Index 03
我思考什么

Writing.

关于 AI 工程、独立开发、产品与生活系统的文章。

传统测试都通过了，怎么证明 Agent 真的变好了

传统测试只能证明代码没坏，无法评估 Agent 是否真正变强。需要引入 Eval：用固定任务集、统一评分规则重复运行，比较成功率、成本、耗时和回归。两套体系互补，发布前先过传统测试，再跑 Eval，才能避免凭感觉优化。

#Agent开发 #AI评测Eval #大模型应用开发

2026/08/21

我做了一个 Coding Agent，才发现调用模型只是开始

做 Coding Agent 后才明白，调用模型只是开始。长任务中，状态管理、工具记录、可观察性和失败恢复才是关键。聊天只是入口，系统要像 Runtime 一样持续推进并验证结果；稳定可靠往往比一次惊艳回答更重要。

#效率提升 #产品思维 #AI编程

2026/08/21

ChatGPT 和 Codex 合并了，协议又动了一刀

ChatGPT 与 Codex 合并后协议再改，工具定义被移入 additional_tools，第三方模型收不到工具会假装调用。作者本地网关 AgentGate 已适配，将工具还原转发上游，合并版桌面端仍可指向本机调用 DeepSeek、

#本地网关 #协议转换 #AI编程

2026/08/21

分享个我自用的小工具（自己做的）

ReviewGate是一个开源MIT的代码合并前过滤工具，从安全、性能、逻辑和AI Smell等角度筛出高风险问题，分block/warn，宁可不通过也不给假绿灯。支持--fix、CI集成、误报共享，默认只读。建议先观察再逐步启用。

#需求验证 #AI编程

2026/08/21

中年以后，健身不只是为了身体，也是为了保住独处和思考的时间

中年以后，健身的意义不再只是锻炼身体，更是主动为自己保留一段不被打扰的独处时间。它能让人从工作、家庭和碎片信息中暂时退出，恢复注意力与秩序，找回安静和独立思考的空间。这种“回到自己身上”的能力，比单纯的身体管理更重要。

#一人做事 #节奏感

2026/08/21

一人做事最容易高估执行力，低估方向和节奏

一人做事时容易高估执行力，低估方向和节奏。执行力虽可见，但方向不对或节奏混乱时，越努力可能越偏离关键结果。真正重要的是不断判断主线、阶段重点和优先级，避免忙得真却无实质推进。方向感和节奏感比单纯猛冲更能决定长期稳定前进。

#执行力 #方向感 #节奏感

2026/07/29

我喜欢用 Codex，但它用不了 DeepSeek，所以我做了一个本地网关

作者因喜欢Codex但希望使用DeepSeek模型，发现两者协议不兼容，于是开发了本地网关AgentGate。该工具将Codex的Responses API请求转换为DeepSeek支持的Chat Completions格式，并进一步实现智能路由：纯文本任务自动走DeepSeek，含图片的多模态任务自动切换至KimiCoding，解决了AI编程中工具与模型协议碎片化的问题，让用户专注代码开发。

#本地网关 #协议转换 #AI编程

2026/07/29

为什么很多项目最后不赚钱，不是因为开发慢，而是因为边界失控

项目不赚钱常被归因于开发慢，但更关键的是边界失控。开发慢影响效率，边界失控则破坏利润结构。小需求不断累积，使项目范围膨胀，报价失真，利润被逐步蚕食。守住边界比提升效率更重要，需明确不做什么、指定决策人、警惕小改动累积、清晰验收标准。

#边界失控 #项目利润 #需求蔓延

2026/07/29