陈有鱼

@youyuy88 · 2026-09-21

别当系统设计课，也别当框架。 ByteByteGo 这个仓就是一摞图。轮询、SSE、WebSocket 那张我来回看过：谁连、谁推、能不能双向，短文只写到这儿。 缓存、支付那些也是同类卡片，不是施工说明。面试前翻图可以。 🔗https://github.com/ByteByteGoHq/system-design-101

Jingchao

@alswl · 2026-09-24

看到一个非常有意思的项目：PR Lens。 现在 Agent 提交的 PR 越来越多，一个很现实的问题是：我们已经越来越没有能力，也没有必要，一行一行把代码全部读完。 但问题又来了——对于 Agent 写的代码，或者别人提交过来的 PR，有时候我并没有足够的信心。那我还是得知道：这里面到底发生了什么？ 自己主导的开发其实还好。我现在会直接把 Spec 转换成可阅读的 Report，也专门写了 Skill 做这件事。但对于外部提交过来的一个「裸 PR」，怎么办？ PR Lens 做的就是这件事。它会把 PR 转换成架构图和数据流，告诉你：哪些组件受到了影响；调用链发生了什么变化；数据是怎么流动的；整个改动是怎么一步步发生的 比较酷的是，它还能把这些变化做成动画效果，直接在线查看。 于是 Review 的方式就从： 理解代码 → 理解系统变化 变成了： 先理解系统变化 → 再决定哪些代码值得下钻 我觉得这个思路非常有意思。 特别是 Agent Coding 越来越普及之后，人真正需要 Review 的可能已经不是每一行代码，而是 Change 本身。 很适合 Fork 一份，放到公司内部使用。 https://github.com/coldteadotai/pr-lens

Jerry Fang

@Jerry_fsy · 2026-09-23

对于想入门AI领域的朋友们，我筛选出一些适合入门的资料，我会附上领域以及对应的资料： Agent闭环迭代： 1.https://engineering.fb.com/2026/09/02/ml-applications/organizational-second-brain-ai-learns-from-experts/ Meta的这一篇讲了对于历史case，经过专家纠正后，系统深入调研Agent执行/回答有偏差的原因，然后进行Agent的迭代。 我认为是Agent迭代的一个很重要的组成。 我自己有在做这块的试验，后面可以分享一下效果 cc: @AIatMeta 2.https://mp.weixin.qq.com/s/5VDN-T9K8Wr-DaQ15-I6CA?poc_token=HMWWs2qjZrx5OjySGOfgpNvZEGXXFWJf6ZAdudBB 腾讯的这篇分享系统讲了Agent闭环迭代飞轮的4要素：评测->知识（历史case算其中的一部分）->Harness改进->人review。 是一篇很好的闭环迭代的启蒙文章。 cc: @TencentGlobal Agent上下文工程： 1.https://medium.com/@peakji/context-engineering-for-ai-agents-lessons-from-building-manus-71883f0a67f2 Manus对上下文的理解，在当时确实很领先的，在这篇文章中能看到很多对于Agent工程的思考，尤其是对KV Cache命中率的深入理解。 cc: @peakji AI Infra： 1.https://www.aleksagordic.com/blog/vllm 这篇是看到@Kay2289123 的推荐，确实是适合作为Infra的第一篇入门文章。主要围绕vLLM讲了很多推理的概念。感谢推荐。 2.还有下面这篇，深入浅出讲GPU如何工作：

RicoUI

@ricouii · 2026-09-23

指哪改哪！一个开源工具来解决怎么更好的让 AI “改页面” 的难题，用更高的效率和更少的 token 来解决问题。 这个工具叫 Agentation，官网是 http://agentation.com，github 上有 4.7K star，老实说我觉得价值远超这个数量。 怎么用直接看下面我录制的演示视频。 逻辑上是： 在页面上点选元素，把反馈绑定到元素本身，然后导出成带定位信息和上下文的结构化内容，复制给 AI 编程工具。 并且是支持 MCP 、API、webhooks，可以直接回传信息。 一键安装： npm install agentation -D 懒得动手的话，把这句话发给正在用的 AI 就行： ``` 在项目中安装 agentation，把 <Agentation /> 放到根目录，并限制在 development 环境显示。完成后启动项目。 ``` 按项目原来的方式启动开发服务器，页面右下角会出现工具条。第一轮使用五步：点击右下角图标，移到目标元素上，点击并写反馈，点击 Add，再点击 Copy。复制出的 Markdown 直接粘贴给 AI。 和截图标注对比，差别在于 Agent 的接收理解是否准确。 毕竟截图是给人看的图片，AI 可能会出现偏差，如果是不支持图像的，那就只能靠语言描述了； 而结构化反馈产出的是给 AI 看的上下文，元素在页面结构里的位置、所属组件、你写下的意见，都整理起来。 AI 拿到是"改哪里、这个元素是什么、在哪个组件里"，改错地方的概率小很多。 而反馈的精确度，决定你可以用更高的效率和更少的 token 来解决问题。 仓库: http://github.com/benjitaylor/agentation

AIoon

@ArronKater · 2026-09-23

@chengyongru 加个 pairfob 让 herdr 能在手机上也能远程控制 https://github.com/arronKler/pairfob

lumxss

@bkdgiffug · 2026-09-25

接手一个陌生项目，最耗时间的往往不是写代码，而是先搞懂代码之间到底怎么串起来。 Ix 做的就是给整个代码库建立一张“系统地图”。 它用 tree-sitter 解析 26 种语言，把符号、调用、导入等关系整理成可查询的知识图谱，而且数据直接保存在本地。 你可以用它快速查： ① 某个组件负责什么 ② 数据是怎么一路流转的 ③ 改一个文件可能影响哪些地方 人可以查，AI Agent 也能用，特别适合分析大型或陌生代码库。 🔗 https://github.com/ix-infrastructure/Ix

DHH

@dhh · 2026-09-24

It's pencils down, people. Writing code by hand is no longer an economically viable skill for most programmers at most companies. But the future of making software has never been brighter. Don't you dare black pill this beautiful moment! https://youtu.be/vDjW_dRyKXY?si=6FsfJXS22mk52gyu