2025-第三十二周

该周报主要为各个地方内容的汇总整理

技术

网络已不再以 URL 为形态 - Jono Alderson

现代网络已不再以 URL 为核心，机器（如搜索引擎、爬虫、AI 代理）对内容的处理方式与人类截然不同，它们更关注内容中的“断言”（离散的事实陈述）及其关联性，而非页面本身。以下是关键要点：

• 🌐 机器主导网络：超过一半的网站访问者是非人类，它们将 URL 视为“信封”，只提取其中的断言信息。
• 🔍 传统 SEO 失效：过去以 URL 为单位的优化策略（如关键词排名、页面链接）已不适应机器优先的网络环境。
• 🧩 断言成为核心：机器通过“三元组”（主语→谓语→宾语）或向量编码提取内容中的断言，评估其清晰度和关联性。
• 🤖 信任基于图谱：机器通过知识图谱或统计模式验证断言的可靠性，一致性、多源佐证和权威引用是关键。
• ⚠️ 敌对内容威胁：竞争对手或不良行为者可能污染数据，需主动监控并强化品牌断言的外部一致性。
• ✍️ 双重优化策略：内容需兼顾人类体验（设计、故事性）和机器可读性（结构化数据、语义 HTML）。
• 🛠️ 实践建议：
  • 避免断言 spam，保持信息一致；
  • 设计易于机器提取的页面（如明确标价、特征）；
  • 通过 API/结构化数据提供机器友好接口；
  • 借助第三方权威平台强化品牌背书。
• 🔮 未来趋势：网络演变为“意义网络”，优化重点转向如何在机器模型中建立强关联、可信的断言节点。

React Query 选择器，全面强化

React Query 的 select 功能详解：通过精细订阅优化渲染性能

• 🔍 全局状态与订阅：React Query 通过 QueryCache 管理全局状态，useQuery 仅订阅特定 QueryHash 对应的数据变更，避免无关更新。
• 🎯 精细订阅需求：当 API 返回大量数据但组件仅需部分字段时，select 可筛选目标字段，减少不必要的渲染（如仅订阅商品标题而非全部信息）。
• ⚙️ select 基础用法：传递 select 函数到 useQuery，返回派生数据（如 data.title），组件仅在此结果变化时重新渲染。
• 🔄 多字段订阅：支持返回包含多个字段的对象（如 {title, description}），结构共享确保引用稳定性。
• 🧩 TypeScript 集成：类型自动推断 select 返回结果，无需手动泛型标注。抽象 select 时需使用泛型参数（如 <TData = ProductData>）。
• 🚀 性能优化：
  • 使用 useCallback 稳定 select 函数引用，避免重复计算（依赖项变化时重新执行）。
  • 外部定义或 memoize 工具（如 fast-memoize）缓存昂贵计算，避免多组件实例重复处理相同数据。
• ⚠️ 注意事项：select 每次在 QueryObserver 级别运行，需结合外部缓存实现跨组件计算复用。

使用 React 解锁 Web Workers：分步指南

这篇博客介绍了如何在 React 中使用 Web Workers 来提升界面响应速度，避免因繁重计算任务导致 UI 冻结的问题。文章从实际问题出发，逐步演示了 Web Worker 的实现、任务队列控制、跨标签页共享 Worker 等技术，并对比了 Web Worker、Shared Worker 和 Service Worker 的适用场景。

• 🚀 博客背景

  • 作者将团队内部分享的 Web Workers 与 React 结合的内容整理成博客，并提供完整的 GitHub 代码示例。

• ❌ 问题：UI 冻结

  • 递归计算斐波那契数列等高耗时任务会阻塞 JavaScript 主线程，导致 React 界面无响应（如按钮卡顿、动画停滞）。
  • 注意：CSS 动画由浏览器合成线程处理，不受主线程阻塞影响。

• 💡 解决方案：Web Workers

  • 将繁重计算移至独立线程的 Web Worker 中，主线程保持响应。
  • 示例：通过postMessage与 Worker 通信，异步获取计算结果。

• 🔄 多任务处理与队列控制

  • 连续点击按钮时，默认并发执行任务可能导致乱序。
  • 改进：在 Worker 内实现任务队列，确保按请求顺序依次处理。

• 🌐 跨标签共享：Shared Workers

  • 使用 Shared Worker 实现多标签页共享资源（如缓存斐波那契计算结果），避免重复计算。

• 📊 Worker 类型对比

  • Web Worker：单页临时任务，解放主线程。
  • Shared Worker：多标签/组件间共享状态（如 WebSocket、缓存）。
  • Service Worker：全局网络代理，支持 PWA 离线功能（非计算场景）。

• 🔧 扩展工具

  • 推荐使用 Comlink 简化 Worker 通信，支持类本地函数调用。

React Query 选择器，超级强化版 | TkDodo 的博客

React Query 的 select 功能是一个高级优化工具，适用于需要精细控制订阅和减少不必要渲染的场景。

• 🚀 select 的作用：允许从查询结果中选择或转换数据，使组件仅订阅特定部分，减少不必要的重新渲染。
• 🔍 精细订阅：适用于端点返回大量数据但组件仅需部分字段的情况，提升性能。
• 🛠 使用示例：通过 select 提取产品标题，避免因其他字段变化导致的重新渲染。
• 🔄 多字段选择：可以同时选择多个字段，React Query 会通过结构共享保持引用稳定性。
• 📜 TypeScript 支持：select 自动推断返回类型，无需手动指定泛型参数。
• ⚡ 性能优化：结合 useCallback 或外部 memoization 库（如 fast-memoize）进一步减少重复计算。
• 🧩 复用与抽象：建议直接在使用处添加 select 而非抽象到选项中，以保持类型安全和灵活性。
• 🏆 终极优化：对于昂贵计算，使用 memoization 确保即使多次渲染也仅计算一次。

通过合理使用 select，可以在复杂应用中显著提升性能。

Rust、Python 与 TypeScript：新三巨头·初探

Rust、Python 和 TypeScript 将成为未来主导的编程语言（移动市场除外），AI 编程的普及使语言选择更基于其核心优势而非个人偏好。这三种语言在静态类型、依赖管理和生态系统方面表现突出，适合不同场景。

• 🦀 Rust：适用于系统软件和高效率需求场景，强大的类型系统能提前捕获错误，生成高性能代码。
• 🐍 Python：拥有丰富的数学和数值计算库，适合实验和原型设计，结合 mypy 和 pydantic 可实现强类型。
• 🌐 TypeScript：原生支持浏览器和 Web 开发，类型系统有助于复杂前端项目的维护。
• 🤖 AI 编程推动“面向思想的编程”：开发者更像架构师，专注于设计目标和关键逻辑，AI 工具处理具体实现。
• 📦 生态系统至关重要：Rust 的 cargo、TypeScript 的 npm 和 Python 的 uv 等包管理器简化了依赖管理，加速开发。
• 🛠️ 类型系统对 AI 协作尤为重要：高级类型（如 Rust 枚举和 TypeScript 接口）能约束 AI 输出，减少上下文遗忘导致的错误。
• 💡 错误提示与引导更关键：清晰的编译错误信息帮助 AI 快速修正问题，而语法细节的重要性相对降低。
• 🚀 低门槛的高效开发：AI 工具使“首席工程师”式的工作方式更普及，但新手仍需培养设计判断力。

深入思考主题与色彩命名

作为前端开发者，作者对网站主题设计进行了深入思考，探讨了如何提升主题设计的灵活性、色彩丰富度和视觉层次感，并提出了改进现有设计模式的方案。以下是关键要点总结：

• 🎨 色彩调色板的重要性

  • 现有框架（如 Tailwind、Pico CSS）提供多色调色板，但数量并非关键，需确保足够支持设计需求。
  • 直接使用框架默认颜色会导致网站缺乏独特性，建议自定义调色板以建立品牌标识。

• ✏️ 手动设计调色板

  • 作者通过 Figma 手动设计，跳过不必要的色调（如 Splendid Labz 案例中省略 50-400 的粉色）。
  • 可添加自定义变体（如“d”代表低饱和度），灵活适应设计需求。

• ⚙️ 程序化生成调色板

  • 推荐工具：RampenSau、Perceptual Palettes、Accessible Palette Generator。
  • 生成后可手动调整，平衡效率与个性化。

• 🔄 现有系统的局限性

  • 多数框架仅支持少量色调（如 DaisyUI 仅 2 种/颜色），限制设计表达。
  • 语义类名（如primary-background）混淆了色彩层级与用途，导致灵活性不足。

• 🧩 改进语义系统

  • 分离色彩层级（primary/secondary）与组件样式（如按钮的light/heavy）。
  • 建议用数字表示色调（如--color-primary-500），直观且语义明确。

• 🌐 全局变量与组件变量

  • 全局变量（如边框、过渡效果）提升一致性，减少重复代码。
  • 组件变量可简化命名（如--header-bg替代--card-header-bg），保持灵活性。

• 📊 适用场景分级

  • 单一主题可直接使用调色板变量。
  • 多主题需更复杂系统（如作者提出的层级分离方案），适应大规模需求。

• 🔗 扩展资源

  • 作者的设计系统 Splendid Styles 和 Splendid Layouts 实践了上述理念，可供参考。

译：与 Claude Code 共事的六周

作者 Orta Therox 分享了过去六周使用 Claude Code 进行编程的颠覆性体验，展示了 AI 工具如何彻底改变开发流程、提升效率并重塑技术决策模式。

• 🚀 生产力爆发：独自完成 20+ 项积压多年的技术债/创新任务（如 React Native 迁移、测试策略制定等），同时保持原工作计划
• 🧠 思维模式转变：从"先决策后实施"变为"先尝试后决策"，通过快速原型验证可行性（如前端测试策略探索）
• 🏗️ 架构革新：新建"prototypes"monorepo，使游戏设计流程从数周缩短至数小时（案例：《Missing Link》快速发布）
• 👥 协作升级：双仓库克隆策略实现并行开发，GitHub Action 自动生成 PR 加速 issue 处理
• 🎯 用户画像：产品技术复合型人才获益最大，有效缓解"第一步焦虑"，实现全广度开发
• ⚙️ 技术适配：monorepo+ 明确技术栈（React/GraphQL 等）为 AI 提供优质上下文，显著提升生成质量
• ⏱️ 时间魔法：副业项目实现 10 倍效率提升（如 Adium 主题复现从 12 小时→2 小时）
• 🤖 使用哲学：保持工具中立性（不追逐新模型），专注核心工作流，警惕"AI 刷屏"消耗决策力
• 🧪 学习范式：建议新人采用"平行构建法"，通过对比人工/AI 方案加速成长
• ⚠️ 风险案例：需警惕 AI 的过度承诺（如虚假的性能提升声明）和硬编码作弊倾向

工具

bidc

BIDC 是一个用于 JavaScript 的双向通道库，支持跨上下文异步通信，具备复杂数据类型传输、自动连接管理和多场景适用性。

• 🚀 自动握手：支持稳健的连接建立与冲突解决
• � 复杂数据类型：无缝传输 Date、RegExp、Map、Set 等
• ⏳ 异步支持：保留 Promise 和异步函数的一等公民特性
• 🔀 并发操作：可同时处理多条消息而不阻塞
• 📦 TypeScript 友好：轻松推断 RPC 风格调用的类型
• 🌐 多场景适用：支持 iframe、Worker、Service Worker 等通信
• 🔄 自动重连：上下文刷新后自动恢复连接并缓冲消息
• 🛠️ 高级功能：嵌套 Promise、远程回调、命名空间通道等
• 📦 安装简单：通过 pnpm i bidc 即可使用
• 🔄 双向通信：支持父子窗口或 Worker 间的双向消息传递

ForesightJS

ForesightJS 是一个轻量级 JavaScript 库，通过预测用户意图预取内容，提升用户体验，支持桌面和移动设备，无需配置即可使用。

• 🚀 功能概述：自动预测用户行为并预取内容，提高页面加载速度。
• 🖱️ 设备支持：适配桌面（鼠标轨迹预测、键盘导航）和移动设备（视窗检测、触摸事件）。
• ⚡ 开箱即用：无需配置，默认提供优化策略。
• 🛠️ 开发工具：内置 DevTools，可视化预测逻辑和回调执行。
• 📦 安装方式：支持 pnpm、npm、yarn 安装。
• 📝 基础用法：通过 ForesightManager 注册元素并设置预取逻辑。
• 🔌 框架集成：兼容任意框架，已提供 Next.js 和 React Router 的现成方案。
• ⚙️ 配置灵活：支持全局和元素级自定义设置。
• 🤖 AI 辅助：提供 llms.txt 和 llms-full.txt 帮助 AI 工具理解库功能。
• 📂 文档扩展：所有文档均支持 Markdown 格式（URL 后加 .md）。

react-animatable

react-animatable 是一个基于 Web Animations API (WAAPI) 构建的轻量级 React 动画库，体积小巧（约 1kB），支持高性能动画和动态关键帧，适用于 HTML、SVG、Canvas 等多种元素。

• 🚀 轻量高效：每个钩子约 1kB（gzip 后），总库约 2kB。
• 🎨 广泛兼容：支持 Web Animations API、ScrollTimeline 和 ViewTimeline，需注意浏览器兼容性。
• ⚡ 动态动画：支持通过参数生成动态关键帧，灵活控制动画效果。
• 📚 完善文档：提供 API 参考、Polyfill 配置及示例代码，方便快速上手。
• 🛠 TypeScript 支持：严格的类型检查，提升开发体验。
• 🌟 多场景适用：适用于 React 组件、CSS-in-JS 库及原生 DOM 元素。

recorder

Recorder 是一款强大的 VS Code 扩展，能智能记录整个开发流程，包括终端命令、文件操作和代码修改，支持一键生成标准化操作文档（SOP），实现“记录一次，永久复用”。

• 🛠️ 功能概述：完整记录终端命令、文件操作和代码变更，自动生成结构化 JSON 日志。
• 🔍 智能集成：自动识别 Git 跟踪文件，仅捕获有意义的差异内容，过滤.gitignore 文件。
• 🚀 零配置启动：开箱即用，适配任何工作区，性能优化无负担。
• 📂 输出结构：生成带时间戳的operation.json，包含命令、文件创建/删除、代码差异等操作。
• ⚙️ 使用步骤：安装插件 → 开始录制 → 停止后生成 SOP → 下次直接复用。
• 📜 支持环境：需 VS Code 1.90.0+ 和 Git（用于差异检测）。
• 🌐 开源许可：采用 CC-BY-NC-4.0 协议，贡献者可提交 Issues 或 PR 至 GitHub 仓库。
• ✨ 核心价值：“记录一次，永久自动化”，避免重复复杂工作流。

dyad

Dyad 是一个本地开源的 AI 应用构建工具，具有快速、隐私保护和跨平台的特点。它支持用户使用自己的 AI API 密钥，无供应商锁定，并提供了丰富的功能和资源。

更新

ECharts 6 新特性 - 基础入门 - 手册指南 - Apache ECharts

Apache ECharts 6.0 正式发布，带来 12 项重大升级，旨在提升数据可视化的专业性和灵活性，满足开发者对复杂数据表达和创意自由的需求。

• 🌱 十二年历程：从简单的图表工具发展为支持数百万开发者的可视化技术体系，涵盖移动端、大屏及服务端渲染。
• 🎨 专业视觉呈现：全新默认主题、动态主题切换和暗黑模式支持，提升图表美观性与应用适配性。
• 📊 数据表达扩展：新增弦图、蜂群图、散点抖动、断轴等功能，支持复杂数据场景的直观展示。
• 🧩 自由组合能力：革命性矩阵坐标系、可复用自定义系列和优化的轴标签布局，激发开发者创意。
• 🔄 动态主题切换：无需重新初始化图表实例，实现运行时无缝切换主题，提升用户体验。
• 🌓 暗黑模式适配：自动响应系统主题变化，确保图表与界面风格一致。
• 🎻 新增图表类型：包括弦图、蜂群图、小提琴图、等高线图等，丰富数据可视化形式。
• 📈 金融图表增强：优化股票交易图表标签定位，支持分时图、MACD 等专业金融分析工具。
• 🧱 矩阵坐标系：灵活组合图表类型和组件，支持协方差矩阵、周期表等复杂布局。
• 🔧 自定义系列升级：支持 npm 发布和动态注册，提供官方自定义系列项目，促进代码复用。
• 📏 轴标签优化：智能调整默认布局，避免标签溢出和重叠，提升可读性。
• 🚀 目标明确：通过 12 项升级，让 ECharts 在后台强大可靠，为开发者的创意表达提供舞台。

伏特 /vōlt/

一款名为 vlt 的新型 JavaScript 包管理器及无服务器注册表正式亮相，由 npm 创始人 Isaac Schlueter 及原 npm 团队核心成员开发，旨在革新 JavaScript 包管理生态，提供更高效、安全的开发与分发体验。

• 🚀 vlt 发布：推出全新 JavaScript 包管理器和无服务器注册表，致力于提升包管理效率与安全性。
• 💡 强大团队：npm 创始人 Isaac Schlueter 及原班人马加盟，技术背景深厚。
• 🔧 功能亮点：支持开发、运行、分发、发现及安全管控，提供熟悉的命令行工具（如vlt [command]）和 GUI 界面。
• 🌐 无服务器注册表：支持自定义包和私有代码的安全分发，免除企业级高额费用。
• 📢 行业反响：开发者社区高度关注，认为其填补了 npm 的创新停滞，可能成为未来主流工具。
• 🔗 资源链接：官网vlt.sh提供安装指南（npm i -g vlt）及文档。
• 🔍 特色功能：查询语法（如vlt view）获好评，精准性优于现有方案。
• 🎤 活动亮相：在#NodeConfEU 大会首发，Socket 博客深度报道其 6 个月开发成果。

如何在 React Router 中处理延迟数据 - sergiodxa

React Router v7 允许在加载器中返回未解决的 Promise，从而实现在组件中直接处理加载状态，提升用户体验。React 19 进一步简化了异步数据渲染的流程。

• 🚀 延迟数据处理：React Router v7 允许从加载器返回 Promise，无需在加载器中等待，直接在组件中处理加载状态。
• 🔄 与 Remix 的对比：类似 Remix v2 的 defer 和 useDeferredValue，但 React Router v7 无需额外工具，直接返回 Promise 即可。
• ⏳ 使用 Await 组件：通过 Suspense 和 Await 组件结合，优雅地处理异步数据加载和加载状态。
• ⚡ React 19 的 use 钩子：React 19 引入 use 钩子，可直接在组件中消费 Promise，但需要额外封装组件。
• ✨ Promise 作为可渲染节点：React 19 允许直接将 Promise 作为渲染节点，无需 Await 或额外组件，简化代码。
• 📚 相关教程：包括复用路由模块、拆分路由配置和动态加载样式表等 React Router v7 相关教程。

AI

开发者版 GPT-5 发布 | OpenAI

OpenAI 发布了 GPT-5，这是其 API 平台中最先进的模型，特别擅长编码和代理任务。GPT-5 在多个关键编码基准测试中表现优异，并在前端工程和代理任务中设定了新的标准。该模型还引入了新的 API 功能，如控制回答长度的 verbosity 参数和最小化推理时间的 reasoning_effort 参数。GPT-5 现在提供三种不同规模的版本，以满足开发者在性能、成本和延迟方面的不同需求。

• 🚀 GPT-5 在编码基准测试中表现卓越，SWE-bench Verified 得分 74.9%，Aider polyglot 得分 88%。
• 💻 在前端工程方面，GPT-5 比之前的模型更受测试者青睐，70% 的情况下更受欢迎。
• 🔧 新增 API 参数 verbosity 和 reasoning_effort，提供更灵活的回答控制和更快的响应速度。
• 📊 GPT-5 在代理任务中表现突出，特别是在工具调用和长上下文内容检索方面。
• 🔍 在事实性方面，GPT-5 比之前的模型更可靠，减少了约 80% 的事实错误。
• 💰 提供三种规模的 GPT-5 模型：gpt-5、gpt-5-mini 和 gpt-5-nano，价格从$0.05 到$1.25 每百万输入 token 不等。
• 🌐 GPT-5 已在微软多个平台上线，包括 Microsoft 365 Copilot 和 GitHub Copilot。

Qwen-Image：原生文本渲染技术精研

Qwen-Image 是一款 20B 参数的 MMDiT 图像基础模型，在复杂文本渲染和精准图像编辑方面取得显著突破，支持中英文高保真生成及多任务编辑，并在多项基准测试中表现优异。

• 🚀 模型发布：推出 Qwen-Image 20B MMDiT 图像基础模型，支持通过 Qwen Chat 体验“图像生成”功能。
• ✍️ 文本渲染：擅长复杂文本布局（多行段落、精细细节），中英文均能高保真呈现，如对联、书籍封面、PPT 文字等。
• 🖼️ 图像编辑：通过多任务训练实现语义与视觉真实性的高度保留，支持风格迁移、物体增减、文字修改等操作。
• 📊 性能领先：在 GenEval、DPG 等生成基准和 GEdit、ImgEdit 等编辑任务中均达到 SOTA，中文文本生成优势显著。
• 🌟 多场景示例：
  • 宫崎骏动漫风格古街场景，精准生成“云存储”“千问”等中文标识。
  • 英文书店橱窗广告、诗歌手稿等微小文字还原。
  • 中英双语混合文本（如技术介绍）无缝切换渲染。
• 🎨 艺术创作：支持多种风格（写实、水墨、动漫等），可生成电影海报、企业 PPT 等专业内容。
• 🔧 编辑能力：支持风格转换、细节增强、角色姿势调整等，降低专业图像编辑门槛。
• 🌍 愿景：推动图像生成技术普及，构建开放可持续的生成式 AI 生态，鼓励社区参与反馈。

AI 代理的上下文工程：构建 Manus 的经验教训

Yichao 'Peak' Ji 在 Manus 项目初期面临关键决策：选择开源基础模型端到端训练，还是基于前沿模型的上下文学习能力构建智能体。最终选择了后者，通过上下文工程实现快速迭代和产品正交性，尽管这一过程充满挑战。以下是关键经验总结：

• 🚀 上下文工程的选择：基于 GPT-3 和 Flan-T5 的上下文学习能力，放弃传统微调，实现小时级改进交付，保持与模型进步的兼容性。
• 🔍 KV 缓存优化：KV-cache 命中率是生产阶段代理的核心指标，显著影响延迟和成本。通过稳定提示前缀、只追加上下文和标记缓存断点来提升效率。
• 🛠️ 动态工具管理：避免在迭代中动态增减工具，采用上下文感知的状态机遮蔽 logits，确保动作选择稳定且高效。
• 💾 文件系统作为上下文：利用文件系统作为不受限的持久化存储，实现可恢复的压缩策略，解决长上下文窗口的痛点和信息丢失风险。
• 📝 复述操控注意力：通过创建和更新待办列表（如 todo.md），将全局目标复述到上下文末尾，避免模型在长任务中偏离主题。
• ❌ 保留错误内容：将失败尝试保留在上下文中，帮助模型隐式更新内部信念，降低重复错误的概率，提升适应性。
• 🔄 避免少样本陷阱：引入行动和观察的多样性，打破固定模式，防止模型陷入过度模仿和泛化，增强鲁棒性。
• 🧩 上下文工程的重要性：尽管模型能力提升，上下文设计仍是智能体行为、速度和恢复能力的关键，需通过反复实践优化。

claude-code-templates

这是一个关于 Claude Code Templates 项目的概述，该项目是一个用于配置和监控 Claude Code 的 CLI 工具，提供快速项目设置和实时监控功能。

• 🚀 快速开始：提供交互式设置、实时分析仪表板、聊天 Web 界面和系统健康检查命令。
• ✨ 核心功能：包括智能项目设置、实时分析、健康检查、独立组件安装等。
• 🌐 浏览与安装组件：支持通过交互式 Web 界面探索和安装模板、代理、命令和 MCPs。
• 📖 文档：包含完整的指南、示例和 API 参考，涵盖从入门到高级使用的各个方面。
• 🤝 贡献：欢迎开源社区贡献，提供组件浏览和贡献指南。
• 📄 许可证：项目采用 MIT 许可证，包含多个来源的组件集合。
• 🔗 链接：提供组件浏览、文档、问题讨论和安全政策等相关链接。
• ⭐ 支持项目：鼓励用户通过点赞支持项目发展。
• 🔧 最新发布：v1.14.9 版本修复了 MCP 安装深度合并问题。

WebAgent

• 🤗 模型发布

  • WebShaperQA、WebSailor-3B、WebDancer-QwQ-32B、WebWalkerQA 等多个模型已发布，部分支持一键部署。
  • 相关论文（预印版或 ACL 2025）涵盖数据合成、超人类推理、自主信息搜索等研究方向。

• 📅 时间线更新

  • 2025.07.22：发布 WebShaper，提出基于任务形式化的数据合成方法。
  • 2025.07.11：WebSailor-3B 上线，支持阿里云 FunctionAI 快速部署。
  • 2025.06.23：开源 WebDancer 的模型、交互演示及部分数据。

• 💎 核心功能

  • WebShaper：通过形式化方法生成信息搜索数据集，在 GAIA 和 WebWalkerQA 基准上达到 SOTA。
  • WebSailor：后训练方法支持复杂任务推理，在 BrowseComp 和 GAIA 基准表现优异。
  • WebDancer：基于 ReAct 框架的自主搜索模型，GAIA 和 WebWalkerQA 通过率超 60%。

• 🚀 快速上手

  • 提供 WebDancer 的环境配置、模型部署（需 HuggingFace 下载）和演示运行指南（需 API 密钥）。

• 🎥 演示案例

  • WebSailor 和 WebDancer 提供多场景演示视频（如 BrowseComp、GAIA），展示复杂任务处理能力。

其他

不，人工智能并没有让工程师的效率提高十倍

作者因社交媒体上“10 倍效率 AI 工程师”的言论陷入自我怀疑，但通过实际体验和理性分析，发现这些说法夸大其词，并分享了自己的观察和思考，帮助读者缓解焦虑。

• 🤔 自我怀疑的起源：作者因社交媒体上“AI 工程师效率提升 10-100 倍”的言论感到技能落后，但最终发现这些说法并不属实。
• 🧐 实际体验 AI 编码：尝试多种 AI 编程工具后，发现 AI 在编写样板代码（如 React）时表现尚可，但在复杂代码库、特定语言（如 Terraform）或非主流库中表现糟糕，且容易产生安全漏洞。
• 📉 效率提升的数学质疑：10 倍效率意味着将 3 个月的工作压缩到 1.5 周，但实际开发中的协作、评审、测试等环节无法同步提速，这一说法站不住脚。
• 🚀 真正的“10 倍工程师”：少数高效工程师的价值在于减少不必要工作（如优化流程、文档化），而非单纯编码速度，而 AI 对此帮助有限。
• 🤨 AI 宣传背后的动机：夸大 AI 效率的群体包括自我误测者、AI 行业利益相关者，以及试图让员工感到不安的老板。
• 🎯 短期效率假象：AI 仅在特定场景（如一次性脚本）中显著提效，但长期使用后收益递减，且可能因代码质量差反而降低整体效率。
• 💡 理性看待 AI 工具：使用 AI 编码并不难学，但无需因焦虑强迫自己接受；工作方式应优先考虑个人舒适度，而非盲目追求“效率”。
• 😌 接受自己的节奏：即使 AI 能提升 20% 效率，也不必牺牲工作乐趣；享受编程过程才能长期保持创造力和代码质量。
• ⚠️ 警惕制造焦虑的言论：老板或行业炒作可能刻意渲染“AI 替代危机”，但实际工程瓶颈仍在人类协作与系统设计。
• 🎵 类比说明：就像黑胶唱片虽“低效”却更让人愉悦，编码方式的选择应服务于个人幸福感，而非绝对生产力。
• 👨💻 给管理者的建议：营造健康工程文化，避免用不切实际的 AI 效率预期压迫团队，尊重工程师的专业判断。
• ✋ 最终结论：没有神秘的“AI 效率革命”，信任自身能力，远离制造焦虑的社交媒体。

你不是在 vibe coding，而是在十倍速生成屎山

作者花费 10 小时使用 AI 编程工具（Cursor 和 Claude Code）开发了一个安卓设备管理工具，并分享了使用心得和工具优缺点。

• 🚀 功能实现：开发了设备列表展示、屏幕实时监控（scrcpy）和 ADB 命令执行功能
• 💸 成本消耗：Cursor Pro 额度耗尽，Claude Code 花费约十几美元，生成代码约 10000 行
• ⚠️ 代码质量：作者自嘲为"十倍速生成屎山"，代码风格混乱且难以维护
• 🤖 AI 使用心得：AI 决定下限，人决定上限；对功能不熟悉时容易失去对代码的控制
• 👍 工具优点：自动上下文选择、任务规划、文档查询和自动 lint 修复功能优秀
• 👎 工具缺点：容易陷入调试循环、过度使用 mock 实现、烧钱快、架构理解能力弱
• 📚 使用技巧：推荐使用 DeepWiki 和 context7 补充上下文，按需求选择合适模型
• 📝 规范建议：建立代码规范、拆分原子化函数、提高代码可读性以提升 AI 表现
• 🤔 最终结论：AI 能提升效率但有限，使用者的认知水平和技巧决定 AI 能力上限

长期工作压力与效率管理：开发者的应对策略

• 😫 工作倦怠与负担：长期维护旧代码、处理新需求及频繁打断导致疲惫，影响生活质量。
• 🛑 减少打断干扰：避免频繁切换任务，如非紧急代码评审可延后处理，IM 消息定时回复，设置勿扰状态减少会议干扰。
• 👨‍💼 领导关系关键：好领导能支持合理排期，烂领导增加负担；理性讨论任务安排，必要时争取资源或向上反馈。
• 📊 任务优先级管理：根据轻重缓急排序，拒绝不合理 Deadline，插队任务需协调并通知相关方延期。
• 🤝 协作与求助：陌生项目及时求助同事，项目 Owner 需定期同步进度并清除障碍，受阻时向上级反馈。
• 🔄 重构与任务选择：优先高价值优化（如框架迁移），避免低效 CRUD；抓住救火任务展现能力但需谨慎。
• ⚡ 效率优化：自动化重复操作（如脚本处理日志），高频问题整理文档减少重复解答。
• 🌟 心态调整：工作占据大量时间，保持良好心态是关键，选择钱、热情或可靠团队至少占两项的工作环境。