Code

Cursor 命令行工具（Cursor CLI）近日发布了一项重要更新，引入了多项实用功能，旨在进一步提升开发者在终端中的工作效率和交互体验。 核心功能更新 本次更新的重点功能包括： @ 符号引用文件与目录 现在，用户可以在提示词中直接使用 @ 符号来引用文件和目录。这使得 AI 能够更精准地定位上下文，对于处理大型项目或复杂的文件结构尤为高效。 审查模式（Review Mode） 通过 Ctrl+R 快捷键，可以快速进入一个可视化的审查界面。该界面会清晰地展示 AI 对代码所做的具体修改，让代码审查过程变得前所未有的直观和便捷。 /compress 命令 新增的 /compress 命令可以一键释放上下文窗口空间。在进行长对话时，该功能有助于优化性能和内容相关性，确保 AI 能够始终聚焦于最重要的信息。 MCPs 支持 现在，Cursor CLI 已全面支持 MCPs，这意味着开发者可以利用其强大的扩展能力来完成更复杂的任务。 其他改进 除上述核心功能外，本次更新还包含以下体验和性能优化： Token 计数显示：界面现在会显示 Token 计数，帮助用户更好地管理上下文长度。 兼容性增强：新增了对 AGENTS.md 和 CLAUDE.md 文件的支持，以兼容 Claude Code 等模型。 👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API： 购买 / 了解更多：ai4.plus 备用入口：kk4099.com

对于开发者而言，AI 辅助编程工具已成为提升效率的利器。虽然市面上有 Trae、ChatGPT Plus 等优秀的付费工具，但其订阅费用和使用限制（如请求次数）可能不适合所有用户。本文将介绍一种完全免费的替代方案：将 Anthropic 推出的 Claude Code 作为前端，结合阿里巴巴的 Qwen Coder 大模型作为后端，搭建一套功能强大的本地 AI 编程环境。 核心组件介绍 Claude Code Claude Code 是一款专为开发者设计的 AI 助手，它原生运行在终端中，具备以下核心优势： 代码库理解：能够在短时间内映射并解释整个代码库的结构。 智能搜索与上下文感知：通过 Agentic Search 理解项目结构与依赖关系，为代码生成和修改提供精准的上下文。 高效开发流：显著缩短开发者在查找上下文、实施代码变更和本地测试验证之间的往返时间。 完全免费：无需任何订阅费用即可使用其全部功能。 阿里 Qwen Coder Qwen Coder 是阿里巴巴通义千问团队专门为编程任务优化的代码大模型家族。该系列模型能力强大，并且对开发者非常友好。 模型迭代：经历了从 CodeQwen1.5 到 Qwen3-Coder 的演进，性能不断提升。 旗舰模型：Qwen3-Coder-480B-A35B-Instruct 是其旗舰版本，采用专家混合（Mixture-of-Experts）架构，总参数量达 4800 亿，活跃参数约 350 亿。 超长上下文：原生支持 256K 上下文窗口，并可扩展至 1M，能够处理极其复杂的编程任务。 开放与免费：通过“魔搭社区 (ModelScope)”平台，开发者可以免费获取 API 调用额度，通常每天有 2000 次，足以满足日常开发需求。 环境搭建步骤 搭建过程非常简单，只需几个步骤即可完成。 1. 前提条件 确保你的本地开发环境已经安装了 Node.js。 2. 安装命令行工具 依次执行以下命令，全局安装 Claude Code 及其路由工具 claude-code-router。claude-code-router 的作用是将 Claude Code 的请求转发给我们指定的后端大模型。 ...

本文汇集了关于人工智能（AI）在编程、提示词工程、应用实践及行业发展等方面的深度思考与实战精华。内容涵盖从基础概念辨析到高级 AI 智能体（Agent）构建的宝贵经验，旨在为开发者、产品经理和 AI 爱好者提供一份全面的参考。 一、AI 编程与软件开发变革 AI 正在深刻改变软件开发的全流程，从编码、设计到维护，都涌现出新的模式与挑战。 关于 AI 编程的争议与思考 手写代码 vs. Prompt 生成：当前存在一种观念，认为使用 AI 通过 Prompt 生成代码是更高级、更高效的生产方式，而传统的手动编码则显得落后。 理性看待 AI 编程的“蜜月期”：初次使用 AI 高效完成任务时，容易产生 AI 无所不能的错觉。然而，我们应理性认识到，AI 带来的变革虽然迅猛，但并非颠覆一切。软件开发与产品设计的核心逻辑依然重要，我们可能正站在认知曲线的“愚昧之巅”。 Vibe Coding 与传统开发的类比：Vibe Coding 就像玩老虎机，投入代币（Tokens），拉动拉杆，结果可能中大奖，也可能一无所获。这形象地描述了当前 AI 编程中结果的不确定性。 AI 时代的开发流程：传统开发中“先设计再编码”与“先实现再重构”的争论，在 AI 编程时代有了新的答案。AI 让快速实现原型变得简单，使得迭代和重构的成本大大降低。 AI 编程工具与实践 Claude Code 的强大之处：其核心优势在于强大的基础模型（如 Claude Sonnet 和 Opus），这些模型在编程和 Agent 能力上表现卓越。此外，Anthropic 技术团队在 Code w/ Claude 大会上分享了其最佳实践。 项目实战：两小时构建翻译智能体：通过深度体验 Claude Code，可以在不编写一行代码的情况下，用两小时构建一个功能完善的翻译智能体。它可以处理文本、网址或本地文件，自动提取内容并完成翻译。 敏捷开发仍是最佳实践：无论是传统编程还是 Vibe Coding，最佳实践依然是敏捷（Agile）的迭代开发模式，而非试图一次性生成一个庞大、无法运行和维护的半成品。 AI 结对编程案例：Cloudflare 开源的 Workers OAuth 2.1 Provider 框架项目，完全是与 Claude Code 结对编程完成的。这个案例证明，AI 能够胜任复杂的编程任务，即使最初的代码不完美，也能通过有效沟通快速修复。 维护性挑战：尽管可以使用 Claude 4 在两天内开发出一个复杂的视频编辑器，但这类完全由 AI 生成的复杂系统，后续的维护工作可能极其困难，几乎无法进行。 Codex 评测：与需要开发者结对编程的“实习生”AI（如 Cursor）不同，Codex 更像是“外包员工”。你只需分配任务并验收成果，不合格便可让其重做，直至满意。 Firebase Studio 初体验：Google 推出的在线 AI 开发平台 Firebase Studio 功能强大，其交互设计在某些方面甚至优于 v0.dev，支持两种主要的交互方式并可自由切换。 开发者如何应对变革 提升系统架构能力：随着 AI 编码能力的增强，对程序员编写具体代码的要求可能降低，但对系统架构能力的要求会更高。人类需要负责任务拆解、理解业务全局，这是 AI 目前难以替代的。 未来还需要学习编程吗？：一个引人深思的问题是，如果未来 AI 在编码和系统设计上全面超越人类，我们是否还有必要学习这些技能？这涉及到程序员和架构师的职业前景以及未来软件架构的演变。 二、提示词工程与上下文工程 精确地指导 AI 是发挥其潜力的关键。“提示词工程”和“上下文工程”是其中的核心技术。 ...

Andrej Karpathy 近日分享了他关于 AI 辅助编程的最新思考与工作流。他认为，在当前大模型能力已达到博士级水平的背景下，编程的核心问题正在发生变化。当代码可以被低成本地生成和抛弃时，我们应该如何最大化 AI 的辅助价值？“写代码”和“删代码”哪个更重要？ Karpathy 提出了一套分层式的工具使用哲学，旨在整合不同工具的优势，以应对不同层级的编程任务。 工具分层与使用哲学 核心理念是，不应执着于寻找单一的“完美”工具，而应根据任务的复杂度和性质，灵活地组合使用多个工具。 日常主力：Cursor (Tab 自动补全) 这是 Karpathy 日常工作中使用频率最高的模式，约占其编程时间的 75%。 高效沟通：通过在代码的正确位置编写代码块或注释，可以非常高效地向 AI 传达任务意图和上下文。这种“人类起草，AI 补全”的方式，其信息传递效率远高于纯粹的自然语言对话。 高亮修改：另一种高阶用法是高亮选中一段代码，然后指令 AI 对其进行特定修改。 缺点：需要在使用过程中频繁地手动开关 Tab 自动补全功能，以避免不必要的干扰。 重型武器：Claude Code / Codex 对于功能明确、可直接描述的大块代码生成任务，Karpathy 会使用像 Claude Code 或 Codex 这样的工具。 适用场景： 新领域探索：在接触不熟悉的领域（如 Rust、SQL 命令等）时，这类工具能够快速生成基础代码，实现“凭感觉编程”。 一次性代码：在编写一次性的实用工具或调试代码时非常有用。例如，为了定位一个特定 bug，AI 可以迅速生成上千行详尽的可视化代码，待问题解决后，这些代码可以被毫无负担地删除。 主要问题：缺乏“代码品味” Karpathy 指出，这类工具生成的代码虽然能完成任务，但往往不够“优美”，缺乏良好的代码品味。具体表现为： 防御性过强：频繁滥用 try/catch 结构。 过度抽象：将简单的逻辑复杂化。 代码臃肿：使用冗长的嵌套 if-then-else 结构，而不是更简洁的列表推导或单行表达式。 代码重复：倾向于复制代码块，而不是创建可复用的辅助函数。 此外，他尝试让 AI 在写代码的同时进行教学解释，但效果不佳——AI 似乎只想“埋头写代码”，而不愿意解释过程。 终极防线：GPT-5 Pro 当面对最棘手、最微妙的问题时，Karpathy 将 GPT-5 Pro 视为最后的防线。 攻克顽固 Bug：它能够定位其他工具甚至人类都无法解决的细微 bug。Karpathy 举例说，曾有几次，他和 Cursor、Claude Code 团队被一个 bug 卡了十几分钟，但将所有上下文信息复制给 GPT-5 Pro 后，它在十分钟的思考后成功找到了问题的根源。 深度分析与研究：GPT-5 Pro 在挖掘生僻文档、论文资料方面表现出色。Karpathy 也用它来处理更复杂的任务，例如： 就如何优化代码抽象征求建议。 围绕特定主题进行完整的文献综述。 迎接“代码后稀缺时代” Karpathy 的工作流背后，是一个核心概念的转变——我们已经进入了**“代码后稀缺时代”**。 ...

当您在 Cursor 编辑器中尝试使用 Claude 4.0 系列模型时，可能会遇到因地域限制而无法访问的提示。本文将分析该问题的原因并提供一个简单有效的解决方案。 问题现象 在 Cursor 中选择 Claude 4.0 模型（如 Claude 4.0 Sonnet 或 Opus）进行对话时，系统会返回类似“您所在的地区无法使用此模型”的错误信息，导致无法正常与 AI 交互。 问题原因 Cursor 本身是一个集成了多种 AI 能力的 IDE，它并不自行研发大模型。它通过调用 OpenAI、Anthropic (Claude 的开发商) 等第三方模型提供商的 API 来实现其强大的 AI 功能。 因此，地域限制并非由 Cursor 设置，而是源于上游模型提供商（如 Anthropic）的服务政策。这些政策通常会限制其服务在特定国家或地区的可用性。即使用户拥有合法的付费账户，只要检测到请求来自受限地区，服务依然会被拒绝。 解决方案 针对此问题，可以通过调整 Cursor 的网络设置来解决。具体步骤如下： 打开 Cursor 的设置界面。 在 macOS 上，点击菜单栏 Cursor -> Preferences。 在 Windows/Linux 上，点击菜单栏 File -> Preferences -> Settings。 在设置界面中，找到并点击 Cursor Settings。 在 Cursor Settings 页面中，定位到 Network 配置部分。 将 HTTP Mode 的设置项从默认值修改为 HTTP/1.0。 ...

近期，DeepSeek 发布了其模型的全新升级版——DeepSeek-V3.1。该模型在权威的 Aider 编程榜单上取得了 76.3% 的高分，超越了 Claude 3 Opus，再次登顶全球开源编程大模型榜首。 本文将深入解析 DeepSeek-V3.1 的核心技术升级，并通过实际操作，展示其强大的智能体（Agent）编程能力。 V3.1 的核心升级 根据官方介绍，DeepSeek-V3.1 主要带来了三方面的显著提升： 思考模式优化：引入“思维链压缩”技术，在减少输出 Token 的同时，保证甚至提升了答案质量。 智能体能力增强：在编码和搜索等智能体任务上性能大幅跃升，向更自主的 AI 智能体迈出了重要一步。 推理效率提升：优化后的模型在推理效率上与 OpenAI 的顶尖模型相当，响应更快。 在开始深入分析前，我们先对新模型进行一个简单的“身份鉴定”。当被问及其身份时，V3.1 能够清晰、准确地回答，这表明模型在迭代升级后仍能保持良好的自我认知。 技术解析：思维链压缩 本次升级中最引人注目的技术之一是“思维链压缩”（Chain-of-Thought Compression）。它旨在解决一个核心矛盾：如何在保证答案质量的同时，让模型的输出更加简洁高效。 为什么“更简洁”意味着“更困难”？ 我们可以通过一个简单的类比来理解这项技术的挑战性： 想象一下两个写作任务： 任务 A：用 500 字写一篇观点清晰、论据充分的影评。 任务 B：用 150 字写一篇同样水平的影评。 显然，任务 B 的难度要大得多。它要求作者对电影有更深刻的理解，能精准捕捉核心观点，并用最精炼的语言表达出来，不容任何冗余。这对作者的概括、逻辑和语言组织能力提出了更高的要求。 同理，让大模型用更少的 Token 输出高质量答案，是对其能力的一次极限考验。 工作原理 思维链压缩技术通过以下方式实现： 简化推理过程：模型首先生成一个完整的、详细的“思维链”（CoT），然后通过技术手段将其压缩成更精炼的形式。 传统 CoT 示例： “约翰有5个苹果，他吃了2个，所以还剩下5-2=3个。然后他又买了4个，所以现在有3+4=7个。因此，答案是7。” 压缩后输出： “约翰吃完剩3个，加上新买的4个，总共7个。” 强化学习训练：模型通过生成大量的压缩思维链样本进行训练。在训练过程中，采用强化学习技术，同时对两个目标进行奖励： 答案的正确性 回复的简洁性 通过这种方式，模型学会了在保持逻辑完整和答案准确的前提下，生成更简短、更高效的回答。 在官网实际测试中，即使不开启深度思考模式（DeepThink），V3.1 的回答也相当完整且语言精炼。开启 DeepThink 模式后，其展示的思维链也变得更为精简。 智能体（Agent）能力跃升 智能体是 AIGC 发展的关键方向，而 DeepSeek-V3.1 在这方面取得了巨大进步。 ...