阿猫的博客

阿猫的博客

猫鱼周刊 vol. 059 可拷的代码

2025-03-09
猫鱼周刊 vol. 059 可拷的代码

关于本刊

这是猫鱼周刊的第 60 期,本系列每周日更新,主要内容为每周收集内容的分享,同时发布在

博客:阿猫的博客-猫鱼周刊

RSS:猫鱼周刊

邮件订阅:猫鱼周刊

微信公众号:猫兄的和谐号列车

私信:leslieleung@proton.me

文章

程序员在公司生产环境放置破坏程序,检测到自己被裁员就启动

原文链接

不时有人讨论的「防御性编程」的终极版:埋个大雷,离职后爆雷。类似的事件貌似国内外都有,不得不说就是非常可刑可拷。

vol. 034就提到过,在就业环境恶化的现在,大家都喜欢搞一些「防裁员编程」,我也写过一篇文章解释为什么「防裁员编程」是个人短期利益上的最优选择。距离写这两篇文章已经过去差不多一年,中间又经历了几次大小规模的裁员,又有一些新的想法。

裁员这个事情,首先是预算问题,当公司预算吃紧的时候才会开始裁员,跟能力、努力都不是很有关系(末位淘汰除外),业务没了,自然对应的岗位也要裁撤掉。要留下来,要么是还要留点人维护还能赚钱的系统,要么是老板捞你去做另外的业务(也叫活水吧)。裁员裁的不是 hc,是按预算考虑的,如果薪资比较高,相应也更容易被裁,当然年龄、工时、能力等等也稍微是一些因素。

基于此,其实「防裁员编程」是非常没意义的事情——埋的雷爆了,被证实有主观恶意,刑;即使只是恶心的代码,不会影响上面是否把你排进裁员名单。

好物分享清单

物品
订阅

来自群友 @Luoras 的分享,很长的一个列表,涵盖厨房用品、数码产品、健身、日用等等领域。从列表里看,老哥家里不但有健身房、机房,也很在行烹饪和咖啡。

不会考察候选人的「AI 能力」?你可能招不到未来的人才!

原文链接

最近确实非常多的 JD 都追加了「熟练使用 AI 工具」这一条,作者认为需要具备以下能力:

  1. 提示词工程(Prompt Engineering)能力:懂得用最好的方式问问题(Prompt),引导 AI 高效输出
  2. 内容评估能力——知道 AI 生成的内容是否靠谱,能有效验证和优化
  3. 熟练使用 AI 工具的能力:熟悉 AI 工具的使用方法,能快速上手各种 AI 工具
  4. 任务拆解能力——知道哪些工作适合用 AI,哪些环节应该自己把控
  5. 业务场景应用能力:知道如何用 AI 真正提高工作效率
  6. 快速学习能力:能够跟上 AI 技术快速迭代的节奏

原文中还有几个具体职业领域的例子以及几个示例的面试问题,值得一看。

其实我觉得最关键的还是要考察候选人是否有用 AI 解决某个实际问题的能力,这跟其他的面试是一样的,另外就是考察对新知识的接受程度。现在出来很多 AI 八股,例如 PE 的几种范式、RAG 等等,我觉得没必要在面试中去考核,不要重蹈软件开发的覆辙。

未来已来?-- 基于 cursor 的 ai code review

原文链接

比较依赖 Cursor 的一种 AI Code Review 方式,介绍了两种不同的方法。作者提到:

与早期使用 GPT API 进行 Code Review 相比,现在的 Cursor Pro 版本在代码理解能力上有了质的飞跃。它不仅能够分析单个文件的变更,还能够理解整个代码库的上下文,提供更加全面和准确的建议。

我这两年花过很多时间探索使用 AI 去做 Code Review 在公司落地的实践,结果是比较受挫,主要有两点原因,一是当时的 LLM 能力还是稍弱(GPT-3.5 时代),二是需要跟公司现有的流程整合以及推动团队使用。

LLM 的能力实际上是 deal breaker,对实际工作来说,提出一些代码风格的建议没有太大的价值(也不一定有人愿意改),但发现代码的 bug 却很受到重视。我探索的时候(2023 年中),AI 还不太能提出这种有价值的建议,最多提出一些稳定性或者风格上的改进;近期在 Cursor 中再稍微尝试了一下,使用推理模型,它能一针见血地指出中间件使用上的问题并给出了正确的解决方案,真的让人眼前一亮。

另一个方面是与公司开发流程整合和推广使用的问题。如果你的公司没有很好的 CR 文化,并不强制 CR 或者只是同事应付性地点下通过,又或者你提出建议对方根本不改,这样引入 AI CR 根本没有意义。另外就是,要想更好推广,要把 AI 做进 CI 中,不能像这样每人都要各自配环境,这样推广阻力也非常大。

项目

modelcontextprotocol/servers

modelcontextprotocol/servers - GitHub

项目链接

MCP 标准化了应用给 LLM 提供上下文的方式,而这个项目则是一个目前已经支持 MCP 的服务列表。有点像是之前很多 AI chat 项目的插件,不过这个把插件通用化了,而且是由 Anthropic 牵头做的。

yamadashy/repomix

yamadashy/repomix - GitHub

项目链接

把一整个项目打包进一个文件里供 AI 读取,可以把文件结构和代码等都合并到同一个文本文件中,并输出预计的 token 数等。也提供了一个网页版 可以在线使用。

最后

本周刊已在 GitHub 开源,欢迎 star。同时,如果你有好的内容,也欢迎投稿。如果你觉得周刊的内容不错,可以分享给你的朋友,让更多人了解到好的内容,对我也是一种认可和鼓励。(或许你也可以请我喝杯咖啡

另外,我建了一个交流群,欢迎入群讨论或反馈,可以通过文章头部的联系邮箱私信我获得入群方式。