归档 - 个人成长抓手

小技巧的复利：工程效率藏在细枝末节里

文章认为，日常研发效率很大部分来自零碎小技巧，如终端反向模糊搜索、执行计划加 analyze、指标取对数分桶、复用连接降延迟。大重构收益台阶式且高风险，小技巧则复利积累，门槛低、扩散快。但技巧常留在个人脑中，人走即失，应把高频命令写进脚本、关键参数写进模板、排查经验写进新人清单，转为团队资产。许多团队不做，是因为这类沉淀不产生可汇报进度，难进季度计划。与其等大改造，不如先记录团队里反复出现的顺手操作，工程能力往往是被攒出来的。

科技笔记

09-02

9月 Serenity

把“模型不对劲”写成例行报告：AI 治理开始补上披露这一环

OpenAI 九月发布“模型失配”报告框架，说明如何跟踪、调查和披露意外或令人担忧的模型行为，并公开过去六个月六份案例。此前做法较临时，常等凑成报告或塞进系统卡，披露频率不理想。新框架要求观察后尽快发布，即使尚未解释清楚或完成缓解；理由是行业对齐与监控仍不足，判断应让外部可逐条检视。例行披露如账本，须经得起前后对比和第三方重析。对企业而言，自动化系统应设“异常必须留痕”机制，确保能记录、复现并说明决策链。可追溯记录是产品可信度的一部分，早建比事后补说明更省。

科技笔记

09-02

9月 Serenity

十万张国产卡上的推理栈：模型开始参与修建自己的跑道

GLM团队发文称，已在超十万张国产AI加速器上从零搭建生产级推理服务，GLM-5.3-Flash全部生产推理运行其上，两周内吞吐量提升三倍；大量工程由GLM-5.3驱动的Infra Agent完成。该模型匿名上线两平台后一周内成为最高使用量模型，六天处理62万亿token。真正门槛是智能体工程闭环：让模型持续获得反馈、检验判断、修正动作；但目标选择、边界与风险仍由人负责。自建推理栈正从豪赌变成可做工程，壁垒转向反馈数据与运维经验。

科技笔记

09-02

9月 Serenity