倒排检索讲到向量、混合检索、Top K 与 Rerank;同时如实记录 Sandbox 额度限制,以及为什么召回测试必须先于工作流测试。Dify 系列教程第六篇。
国家信息小助手不再让模型凭记忆回答事实:这一篇用参数提取器识别国家名,通过 HTTP Request 调用需要 Key 的 API Ninjas Country API,再用 Code 解析 JSON、格式化人口与面积,并为歧义输入、鉴权失败和网络异常补齐兜底路径。Dify 系列教程第五篇。
国家信息小助手的四条分支各自为政,用户问完一个国家转头就忘。这一篇用变量聚合器把互斥分支收敛成一个出口,再用会话变量 + 变量赋值器让应用第一次记住跨轮对话的查询历史,顺带把三类变量的边界讲清楚。Dify 系列教程第四篇。
国家信息小助手只会回答首都,遇到问候和无关请求就露怯。这一篇给它装上问题分类器和 If/Else 两种分岔方式:语义理解交给模型判断,能写死的条件交给确定规则,用一次真实改造讲清楚两者的分工边界。Dify 系列教程第三篇。
连不上公司内网就先别等——用 Dify 官方云版的免费额度,从注册到发布,真实走完一次 Chatflow 应用的搭建全过程:五种应用类型怎么选、LLM 节点最容易踩的坑在哪、发布后 Web App / API / Embed / MCP 四条分发路径分别是什么。Dify 系列教程第二篇。
上手 Dify 之前,先看懂 AI 应用开发生态:Workflow / Chatflow / Agent 到底怎么区分,Dify 和 Coze、LangChain、LangGraph、n8n、RAGFlow 以及国内百炼、千帆、WorkBuddy 分别处在什么位置,该怎么选。Dify 系列教程第一篇。
横向评测 2026 年 9 月国内外主流大模型与 Agent 生态:用排行梯队看清真实差距,澄清 Cursor 收购方是 SpaceX 而非 xAI、Groq 并非 Grok 两个常见传闻,并比较厂商自建完整工作流与接入现有工具争夺模型席位的两种 Agent 生态打法。
MCP Python SDK 2.0 不只是把 FastMCP 改名。这篇文章用打电话/寄明信片、办事窗口补材料这些生活化类比,讲清楚无状态请求、统一 Client、Resolve 多轮交互等关键变化,附四张图解,帮你在不踩坑的前提下走完迁移。
用 Claude Code 自带的 Scheduled cloud agents,在真正开工前用最小请求启动 5 小时窗口。包含 Opus/Sonnet 分池的实测限定、8 个任务的参考时间表、配置方法与四个真实踩坑。
读完 Claude 官方那篇《The AI-native SDLC playbook》,最扎心的一句话是:代码已经不是研发流程里最慢的一环了。AI 把「写代码」这块最短板焊长之后,瓶颈搬到了审批、测试、发布这些人力速度的环节。用大白话拆解 Plan/Design/Build/Test/Deploy/Maintain 六阶段怎么重做一遍,intent.md/spec.md/plan.md/CLAUDE.md 这些文件都是干什么用的,附一张我用 Figma MCP 画的六阶段闭环图,以及普通开发者今天就能抄的三件事。
给普通用户和 Vibe Coding 开发者的 HTTP 状态码速查表:先用第一位判断问题方向,再区分最常见的 400、401、403、404、429、500、502、503、504。附 2xx、3xx、4xx、5xx 常用码、非标准厂商码和一套可直接照做的排查顺序。
在 Ghostty 里想向上翻 Codex 的回答,滚轮却只会切换输入历史。原因不是鼠标坏了,而是 TUI 的备用屏幕模式。一条 --no-alt-screen 命令恢复终端原生 scrollback,附会话恢复、永久配置与撤销方法。
只讲 Codex:从 config.toml 的审批与沙箱,到 writable_roots、项目 trust、default.rules、验证、回滚和可直接复制的配置提示词。
只讲 Claude Code:完整 settings.json、auto 与 allow/deny、fail-closed PreToolUse Hook、验证、回滚和可直接复制的配置提示词。
读文件点一次、跑测试点一次、装依赖再点一次——解决办法不是关掉全部权限,而是把活动范围、日常白名单和硬红线分成三层。本文基于我的真实配置,完整给出脱敏后的 Codex config.toml、prefix_rule、Claude Code settings.json、PreToolUse Hook、委派场景与验证回滚步骤。
把 6 月的 Claude Code 账单拉出来一看:106 亿 token,相当于一万遍《红楼梦》。但先别惊叹——95% 是缓存读取的「注水」,真正的干货是 3,224 万输出,约 240 本长篇小说的体量。这份按模型上色的日历还会讲故事:Fable 5 疯狂的四天、没有缓存的 GPT-5.5 有多贵、以及看 token 账单只需要盯的三个数。附全月交互报告。
用飞书消息驱动本机已登录的 Claude Code:在任意项目里发任务、实时看进度、多轮续接,它遇到要决策的地方就问你、你回一句它接着干。走订阅不花 API 钱,长连接不要公网。含飞书自建应用逐步配置、那个折腾很久的「私聊死活不回」权限坑,以及完整可复制代码。
有 PM 问我智能体编排怎么落地,说主流是 LangGraph、Dify、Coze。我先泼冷水:这三个根本不在一个赛道。从「编排到底是什么」讲到「90% 的 Agent 为什么死在 demo 到生产之间」,再到三层分类、可控性光谱、中国合规两道坎、和一张能直接用的选型表——附 2026-06-26 当天实查的 GitHub star 数。
Fable 5 上线,说 22 号前算套餐额度。我订着最高档套餐、平时一周用不到六成,这次六个会话并排 + 多 agent 工作流往死里喂,三天多把周额度榨干。结果它没到 22 号就提前下线了。带截图的完整实录 + 一点想法:模型不是软件,是生鲜。
过去难在执行:记语法、配环境、读报错。现在难的变成另外三件事——说清楚问题、拆清楚任务、判断结果对不对。同样用 AI,人和人的差距不是缩小了,是被放大了。
一个完全不会写代码的设计师,两天做出了团队真在用的内部工具。她只做了三件事:把痛点讲清楚、对每一版说「对」或「不对」、在关键决策点拍板。
同一个人,写代码的时候是极客,处理法务的时候就是小白,写文案的时候又成了要求「指哪打哪」的专家。用户分层从来不该按人分,该按场景分。
提示词就是代码,只不过运行它的不是编译器,是模型。结构清楚的指令,误执行率就是低。你对提示词有多严谨,AI 就对你的需求有多严谨。
网络会断,上下文会爆,任务会跑偏。把活拆成原子块,断在哪就能从哪续上。系统的好坏,不看顺风时跑多快,看断电后还剩多少。
传统路径是「学好了再做」,结果学员死在第三周的语法课里。现在我让他们第一节课就跑通一个能用的东西。不求一次全懂,求逐步打通。
学员里十个有八个卡在登录这一步。这篇把所有可能的卡点和对应方案讲清楚。
按报错现象查。找到一样的就照着做。
识别准确率从 93% 卷到 95%,没人愿意多花那 0.2 秒去润色。但用户要的从来不是「准」,是「我说一段话,出来一段能直接发出去的字」。