小蜗牛的壳

先说结论：DeepSeek Harness（下称 DSH）最值得学的不是「一切皆插件」这句口号，而是它把 Agent 的内核决策权从源码搬到了配置树，并且让模型看得到的输入可以从日志完整重建。这两件事对做工程的人比对刷榜的人有用得多。 但另一个结论同样明确：它现在不该进生产。官方 SAFETY.md 自己写着「未经安全审计、不得视为安全或生产可用」；我在本机照官方 README 敲第一行命令就卡住了，一路查下来发现的是整个项目当前状态的缩影——42 个 npm 版本全是预发布版，零个稳定版。 这篇分两部分：前半是调研分析，后半是上手实测与使用心得。数字我按来源分了层级：官方一手、第三方评测、社区实测、本机实测，不混着用。尤其要提醒一句：Agent 领域几乎所有分数都是「模型 × Harness × 任务集」共同作用的结果，脱离这三要素谈「谁更强」没有意义。 一、先厘清：Harness 不是模型，也不是评测框架「Harness」这个词在 LLM 语境里至少指两样东西，混了会闹笑话： 概念 干什么的 典型例子 Agent Harness（运行时） 包在模型外面，负责...

会议室里，一位同事用四川话插了一句，转写稿上变成一串读音相近的普通话字。人听着能猜出原意，检索、纪要、待办抽取全在这句上断掉。 我因为做线下会议录音系统，最近把 2026 年能找到的方言 ASR 资料系统梳理了一遍。越看越觉得，「支持多少种方言」是这个问题里最不重要的一个数字——同一个模型在不同方言上的错字率能差六倍，而绝大多数选型文章只给你一个平均值。 这篇是调研报告，不是模型推荐清单。重点放在三件事：差距到底有多大、差距从哪来、以及拿到一套方案该怎么验收。文中的数字我按来源分了层级：挑战赛/论文、厂商自报、社区实测，不混在一起用。 一、先给赶时间的人：五条结论 「方言 ASR」不是一个任务，是十几个难度完全不同的任务。 ChinaVoices Challenge 2026 的官方评测里，最容易的陕西话平均 CER 4.95%、武汉话 5.09%、东北话 5.24%，最难的客家话 31.01%、潮汕话 21.89%——差了六倍多。 平均数字没有意义。 该挑战赛基线（Qwen3-ASR-1.7B + LoRA）的 16 方言 macro CER 是 18.10%，...

11 月 4 日，腾讯混元发布了 Hy4 正式版。通稿的标题是「首次跻身最强开源模型之列」，但把发布页拉到《局限性和未来展望》那一节，还有另一句话： 尽管 Hy4 已经是目前最强的开源模型之一，其与顶尖闭源模型仍然存在较大差距。 两句话相隔不到一屏。一边宣布进入第一梯队，一边写清楚离天花板还有多远，还具体点名了差在哪几个方向：内部构建的前沿数学、长程开发、模型迭代、视觉问答。 在「全网第一」「史诗级超越」几乎成了发布模板的当下，这种克制反而少见。所以这篇不复述功能清单，我想写的是：作为一个要把模型用进真实项目的人，从这份发布稿里能拿走什么、哪些数字要打折看、以及现在该不该切换。 一、先把「混元 4」这个词说清楚 先纠正一个容易含混的地方：官方名称是 Hy4，不是「混元 4.0」这样的软件版本号。它是腾讯混元第四代大语言模型，海外品牌在 2025 年底简化成了 Tencent HY。 更值得分清楚的是发布节奏——今年 2 月重建数据和训练基础设施之后，混元大致按每两个月一个大版本推进，而且固定是「先放 Preview 收集反馈，再发正式版」： 时间 版本 规格 权重...

回头看过去三十多年，技术浪潮并不是简单地把设备做得越来越快，而是在不断改变“计算发生在哪里”“我们如何使用软件”以及“普通人能做什么”。PC 时代把计算能力带到桌面，移动互联网时代把网络装进了口袋，AI 时代则开始把理解、生成和行动能力放进每一个软件界面。 这三段历史彼此相连：PC 时代建立了软件和芯片产业，移动互联网把连接、传感器和云基础设施推向大众，AI 时代又站在算力、数据和网络的积累之上。硬件每一次变化，最终都会在交互方式和社会分工上留下痕迹。 一、PC 时代：计算机从实验室走到每张桌子1. 从大型机到个人电脑早期计算机属于政府、大学和大型企业。大型机昂贵、占地、需要专门人员维护，普通人只能通过终端间接使用计算资源。个人电脑的意义，首先不是“更快”，而是让一个人第一次拥有了完整的输入、计算、存储和输出闭环。 从 1970 年代的微处理器，到 1981 年 IBM PC，再到 1984 年 Macintosh，计算机逐渐形成了今天熟悉的基本形态：显示器、键盘、鼠标、操作系统和应用软件。硬件从分立元件走向高度集成，芯片上的晶体管数量持续增加，价格则逐步下降。 2. 软件...

前段时间做完了一个线下会议录音系统：把一屋子人的现场讨论录下来，实时出带发言人的字幕，会后自动生成带发言人标签的逐字稿和纪要。私有化部署，数据不出内网，纯 CPU 也能跑，全程不依赖外网。 拆开是三个服务：Java 的业务服务、Python 的推理服务、Vue 的前端，加上一整套 PowerShell 部署脚本，合计不到一万行。开发节奏很紧——同一天里 29 次提交，基本是”发现问题 → 定位 → 改一处 → 立刻实测”。 这篇文章不复述功能，也不贴架构图讲得多漂亮。我想写的是这一个项目里真正沉淀下来的东西：那些下次做类似系统时，能直接少走一遍弯路的判断方法。 一、先把约束钉死，再谈选型这个项目最省时间的一步，是在写第一行代码之前，把三条硬约束写清楚了： 约束一：客户内网不通外网。 所有模型必须能离线下载、离线加载。推论很直接——模型体积和依赖体积不是开发体验问题，是产品指标。 约束二：数据不出内网，包括录音。 录音可能是经营决策、人事、法务内容，这是最敏感的资产。这条直接决定了两个设计：删除会议不删录音（误删不可再生），AI 服务不落业务库（少一个数据出口）。 约束三：t...

线上会议其实是被”宠坏”的场景：平台自带录音，机器人能自动入会，会后十分钟就有一份带发言人标签的逐字稿。而线下会议什么都没有——只有一屋子人、一张桌子，和一台随手放在桌角的手机。 我在这上面栽过两次跟头。第一次是把手机放在长桌一头，坐在对角的人整场”消失”，纪要里只有三个人的发言；第二次是录音本身没大问题，但转写准确率只有八成多，光校对错别字和错人名花的时间，比开会本身还长。 后来我把整个链路拆成四段——会前准备、现场录音、转写处理、纪要成稿——一段一段地抠，才算把这件事跑顺。这篇文章就是这套流程的完整复盘。 一、先认清一个事实：准确率的真相在聊方法之前，必须先戳破一个幻觉。 各家工具的宣传页上写着”准确率 98%”，但那是标准普通话、单人朗读、安静环境下的字级准确率。到了真实的会议室里——有人带口音、有人抢话、空调在响、投影仪风扇在转、术语和英文缩写密集出现——实测数据普遍落在 85%–93% 这个区间。 还有两个更硬的约束： 说话人分离在 6 个人以上会明显掉链子。不是随机挑的门槛，而是声纹聚类的效果拐点；十来个人的会，实际开口的通常也就六七个，刚好卡在这条线上。 重叠...

想搭一个个人博客，真正难的通常不是“把页面跑起来”，而是做出一个未来几年仍然愿意维护的选择：文章要不要放在 Git 里？要不要自己管理服务器？主题能不能改？迁移会不会痛苦？评论、搜索、图片和备份又该怎么处理？ 这篇文章把目前常见的个人博客方案放在同一张地图上比较，覆盖静态站点生成器、动态 CMS、托管式写作平台和低代码建站工具。结论先说：技术博客优先考虑 Hugo、Astro 或 Hexo；希望少折腾就选 WordPress 托管、Ghost 或国内的托管平台；如果你最看重写作体验而不是掌控基础设施，直接用 Substack、Notion 或语雀反而更诚实。 一、先把“博客”拆成五个问题很多工具对比文章只比较首页长什么样，却忽略了维护成本。选择之前，建议先回答下面五个问题： 内容放在哪里：Markdown 文件、数据库，还是平台账户里？ 谁来负责发布：自己执行构建和部署，还是点一下发布？ 需要多强的表达能力：代码高亮、数学公式、流程图、全文搜索、评论，哪些是刚需？ 你愿意维护什么：服务器、依赖升级、备份、域名和 HTTPS，能接受到什么程度？ 迁移是否重要：三年后换工具，...

这两年，我参加过不少关于 AI 的讨论。有意思的是，不管从哪里开始，话题最后几乎都会收敛到同一句话上：”我会不会被取代？” 但这个问题本身，可能就问错了。 真正值得问的是另一半：当”会做”这件事不再稀缺，我还剩下什么？ 写这篇文章，不是为了给焦虑找一个出口。我只是想把自己这两年在工作里踩过的坑、试出来的方法，认认真真整理一遍——AI 时代的问题是真的，但解法也是真的存在，前提是先把问题看清楚。 一、先把问题看清楚：AI 时代到底带来了什么焦虑之所以让人难受，往往不是因为问题太大，而是因为问题太模糊。把模糊的恐惧拆成具体的问题，一半的恐惧就自己消散了。在我看来，这个时代真正带来的问题只有五个。 1. 技能的快速贬值我用十年练出来的手艺，可能在一个季度里被一个模型追平。 这句话听起来夸张，但对很多具体技能来说是事实：写一个正则、调一段 CSS、搭一套 CRUD、写一个数据清洗脚本——这些曾经需要”经验”的东西，现在描述清楚需求就能拿到八九不离十的结果。 问题不在于技能没用了，而在于**”熟练”本身不再构成壁垒**。过去我们靠”我做过很多遍”建立安全感，现在安全感的地基被抽走了。 ...

每天打开终端，敲下一句自然语言描述，然后看着 AI 自己读代码、改文件、跑测试、修 bug——这已经成为我这一年多来最熟悉的工作方式。但偶尔还是会愣一下：八年前，我们还在为”自动补全猜中了下一行”而惊喜。从补全到副驾，从对话到智能体，AI 编程工具的进化速度快到每隔几个月，”AI 写代码”的含义就要被改写一次。作为一个亲历了整条曲线的程序员，想把这八年的故事认真梳理一遍。 一、前史：编辑器里的”规则智能”在 AI 登场之前，编辑器里的”智能”其实已经存在了几十年，只不过它们背后是一套人工编写的规则，而不是学习出来的模型。 1978 年，贝尔实验室的 Stephen C. Johnson 写出了第一个 lint 工具，用来检查 C 代码里的可疑写法；此后几十年，静态分析、类型推断、代码提示逐渐成为 IDE 的标配。IntelliJ 的类型推断能猜到你方法返回什么，Visual Assist 能补全庞大的 Windows API，但这些能力的本质都一样：人把规则写好，机器照着执行。它们不会”创造”，只会”提醒”。 这个时代留给我们的遗产其实比想象中深远——今天 AI 编程工具依...

七十年前，几个年轻的学者在达特茅斯的校园里争论着一个词能否成立；七十年后，人手一台设备里住着能写诗、画图、聊天的”智能”。人工智能这段历史，从来不是一条笔直向上的技术曲线，而是由无数次豪赌、寒冬与复兴交织而成的潮起潮落。作为一个亲历了这波大模型浪潮的程序员，想借这篇文章，把这七十年的故事认真梳理一遍。 一、孕育期：机器能否思考（1943–1955）故事的种子比”人工智能”这个名字还要早。 1943 年，麦卡洛克（McCulloch）和皮茨（Pitts）提出了第一个人工神经元数学模型，证明简单的阈值单元连成网络原则上可以完成计算——神经网络的思想由此诞生。同一时期，维纳的控制论、香农的信息论相继问世，”用机器模拟智能”在哲学和工程两个层面都做好了准备。 1950 年，图灵在《计算机器与智能》一文中提出了著名的图灵测试：如果一台机器在对话中让人无法分辨它是人还是机器，我们是否有理由称它”会思考”？这篇文章没有给出答案，却立起了此后七十多年整个领域的总靶子。 二、第一次黄金时代：符号主义的豪情（1956–1974）1956 年的达特茅斯会议被公认为人工智能的诞生日。麦卡锡、明斯基...