当代码不再是瓶颈,研发流程就该重做一遍
读完 Anthropic 的《The AI-Native SDLC playbook》后,我最强烈的感受不是“AI 又能多写多少代码”,而是:代码这段突然变快之后,团队里真正拖节奏的地方换了。需求澄清、评审、验证、发布和线上回流,开始一个个露出原形。要学的不是几个 markdown 文件名,而是整套 artifact、闸门和闭环。
Latest Notes
读完 Anthropic 的《The AI-Native SDLC playbook》后,我最强烈的感受不是“AI 又能多写多少代码”,而是:代码这段突然变快之后,团队里真正拖节奏的地方换了。需求澄清、评审、验证、发布和线上回流,开始一个个露出原形。要学的不是几个 markdown 文件名,而是整套 artifact、闸门和闭环。
一次基于 Orca 源码和测试的 TUI 卡顿排查,记录长对话误判、流式批处理、局部投影、commit 索引、token cache 和增量渲染的修复过程。
从 DLL、OSGi、VS Code 到 DeepSeek Harness,沿着插件系统的历史问题,推导 AI 时代可能出现的契约迁移与运行时治理。
一个面向 agent 的画布光能渲染还不够——agent 得能读懂画布现在长什么样,还得能改它。本文记录如何给 sky-canvas 设计 snapshot + ops 协议,让 LLM 能以"观察→引用→增量改"的循环持续编辑一张画布,并实测用 45 条 ops 从空白画布生成完整星图。
上篇讲了怎么用实例化渲染让 WebGPU 一次 draw call 画十万个矩形。这篇讲后来发生的事:把同样手法套到圆、线、文字时,一个 GPU buffer 复用 bug 连续犯了两轮。这是一篇关于"为什么一个修过的 bug 会换个地方重新长出来"的复盘。
无限画布最硬的性能瓶颈,是当画布上堆了十万个对象时还要保持 60fps。本文记录在给 sky-canvas 做 WebGPU 渲染底座时,如何用实例化渲染把海量矩形的绘制从 O(N) 个 draw call 压到 O(1),实现 50 万对象单次 draw call 满帧 60FPS。