beyondstars

跨平台 scripting 应当用 python ，AI 也擅长写 python, 人 review python 起来也容易。

尽早以文本的形式固化项目约束，每隔几个月模型就会降智以迎接新模型。

技术债不是技术问题，技术债是管理问题。

AI 来了，工资没变甚至降低，要干的活增多，内存和存储价格飙升，社区技术氛围同质化（都在讨论怎么用 AI ，你有任何启发性的原创性的想法都会有人在下面刷“干嘛不直接用 AI“，仿佛自己想搞明白什么就是有罪），对任何软件也都觉得自己能用 AI 复刻，所以对劳动和分享没有基本的尊重（口味变得挑剔，傲慢地要求开发者什么都实现），不愿意 star （ AI 项目除外），也不愿意付费。

总之 AI 来了，这个世界就更接近 shithole 了，一切都在把人往牲口来驱使，把人异化成机器（不允许有自己的想法，你愿意自己琢磨不用 AI 快速完成就是原罪，因为你拖慢了“团队”效率）。

我已经开始认真考虑换个行业了。

linux mail list 都开始对 AI Slop 进行吐槽了： https://lkml.org/lkml/2026/5/17/896 这种极短时间内（~1d ）刷大量 PR 的行为并不值得提倡。

AI 推翻了一个几十年未决的数学猜想 https://wallstreetcn.com/articles/3772780 ，说 AI 没有创造力的可以了解下。

关注的重点就错了：

1. 别问能不能事无巨细的记住，你还想把 AI 模型当做一个 ES 那样的 reverse Index 用么？能不能记住所有根本不重要。
2. 多关心 AI 最需要知道的上下文，有没有有效地提供。

AI 开发每个 submodule 时，确保 AI 能读到 gotcha, 要点，pattern ，concerns ，确保信息的同步和一致，在 ** AI 知道的和你知道的一样多的前提下 **，再来评判 AI 的能力，我觉得这样才是公平的。

playwright mcp
chrome devtools mcp
kimi web bridge

接入一个 mathematica 的 skill/mcp 你甚至可以让 agent 准确无误地计算不定积分，只要 llm 足够聪明找得到正确的工具调用。