Cursor 的发展

IDE 编程工具的背景 在很长一段时间里,软件开发主要依赖传统 IDE,例如: * Visual Studio Code * IntelliJ IDEA * Eclipse 这些 IDE 的核心能力是: * 代码编辑 * 语法高亮 * 自动补全 * 调试工具 但真正的代码逻辑仍然需要 程序员自己编写。 直到 大语言模型(LLM)出现后,软件开发开始进入 AI 编程时代。 最早的一批 AI 编程工具包括: * GitHub Copilot * Tabnine 这些工具主要解决 代码补全问题。 但 Cursor 的目标并不是简单补全,而是: 构建一个 AI 原生(AI-Native)的开发环境。 Cursor 的诞生 Cursor 是一个 AI
3 min read

AI的发展史

AI到底是怎么一步一步发展起来的? 很多人觉得 AI 好像是这几年突然冒出来的,其实不是。AI的发展已经走了 70多年,可以简单理解为三个阶段。 第一阶段:AI概念诞生(1950—1980) 1950年,英国科学家 图灵(Alan Turing) 提出一个问题: “机器能不能像人一样思考?” 于是他提出了一个著名的测试 (图灵测试)。 简单说就是: 如果人类和机器聊天,分不出来谁是机器,那机器就算“有智能”。 1956年,美国召开了一次会议,第一次正式提出: Artificial Intelligence(人工智能) 从那时起,AI成为一个正式研究领域。 不过当时的计算机很弱,数据也少,所以AI主要停留在理论研究阶段。 第二阶段:AI开始有点用(1980—2010) 随着计算机越来越强,一些AI技术开始真正落地,比如: * 语音识别 * 机器翻译 * 推荐系统 很多互联网产品,其实早就用了AI,例如:
9 min read

运维历史演进与 K8S 之后趋势

背景 过去三十多年,服务器运维其实一直在做一件事:让人越来越少地去“手动管机器”。 早期的运维非常原始。服务器买回来要自己上架、装系统、配置网络、改配置文件。机器出了问题,就 SSH 登录上去排查,很多时候靠的是经验和记忆。那时候的运维,本质上就是“人盯机器”。 但当服务器数量越来越多,这种方式很快就撑不住了。 问题主要有两个:重复劳动和配置混乱。 重复劳动很好理解,比如同一个服务要部署到几十台机器,每次都要手动执行一堆命令;规模一大,运维每天都在做这些重复的事情。在 SRE 体系里,这类工作有一个专门的名字,叫 toil (可以自动化、重复、但长期价值不高的工作)。 另一个问题叫 配置漂移。今天在一台机器上临时改了个参数,半年后没人记得;不同机器的配置慢慢变得不一样,系统也越来越难维护。 为了解决这些问题,运维开始走向自动化。 最早是各种 Shell 脚本,后来发展成 配置管理工具(比如
6 min read

OpenClaw 使用记录

OpenClaw 是一个 开源的 AI Agent 自动化执行框架。 它的核心目标是让 AI 不仅仅停留在“对话”,而是能够 自动规划任务、调用工具、执行操作并持续迭代完成复杂目标,最近使用下来总结了一些内容。 简单来说,OpenClaw 可以理解为: 一个可以自动写代码、执行命令、分析项目并持续迭代任务的 AI 工程助手。 与普通的 ChatGPT 或 Claude 不同,OpenClaw 的设计目标是: * 让 AI 具备任务执行能力 * 可以 拆解复杂目标 * 自动 调用工具和执行命令 * 持续 迭代直到任务完成 因此,它更像是一个 AI 自动化开发助手(AI Software Engineer)。 OpenClaw — Personal AI AssistantOpenClaw
3 min read

随心笔记

技术无止境 创新不停驻