共有 450 篇文章
在用 Claude Code、Cursor、CodeX 等 AI 辅助写代码的你，是否也遇到过这样两难：宣传里动辄“90% 代码由 AI 生成”，现实中却频繁踩到调试时间增加、隐性安全漏洞、功能跑起来但并不满足业务需求？如何把“聊天式、灵感式”的探索编码，升级为团队可依赖、可验证、可治理的生产级流程？ 答案是：把“规范”变成事实来源，让 AI 依据规范稳定生成代码，并用系统化的校验把质量守住。...
> 作为 Claude Code 的深度用户，看到这篇文章觉得非常好，因此推荐给大家。原文链接：How I Use Every Claude Code Featurehttps://blog.sshh.io/p/how-i-use-every-claude-code-feature，下面是本篇文章的翻译，根据实际情况选择阅读。 我非常频繁地使用 Claude Code。...
权力反转（The Power Inversion） 几十年来，代码一直是王者。规范服务于代码——它们是我们在开始所谓“真正的编码工作”之前搭建、而后丢弃的脚手架。我们写 PRD 来指导开发，编写设计文档来辅助实现，绘制图表来可视化架构。但这些始终从属于代码本身。代码才是真理，其他充其量只是善意的意图。代码是唯一的真实来源，而当代码不断向前推进时，规范很少能跟上。由于资产（代码）与实现是一体，若不从...
在一些需要高质量文本转语音（TTS）的场景中（比如：有声书配音、播客等）。之前介绍的EdgeTTShttps://didispace.com/posts/454方案可能效果没有那么好。此时就比较推荐使用 MiniMax、CosyVoice这些提供的音色，这些音色的效果会更加拟人、逼真，接近真人发音。这里依然通过 UnifiedTTS...
我们常以为接口的瓶颈在数据库或业务逻辑，但在高并发、海量请求下，真正吞噬 CPU 的，可能是“把对象变成 JSON”的那一步。当监控把序列化时间单独拆出来，你会惊讶它能让账单失控。这篇《The Hidden Cost of Jackson Serialization》对我启发很大：默认好用的 Jackson，在某些场景可能成为热路径的成本中心。下面顺手分享给大家参考，以下内容翻译整理自 《The...
在软件工程的共识里，变量命名越清晰越好——意图明确、语义完整、见名知意，这能降低沟通成本、减少误解、提升可维护性。几乎所有风格指南都把“有意义的命名”视为第一原则。 但今天读到的一篇文章《Java Performs Better When You Misspell Variable Names》https://medium.com/javarevisited/java-performs-bette...
Spring Boot集成免费的EdgeTTS实现文本转语音 引言 在需要文本转语音（TTS）的应用场景中（如语音助手、语音通知、内容播报等），Java生态缺少类似Python生态的Edge TTS 客户端库。不过没关系，现在可以通过 UnifiedTTS 提供的 API 来调用免费的 EdgeTTS 能力。同时，UnifiedTTS 还支持 Azure TTS、MiniMax...
使用 ONNX 将 AI 推理引入 Java：企业架构师实用指南 引言 虽然 Python 主导了机器学习生态，但大多数企业应用仍运行在 Java 上。这种脱节造成了部署瓶颈。用 PyTorchhttps://pytorch.org/ 或 Hugging Facehttps://huggingface.co/ 训练的模型在生产中往往需要 REST...
引言 在企业软件世界中，Java 依靠其可靠性、可移植性与丰富生态持续占据主导地位。 然而，一旦涉及高性能计算（HPC）或数据密集型作业，Java 的托管运行时与垃圾回收开销会在满足现代应用的低延迟与高吞吐需求上带来挑战，尤其是那些涉及实时分析、海量日志管道或深度计算的场景。 与此同时，最初为图像渲染设计的图形处理器（GPU）已成为并行计算的实用加速器。 像 CUDA 这样的技术让开发者能够驾驭...
1. 概述 越来越多的现代应用开始集成大型语言模型（LLM），以构建更智能的功能。虽然一个 LLM 能胜任多种任务，但只依赖单一模型并不总是最优。 不同模型各有侧重：有的擅长技术分析，有的更适合创意写作。简单任务更适合轻量、性价比高的模型；复杂任务则交给更强大的模型。 本文将演示如何借助 Spring AI，在 Spring Boot 应用中集成多个 LLM。...