AI 产出小结
成果展示
- dyenums, 动态枚举 Created by AI
- jrdb, 高性能数据库操作框架 Created by AI
- jdbcmon, 高性能、可扩展的轻量级 JDBC 监控代理框架 Created by AI
- jmsg-i18n, 高性能Java多语言消息模板系统 Created by AI
- jxlsb, Java XLSB 库 Created by AI
- jsxlsb, Javascript XLSB 库 Created by AI
- rxlsb, Rust XLSB 库 Created by AI
- cxlsb, ANSI C XLSB 库 Created by AI
- memrec, AI记忆持久化系统 Created by AI
- speedboat, 极简 Raft 主节点选举组件 Created by AI
- jwsch, TCP-WebSocket 消息转发中间件 Created by AI
解读
工作延续
工作上历年的想法,有些本来是做不到的,但是有了 AI 帮助,可以轻松实现。
动态枚举
Java 不支持动态枚举,所以我尝试用 Java 实现一个动态枚举。并基于动态枚举,又做了一个多语言消息模板系统。
| 项目 | 描述 | github repo |
|---|---|---|
| dyenums | 动态枚举 | https://github.com/itcraft-cn/dyenums/ |
| jmsg-i18n | 高性能Java多语言消息模板系统 | https://github.com/itcraft-cn/jmsg-i18n/ |
TCP-WebSocket 消息转发中间件
工作上经常碰到,但没有特别好的解决方案,所以用 AI 帮助。
| 项目 | 描述 | github repo |
|---|---|---|
| jwsch | TCP-WebSocket 消息转发中间件 | https://github.com/itcraft-cn/jwsch/ |
| 项目 | 描述 | github repo |
|---|---|---|
| jrdb | 高性能数据库操作框架 | https://github.com/itcraft-cn/jrdb/ |
| jdbcmon | 高性能、可扩展的轻量级 JDBC 监控代理框架 | https://github.com/itcraft-cn/jdbcmon/ |
兴趣所在
speedboat
学习了 Raft 算法,一直想尝试实现一个极简的 Raft 主节点选举组件。
| 项目 | 描述 | github repo |
|---|---|---|
| speedboat | 极简 Raft 主节点选举组件 | https://github.com/itcraft-cn/speedboat/ |
xlang-xlsb-series
这个是自己处理Excel文件时,学习到了 xlsb 格式,尝试做的。支持多种语言的XLSB格式。
| 项目 | 描述 | github repo |
|---|---|---|
| jxlsb | Java XLSB 库 | https://github.com/itcraft-cn/jxlsb/ |
| jsxlsb | Javascript XLSB 库 | https://github.com/itcraft-cn/jsxlsb/ |
| rxlsb | Rust XLSB 库 | https://github.com/itcraft-cn/rxlsb/ |
| cxlsb | ANSI C XLSB 库 | https://github.com/itcraft-cn/cxlsb/ |
自己给自己做工具
用得不上手,就自己写一个。这个现在就很方便了。
memrec
这个已经介绍过了,自己做的AI Agent 配套记录工具。
| 项目 | 描述 | github repo |
|---|---|---|
| memrec | AI记忆持久化系统 | https://github.com/itcraft-cn/memrec/ |
感想
从我个人实践看,结合我自己的skill集合( https://github.com/hellyguo/self-ai-spec/ ),基于自己的工作经验,快速落地项目的达成率非常高。我总结几点:
要明确的需求驱动,能明确自己要什么
要能将需求拆解为技术实现需求
要能做一定的技术规划,至少要能识别AI给出的方案优劣,并进行选择
要有一定的深度或底层技术要求,能约束AI选择更优的路线,而不是劣化路线
对语言有认知,能对AI的代码进行一定走查
要有耐心,AI 对其无法测试的代码,特别是UI类或需要其他GUI程序介入的测试,都无法一次到位,需要多次打开问题陪它磨合。
这个过程非常磨人,甚至有让人情绪崩溃的可能
要学会用 /loop /long-time 这种模式,让 AI 持续推进。
这个效果非常好,大部分情况下,可以设定好退出条件,发起任务后,丢在一边,让它持续工作,直到完成。并行效率极高。
只要套餐够,token足,就可以高效持续推进。