最新

为了减少 AI 会话中的冷启动，我制作了一个工具，它作为 MCP 服务器运行，并在第 0 轮之前加载上下文。 它会执行两件事： 个人先验知识 - 您的工作流程和标准会在每个会话中加载一次，并在所有支持的 AI 客户端中持续存在。 专家先验知识 - 当提示与特定堆栈相关时，会根据语义相似性注入相关的先验知识。这是为了减少 AI 的错误和不期望的行为。 隐私保证：本地优先设计。原始提示永远不会被存储。注入始终在客户端进行。 ```bash pipx install turnzero turnzero setup # 将 MCP 服务器注册到 Claude Code、Cursor、Claude Desktop、Gemini CLI turnzero verify # 确认一切都已正确连接 ``` 演示：[https://asciinema.org/a/8IV2yoLNTloSlZo0](https://asciinema.org/a/8IV2yoLNTloSlZo0) 代码库：[https://github.com/turnzero-ai/turnzero](https://github.com/turnzero-ai/turnzero)

当代理人花钱或产生债务时，谁来负责？ 使用个人账户风险高，而手动操作的有限责任公司（LLC）难以扩展？

我过去认为“氛围式编码”对全新项目有益。我错了。 如果你不在乎代码，只想测试你的想法，那它仅仅是一个可抛弃的概念验证，而不是一个项目。是的，氛围式编码非常适合这种情况。 然而，随着时间的推移，工具和模型变得越来越好，智能体开始更好地在现有代码库上工作。很多时候，智能体会发现代码库中现有的方法/代码风格，并据此开始编码。 我意识到，在一个全新项目中，在盲目地交给 AI 之前，重要的是先设定数据模型、数据流和代码库的整体结构。否则，它会变成一个无法维护的混乱，你永远不想再看那段代码。