AI 时代，胜出的那批人应该是：

1️⃣ 大量使用 AI

2️⃣ 刻意做大脑思考训练，让自己的思考能超过 average thinking

–––
其中2️⃣应该有一些前提：

1️⃣ 筛选自己的信息源

2️⃣ 专注自己的注意力

在的 AI 时代，越来越多自媒体宣传"自动化生产内容workflow"。

但是每次看到手撸的文字，反而有种看早期知乎的珍惜感，于是克服上滑的欲望读完这种文字。

高质量的内容，应该越来越突出才是正确的事情

在看 Lex Feidman 和 Telegram 创始人的访问

👉🏻油管：www.youtube.com

想到了一个点："在AI时代，我们需要克服大脑的懒惰，更多地调用自己的大脑想得更深入，AI 让答案来得太轻松了"

Browser 这是要成为 AI 的兵家必争之地啊，给 Agent 提供一个稳定的 Infra 环境来提供 Context 这事应该被越来越多人意识到了

Claude 用于coding 很好，但是 Anthropic 这家公司的政治倾向，真的让人喜欢不起来

(话说以后要是 claude code, Cursor, Trae 都用不上 claude 了大家都用什么模型编程🤔)

有启发，真的是得运动

AI Agent 开发有感：

1️⃣ 【Agent + 数据库】将是基本工程实现，过去是 API/固定功能实现 + 数据库

2️⃣ text-2-sql 是 【Agent+数据库】的核心节点之一

3️⃣ text-2-sql 的实现细节比很多人想的更复杂，

👉🏻比如 LLM 引用错误的 schema columns(幻觉)

👉🏻比如 LLM 生成 SQL 引用字段不稳定导致同一个用户意图结果差距巨大

👉🏻比如生成 SQL 的 where clause 每次筛选的 value 也都不一样

4️⃣ 当下的数据库/数仓设计都不是完全 Agent Ready 的

包括但不限于 DB Schema 设计、哪些字段用于 SQL filter，哪些用于 embedding similarity ranking

什么样的 database 才是 Agent 友好的❓

5️⃣ 这些都和上一代 SaaS/互联网工程实现不一样，有种转行了的感觉

回想 AI Agent 应用爆发这段时间以来，一线开发过程有几个明显的认知：

1️⃣ 最重要的事其实只有一件：千方百计给 LLM 提供 Context，由 LLM 提供智能

2️⃣ Agent 交互：为 Agent 创建一个 infra env 很重要。

Agent 在 infra 里异步执行，然后使用 Browser Use/MCP/Function Call 作为自己的手和脚与现在的软件世界交互

3️⃣ 人机交互：human in the loop，至少在目前 LLM 的技术能力下，需要人类更多参与其中来提供来解决信任LLM的问题

每当一个人想炫耀，就会做一些奇奇怪怪不合逻辑的事情，但是自己不知道

Trae 资深用户来字节参加 Trae AI切磋大会了

最近每天使用 Trae 超过 10h，Trae除了有时会崩溃之外，还是很好用的

现在已经超过 Cursor 成为我的主力开发IDE 了

积累了很多 AI 编程的最佳实践零零碎碎记录在notion，有空得梳理下写出来