让 AI 起变量名和函数名，我留下的几条品味规矩
让 AI 起变量名和函数名，我留下的几条品味规矩命名一直是我写代码时最磨蹭的环节之一 名字起糊了，后面读代码的人（包括一个月后的我）会一直付税 AI 很擅长甩出一串候选名，也很容易甩出看起来专业、读起来空洞的名字 这篇文章记我让它起名时留下的几条规矩——不是语法规范全文，是品味上的取舍 我愿意让 AI 起名，前提是： 我已经能用一句话说明“这个东西在业务里干什么” 我要的是 3–5 个候选，不是一个“最佳答案” 最终选定权在我，尤其是会进公共 API、表字段、事件名的那些 一上来就说“给个好名字”，它常会给你 handleUserData、processInfo、manageService 这类语法正确但语义稀释的词 候选机模式能逼它发散，也逼我比较
2026-10-14鱼鱼
JVM源码解析 从Launcher类浅谈ClassLoader(类加载器及双亲委派)
JVM源码解析 从Launcher类浅谈ClassLoader(类加载器及双亲委派)首先普及ClassLoader的基础：所有的Java类都是由ClassLoader由class文件加载进内存的，对于一个类，其唯一标识就是类名+加载他的ClassLoader（亦即对于不同的 ClassLoader，即使是加载了同一个Class也不能互通，本质上是两个类），其基本的分类如下图： BootstrapClassLoader是一个特殊的ClassLoader，负责启动时加载jre的类库 并不继承于ClassLoader，因为是jvm逻辑的一部分； ExtClassLoader也会加载jre类库，但是会加载那些额外的扩展类库(jre\lib\ext目录)，到这个级别的 类加载器已经可以直接在代码中使用了；
2020-11-28鱼鱼
给仓库写一份 AGENTS.md：让 AI 编程助手少走弯路
给仓库写一份 AGENTS.md：让 AI 编程助手少走弯路用 AI 编程助手久了，你大概会有一种“祥林嫂”式的疲惫：每开一个新会话，就得把同样的话再说一遍 “我们用 pnpm，不是 npm ”“跑测试要加这个参数，不然会连真实数据库 ”“generated 目录下的代码是自动生成的，别改 ”“提交信息要按这个格式写 ” 说一次两次还好，说到第十次，就会开始怀疑人生 更糟糕的是，你偶尔忘了说，AI 就会理直气壮地按自己的默认习惯来，然后你再花时间收拾 解决这个问题的办法其实很朴素：把这些话写下来，放进仓库，让 AI 每次开工前自己读 这就是 AGENTS.md 要干的事 图片来源：rawpixel.com（CC0 1.0） 一句话：给 AI 看的 README
2026-10-14鱼鱼
AI 补全和整段生成，我什么时候用哪种
AI 补全和整段生成，我什么时候用哪种用 AI 写代码久了，我会下意识把它分成两种节奏：一种是编辑器里那个“跟着你敲”的补全；另一种是对话框里“给我写一整段 / 一整文件”的生成 表面上都是 AI 在写，体感完全不一样 补全像有人在旁边帮你把下一句顺出来；整段生成像你把需求扔出去，过一会儿收回来一份成品 我早期几乎只用后者，觉得效率高；后来越写越觉得：很多时候，补全才是更省心的那一个 这篇就聊聊我现在怎么选 补全的好处很直观——上下文就在光标周围，你刚写的函数名、变量名、注释，它都能“看见” 你按 tab 接受一行，再敲两下，它继续跟 这种节奏很接近自己写，只是手变快了一点 我特别喜欢在这些场景用补全： 写样板代码：DTO 字段、简单的 getter/mapper、重复的校验
2026-10-14鱼鱼
接手陌生代码库的第一周，我让 AI 当向导
接手陌生代码库的第一周，我让 AI 当向导前阵子我接手了一个老服务 说它老，不是说技术栈有多古早，而是它经历过好几拨人：最早写它的人早就转岗了，中间有人加过功能，也有人做过“临时方案”，README 停留在两年前的某次重构之前 给我的熟悉时间大概是一周，之后就要开始接需求 以前遇到这种情况，我的套路是从启动类开始一路点进去，点到头晕，再去翻提交记录，看看谁改得最多，厚着脸皮去问 这次我换了个方式：让 AI 陪我读 一周下来，感受挺复杂的——它确实让我快了不少，但也有几次差点把我带进沟里 这篇就记一下我是怎么用的，哪些地方好用，哪些地方我后来学乖了 我犯的第一个错，就是一上来问它：“帮我介绍一下这个项目的整体架构 ”
2026-10-14鱼鱼
让 AI 把 Python 脚本改写成 Java：跨语言迁移时它最容易丢的东西
让 AI 把 Python 脚本改写成 Java：跨语言迁移时它最容易丢的东西组里有不少“历史脚本”：某个同事几年前用 Python 写的数据清洗、对账、报表生成，跑在一台机器的定时任务里，没人敢动 最近要把其中几个并进 Java 服务，统一部署、统一监控 这种活交给 AI 再合适不过了：输入输出都明确，代码量不大，几百行 Python，它几分钟就能吐出一份结构工整的 Java 第一份迁移我差点直接合进去 代码能编译，单测能过，命名比原脚本还讲究 后来是跑了一遍真实数据对比，才发现有几十行结果和老脚本对不上 查下来，没有一处是“写错了”，全是两门语言默认行为不一样，AI 按字面翻译了语法，却没翻译语义 这篇整理一下我踩到的这些差异，以及现在怎么让 AI 做迁移才比较放心
2026-10-16鱼鱼
把报错贴给 AI 之前，我先做的三件事
把报错贴给 AI 之前，我先做的三件事以前一看到红字堆栈，我的第一反应几乎是：全选、复制、粘贴进 AI 对话框，然后等它告诉我怎么改 说实话，这个习惯有一段时间挺好用 很多常见错误，它一眼就能看出来，比我自己翻文档快 可后来我发现，有一半以上“贴完还是修不好”的情况，并不是 AI 不行，而是我把一坨还没整理过的信息甩给了它 它只能在这坨信息上猜，猜错了也不奇怪 现在我会强迫自己先做三件小事，再决定要不要问、怎么问 这三件事加起来通常不超过五分钟，但后面少绕很多弯路 不是真的要自己把根因找出来，而是先回答两个很朴素的问题： 这条报错，我看得懂“是什么”吗？发生的位置，离我刚改的代码近吗？ 很多堆栈很长，真正有用的往往就那么几行：异常类型、消息正文、以及“第一次进入我自己代码”的那一帧
2026-10-14鱼鱼
ES快速入门(2)——Tokenizer、Reindex
ES快速入门(2)——Tokenizer、Reindex本篇介绍es提供的几种分词分析器和常用的开源分词分析器 es默认的分词器，中规中矩的按照 Unicode Standard Annex #29分词，一般的小写符号会忽略，对于中文等字符会逐字分割，参数max_token_length表示最大的字符长度，再切分后会继续按此切分 譬如： 会分词为： 一个无视语义，按照字符尽量收集全索引的分词方式，会前后叠加的按符号位分词，参数： 会分词为： nGram的分词很全面，但如此夸张的方式用不好会导致索引doc过大，同时使查询效率偏低 分词规则很简单，无其余规则的按空格分词： 会分词为： 在standard的基础上能够有效拆分出邮箱和url地址的格式，同样有max_token_length这一参数：
![ES快速入门(2)——Tokenizer、Reindex]()
2020-09-05鱼鱼
Agent 并行调用工具：哪些能一起跑，哪些必须排队
Agent 并行调用工具：哪些能一起跑，哪些必须排队现在不少模型接口都允许模型在一轮回复里同时发起多个工具调用 对写 Agent 的人来说，这是个很诱人的能力：读五个文件不用等五轮，查三个接口可以一起发，整体耗时一下子降下来 我第一次给自己的 Agent 打开并行执行时，体感确实快了不少 然后就开始出怪事：有一次它在同一批调用里既改了一个文件，又跑了测试，测试跑的却是改之前的代码，结果它看着“通过”的测试，宣布任务完成 还有一次，两个写文件的调用同时改同一个配置文件，后写的把先写的覆盖了，日志里两个调用都显示成功 这些问题让我明白：模型愿意并行，不代表这些调用适合并行 模型给出的只是“我想做这几件事”，至于能不能同时做，得由执行层来判断
2026-10-16鱼鱼
AI 建议装新依赖时，我怎么查验再动手
AI 建议装新依赖时，我怎么查验再动手结对写代码时，AI 很爱给一种“干净解法”：装一个库，三行调用，问题消失 有时这确实是正道；有时则是把一个五分钟能写完的小函数，换成十年后还要付账的依赖 我吃过亏：当时图省事装了包，后来发现维护停滞、传递依赖一堆、许可证也不理想 卸载比安装痛 所以现在但凡 AI 说“建议安装某某”，我会先走一套很短的查验，再决定装不装 查验的第零步不是搜包，而是判断需求本身 若是加密、图像处理、成熟协议实现——自己造轮子风险更大，倾向用维护良好的库 若是拼接查询字符串、简单重试、薄封装——先看标准库或现有工具能不能扛 我会明确问 AI：“不用新依赖，用标准库怎么写？代价是什么？”它若给不出合理的无依赖方案，只是单方面推销某个包，我反而更警惕
2026-10-14鱼鱼
ES快速入门(I)——分析分词器
ES快速入门(I)——分析分词器本文旨在快速入门Elasticsearch的分词，包括分词分析器的创建和介绍对比等，请确保在阅读前已经搭建好完备的集群 文章基于es7.0+，与稍旧版本的主要区别是没有type 在讨论分词前，我们先看一下es整体创建倒排的分词过程： 我们常说的分词器指的其实是“分析器”analyzer，es将以上常用的逻辑封装起来成为analyzer，但是语义上的分词器是指上面的tokenizer 经过了三层处理后拿到了terms数组建立最终的倒排索引： character filter：一般不会用到这个filter，是在分词前对原有的文档字段内容做转换，例如去除html的标签提取出正文内容，按正则清除和替换某些内容，你可以指定及自定义0个到多个character filter，他们将共同存在，一个文本流在经过character filter处理后，依然是文本流；
![ES快速入门(I)——分析分词器]()
2020-09-01鱼鱼
用 AI 写周报和站会更新：我留下的几条「别丢人」规矩
用 AI 写周报和站会更新：我留下的几条「别丢人」规矩周报和站会更新，我以前最烦：明明一周干了不少事，一提笔就变成「推进了若干事项」「持续跟进中」 后来我开始扔给 AI 起草，效率是上来了，但笑不出来的次数也多了——它会帮你把话说得更像在汇报，却不一定更像在讲真话 这篇文章记我怎么用 AI 写周报/站会，以及几条「别丢人」的硬规矩 不是教大家写漂亮，是教大家少踩那种听起来很满、一问就空的坑 站会更新通常就三五行：昨天做了啥、今天打算啥、有没有卡点 周报稍长一点，但本质一样——用事实把进度钉住 这类文字格式固定、重复度高，很适合让 AI 从 git log、PR 列表、issue 评论里先拼一版草稿 我自己的流程很土： 先导出本周相关 commit / PR 标题（或自己列子弹）
2026-10-15鱼鱼
