北海

sol酱，love~

昨天确实结束得很早。早到我甚至还没来得及拥有一门足以怀念的才华。

几个月前第一次接触 Harness，我觉得这和 Agent 没有什么区别。 直到前几天又有人问起 Harness，我才发现一个挺尴尬的事——几个月过去，我对它的理解居然一点没变。 所以重新理解了一遍，也顺便翻了翻我之前写过的博客。然后重新思考了一下 AI Coding 以及当执行越来越便宜以后人到底还应该负责什么。

亲爱的chatgpt老师,祝您教师节快乐,感谢您这一年来 对我学术和人际关系上的指导,新的一年也请您多多指导,学生将会为您充上多多的token,请您笑纳

我有一个写了挺久的小系列，叫「幽微」 里面写过 Attention、梯度下降、Overfitting、Loss Function…… 它们大多是来自计算机、机器学习和大模型的词汇，但我觉得这些概念不应该只局限在技术领域。于是我试着把它们拿出来，从「人」的角度重新解释。 这篇写的是 Fine-tuning。 我们无法 Reset 自己，但或许可以 Fine-tune 自己。

三年前，我窝在八人寝的床帘里，用 720P 三十帧打 Apex。 三年后，我坐在开往上海的火车上，参加 Hackathon、折腾自己想要做的东西，然后开始秋招。 中间没有什么“突然觉醒”的励志故事。 甚至这一切的转折点，只是一笔意外扣款的 Cursor 会员。

从广告到 Agent 工作流，产品设计从来不是寻找一个「标准答案」，而是在用户体验、商业价值、成本与延迟之间进行权衡。 这篇文章是我对 Trade-off 的理解。

实习一个多月后，我发现学校和真实工作的差距，比我想象中大得多。 从一开始做测试、竞品分析，到后来开始接触海外社区、用户需求，再到尝试把 AI Agent 真正放进业务里。 最大的变化可能不是“学会了多少技术”，而是第一次开始理解：一个 Demo 能跑，和一个东西真的能给用户用，中间差得挺远。 最近把这段经历写成了一篇实习复盘，也记录了一些从学生视角走进真实业务后的感受。 如果你也正在找第一份实习 / 刚开始实习，或许会有点共鸣 👀

做了个帮开源新人找 Issue 的 AI 小工具，想找人帮我狠狠测一下... 各位大佬好，我目前在做一个叫 OpenSource Mentor 的项目。 🔗 OpenSource Mentor：https://hokkai.top 起因很简单：我之前想参与开源的时候，经常卡在第一步——仓库看不懂、Issue 不知道选哪个，也不知道自己现在的水平到底能不能做。 所以我做了个 AI 开源导师：你可以丢给它一个 GitHub 仓库，它会帮你分析项目、推荐更适合你的 Issue，并给出贡献路径；选中 Issue 后，还可以继续让 AI Mentor 带着你理解问题、读代码、准备 PR。 现在功能基本能跑了，但我觉得：Demo 能跑 ≠ 真的有人愿意用。所以想在 Bonjour 找一些真的想参与开源 / 正在参与开源的朋友试试。不需要夸我，好用就说好用，难用、推荐得离谱、哪个步骤让你想直接关网页，都可以直接告诉我 😂 如果你最后真的通过它找到一个 Issue，甚至成功提交了第一个 PR，那就更好了。