与「技术选型」相关的搜索结果

Codex 5.6 这个 GitHub 插件一定要装，能让你省下90%的token！ 90% 的人都把 Codex 用反了。 一上来就让它： 帮我写一个 App。 分享一条我在用的绝佳省token技巧，先给 Codex 连接 GitHub 插件，然后输入提示词： 我要开发一个 XXX。暂时不要创建文件，也不要输出代码。先在 GitHub 调研同类开源项目，筛选出最有参考价值的方案。分析它们解决了什么问题、采用什么架构、依赖哪些技术、目前是否活跃，以及有哪些设计值得复用或避开。最后结合我的需求，给出技术选型、系统架构、MVP 范围和开发顺序。得到我的确认后，再进入实现阶段。 这样 Codex 会先做三件事： 1️⃣ 找到经过真实项目验证的方案 2️⃣ 研究别人已经踩过的坑 3️⃣ 根据你的需求做出技术取舍 等方向确定后，再让它开始写代码。

新公司要看开张了，牛人请里边看，base上海 技术负责人（CTO ） 职位名称：技术负责人（AI API 中转站 CTO） 工作性质：全职 预期薪资：35,000–55,000 元/月（税前） 职位职责 • 负责公司核心技术架构设计与落地（多模型路由、统一 API 网关、计费系统、Key 管理、负载均衡） • 制定技术选型和稳定性策略，确保 7×24 高可用和低延迟（国内直联 + 海外多上游） • 带领团队进行快速迭代，主导核心功能开发与重构 • 负责安全、风控（Key 防刷、限流、日志脱敏）和合规（发票/合同意识） • 参与上游渠道谈判与技术对接，优化成本与稳定性 • 技术团队管理与 Code Review，构建可扩展的架构体系 任职要求 • 5+ 年大型项目或中台经验，精通后端架构（微服务、分布式系统、数据库优化） • 熟悉 AI/LLM 相关技术栈（OpenAI、Anthropic、Gemini、DeepSeek 等标准化协议）或有过同类项目经验优先 • 懂计费系统、流量控制、故障演练、监控告警（Prometheus/Grafana） • 熟悉 Redis、Kafka、Kubernetes 或类似高并发基础设施 • 有创业背景或快速成长经历，愿意承担初期所有技术风险与挑战 • 英语阅读能力（海外厂商文档） 优势加分项：有中转站、API 网关、跨境支付或企业 SaaS 经验者优先。 可以发我私信或者邮箱tristania_11@hotmail.com

推荐这篇，Dan McKinley（前 Etsy 工程师）写的经典工程文化文章。他说每个公司大约有三次"创新 token"的机会——你选了 NodeJS、MongoDB、使用不到一年的服务发现技术，每次都是花掉一次。而选 MySQL、Postgres、Python、Cron……这些无聊技术的好处在于，不仅功能被充分理解，失败模式也被充分理解。这不是一篇反对新技术的文章——是教你什么时候该用新技术、为什么要给团队设定"使用新东西需要全公司知道"的文化。 选择无聊的技术 我职业生涯中发生的最好的事，大概是有 Kellan 管我。我在那里待得够久，看到了 Kellan 的技术决策开始结出果实。我从中并且作为其结果学到了很多东西。 离开 Etsy 一年后，我重新恢复了对技术的关注能力。我的思考已经结晶到可以连贯地写下来的程度。以下是 Kellan 式思考的总结——希望不会让他太过尴尬。 拥抱无聊 设想每个公司大约有三个创新 token。你可以随心所欲地花它们，但供应量在一段长时间内是固定的。你也许在达到一定程度的稳定和成熟之后能再多拿到几个，但一般倾向是高估你钱包里有多少。 如果你选择用 NodeJS 写你的网站，你刚花掉了一个创新 token。如果你选择用 MongoDB，你刚花掉了一个创新 token。如果你选择用存在了一年或不到的服务发现技术，你刚花掉了一个创新 token。如果你选择自己写数据库——天哪，你麻烦大了。 这些选择中任何一个对一家 JavaScript 咨询公司或一家数据库公司可能是合理的。但你大概率不是。你大概率在为一家至少表面上是"重新思考全球商务"或"重新发明网络支付"或推进某个同样适当宏大的使命的公司工作。在这个背景下，把你有限的注意力用在创新 SSH 上，是一种极好的失败方式。或者至少是延迟成功的方式。 什么算无聊？这有点微妙。"无聊"不应该和"坏"混为一谈。世界上有既无聊又坏的技术——你不应该用这些。但有很多无聊且好的技术选择，或至少足够好。MySQL 是无聊的。Postgres 是无聊的。PHP 是无聊的。Python 是无聊的。Memcached 是无聊的。Squid 是无聊的。Cron 是无聊的。 无聊的美妙之处（如此定义下）在于这些工具的能力是被充分理解的。但更重要的是，它们的失败模式也是被充分理解的。 在选择技术时，你既有已知的未知，也有未知的未知。 • 已知的未知是类似这样的："我们不知道这个数据库达到 100% CPU 时会发生什么。" • 未知的未知是类似这样的："老天，我们甚至没有想到写统计量会导致 GC 暂停。" 哪怕对于已经存在了几十年的技术，这两种集合通常都是非空的。但对于闪亮的新技术来说，未知的未知的量级要大得多——这很重要。 全局优化 我毫无歉意地认为偏袒无聊技术是一件好事，但它不是唯一需要考虑的因素。技术选择不是在孤立状态下发生的。它们有一个影响范围，触及整个团队、组织，以及从你所有选择之和里涌现出的系统。 向公司添加技术是带成本的。作为一个抽象陈述这很显而易见：如果我们已经在用 Ruby，再加 Python 感觉不合理，因为增加的复杂性会超过 Python 的边际效用。但不知何故当我们谈论 Python 和 Scala 或 MySQL 和 Redis 时，人们失去了理智，抛弃了所有约束，开始狂热地谈论为任务选最佳工具。 你的工作本质上是将业务问题映射到一个涉及软件选择的解空间上。如果软件选择真的没有包袱，你确实可以为你各种各样问题挑一堆局部最佳的工具。 但在现实世界里——那个运维是严重关切的世界——你是在全局优化。问题在于"最佳工具"思维对它眼中的"最佳"和"任务"是近视的。你的任务是保持公司运转。而"最佳"工具是那个在尽可能多的问题上占据"最不差"位置的工具。 保持系统可靠运行的长期成本基本上总是远远超过你在构建时遇到的任何不便。成熟和多产的开发者理解这一点。 有时选择新技术 把这种推理推到归谬的极端，就是选 Java，然后尝试不借助任何其他东西来实现一个网站。那将是疯狂的。你需要一些向工具箱里添加东西的方法。 重要的第一步是承认这是一个过程，以及一场对话。新技术最终会产生公司层面的影响，所以添加技术是一个需要公司层面可见度的决定。 最值得推荐的练习之一是：考虑如何在不添加任何新东西的情况下解决你的当前问题。 首先，提出这个问题应该能检测到"问题"其实是有人真的想用这项技术的情况。如果是这样，你应该立即否决。 一个小的技术选择集合能走多远，可能令人惊讶。实践中这个问题的答案几乎从来不是"我们做不到"，它通常只是某种程度上的"嗯，我们可以做到，但会太难了"。如果你认为你用现有的工具无法实现你的目标，你大概只是不够有创造力地思考。 写下到底是什么让当前技术栈如此昂贵和困难地解决问题，这会有帮助。这和上一个练习相关，但有微妙的不同。 新技术选择可能是纯增量式的（比如："我们还没有缓存，所以让我们加 memcached"）。但它们也可能与你已经在使用的东西重叠或替换它。如果是这样，你应该为将旧功能迁移到新系统设定明确的期望。 策略通常应该是"我们承诺迁移"，带有建议的时间线。这一步的目的是把残骸保持在可管理的水平，并避免局部最优解的泛滥。 这个过程并不令人生畏，也不麻烦。就是几个填空题作为作业，然后开个会讨论一下。我认为，如果一项新技术能毫发无损地通过这个挑战，加入它是可以的。 发版就好 多语言编程被包装成一个承诺：让开发者以完全的自由选择自己的工具，会使他们更有效地解决问题。这个问题的定义往好了说是幼稚的，往坏了说是动机性推理。这种方式产生的日常运维苦力的重量把你压死。 有意识地选择技术给了工程头脑真正的自由：沉思更大问题的自由。为技术而技术是万金油。 原文：Dan McKinley, "Choose Boring Technology", 2015 #工程文化# #技术选型# #无聊技术#

今天才知道的关于游戏 UI 的一个冷知识： 游戏界面有时候并不是“写死在引擎里”的，而更像一个嵌在游戏里的前端层。 比如《上古卷轴5》很多菜单是用 Flash/Scaleform 做的。听起来很古早，但正因为 UI 是独立资源，后来 SkyUI 才能把原本很主机化的背包、物品排序、制作菜单重做成 PC 友好的界面，甚至进一步发展出 MCM，让大量 Mod 都能在游戏里拥有自己的配置面板。 这不是简单的“换皮肤”，而是 UI 架构给社区留下了改造空间。 现代游戏也有类似思路，只是技术栈变了。比如《城市：天际线2》《文明7》《微软模拟飞行》的部分复杂界面，会使用 HTML/CSS/JS 或类似 Web 的 UI 技术来实现。地图、科技树、仪表盘、设置页、数据面板，这些东西本来就很像应用软件，用 Web 技术做并不奇怪。 所以游戏 UI 技术选型不只是工程细节，它会影响三件事： 第一，开发团队能多快迭代复杂界面； 第二，游戏能不能适配 PC、主机、掌机等不同输入和屏幕； 第三，玩家和 Mod 社区未来能不能继续改造它。 某种意义上，UI 越像一个独立的“前端层”，它就越可能成为游戏长期生命力的一部分。

想知道某个开源项目是真在国外开发者圈被讨论 还是只在营销稿里反复出现？🤡 Hacker Trends 差不多像是 Hacker News 版 Google Trends 基于 HN 过去约 18 年、4500 万条帖子和评论数据，把技术词、公司、开源项目的提及变化做成趋势曲线。 输入关键词后，可以看到讨论热度随时间怎么变化；遇到某个波峰，还能点进对应月份，看当时具体是哪几篇原帖和评论带起来的 适合做技术选题、开源项目观察、AI 工具趋势判断和轻量级技术选型参考

这个级别的架构问题想靠AI糊上去，未免太看得起AI了，技术选型的时候不过脑子赶时髦搞微服务，留一堆工程架构问题，现在有AI想丢给AI一次性解决，我觉得不现实

架构规划 & 自动化代码编写 架构规划： 能将一句话需求自动拆解为以下完整步骤： 产品设计 → 技术架构 → 技术选型 → 代码编写 → 自动上线 对不懂代码的小白非常友好，从零 Vibe 出一个产品并完成上线，全程不需要手动干预。 自动化编码： - 整体过程无卡顿、无报错、无反复重试 - 自然语言理解精度高，复杂前端任务也能稳定完成 整个项目花了 1 个多小时的时间，在完成这个小项目后我也发现了一些缺点，如下： - 项目的执行速度上比 opus 4.7要慢一点，个人体感上是 10-15% 左右 - 在做 React 项目非常不错，在我的测试任务里面超过了 Opus4.7，不过我在用它优化我的原生 html 项目时，感觉不如 Opus 4.7 如果你在找一款好用、不卡顿的国产 Vibe Coding 模型，尤其是写 React 相关项目，我觉得Doubao-Seed-2.1-Pro 值得一试，我也向我的 AI 学习社群小伙伴们推荐了这个产品。 后续我也会在豆包 App 里面体验其通用 Agent 能力和多模态能力，届时再和大家分享。

Disclaimer: 本次测试结果仅代表特定场景下的单次表现，不代表该模型的整体性能或长期水准。 测试输出受提示词工程、编程语言、实时网络搜索结果、OpenCode 版本迭代及策略调整等多重因素影响。 本测试属于个人兴趣/非盈利性评测，数据及结论仅供参考，不构成任何技术选型或商业决策依据。😅

我最近做了个很有意思的现场音乐产品。但是在做的过程中，我和 cc 有着反复的讨论，这个讨论很有意思，我决定记录分享下来。 很多现场音乐会使用 web 技术做音乐可视化，我的想法是使用 dynamic worker 可以验证 llm 到音乐生成和可视化的思路，而且这正是 v8 这种小隔离环境擅长做的事情。但实际上使用下来，会发现： 使用 codex/cc 可以 one shot 做出完成度较高的可视化内容，但使用 API 调用 llm 却很难 one shot 做到。因为这本质上要求我们在 API 层面实现复杂的 cli tool use，这就回到今年以来的最大选题困境，也是我不押注 cloudflare 那条“应该由 llm 写代码交给 sandbox 执行，而不是在 sandbox 中执行 llm cli” 的原因。 这种技术选型的困境是，一方面我们依赖大量的 skill 上下文导致 context 变的很大，在单一 llm 调用，甚至严格要求 cpu 运行时间的环境中不太合适，另外一方面，单一 API 调用导致的错误率非常高（缺少 agentic loop 的天然问题） 做到最后，cc 无法在这种技术架构下实现批量生产高完成度的产品，要求我将 dynamic worker 这种技术选项删除，完全走受控制的路线（llm 输出 json 这种传统的方式），而且他提供了一个产品上的说服思路，以下是它的原话： 「艺术家在 TD/Notch 做出精彩不是因为工具"自由"——恰恰相反，TD 节点比裸 WebGL更约束。但节点本身是作品级封装（feedback loop / particle GPU / volumetric / post-FX chain）。艺术家的"自由"表现为在高级原语之间的组合。所以 Recipe 路径的本质不是 "限制 LLM"，而是"把 LLM 的工作台从锤子钉子换成 TouchDesigner"——LLM 的语义自由度不变（从 prompt 到风格决策），但手里的原语变强」 换句话说，cc 认为艺术性表达的本质在于约束而不是发散。产品应当尽可能的引导用户思考，而不是让用户在一个无尽的空间中自由探索。这个反馈把一个技术选型的问题突然变成了一个哲学问题，是很有意思的对话实践。

【2】90% 的代码是自己写的——Claude Code 的技术选型哲学 Claude Code 有 90% 的代码是它自己写的。 听起来像噱头，但这其实归功于他们的技术决策逻辑。 先看技术栈：TypeScript 写主体，React 搭配 Ink 框架做终端 UI，Meta 开源的 Yoga 做布局系统，Bun 负责构建打包。 为什么选这些技术栈呢？因为它们“在分布内”。 “在分布内”（on distribution）是 AI 领域的术语。意思是模型已经见过大量这类代码，擅长处理它们。TypeScript 和 React 正是 Claude 的强项。如果选一个冷门框架，模型就得“学习”，效果会打折扣。 这个选择带来一个美妙的循环：用 Claude 擅长的技术栈写 Claude Code，然后用 Claude Code 写更多 Claude Code。90% 自己写自己，就是这么来的。 他们在架构层面的选择同样简洁。 Claude Code 在本地运行。没有 Docker 容器，没有云端沙箱，就是直接在你的电脑上读写文件、执行命令。