wilson排球

摘要： AI 对程序员的深层冲击，从来不是 “能写代码” 这么简单，而是从 “输入确定、输出可控、有明确报错” 的确定性系统，转向 “意图靠猜、结果靠验、无明确反馈” 的概率性交互。本文剖析这份不适的本质，以及程序员适应 AI 时代需要掌握的上下文组织、约束表达、结果验证等新能力 阅读全文

摘要： 从 SKILL.md 到 references，再到 scripts，Skill 并不是简单的 prompt，而是一套可维护的工程结构。本文结合线上 5xx 故障排查案例，详细演示 Skill 的构建方式、数据驱动分析流程，以及如何接入工具实现闭环排查 阅读全文

摘要： 当你一次性给大模型多个工具，它真的会“选对”吗？本文用一个线上故障排查案例，手把手演示 LLM 如何像运维工程师一样分析问题、选择工具、补充证据，最终得出结论。同时拆解 Function Call 背后的核心机制 阅读全文

摘要： 今天是一期function call的实战 阅读全文

摘要： 今天来详细讨论一下，function call 和 skills。function call 到底是什么，skills 到底是什么，它们分别解决什么问题，最本质的区别在哪，以及在 Agent 系统里该怎么配合 阅读全文

摘要： 一个agent，一个workflow。很多朋友在群里一聊就是“我搞了个 agent”，结果仔细一看，其实只是配了个固定流程；也有老哥把本该交给 workflow 的事，硬塞给 agent，最后调了半天，成本起飞，效果还不稳定 阅读全文

摘要： 这两年 AI 圈的名词，更新速度简直比前端框架发版本还快：Prompt、Agent、Skill、MCP、Workflow、Memory……一个接一个往外冒。很多朋友一边看文章一边点头，心里其实已经开始犯嘀咕：这几个词到底有啥区别？是不是都在换着 法子说同一件事？本文直接借一家饭馆后厨的故事，把这几个概念一次讲清 阅读全文

摘要： 最近这段时间，AIOps 这个词在技术圈里越来越常见，很多朋友都在聊：AI 到底能不能真正帮线上排障？ 笔者最近抓耳挠腮的想要将运维的实际场景结合ai，做了一个小的demo，代码量不大，但把一个 AIOps Agent 的最小闭环已经串起来了。本文就和大家一起拆一拆这个项目：它的代码结构是什么、每个文件负责什么、整个执行链路怎 么跑，以及这套思路放到真实线上场景里还有哪些坑。 阅读全文

摘要： 很多人以为大模型很玄、很难，其实本质没那么复杂。本文用运维视角，把大模型拆成“下一词预测 + 注意力机制 + 三阶段训练”，不讲公式，只讲你能用得上的原理。看完你就能判断：什么时候该用大模型，怎么用，值不值得上。 阅读全文

摘要： AI agent 好用，但跑起来 token 消耗真的肉疼。笔者用 OpenClaw 跑了一段时间之后，摸索出了几个实际有效的省 token 姿势，拿出来给老哥们参考——不是什么玄学调优，都是能直接落地的配置改动。 阅读全文