- 博客(971)
- 收藏
- 关注
RSS订阅原创 Rust 程序员的半年成长路线图：从入门到能独立做项目的里程碑
前三周打基础，中间八周建技能，最后十二周搞项目。**第一阶段（1-8周）**的目标是"不害怕 Rust 的编译器"。只要能从报错信息中定位问题、从 Rust Book 中找到答案，你就已经过了最重要的门槛。很多人在这个阶段放弃，因为他们期待一周速成——Rust 做不到。**第二阶段（9-16周）**的目标是"能独立搭建能跑的服务"。不需要是生产级的，但骨架要完整——有路由、有数据库、有错误处理、有测试。**第三阶段（17-24周）**的目标是"有作品可以展示"。
2026-07-30 01:31:34
39
原创 未来 6 个月 AI Agent 开发趋势：多模态、长上下文和工具编排的预测
多模态不是"锦上添花"，是 Agent 能力的质变触发点。一个只能读文字的 Agent 和一个能同时看截图、读日志、分析代码的 Agent，解决复杂问题的能力不在同一量级。对开发者工具类的 Agent 来说，代码 + 终端输出 + UI 截图的多模态理解是刚需。长上下文的关键不是"记多少"，而是"怎么压缩和检索"。128K、256K、512K——窗口越大，边际收益越低（成本还是线性甚至指数增加的）。真正有价值的是记忆压缩的算法和分层检索的工程实现。工具编排的标准化是生态爆发的必要条件。
2026-07-30 01:26:44
22
原创 WASM 标准化路线图：GC、组件模型和 WASI 的成熟时间表解读
GC 提案标准化是"多语言 WASM"的起点。之前只有 Rust/C/C++ 能高效产出 WASM，现在 Java/Kotlin/Dart 都加入了。WASM 不再是"系统语言的专属编译目标"。组件模型是生态成型的关键变量。如果它能像 npm 之于 Node.js 那样建立生态，WASM 就能从"编译目标"变成"完整的软件分发平台"。但这个目标至少需要 2-3 年才能在生产中广泛使用。WASI Preview 2 是服务器端 WASM 的里程碑。
2026-07-30 01:22:24
20
原创 AI 辅助编程的下一个阶段：从对话式补全到自主调试的进化路径分析
自主调试是质变，不是量变。从"AI 写代码你调试"到"AI 写代码 AI 调试你审核"，开发者角色的重心从执行转向决策。这意味着同一个开发者能同时维护的代码量会大幅增加。错误分类能力是技术壁垒。不同语言的编译器有不同的错误模型，LLM 需要针对每种语言学习"报错→修复"的映射关系。Rust 编译器虽然有几百种错误码，但它的报错信息本身质量很高，这对 AI 来说反而是利好——结构化、可预测的错误比模糊的运行时异常容易处理。选手的加速器。
2026-07-30 01:16:54
93
原创 Cargo 2026 新特性预览：脚本支持、命名空间和构建缓存增强的影响
单文件脚本降低学习摩擦。不再需要cargo new才能写 Rust 代码，对选手来说意味着"想到就写、写了就跑"的即时反馈。学 Rust 最怕的就是被工具链劝退，脚本支持让门槛降了一大截。命名空间解决生态扩展的瓶颈。crates.io 注册量每年翻倍，扁平命名空间迟早会撞墙。层级命名空间是典型的"未雨绸缪"——不是当前最痛的问题，但等痛了再来改就晚了。构建缓存是生产力基建。"写得快但编得慢"和"编得快但写得慢"都不是好状态，Cargo 2026 在努力让两者都快起来。
2026-07-30 01:13:44
72
原创 WebAssembly AI 推理的下一个里程碑：WebGPU 普及后的性能拐点分析
回顾 WebAssembly AI 推理的发展，WebGPU 的普及确实是一个里程碑事件。WebGPU 不是锦上添花，是基础设施补齐。之前浏览器端做 AI 推理就像在高速公路上骑自行车——路是好的，但工具不对。WebGPU 给了一辆摩托车。性能拐点在 2026 年底到 2027 年初。当这条演进路径走通，200ms 以内的端侧推理就不再是空想。Rust + WASM + WebGPU 是最佳组合。Rust 编译到 WASM，通过wgpu调用 WebGPU，全程类型安全，零 GC 开销。
2026-07-30 01:07:33
1
原创 异步 Rust 的未来：async fn in trait 稳定后，生态会发生什么变化的预测
性能提升是实打实的。从动态分发到静态分发、从堆分配到栈分配，高频调用的场景下差异明显。对 Web 框架来说，这意味着更低的延迟和更高的吞吐。嵌入式 Rust 才是最大赢家。no_std 环境下的异步编程因为 async fn in trait 而变得可行。这个市场虽然小众，但对 Rust 的"系统编程语言"定位至关重要。迁移策略要稳。至少还会是主流方案一年以上。作为学习者，理解原理比追新特性更重要。原生方案和宏方案的核心概念（FuturePin、状态机）是完全一致的。我现在就开始用 nightly 试了。
2026-07-30 01:01:53
121
原创 Rust 2026 路线图解读：对未来系统编程的影响和个人学习方向的判断
Rust 在"变软"——降低门槛是大趋势。从编译器诊断到文档改进，Rust 团队意识到"难学"不是荣誉勋章。对于选手来说，这是真正的利好。编译性能是隐形的生产力杀手。Cranelift 后端正式化后，debug 编译快 30-50% 意味着每天多出几十分钟的学习/开发时间。我会尽早切到 nightly 去体验。"内核 Rust"是长期锚点。短期看是内核开发者的利好消息，长期看意味着 Rust 在系统编程领域的生态位会更加稳固。有底子托着，不怕方向走偏。个人策略：基础 + 新特性 + 项目输出，三线并行。
2026-07-30 00:58:33
149
原创 端侧 AI 的 2026 下半年展望：从边缘推理到浏览器原生 AI 的能力边界
L1/L2 能力会成为标配。翻译、摘要、OCR、语音识别——这些基础 AI 能力会像今天的拼写检查一样，成为操作系统的内置功能。Chrome 的内置 AI API 就是这个趋势的一个缩影。"端云协同"是真实方向。不是"端侧替代云端"，而是"简单任务端侧、复杂任务云端"。浏览器原生 AI 处理翻译，但写一篇 3000 字的技术文章还是需要云端大模型。前者免费且即时响应，后者要 API 但提供真正的智力输出。开发者工具链是薄弱环节。模型量化、蒸馏、硬件适配——这些技术还不够"平民化"。
2026-07-30 00:54:33
58
原创 AI CLI 工具的下一站：从命令行到 VS Code 插件，产品形态演进路线的思考
纯 CLI 形态已经到了天花板。它能做的事情已经做完了,新增功能很难带来质的体验提升。接下来要么被更完整的 TUI 替代,要么被混合形态吸收。混合形态是主战场。既能对话又能改代码还能验证的工具,会在未来 6 个月快速迭代。谁先解决"自主循环"的可靠性问题,谁就能拿下开发者心智。选手的机会来了。这些工具的学习门槛比传统 IDE 插件低得多,只要能清晰描述需求,就能借助 AI 快速构建原型。我这种转码选手,正需要这样的"加速器"。不过话说回来,工具再好,也得自己有判断力。
2026-07-30 00:50:53
50
原创 Rust 系统工具的 Web 框架选型：Axum、Actix-web 和 Poem 的场景分析
去年我用 Rust 写了一个，最初选了 Actix-web，因为"它是地表最快的 Rust Web 框架"。结果写了一个月后，我发现——Actix-web 的 Actor 模型与我的业务逻辑冲突，错误处理也很别扭。最后我花了两周重构，换成了 Axum。那一刻我意识到：Web 框架选型不是选"最快的"，而是选"最适合你的业务场景和团队技术栈的"。这篇文章我会深度对比它们的和。
2026-07-29 14:48:49
21
原创 开源 AI Agent 框架对比：AutoGPT、MetaGPT、CrewAI 各自的设计哲学
今年 3 月，我用 AutoGPT 做了个的工具，第一天跑得很欢，第二天就开始——它一直在"思考"但出不来结果。我等了半小时，最后手动 kill 了进程。那一刻我意识到：AI Agent 框架不是"能跑就行"，。这篇文章我会深度对比它们的和。
2026-07-29 14:45:49
72
原创 WASM 运行时横向对比：wasmtime、wasmer、wasmEdge 的功能和性能差异
去年我做了一个，目标是让用户可以上传 WASM 插件，在服务端安全执行。我选了 wasmtime，因为"它是官方的，应该最稳定"。结果上线第一天，一个用户上传的 WASM 模块——OOM。查了一晚上日志，发现是 wasmtime 的内存限制配置有问题。那一刻我意识到：WASM 运行时不是"能跑 WASM 就行"，它直接决定了你的和。这篇文章我会用实测数据对比它们的和。
2026-07-29 14:42:19
57
原创 浏览器端 AI 推理方案对比：ONNX Runtime Web、Transformers.js 和 MediaPipe
去年我做了一个的工具，最初用 Python 后端跑模型，用户上传图片后等 10 秒才能看到结果。转化率不到 5%。后来我把模型搬到了浏览器端，用户，转化率直接飙升到 35%。那一刻我意识到：浏览器端 AI 不是"炫技"，而是。但这条路并不好走。浏览器端的算力、内存、兼容性都是坑。和。
2026-07-29 14:38:39
69
原创 Rust 构建系统对比：Cargo、Bazel 和 Buck2 的选型决策树分析
去年我加入了一个 Rust 项目，代码量 50 万行，依赖 200+ crates。第一次，我等了。那一刻我才意识到：构建系统不是"能编译就行"，它直接决定了你的和** CI/CD 成本**。这篇文章我会深度对比和，用实测数据告诉你：什么时候该换构建系统。
2026-07-29 14:35:08
134
原创 AI 编程工具横向评测：Copilot、Cursor 和本地 CodeGemma 的实测数据对比
去年 11 月，我用 Copilot 写了个 Rust 的 HTTP 客户端，编译一次过——那一刻我觉得，AI 编程时代真的来了。但好景不长。一个月后，我在写一个复杂的异步运行时封装时，Copilot 给出的代码。我意识到：不同的 AI 编程工具，能力差异巨大。于是我做了个决定：同时测试和，用相同的编程任务，看看谁更强。这篇文章不是软文，是我花了一个月时间、后的真实评测。
2026-07-29 14:31:08
153
原创 Rust 与 Go 在系统工具开发中的体验对比：同时用两种语言的真实感受
维度GoRust学习曲线⭐⭐⭐⭐⭐⭐⭐编译速度⭐⭐⭐⭐⭐⭐⭐⭐代码简洁度⭐⭐⭐⭐⭐⭐⭐⭐类型安全⭐⭐⭐⭐⭐⭐⭐⭐错误处理⭐⭐⭐⭐⭐⭐⭐⭐并发模型⭐⭐⭐⭐⭐⭐⭐⭐⭐如果你需要快速交付，选 Go如果你需要长期维护，选 Rust如果团队 Rust 经验不足，选 Go维度GoRust编译复杂度⭐⭐⭐⭐⭐⭐⭐⭐跨平台编译⭐⭐⭐⭐⭐⭐⭐⭐⭐二进制大小⭐⭐⭐⭐⭐⭐⭐⭐⭐依赖管理⭐⭐⭐⭐⭐⭐⭐⭐⭐。
2026-07-29 14:26:19
166
原创 Rust 异步运行时横向对比：Tokio、async-std、smol、glommio 的实测数据
我第一次用 Rust 写异步代码的时候，直接，然后就开始写了。那时候我觉得，异步运行时不就是个async-std吗？有啥好选的？直到我的项目在生产环境出现了诡异的——有时候 10ms 就能完成的任务，偶尔会卡 500ms。查了三天日志，最后发现是 Tokio 的 work-stealing 调度器在我的场景下出现了。那一刻我意识到：异步运行时不是"能跑就行"，它直接决定了你的服务是还是。选错了运行时，轻则性能不佳，重则生产事故。下面我用实测数据说话。
2026-07-29 14:20:48
182
原创 Rust 学习资源对比：官方书、Rustlings、Rust by Example 适合什么阶段
去年这个时候，我决定学 Rust。第一天，我打开了**《The Rust Programming Language》**（官方书），读了两章，觉得"还行，能看懂"。第二天，我遇到了。那一瞬间，我感觉自己的大脑被格式化了——什么？变量还能"移动"？借用？生命周期？我在前 10 年的编程生涯中，从来没想过这些问题。。选错了，你可能三个月都学不会 Rust。我会结合我的。
2026-07-29 14:16:28
133
原创 Rust AI 框架对比：llm-chain、langchain-rust 和自研方案的取舍分析
去年这个时候，我还在用 Python 写着 LangChain 的应用，那时候觉得世界上所有的 AI 应用都应该是 Python 写的。直到有一天，我的服务在高峰期 OOM 了三次，日志里满是Killed——那一刻我意识到，Python 的 GIL 和内存开销在 AI 应用的规模化部署中，成了一个绕不过去的坎。转 Rust 做 AI 框架选型，不是因为 Rust 更"酷"，而是因为现实的工程压力。
2026-07-29 14:12:48
129
原创 WASM 跨语言互操作的坑：字符串编码、内存管理和异步调用的三座大山
维度Rust/WASM 世界JS 世界字符串UTF-8 (&strUTF-16 (String内存线性内存，手动管理GC 堆，自动回收并发Promise + 事件循环类型静态强类型动态弱类型wasm-bindgen 在这中间做了大量的桥接工作，但它不能替代你的安全意识。每当你写数据是传值还是传引用？传引用意味着 JS 侧拿着 WASM 内存的指针——你得保证它活着。内存谁负责释放？
2026-07-28 13:54:20
11
原创 AI Agent 开发的十大陷阱：从 prompt 幻觉到工具调用死循环的防范
做 Agent 开发这一年多，我从"哇它能自己思考了"的兴奋，逐渐变成了"每次上线都像拆弹"的谨慎。Agent 不是简单的 if-else 自动化，而是一个带有不确定性决策能力的系统——这意味着你需要像对待人类同事一样对待它：信任但要验证。永远不要信任 Agent 的输出：它说它完成了 ≠ 真的完成了。验证 > 信任。边界是 Agent 的生命线：工具权限、调用次数、API 预算——没有边界的 Agent 不是工具，是定时炸弹。可观测性是安全的根基。
2026-07-28 13:53:41
88
原创 Rust 错误处理的反面教材：半年里见过的最糟糕的错误处理代码分析
Rust 的错误处理体系我认为是业界最好的——它既不像 Go 那样if err!= nil满屏飞，也不像 Java 那样 checked exception 滥用。Result?thiserror的组合拳，用顺手了之后写业务代码简直是享受。但最好的工具也架不住滥用。生产代码不用.unwrap()。?和.context()只多打几个字符，换来的可维护性是指数级的。错误类型要有区分度。只能用在main()里，业务层必须用枚举。错误消息要给人看。每一条错误消息都应该回答：发生了什么？为什么？怎么办？
2026-07-28 13:51:21
71
原创 AI 辅助编程的 7 个误区：把模型当高级搜索引擎是对它的最大浪费
第一阶段：AI 是代码生成器——"帮我写一个……"第二阶段：AI 是结对编程伙伴——"这里有问题，帮我看看……"第三阶段（现在）：AI 是思维延伸——"我在做 X，有三种方案，帮我分析每种在 Y 场景下的 trade-off……"关键转变是：从"让 AI 替我想"变成了"我思考，AI 检查"。的我之所以能靠自学转行，很大程度上受益于 AI。但我也看到太多人陷入"AI 写了代码 → 跑通了 → 以为自己学会了"的循环里。这不是在学习，这是在制造技术债——只不过债主是你未来的自己。
2026-07-28 13:47:01
66
原创 Cargo 使用中的隐藏陷阱：版本冲突、feature 爆炸和 workspace 混乱的解决
Cargo 是 Rust 生态最被低估的资产。它不像 npm 那样需要锁定文件里每个包的哈希值，也不像 pip 那样在虚拟环境之间挣扎——它的依赖解析器在 99% 的情况下都做对了。理解依赖图和是你最好的朋友。锁定依赖：二进制项目提交Cargo.lock，库项目不提交。Feature 最小化：不要，只启用你需要的。发布前 checklist。的好处是，我不觉得这些是"无聊的工程配置"。每一条规则背后都是一次线上故障——当你因为忘记提交Cargo.lock。
2026-07-28 13:42:20
198
原创 WASM AI 插件开发的现实困境：浏览器兼容性、包大小和调试噩梦的应对
WASM + AI 的组合确实很迷人——它让你用 Rust 写的高性能推理代码直接在浏览器里跑。理想现实一次编译，全平台运行每个浏览器的 WASM 支持都不完全一样WASM 体积小AI 推理引擎编译出来至少 5MBRust 的强类型保证安全panic 信息在浏览器里变成异步不阻塞 UIWASM 还是单线程的（Safari），推理时 UI 冻结但这些问题不是无解的。能力检测 + 退化：多线程不行就单线程，大模型不行就小模型。分离加载：WASM 代码和模型文件分开，利用浏览器缓存。
2026-07-28 13:38:20
149
原创 Tokio 使用中的 8 个常见误区：spawn 太多、block 太久、cancel 太晚
异步不是魔法，它是显式的调度策略。你写的每一个spawn、每一个select!、每一个 channel，都对应着实实在在的线程切换、内存分配和调度决策。先用：写几个reqwest的小程序，感受 async/await 的基本语法。再理解：读一遍 Tokio 官方教程的"Spawning"和"Shared State"两章。然后控制：学会用 Semaphore 限流、用 JoinSet 管理任务生命周期、用有界 channel 防内存泄漏。最后优化：用可视化任务状态，找到真正的瓶颈。
2026-07-28 13:32:10
163
原创 Rust 初学者最容易踩的 10 个坑：从编译器报错中总结的防坑手册
把编译错误当成对话，而不是障碍。每一次、每一次、每一次，编译器不是在对你说"你写错了"。它是在对你说："按照 Rust 的内存模型，你现在的写法会导致一个运行时 bug，但我不允许这个问题发生。对于来说，这反而是加速学习的方式：你不需要先理解理论再写代码，而是通过编译器反馈倒推理解内存模型。不要试图第一次就写对：先写能编译的，再写正确的，最后写优雅的。学会读编译器错误是新手最好的老师。clone()不是罪：学习阶段为了绕过生命周期问题而 clone 是完全合理的，理解之后再回来优化。
2026-07-28 13:27:10
150
原创 用 AI 学编程的最大误区：不是让 AI 代写代码，而是让 AI 教你理解代码
写这篇文章的时候，我翻了一下 GitHub Copilot 的使用统计：过去三个月，它提供了 43% 的代码建议，我接受了其中 27%。这 27% 里，有多少是"理解之后的选择"，有多少是"图省事的复制粘贴"？我诚实地说：差不多对半分。自学出身让我对"理解"有天然的执念。因为我知道，如果我对一个概念没有彻底的理解，下一次面试官或者线上 bug 就会用它来打我脸。而 AI 恰恰是那种"让你感觉懂了但其实没懂"的工具——就像你看了十分钟教学视频觉得学会了游泳，下水之后才发现手脚不协调。
2026-07-28 13:20:40
165
原创 AI CLI 工具开发中的 10 个反模式：你以为在加速，其实在埋坑的复盘
先为今天的自己写代码，再为明天的用户留接口。自学出身给我最大的优势是：我没有"架构必须先设计好"的心理包袱。我可以先把一个main.rs写到 2000 行，然后痛苦地重构，然后真正理解为什么需要分层。在一个 solo 项目里，你的架构最大敌人不是未来的需求变化，而是你为了"万一"而写的过度设计。具体 > 抽象：三个相同的东西出现之前，不要写 trait。显式 > 隐式：依赖注入比全局状态少十倍调试时间。记录 > 猜测：一行 tracing 日志胜过十分钟盯着代码瞎猜。
2026-07-28 13:15:20
182
原创 AI 加 Rust：一个月的学习数据复盘，看进步曲线和下一阶段目标
7 月，一个自学编程的人，靠着 Rust + AI 的基本组合，在一个月里做出了一个能用的 AI CLI 工具、写了 30 篇博客、积累了 47 条踩坑笔记。这个成绩放到半年前我自己都不会信——那时候我还在背"什么是 HTTP 协议"。7 月之前，我是"在学习 Rust"。7 月之后，我是"用 Rust 做事"。从学习到做事，这个心理身份的转换，才是这一个月最重要的变化。进步是阶梯式的，不是线性的。在低效期不要慌——你可能正在为下一个飞跃打基础。"+ AI + Rust"不是妥协，是优势组合。
2026-07-27 11:03:24
11
原创 系统工具开发 7 月复盘：从编码到发布的完整 check list 和关键经验
写代码只是系统工具开发的 30%。剩下 70% 是错误处理、日志、配置、测试、构建优化、文档、发布——这些东西不会让工具更快，但会让工具"能被别人用"。编码阶段：错误处理 + 日志 + 版本号，缺一不可。不要等发布前才加日志——那时已经忘了哪里需要加。构建阶段：lto + strip 把体积压下来，跨平台编译用 CI 而不是本地交叉编译。发布阶段：README 的第一段 + 第一个示例 + 安装命令，这三样东西决定了 90% 的用户会不会用。
2026-07-27 10:50:54
66
原创 AI Agent 设计模式总结：7 月实践提炼的 5 种可复用模式的系统归纳
Agent 不是"聪明模型 + 一些函数调用"，而是一套设计良好的工程模式。模型负责语义理解，模式负责可靠的决策和纠错。工具注册与发现（模式三）——每次 Agent 扩展能力都依赖它意图路由（模式一）——决定了 Agent 是否"听懂"用户重试与退避（模式四）——生产环境的保底（模式二）——提高复杂任务的成功率自我校验（模式五）——长期来看最重要，但 7 月只做了原型。
2026-07-27 10:47:34
92
原创 Rust 错误处理的 7 月总结：从 panic 到优雅降级的完整进化路径回顾
/ 等级四：用 thiserror 派生宏自动生成样板代码// 只需定义错误变体和错误消息，Display/Error/From 全部自动实现/// IO 操作失败#[error("IO 错误：{0}")]/// JSON 解析失败#[error("JSON 解析错误：{0}")]/// HTTP 请求错误#[error("HTTP 请求失败：{0}")]/// 业务逻辑错误#[error("业务错误 [{code}]：{message}")]Business {},/// 用。
2026-07-27 10:43:54
60
原创 WebAssembly AI 推理的月度复盘：性能、兼容性和工程化三线进展报告
7 月在 WebAssembly AI 推理这条线上的收获：WASM 已经有能力在浏览器端跑轻量级 AI 推理了，桌面端基础设施已经成熟，但移动端和工程化工具链还有不少坑要填。性能有优势，但要看任务类型。计算密集型（矩阵乘法、向量化操作）WASM 比 JS 快 2~3 倍；内存拷贝密集型的收益有限。桌面端已可用，移动端要降级。Chrome/Firefox/Safari 桌面版都支持 SIMD；iOS Safari 要做好 feature detection 和降级方案。工程化工具已经成熟但不够用。
2026-07-27 10:39:34
135
原创 Tokio 异步编程避坑大全：7 月踩过的 15 个坑和正确解法的系统整理
坑 11：tokio::select!的 biased 模式。默认的select!是伪随机的，如果有分支永远 ready（如一个立刻返回的 channel），其他分支可能被"饿死"。用biased;模式可以控制优先级，但滥用会导致逻辑混乱。坑 12：tokio::sync::Notify 比 channel 更适合"一等多"场景。当需要一个任务通知多个等待者（而不是一对一的 mpsc），Notify比 channel 高效且简洁。坑 13：Semaphore 做并发限制是简单但有效的背压手段。
2026-07-27 10:35:14
141
原创 AI 辅助编程的边界探索：7 月实验告诉我们 AI 能做什么不能做什么的结论
AI 是一辆导航仪，不是自动驾驶。它能帮我找路、提醒我障碍、省掉走错路的时间——但方向盘始终要我自己握。用 AI 学 Rust，最危险的不是它犯错，而是我自己分辨不出来它什么时候在犯错。AI 在解释已有代码上最可靠（72%），在生成新逻辑上中等（45%），在架构决策上不可靠（18%）——用对场景很重要。异步代码和性能优化是 AI 的重灾区——这些必须靠人工验证，不能盲信。最好的姿势是三层模型：简单样板放心交给 AI，中等难度 AI 辅助但自己验证，核心逻辑必须自己写。
2026-07-27 10:31:54
268
原创 Rust 学习的 7 月：用里程碑式目标替代每天学多少小时的策略
7 月从"时间驱动"切换成"里程碑驱动"是我学习 Rust 以来最重要的策略调整。不怕起步慢，怕的是在焦虑里乱撞。放弃计时器，拥抱可验证的输出。"学 8 小时"不如"让这个函数处理 5 种错误并写测试"。里程碑之间要递进，前一个的输出就是后一个的输入，这样知识是长出来的而不是堆积的。补基础不丢人比科班多做的每一步都是在弥补信息差——这个时间花得值。8 月我的里程碑已经定好了：把 AI CLI 的测试覆盖推到 80% 以上，让这个工具真正能"放心用"。
2026-07-27 10:24:23
597
原创 Rust 所有权模型深度总结：一张图串起所有权、借用和生命周期的知识体系
所有权、借用、生命周期这三个东西，不是三个独立的知识点，而是一个逐层依赖的体系。所有权定义"谁负责释放"，借用来解决"临时访问怎么办"，生命周期解决"编译器怎么验证借用关系"。理解了这个三层结构，Rust 的编译错误就不再是神秘警告，而是精确的资源管理提示。从所有权入手，不要一上来就学生命周期。先搞清楚一个 String 在代码里怎么移动、怎么释放，这些底层概念通透了，借用和生命周期自然跟着就通了。把编译错误当学习材料，不要当障碍。
2026-07-27 10:20:44
551
原创 7 月 AI CLI 工具开发总结：从 idea 到可用的 31 天全记录与关键决策
31 天把一个 idea 变成一个能用的 AI CLI 工具，对一个来说，最大的收获不是这个工具本身，而是学到了怎么在混乱中建立秩序。先做小闭环，再做广度。让一个功能稳定工作，比三个功能"勉强能跑"更有价值。trait 抽象是 Rust 项目的脊柱。做对了 trait 设计，后续扩展是加法；做错了，后续重构是乘法。编译速度不是虚指标。2 秒和 20 秒的区别，是你能不能保持心流的关键差异。下个月不打算加新功能了——先把测试补全，然后真正"用"这个工具一个月，让实际使用中的痛点告诉我下一步该做什么。
2026-07-27 01:47:41
459
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人