laosuan的博客

more haste, less speed.

Claude Code 源码分析(一):核心模块与数据流

用 AI 读 AI 的源码,这件事本身就很有趣

为什么要读 Claude Code 的源码 大多数人用 Claude Code,停留在”会用”这个层面。 会用,当然不错。但”会用”和”懂它”之间,有一条巨大的鸿沟。你在鸿沟的这边,它就是一个黑盒——你输入一句话,它输出一堆代码,中间发生了什么,你一无所知。 而当你跨过这条鸿沟,站到另一边,你会发现:Claude Code 的架构设计,本身就是一堂极好的软件工程课。 这是一个系列的第...

Claude Code Source Analysis (Part 1): Core Modules and Data Flow

Using AI to read AI's source code — that's kind of meta, isn't it?

Why Read Claude Code’s Source? Most people who use Claude Code stay at the “I can use it” level. That’s fine. But between “using it” and “understanding it” lies a massive gap. On this side of the...

AI时代工程师的核心价值:淘汰的是动作,留下的是能力

很多人都在焦虑,说 AI 越来越强大,程序员是不是要失业了? 其实,你只要稍微深入思考一下,就会发现:AI 淘汰的只是“写代码”这个动作,而不是“做工程”这个能力。 代码从来都只是手段,而不是目的。你写代码是为了解决问题,为了创造价值,而不是为了写代码而写代码。在 AI 时代,应用工程师的核心价值到底在哪里?在于:理解需求、设计系统、做架构决策、处理边界情况、调试复杂问题。 这些事情,...

Hack your mind

1 重塑你的信息源; 食物塑造你的身体,信息塑造你的灵魂. 2 频繁有规律的有氧运动+冥想; 分泌大量有利于大脑的激素, 减少依赖极其有限的意志力去做事情. 3 把重心放在你感兴趣的工作内容上; 无法让你早起的工作是不值得去做的.

人工智能自然语言处理NLP

RNN理论发展历程 2014年 Seq2seq - GRU Learning phrase representations Seq2Seq Learning with NN 2015年 Attention 出现 Neural Machine Translation https://arxiv.org/pdf/1409.0473.pdf 2015年 A...

拷贝&拓展ubuntu系统

拷贝硬盘 windows下使用 #linux下使用dd命令,我的根目录所在的分区是/dev/sdb5,新硬盘划分的是/dev/sda1。 dd if=/dev/sdb5 of=/dev/sda1 #由于dd命令没有展示中间过程,因此使用另一条命令来让他输出中间过程: watch -n 5 killall -USR1 dd 拓展硬盘分区 sudo apt-get install ...

使用Xcode

快捷键 // Right click and choose Reveal in Project Navigator ⇧ + ⌘ + J // History (back/forward) Cmd + Ctrl + ← // Moving Lines (⌥ + ⌘ + [ and ⌥ + ⌘ + ]) // Jump to Definition (⌃ + ⌘ + J or ⌃ + ...

MacOS右shift键切换输入法

背景 键盘升级到HHKB后,由于缺失caps键,切换输入法改为了用左shift键完成。但这样存在一个问题,经常会在输入大写字母时不小心切换了输入法,相当恼人。而系统设置中切换输入法的快捷键设置不能配置单个按键,于是找到一个更改按键的神器karabiner,能将右shift键绑定为按下多个按键,从而实现单键切换输入法,实际用过一段时间下来感觉很方便。 官网链接: https://kara...

js相关

更新依赖版本 激进更新所有包 npm i -g npm-check-updates ncu -u npm install --- 保守更新指定包 npm update <package-name> 正则查询 this.setState\(\{[\s\S]*answer:

机器学习之稀疏学习

第六章 机器学习之稀疏学习 简单介绍稀疏学习所处的位置,作用,以及常见应用. 6.1 L1正则化 相关定义: 在先前未观测到的输入上表现良好的能力被称为泛化(generalization) 欠拟合是指模型不能在训练集上获得足够低的误差。而过拟合是指训练误差和和测试误差之间的差距太大。 通过调整模型的容量(capacity),我们可以控制模型是否偏向于过拟合或者欠拟合。通俗地,模型的...