计算机科学与工程
这里收录计算机科学基础、软件工程实践，以及仍然需要人来判断、设计和验收的 AI 协作经验。
学习与原理
- 计算机、编程与计算机科学：从编程语言、计算机架构、算法、数据库到分布式系统的自学路线。
- R3 重复编码与多数投票解码：观察噪声信道中重复编码如何降低解码错误。
软件工程实践
- 浏览器插件：从想法到发布：用一个小插件理解需求、实现、测试和发布过程。
- 自部署（Self-host）：从托管平台走向自运维时需要权衡的成本与知识。
- 走出 Vercel：Next.js 在 Ubuntu 部署：记录自部署所需的服务与系统配置。
- 代码克隆与复用：辨别复制、抽象与维护成本。
- 计算机视觉实践：图像处理与视觉任务的实验记录。
- SSH 管理工具对比：比较常见 SSH 连接与主机管理方式。
- Windows 剪贴板管理应用详解：梳理常见剪贴板工具的能力与差异。
- 剪贴板内容对比工具：比较两段剪贴板文本的差异。
- “这个很简单，我也能做一个”：讨论什么时候值得重新造轮子。
人与 AI 共同工作
- [译]在复杂代码库，让 AI 有用：上下文管理、技术规格与人工审查如何配合。
- O1 Pro 与“一人协作”：AI 并发工作后，需求、验收和上下文切换如何成为瓶颈。
- 大模型 PDF 转 Markdown 手工评估方法：用统一样本与人工判断比较转换质量。
- AI 不是你，不是许愿机：讨论判断、写作与工作中不能外包给模型的部分。
- 数落 AI 犯错，或许才可笑：从错误、语境与审核机制理解模型边界。
- 问题从哪里来：复杂问题与 AI 提问：领域知识与真实问题描述为何重要。
- O3 Deep Research 使用观察：记录研究型模型的限额与适用边界。
- O3-mini 能力观察：比较小型推理模型在科学、数学与编程任务中的表现。
- AMD 本地运行 DeepSeek：本地推理的硬件与部署记录。
- Claude Code 与 Kimi K2：保留现有 Kimi 编程教程入口。
- 大模型做 PPT：成熟产品、文本转幻灯片与脚本生成的取舍。
- AI 社交写作备忘：需要人工判断语气和场景的写作记录。