物联网老王-CSDN博客

原创芯片、模组、开发板的区别与联系-结合ESP32浅谈

芯片与模组的区别与联系。模组与开发板的区别与联系。芯片到模组，模组到开发板的演变原因与过程。一文带你了解芯片是什么、模组是什么、开发板是什么。芯片和模组有什么区别或差异。

2020-07-12 16:49:41 37250 26

原创《读懂 Token》AI 账单月底才被吓一跳？30 分钟 Token 体检，找出账单里 80% 的浪费

本文教你如何通过30分钟“Token体检”，从账单和日志中精准定位AI成本浪费。核心是拆解账单中的六类Token（输入、输出、缓存读写、推理等），识别8大浪费信号，如输入/输出比倒挂、缓存命中率低、冗余重发等，并通过埋点记录run_id、hops、cache_hit_ratio等关键字段，结合OpenTelemetry标准实现可监控、可优化的成本治理。掌握这些，让AI账单从“月底惊吓”变“可控指标”。

2026-11-09 09:15:00 24

原创《读懂 Token》哪个 Agent 框架最「败家」？7 个 Harness 实测对比，选型决策表直接抄

7个AI编码Harness实测对比显示，同一模型下单任务Token消耗相差达19倍。极简派（如Aider）仅需2,800~3,900 Token，而全能Agent派（如Claude Code）高达53,000，但首次通过率反而更低。成本差异主要源于系统提示冗余、工具输出膨胀与频繁重试。选型应按任务复杂度匹配：简单任务用极简工具，日常开发选IDE集成，复杂重构才启用高自主Agent。关键在于合理配置停止条件、记忆库与上下文压缩，避免“败家”行为。真正省费的不是框架本身，而是架构设计与使用策略。

2026-11-09 07:30:00 31

原创《读懂 Token》76% 的 Token 花在了「找路」上：给 Agent 配一个四格记忆库，不再每次从零开始

76%的Token浪费在重复“找路”上，根源在于Agent无状态记忆。通过构建四格记忆库——active-task、project-summary、decisions、gotchas，实现关键信息沉淀：每轮仅加载约1700 Token，84%内容静默存储。结合CLAUDE.md指引与路径级规则，让Agent“记住学过的事”，告别重复踩坑与上下文腐化，显著提升效率与代码质量。

2026-11-06 09:00:00 541

原创《读懂 Token》缓存命中率 96% 掉到 3%，谁在偷偷让你的提示缓存失效？

摘要（148字）：提示缓存静默失效致账单暴增34倍，常见陷阱包括动态时间戳、轮次计数器、非确定性JSON序列化、工具定义变动等。因缓存为字节级前缀匹配，微小变更即导致全失效。建议将动态内容移至断点后，固定工具顺序，统一序列化格式，并避免模型切换。通过60秒自检脚本可快速排查命中率骤降问题，确保缓存稳定生效，防止隐性成本飙升。

2026-11-06 06:45:00 792

原创《读懂 Token》你给 Agent 的每个工具，每一轮都在交税

每轮对话中，工具定义的冗余说明如同“隐形税”，消耗大量Token。本文提出通过技能（Skill）文件实现工具用法按需加载：将详细规则封装于独立Markdown文件，仅在调用时动态引入。改造后，工具描述从平均720 token压缩至80 token，10个工具每轮节省超7,000 Token，且关键信息可被缓存复用。核心思想是“元数据常驻、细节按需”，让模型自主决定加载时机，显著降低上下文开销，提升Agent效率与成本效益。

2026-11-05 10:05:11 347

原创《读懂 Token》MCP 输出端是最被低估的省 token 环节

MCP工具响应常因全量返回导致上下文爆炸。本文提出“过滤—聚合—分页—缓存”四件套：仅返回必要字段、服务端完成统计与排序、游标分页控制数据量、利用MCP v5协议实现结果缓存。实测可将200条订单的响应从1.2万Token压缩至42Token，节省超95%上下文开销，显著提升Agent效率与成本效益。

2026-11-05 07:00:00 232

原创《读懂 Token》上线 28 天烧掉 37 万：你的 Agent 是按聊天计费，还是按架构烧钱？

上线28天烧掉37万，根源在于Agent架构的“乘数效应”：多智能体协作导致上下文指数级膨胀，单次请求成本飙升至单轮聊天的89倍。核心问题在于每轮重传全历史，固定成本叠加累进雪球。优化关键在架构层：采用三级技能系统（元数据常驻、按需加载主体、延迟引用），实现上下文路由与记忆库持久化，将成本降低95%以上。从“按聊天计费”转向“按架构烧钱”，唯有重构设计才能控本增效。

2026-11-04 13:30:00 457

原创《读懂 Token》省 Token 速查手册：4 张卡 + 1 个计算器，把六篇结论变成能用的东西

本文为Token省费系列收官之作，提供“四张速查卡”与可运行的Python成本计算器，将前六篇核心结论浓缩为可立即执行的行动指南。四张卡覆盖写代码、搭Agent、客户端开关、团队治理四大场景，精准定位优化动作；内置计算器支持一键分析输入输出比、缓存命中率、成本构成，并预估各优化措施效果，助力开发者快速降本增效，实现从认知到落地的闭环。

2026-11-04 09:11:04 230

原创《读懂 Token》以为命令行更省Token？两个 CLI 的 16 个开关，账单差 8 倍

CLI 工具看似省费，实则因默认激进上下文与自动执行机制更易烧钱。本文剖析 Claude Code 与 Codex CLI 的 16 个关键开关，揭示其账单差异达 8 倍的根源。通过精简 CLAUDE.md、拆分规则至 rules/、封装流程为 Skill、启用 Subagent 隔离探索、合理使用 /compact / /clear 等命令，可实现 87%-88% 的 Token 节省。核心在于：主动控制上下文，而非依赖默认行为。

2026-11-03 08:00:00 318

原创《读懂 Token》省 Token 的 12 个实操开关：不改模型，账单直降 80% —— Cursor 单飞一篇

本文详解 Cursor 中8个省 Token 实操开关，不改模型即可账单直降80%。核心包括：写好 .cursorignore 拒绝垃圾文件索引、精简 Rules 文件至15行内、及时开启新会话避免上下文膨胀、精准使用 @file 替代 @Codebase、优先用 Ask/ Edit 模式、关闭自动索引与终端回灌、按需加载 Skill 规则。实测单次请求从12,000 Token压至1,200，节省超90%，适合所有高频率使用 Cursor 的开发者。

2026-11-02 22:19:09 280

原创《读懂 Token》README 越详细，AI 越看不懂：1000 Token 才是甜蜜点

README 越详细，AI 越难理解。实测显示，1000 token 左右是信息命中率峰值（90%），过长反降。冗余内容如项目故事、完整目录树、嵌入式贡献指南等，虽对人类友好，却成 AI 读取负担，导致成本飙升、延迟增加。建议重构 README：一句话定义项目、精简徽章、用表格列核心 API、保留最小快速开始、目录树精简、设 Gotchas 段、低频内容移至 /docs。遵循七原则，打造高效、低成本、高响应的 AI 友好文档。

2026-11-02 22:12:24 449

原创《读懂 Token》你的 AI 指令文件，每次请求都在白烧 5000 Token

本文揭示了AI编程助手指令文件（如.github/copilot-instructions.md）的隐性成本：每次请求均需完整读取，导致高额固定开销。通过真实案例将323行、5088 token的臃肿文件压缩至15行、263 token，节省94.8%输入成本。核心策略包括删除欢迎辞、合并重复规则、用行业代号替代长描述、简化链接与流程说明，并将非必需内容移出指令文件。改造后单次请求成本下降95%，月省超360美元，同时提升缓存命中率，实现高效低成本的AI协作。

2026-11-02 07:30:00 609

原创《读懂 Token》省 Token 的 12 个实操开关：不改模型，账单直降 80%

本文揭秘省 Token 的12个实操开关，不改模型、账单直降80%。从日常写代码到跑Agent，覆盖输入/输出优化、缓存利用、工具搭配等场景。核心逻辑：省输出=省4倍成本，让缓存命中=省2倍开销。关键动作包括精准引用代码、用diff改代码、及时开新会话、本地跑脚本、禁用废话输出、延迟加载工具、配置记忆库、设停止条件，以及使用Caveman、Ponytail等开源工具。附各开关对应专篇指引，即刻上手，高效省钱。

2026-11-01 17:45:01 130

原创《读懂 Token》你写的中文，AI读起来贵一倍：Token到底是什么？

摘要（148字）： Token是AI处理文本的最小单位，决定成本、速度与记忆上限。中文因分词方式，消耗约是英文的两倍；模型按Token计费，输出、推理、上下文均影响账单。同一句话在不同模型中Token数也不同。理解Token，才能精准控制成本——它不是技术细节，而是AI时代最核心的经济变量。

2026-11-01 17:35:38 471

原创第11篇-当 Agent 住进几十块的开发板：嵌入式物联网，正在发生什么？

Anthropic、Google、OpenAI、Meta 这几家大厂，最近半年都在悄悄拿 ESP32 做 AI 硬件实验；GitHub 上相关项目的新增速度这两年翻了不止一倍。这一篇，就从**四个最有代表性的开源项目**讲起——设备端的**小智（xiaozhi-esp32）** 与 **ESP-Claw**，以及传感器侧的 **IoT-MCP** 与 **SensorMCP**——看看嵌入式这块"老领域"正在长出什么新东西，机会在哪儿。

2026-10-29 22:56:42 461

原创 2.4G堵车、5G穿墙弱——为什么WiFi双频那么重要？

WiFi双频的真正价值不在于“更快”，而在于让设备智能选择最适合的频段：2.4GHz负责穿墙与广覆盖，5GHz提供高带宽与低干扰。理解这一差异，才能在选芯片、调网络时做出正确决策。尤其对开发者而言，ESP32-C5等真双频芯片需合理配置频段模式与扫描策略，避免误用“双频并发”概念。双频不是参数堆砌，而是体验优化的核心逻辑。

2026-10-29 12:15:00 348

原创第10篇-智能体平台那么多，到底怎么选？四步走完不踩坑

选智能体平台需四步走：先分清模型、Agent、框架与平台的区别；再看平台覆盖构建、运行、治理三层能力；警惕“框架当平台”导致项目难落地；结合自身角色（非技术/小团队/企业）和需求（私有化、生态绑定等），对号入座。关键红线：不为多智能体而用、数据不出域、责任不外包。最终，能跑通业务的才是好平台。

2026-10-28 09:10:45 625

原创第09篇-写代码已经不用敲键盘了？Vibe Coding 是怎么回事

Vibe Coding 以“对话式编程”颠覆传统开发，让非程序员也能快速产出可运行产品。它依赖大模型生成代码，强调意图表达而非逻辑理解，显著提升原型开发速度，但伴随安全漏洞、技术债累积与能力退化风险。虽在新项目中效率提升超50%，却在长期维护中暴露隐患。其核心价值在于降低“做出东西”的门槛，而非“做出可持续产品”的门槛。真正决定成败的，仍是工程化能力——这正是后续智能体平台发展的关键。

2026-10-28 09:04:41 420

原创第08篇-多智能体是万能药吗？Anthropic 和 Cognition 吵起来了

多智能体系统并非万能药，而是解决单个Agent“上下文爆炸”“角色冲突”“缺乏质检”等瓶颈的有效方案。通过分工协作（如协调者-工作者、辩论评审等模式），可实现更高效、可靠的复杂任务处理。但过度拆分会增加协调成本，需权衡规模与效率。2026年动态工作流技术进一步提升可扩展性，使多智能体从“人工编排”迈向“程序自驱动”，真正释放协同潜力。

2026-10-27 09:28:32 290

原创第07篇-为什么你的提示词越写越长，AI 却越来越笨？

**当模型越来越聪明，你真正要下功夫的地方，已经不是"把话说漂亮"，而是"把它该看到的信息，在对的时候、以对的形式递给它"。**这句话背后，是一个正在被反复提起的词——**上下文工程（Context Engineering）**。有人说它是"2026 年提示工程的继任者"，也有人把它称为"AI 工程师真正的分水岭"。这一篇，我们就把它彻底讲清楚：它到底是什么？为什么它比"提示词技巧"值钱？以及——**普通人能从中拿走什么。

2026-10-27 09:20:19 280

原创第06篇-RAG微调Agent怎么选，四条技术路线一次讲清

尽管大模型窗口已达百万级，RAG 仍不可或缺。它解决的是“信息获取精准性”与“成本效率”问题，而长上下文受限于注意力衰减、高成本与延迟。RAG 通过检索增强实现事实准确、可溯源、易更新，适合高频问答场景；微调优化行为风格，长上下文支持全局推理，Agent 则统筹调度。四者非替代关系，而是分工协作：知识靠 RAG，风格靠微调，视野靠长上下文，执行靠 Agent。选对路线，才能让 AI 真正懂业务、干实事。

2026-10-26 22:49:31 294

原创第05篇-Agent 连不上工具？MCP 就是那根“USB-C”

> 上一篇我们讲清了 Skill——它是递给 Agent 的那本"操作手册"。> 但手册写得再漂亮，如果 Agent 的手够不到工具、拿不到数据，照样干不了活。> 那么，Agent 究竟是怎么"接上"外部的数据库、文件系统和云服务的？> 这一篇就来讲 MCP——那个被称作"AI 世界 USB-C"的东西。> 顺便还要讲一个很多人还没更新的消息：**2026 年 7 月 28 日，MCP 迎来了问世以来最大的一次改版。**

2026-10-26 22:36:33 427

原创第04篇-同一个 AI，差距在哪？差的是一本“操作手册“-Skill

同一个AI，使用效果天差地别，根源不在于模型本身，而在于是否配备了高质量的“Skill”——即提前准备好的操作手册。Skill是封装专业知识、流程规范与工具脚本的标准化文件夹，让AI在执行任务时自动调用，实现一次投入、长期复用。它与插件不同，本质是“内容”而非“容器”，具备渐进式加载机制，可高效扩展能力而不挤占上下文。相比零散提示词，Skill支持自动触发、跨平台共享与团队复用，是释放AI真正潜力的关键。

2026-10-25 23:27:08 344

原创第03篇-Agent 工具太多挑花眼？先分清这 4 类，选型少走一半弯路

面对纷繁的AI Agent工具，关键不在比“谁更强”，而在于明确“要它干什么”。2026年主流工具可归为四类：编程型（如Claude Code、Cursor，分终端、编辑器、平台三派）、办公型（如腾讯WorkBuddy、Kimi Work，追求跨软件完成任务）、平台型（如扣子、Dify，用于构建专属Agent）、研究型（如Perplexity，自动整合信息生成报告）。认清需求类别，才能精准选型，少走弯路。

2026-10-25 23:09:00 419

原创第02篇-Agent是什么

> 上一篇我们把 AI 名词分了五层，最后留了一个悬念：产品层里最值得分清的一刀，是“只会答话”和“能动手干活”。> 这一篇，我们就专门来讲“能动手干活”的那一类——**Agent（智能体）**。> 它为什么被吹得这么热？它和“套了个壳的聊天机器人”，到底差在哪儿？

2026-10-24 16:32:51 143 1

原创第01篇-AI名词怎么分层（总纲）

> 模型、产品、Agent、Skill、MCP、平台、Vibe coding……这些词越攒越多，越听越乱。> 但乱的不是词，是没人告诉你，每个词该站在哪一层。> 这一篇不讲细节，只做一件事：把整张地图画出来。读完它，后面 11 篇你都能"对号入座"。

2026-10-24 15:57:49 307

原创音频外设元器件与外设接口综合速查表

本文为音频外设元器件与接口综合速查表，涵盖声音采集、转换传输、信号处理及功率放大全链路关键芯片选型，重点介绍I2S/PDM/TDM等接口的硬件特性、时钟配置与软件替代可行性。内容详实，适用于嵌入式音频开发快速参考，助力高效完成麦克风阵列、编解码、回声消除及功放驱动等设计。

2026-10-21 11:23:27 255

原创一文了解 I3C 的前世今生

I3C是MIPI联盟推出的新一代串行通信协议，旨在解决I2C、SPI等传统总线在速度、功耗和设备管理方面的不足。文章比较了I2C(低速半双工)、SPI(高速但布线复杂)和UART(低带宽点对点)的优缺点，指出I3C通过动态地址分配、内中断机制、热连接和广播功能等创新特性，在保持两线简洁设计的同时实现了12.5MHz高速通信。虽然总线电容限制影响了布线长度和设备数量，但I3C已在智能手机、汽车电子等嵌入式领域获得应用，未来将与现有协议共同构建更高效的串行通信网络。

2026-07-09 22:09:16 230

原创 Ubuntu Linux Cursor 安装与使用一

《Ubuntu Linux下Cursor智能编辑器安装指南》本文详细介绍了在Ubuntu系统安装Cursor.AppImage格式编辑器的方法：下载.AppImage文件后，通过chmod赋予执行权限；安装libfuse2依赖库；将文件移至/opt目录并创建桌面快捷方式（含图标配置）；最终实现程序快捷启动。相较于传统.deb安装方式，该教程针对新版.AppImage格式提供了完整解决方案，包含权限设置、依赖安装、快捷方式创建等关键步骤，帮助Linux用户顺利使用这款AI代码编辑器。

2025-07-04 20:46:06 4970

原创密码学基础-身份认证

身份认证技术确保数据来源于可信合法的数据发送方。可以基于非对称加密算法，如 ECDSA、RSA来对数据进行签名，实现身份认证。简单的非对称加密算法实现的身份认证技术可能存在中间人攻击，可以通过 CA 认证体系，在第三方认证机构下增强身份认证，避免中间人攻击。

2024-08-05 18:53:36 1935

原创密码学基础-数据加密

安全的话题可以从完整性、机密性、合法性、不可否认性四个方面进行讨论；不同的安全风险需要不同的安全组件来抵抗风险。机密性保护可以使用对称密钥、非对称密钥来实施保护方案。对称加密有着执行速率快，资源消耗小的特点，但是前提是通信双方提前知道密钥；非对称加密有可以让初次通信的双方立即建立加密通信的优势，但是通信过程复杂，加解密比较消耗资源；AES XTS 分组加密模式使用两个 AES 密钥。一个密钥用于执行 AES 块加密;另一个用于加密所谓的“调整值”。

2024-08-05 18:52:15 3034 1

原创密码学基础-为什么使用真随机数（True Random Number Generators）

随机数生成器是保证保证生成的随机数足够“随机”（不可预测）的一种安全组件真随机数生成器（True Random Number Generators，TRNG）生成不可预测的、统计上独立的（与任何先前生成的随机数无关、并且与之后生成的随机数也无关）、均匀分布（生成任何数字的概率相等）和受保护的随机数据。真随机数与为随机数在生成原理、实现成本、执行速率上存在差别。可以 TRNG/PRNG 组合一起使用，从而使随机数生成更加有效。真正的随机数很难生成，并且需要一定的硬件成本。

2024-07-31 23:10:37 3433

原创密码学基础-Hash、MAC、HMAC 的区别与联系

本文主要介绍 Hash、MAC、HMAC 的联系与区别，层层递进地描述了如何增加数据的安全性。本文还介绍了长度扩展攻击的基本实现原理，HMAC 算法通过执行两轮 Hash 运算对抗这种攻击。hash只能验证数据完整性，无法保证数据防篡改，计算过程无密钥参与。MAC既可以验证数据完整性，也可以验证数据是由原始发送方发出的，计算过程有密钥参与，使用对称加密算法构造。

2024-07-21 19:50:56 14847