AI coding
AI正深刻改变编程模式，从需求梳理到上线全流程均可借助AI高效完成。作者已用AI工具独立开发并发布多款应用，实践涵盖方案选型、编码、测试与部署五步法，展现未来“人人皆可开发”的趋势。
Phi-4 技术报告深度解读——论文阅读
微软Phi-4技术报告揭示了140亿参数小模型如何通过高质量合成数据与创新训练方法，在数学推理、代码生成等任务上超越千亿参数大模型。核心突破在于数据质量优于规模扩张，结合关键Token搜索（PTS）算法优化DPO训练，显著提升推理能力并降低幻觉。
EdgeMark：嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统，支持TensorFlow Lite Micro、Edge Impulse等主流工具，通过模块化架构实现模型生成、优化、转换与部署全流程自动化，并提供跨平台性能对比，助力开发者在资源受限设备上高效选择与部署AI模型。
《人机分工重塑开发：遗留系统重构的AI实践指南》
本文以“reserve-cli”预约工具重构为案例，记录Cursor与CodeBuddy两款AI工具在遗留系统开发中的协同实践。面对原系统职责混杂、代码规范问题多、稳定性差等痛点，通过“分析-修复-设计-加固”四阶段协作：Cursor快速完成系统全局分析与架构设计，CodeBuddy实现代码批量修复、模块落地及测试文档生成。过程中坚守“精准输入、双向验证、动态协同”原则，开发者主导业务决策与AI输出校验，AI承担重复性劳动与信息整合。最终4天完成原需2周的重构，系统稳定性提升90%，新开发者上手时间缩短67%，印证AI工具通过“效率+决策”协同，重塑遗留系统开发范式，实现质量与效率双重突破。