00:06Martin Fowler@martinfowlerMartin Fowler发布新一期Fragments,介绍Rachel的专栏Rachel's Ramblings,并提及XConf Europe活动。文章探讨为何AI尚未带来大规模生产力提升,分析选举数据可视化、AI安全挑战及AI在中国的影响。行业Martin FowlerAI生产力AI安全推荐理由:Martin Fowler的Fragments合集,聊AI生产力、安全和中国影响,信息量足,适合关注行业动态的人。原文稍后读已读值得跟进有用关注 Martin Fowler
23:01Martin Fowler@martinfowlerMartin Fowler转发Birgitta Böckeler的实验,探讨让编码智能体自行执行测试驱动开发(TDD)是否有效。实验对比了有TDD指令和无TDD指令的智能体表现,发现TDD对智能体并非总是有益。Böckeler分享了具体实验数据和思考,指出某些情况下TDD反而可能拖慢智能体。文章为开发者提供了关于如何配置编码智能体的实用参考。技巧TDD编码智能体Martin Fowler推荐理由:想知道给编码智能体加TDD指令到底有没有用?这篇实验文章直接给你数据,别猜了。原文稍后读已读值得跟进有用关注 TDD
22:13Martin Fowler@martinfowlerMartin Fowler新作Fragments指出,工程团队与C-suite高管对AI能力与风险存在显著分歧。他将当前的AI热潮与2000年互联网泡沫对比,认为两者在炒作模式上相似。文章提到法学教授更偏好LLM生成的答案,并探讨了用领域特定语言(DSL)与LLM协作的优势。Fowler还批评了充斥LLM术语的行文风格。行业Martin FowlerLLMAI泡沫推荐理由:这篇对AI行业现状的碎碎念很犀利,点出工程和老板之间的认知鸿沟,还拿互联网泡沫做对比,值得一看。原文稍后读已读值得跟进有用关注 Martin Fowler
22:48Martin Fowler@martinfowlerMartin Fowler 发布新文章,介绍 @unmeshjoshi 使用抽象和领域特定语言(DSL)来约束 LLM 代码生成的经验。通过为 LLM 设定明确边界,可减少生成代码中的错误。文章强调 DSL 能确保输出符合预期,提高代码质量。该方法适用于快速原型设计及生产级代码的生成。技巧Martin FowlerDSL领域特定语言推荐理由:Martin Fowler 分享了用 DSL 给 LLM 画好框框的技巧,能少踩不少坑,写代码更稳。原文稍后读已读值得跟进有用关注 Martin Fowler
01:31Martin Fowler@martinfowlerMartin Fowler 与 Bayer 合作,使用 AI 帮助制药研究人员从大量 PDF 报告中查询数十年的信息。Sarang Sanjay Kulkarni 描述了从关键词搜索到能够起草监管报告的研究助手的演进过程。该文章详细介绍了如何构建可靠的 AI 查询系统,提升制药研发效率。技巧BayerMartin FowlerRAG推荐理由:Martin Fowler 分享了和 Bayer 合作的 AI 应用,能从海量 PDF 里找到信息甚至帮你写报告,挺实用的原文稍后读已读值得跟进有用关注 Bayer
23:36Martin Fowler@martinfowlerMartin Fowler 分享了一个高效为LLM提供上下文的方法:与其自己手动写,不如让LLM像采访一样提问,你回答即可。这种方法能节省时间,同时确保上下文完整且结构化。Fowler 认为这比直接写更自然,尤其适合需要大量背景信息的场景。该技巧对需要频繁与LLM协作的开发者或写作者很有启发。技巧LLM上下文效率技巧Martin Fowler推荐理由:Fowler 的这个技巧解决了手动写上下文的痛点,经常用LLM做复杂任务的开发者可以直接试试,省时又高效。原文稍后读已读值得跟进有用关注 LLM上下文