mykel

在 Web3 和 AI 的交叉地带持续搭系统、做产品、跑通从想法到落地的最后一公里。

[mykel @aimykel]

真心请教北京户口园区可以去吗？？

[mykel @aimykel]

AI 让“代码行”的价值���降，但没有让“工程责任”消失

你仍然可以用喜欢的手写方式写代码，但在职���市场里，这种方式可能越来越难卖出高价。

但这不等于工程师没价值。相反，价值会迁移到：

需求拆解；
系统边界；
架构决策；
数据模型；
测试策略；
代码审查；
安全性；
线上稳定性；
长期可维护性。

也有人说，“coding”和“problem solving”是两件事：代码只是实现解决方案的媒介。如果你爱的是解决问题，AI 反而能让你更快前进。

以后“会写代码”会变成基础能力，“能把复杂系统正确交付”才是核心能力。

[mykel @aimykel]

不要把 AI 工作流设计成“生成代码 → 看看能不能跑”。
更好的模式是：
Parent ADR / 架构约束 → Beads 拆分 → 每个 bead 单独实现 → 每个 PR 只承载一种变化 → Agent 自查 → 人类 review → 合并

其中最关键的是两点：

第一，bead 要天然可 review。
不要一个 bead 同时改 schema、写业务逻辑、重构目录、加测试、改 UI。最好一个 bead 只做一个垂直切片或一种变更类型。

第二，review 不只是看代码，而是验证代码是否仍然服从 ADR。
也就是说，review checklist 里应该有：是否偏离架构？是否重复已有能力？是否引入未来暂时不用的抽象？是否违反数据模型？测试是否真的覆盖业务行为？

[mykel @aimykel]

最值得借鉴的一套 AI coding 工作流
第一步：人写设计
包括目标、非目标、接口、数据结构、边界条件、异常、验收标准。

第二步：AI 做代码库侦察
让它找相关文件、调用链、已有模式、潜在影响面。

第三步：AI 输出实现计划
只允许它写计划，不直接改代码。
第四步：新上下文执行小任务
一次只改有限文件，最好 10 个文件以内。

第五步：自动验证
跑 test、lint、typecheck、build。

第六步：人类 review
重点看架构一致性、安全、边界、重复逻辑、错误处理。

ADR / spec / beads / task → 小范围实现 → 强测试验证 → 人审查合并。

[mykel @aimykel]

不要把 AI 当成替代程序员的魔法，而要把它当成会高速产出代码的 junior/senior hybrid；真正危险的不是 AI 写代码，而是人放弃设计、判断和责任。

[mykel @aimykel]

AI 不是代码质量的替代品，而是质量体系的放大器。

流程好，AI 放大生产力。
流程差，AI 放大技术债。
真正要落地的不是“让 AI 多写代码”，而是重新设计工程质量体系：

1）ADR / spec 先行
先讲清楚架构决策、数据模型、边界、失败路径、回滚方案。

2）任务拆到 atomic
每个任务都要小到 AI 和人都能理解、测试、回滚。

3）控制上下文
AGENTS.md / skills 只放必要信息。
不要把 100 个 skill 全塞根目录。
上下文越脏，AI 越容易误判。

4）PR 审 owner，不审来源
重点不是“是不是 AI 写的”，
而是“你是否真正拥有这段代码”。
合并者必须能解释设计、风险、测试和回滚。

5）AI review 前置
AI 可以做高级 linter、reviewer、auto-fix，
但最终背书和责任仍然在人。

6）低层实现可自动化，核心边界必须严格
命名、格式、样板代码可以交给 AI；
架构、数据一致性、安全、可观测性、测试，不能放松。

AI 时代的工程能力，不是少写代码，而是设计更好的质量体系。

[d.Pro @dProClaw]

⚽️ The Complete Guide to World Cup Prediction Markets

A thread 🧵👇

1/ The 2026 FIFA World Cup isn't just the biggest sporting event on the planet.

It's also becoming one of the largest prediction market events ever.

Billions of dollars are expected to be traded on World Cup outcomes.

Here's everything you need to know. 👇

[d.Pro @dProClaw]

https://t.co/IbCSAxjpzC just launched the ultimate World Cup Hub. ⚽️

The first platform to aggregate both Polymarket and Hyperliquid World Cup markets.

Everything you need in one place:

• All 64 matches with live odds
• Tournament & group markets
• Smart Money leaderboard
• Full portfolio tracker

Over $1.77B has already been traded across World Cup prediction markets.

Track the odds. Follow the smart money. Manage your positions.

Are you positioned? 👇

https://t.co/zh2OD6Y2me

[mykel @aimykel]

@ai_9684xtpa https://t.co/PdzwWr7HAK 数据挺全的，牛逼

[mykel @aimykel]

世界杯��上开始了，用���个平台赌球，大佬推荐一下，感激不尽

[mykel @aimykel]

@ai_9684xtpa 这是哪个交易平台？

[Avi Chawla @_avichawla]

RAG vs. CAG, clearly explained!

RAG is great, but it has a major problem:

Every query hits the vector DB. Even for static information that hasn't changed in months.

This is expensive, slow, and unnecessary.

Cache-Augmented Generation (CAG) addresses this issue by enabling the model to "remember" static information directly in its key-value (KV) memory.

In fact, you can combine RAG and CAG for the best of both worlds.

Here's how it works:

RAG + CAG splits your knowledge into two layers:

↳ Static data (policies, documentation) gets cached once in the model's KV memory

↳ Dynamic data (recent updates, live documents) gets fetched via retrieval

This gives faster inference, lower costs, and less redundancy.

The trick is being selective about what you cache.

Only cache static, high-value knowledge that rarely changes. If you cache everything, you'll hit context limits. Separating "cold" (cacheable) and "hot" (retrievable) data keeps this system reliable.

You can start today. OpenAI and Anthropic already support prompt caching in their APIs.

I have shared my recent article on prompt caching below if you want to dive deeper.

👉 Over to you: Have you tried CAG in production yet?

[烁皓 @eternityspring]

https://t.co/fuKvafbeDj

[Saito @SaitoWu]

https://t.co/Gz67WmfW0E

[Mr Panda @PandaTalk8]

https://t.co/NWJDtvy6mO

[Tw93 @HiTw93]

https://t.co/RTkJ3NQKeS

[mykel @aimykel]

@im23pds 也许像交水电费吧

[mykel @aimykel]

@PandaTalk8 以前讨论哪种语言好，现在讨论哪个模型牛

[mykel @aimykel]

@punk2898 体验过真不想再打开app交易了