博客 / 列表

PetterLiu - Trae Agent三步解決軟件難題

Trae Agent三步解決軟件難題 認識自動化軟件工程師 Trae Agent 想象一下，一個由多位專家機器人組成的“自動化軟件工程團隊”接到了一項緊急任務：修復一個複雜的軟件漏洞。團隊成員分工明確、協作高效，在短時間內便能提出多種解決方案，並通過嚴格的測試與審查，最終選出最優方案完成修復。這正是 Trae Agent 的工作方式。 Trae Agent 是一個基於大語言模型（LLM）的先

AI

PetterLiu - Nano Banana生成論文標註圖片

Nano Banana生成論文標註圖片 測試論文https://arxiv.org/pdf/2511.04355v1 步驟一 提取重點 請輔助我閲讀論文，把重要內容原始文字與段落抽取出來，進行標註與註釋(標註採用中文) 步驟二 生成圖片 提示詞 用圈內容、畫箭頭引用註解、馬克筆高亮的形式，把重要內容和圖片做精準、深入的閲讀中文語言標註（手繪風格）: {{上一輪對話結果重點文字}} 完整圖片

AI

PetterLiu - PT-Mark主流擴散模型水印技術深度對比

PT-Mark主流擴散模型水印技術深度對比 一. 生成式AI時代的版權保護挑戰 隨着文本到圖像（Text-to-image）擴散模型的飛速發展，其在數字藝術創作、影視內容製作等領域的應用日益廣泛，深刻地改變了創意產業的格局。這些模型能夠根據用户精心設計的文本提示生成極具價值的視覺內容。然而，技術的普及也帶來了前所未有的挑戰，其中最突出的便是生成內容的版權歸屬與保護問題。如何有效證明生成作品的所有

AI

PetterLiu - OpenEvals下一代AI模型評估標準

OpenEvals下一代AI模型評估標準 一. 介紹 隨着人工智能技術的飛速發展，大型語言模型（LLM）等先進模型的能力正以前所未有的速度增強。然而，這一進步也帶來了一個日益嚴峻的挑戰：如何科學、公正、可復現地評估這些複雜的 AI 系統，已成為制約行業健康發展的關鍵瓶頸。作為全球領先的開源 AI 社區，Hugging Face 在推動模型、數據集和應用的共享方面取得了卓越成就，其龐大而活躍的生

AI

PetterLiu - 氛圍編程工具個人推薦

大模型推理能力（腦子） 編輯器功能（手）。它更推崇擁有強大邏輯架構能力的模型（如Claude），而不是單純的IDE集成工具。 第一梯隊 (First Echelon)：主力軍 這一層級是作者認為完成“Vibe Coding”最核心的工具組合。 Claude Code (核心大腦) 定位： 架構師、總指揮。 專家解讀： 這裏指的應該是搭載

AI

PetterLiu - 六頂思考帽深度解析AI賦能代碼生成技術

六頂思考帽深度解析AI賦能代碼生成技術 簡介 人工智能（AI）賦能的代碼生成技術已不再是簡單的代碼補全工具。它已經迅速演變為一個複雜而龐大的生態系統，涵蓋了從底層的代碼基礎模型、推動軟件工程自動化的智能體（Agents），到保障系統可靠性的安全對齊技術，乃至探索通用人工智能（AGI）邊界的通用智能代理。這個技術版圖正在以驚人的速度擴張，並深刻地重塑着我們對軟件開發的認知。 借鑑權威技術綜述

AI

PetterLiu - K12教育數字化市場洞察與產品競爭策略

K12教育數字化市場洞察與產品競爭策略 1. 宏觀市場環境與核心驅動力分析 本章節旨在為產品戰略的制定提供宏觀視角。在當前K12教育科技市場，任何有效的產品戰略都必須建立在對兩大核心驅動力的深刻理解之上：一是國家頂層設計所帶來的政策東風，二是後疫情時代用户行為的深刻變遷。這兩股力量共同塑造了市場的基本盤，定義了機遇與挑戰的邊界，是所有後續戰術決策的基石。 1.1 政策東風：教育數字化提升至國家

數據庫

PetterLiu - 免費Google 官方的中文提示詞教程

什麼是提示工程？ 提示工程是一門設計和優化提示的藝術和科學，可指導 AI 模型（尤其是 LLM）生成所需回答。通過精心設計提示，您可以為模型提供上下文、説明和示例，幫助模型理解您的意圖並做出有意義的回答。您可以將其視為 AI 提供一個路線圖，引導它朝着您預想的特定輸出的方向前進。 如需深入瞭解提示設計領域並探索其應用，請查看 Google Cloud 上的提示設計簡介。 準備好親身嘗試 LLM

AI

PetterLiu - 中國電動汽車充換電市場技術趨勢、核心挑戰與未來競爭格局

中國電動汽車充換電市場技術趨勢、核心挑戰與未來競爭格局 1. 市場概述：從基礎設施建設到服務生態演進 在中國電動汽車市場以前所未有的速度迅猛發展的宏大背景下，充換電基礎設施不僅是關鍵的配套支撐，更已上升為決定產業成敗的核心戰略環節。根據國家規劃，到“十四五”末期，中國的充電基礎設施體系需滿足超過2000萬輛電動汽車的充電需求，這清晰地勾勒出一個規模龐大且充滿潛力的市場。當前，行業正經歷一場深刻

AI

PetterLiu - 戰略工程師的思維

1. 重新定義高級工程師的核心職責 對於身處大型科技公司的高級工程師而言，職業生涯的突破點往往並非源於更深層次的技術鑽研，而是來自一項長期被誤解甚至迴避的能力：理解並有效參與組織動態。當技術實力達到一定水平後，真正決定個人價值和影響範圍的，是如何將這份專長轉化為驅動組織前進的實際動力。這要求我們必須重新審視“辦公室政治”這一概念。 著名軟件工程師及博主Sean Geti提出了一個顛覆性的觀點

軟件工程

PetterLiu - 基於LLM持續改進文章的方法

核心轉變：從"被動聽摘要"變為"主動提問，讓AI當編輯" 原創文章 起點：待打磨的初稿。 NotebookLM自定義音頻（評論模式） 關鍵動作：上傳文檔後，選擇自定義提示詞，向AI主持人主動提問。 示例："點評第一段是否成功勾起讀者興趣？" 示例："審閲文檔結構，對一般受眾來説主要觀點明確嗎？" 示例："針對這份草稿的邏輯漏洞提供建設性反饋" 產出：一段針

AI

PetterLiu - AI瀏覽器Comet用户體驗測試

AI瀏覽器Comet用户體驗測試 移動Web應用 UI/UE 測試的 5 大核心痛點 移動Web應用（H5/PWA）的 UI/UE 測試與傳統的 PC 網頁測試截然不同，也比原生 App 測試更具挑戰性。 以下是 移動Web應用 UI/UE 測試的 5 大核心痛點，這些通常是測試人員和設計師最頭疼的地方： 1. 極致的“碎片化”兼容性 (The Fragmentation Hell) 這是最直觀、

AI

PetterLiu -

AI

PetterLiu - 2025年11月份博文彙總與視頻

2025年11月份博文彙總與視頻 一.LLM相關 1.如何構建和訓練世界級LLM 一份關於如何構建和訓練世界級大型語言模型（LLMs）的詳細指南，由Hugging Face團隊撰寫。它涵蓋了從模型架構設計、數據準備、訓練過程到後處理的全過程，提供了豐富的技術細節和實踐經驗 2.美團多智能體WOWService智能系統概要 美團最近發佈的一份技術報告2510.13291，詳細介紹了其名為“WOWS

AI

PetterLiu - Z-Image圖像生成模型發佈與競品

1. 引言 當前，高性能文本到圖像（Text-to-Image, T2I）生成模型市場呈現出一種根本性的二元格局。一方面，是以Nano Banana Pro、Seedream 4.0為代表的專有（閉源）商業模型，它們性能強大，但其技術實現被封裝於“黑盒”之內，限制了社區的研究與創新。另一方面，則是以Qwen-Image、Hunyuan-Image-3.0為代表的開源模型，它們雖然推動了技術的普及

AI

PetterLiu - Google生成式UI下一代人機交互技術

Google生成式UI下一代人機交互技術 1.0 摘要 在當前的技術浪潮中，大語言模型（LLM）已展現出在內容生成方面的卓越能力，深刻地改變了我們獲取與處理信息的方式。然而，這些強大的模型在輸出形態上普遍受限於靜態、預定義的界面，最常見的便是由標題、列表和代碼塊組成的Markdown“文本牆”。這種呈現方式雖然有效，卻遠未能完全釋放AI生成內容的潛力。 本文旨在引入並深入探討一個全新的交互範式—

AI

PetterLiu - 蘇格拉底式深度剖析問題五步法-技術管理

結合IT管理場景，對這五個階段進行深度解讀與應用思考： 階段一：收集並審視證據 (Collect and Review Evidence) 核心定義： 找出核心事實與數據，質疑一切。建立堅實的事實基礎。 圖片關鍵點： “這條信息從哪裏來的？”、“樣本量真實嗎？”、“數據相關性？” IT管理者應用與思考： 拒絕“我覺得”： 在處理系統故障

軟件工程

PetterLiu - 實戰利用LLM輔助小程序逆向與HTTP報文漏洞挖掘

摘要： 在Web安全與小程序逆向分析中，面對成千上萬條HTTP請求日誌，人工審計往往效率低下且容易遺漏邏輯漏洞。本文將介紹一種高效的新型工作流：“Fiddler抓包 + 文本導出 + LLM智能體分析”。通過一個真實的婚戀交友SaaS小程序案例，我們演示瞭如何利用大模型快速破解簽名算法，並從Raw報文中精準挖掘出嚴重級越權（IDOR）與未授權圖牀漏洞。 1. 核心思路：讓LLM成為

AI

PetterLiu - 優化需求評審流程論LLM與人工審查協同模式

重新定義需求評審的未來 高質量的需求是軟件項目成功的基石，然而，傳統的需求評審流程往往耗時、繁瑣且容易出錯。需求文檔中的模糊性、不一致性和遺漏是導致項目失敗最常見的因素之一。大型語言模型（LLM）作為一種顛覆性技術，為解決這些長期存在的挑戰提供了新的可能性。它強大的自然語言處理能力，能夠以前所未有的規模和速度分析文本，發現潛在缺陷。 本文的核心是，LLM在需求評審中的最佳定位並非取代人類專

AI

PetterLiu - 揭開Claude Opus 4.5神秘面紗

一位對 AI 充滿好奇的學習者——揭開 Claude Opus 4.5 的神秘面紗，清晰展示它在軟件工程、安全性和多語言處理等領域取得的革命性進步。 1. 軟件工程領域的“超強大腦” 無人能及的工程能力 一個令人震撼的事實是：在一項時長2小時、極其困難的內部工程帶回測試中，Opus 4.5 的得分“超過了任何人類候選人”¹。這標誌着 AI 在專業工程領域達到了前所未有的高度。其卓越能力主

AI

PetterLiu - SWE-smith規模化生成軟件工程訓練數據

1. 破解軟件工程領域AI的數據瓶頸 近年來，大型語言模型（LM）Agent在自動化軟件工程（Software Engineering, SE）任務方面取得了顯著進展。然而，在能力飛速提升的背後，開源社區與掌握海量私有數據的專有模型之間正形成一道日益擴大的鴻溝。其核心癥結在於：高質量、大規模訓練數據的嚴重稀缺已成為制約開源模型發展的根本瓶頸。為了確保開放研究在這一關鍵領域保持競爭力，我們必須建

AI

PetterLiu - 解鎖微信封閉生態WeRSS原理分析與部署實戰

前言 在信息碎片化的今天，微信公眾號依然是高質量中文內容的重要來源。然而，微信生態的封閉性使得我們難以通過習慣的 RSS 閲讀器聚合閲讀。WeRSS 是一個優秀的開源項目，致力於打破這一壁壘，它通過模擬請求將微信公眾號內容轉化為標準的 RSS 訂閲源，支持私有化部署，讓閲讀迴歸純粹。 本文將深入剖析 WeRSS 的工作原理，並分享在實際部署中如何通過替換源和配置鏡像加速來解決國內網絡環境下的“水

opensource

PetterLiu - Gemini3在線構建一個基於女性照片解析的應用

Gemini3在線構建一個基於女性照片解析的應用 預覽 https://ai.studio/apps/drive/1qoagJHJBONxI9dBd-MhYmstFwIM7lCRA 在AI Studio中，直接就生成了 效果圖 另一個案例 代碼在這兒 https://github.com/ljylun/Panoramic-Deep-Concept-Decomposition-Chart 提示

AI

PetterLiu - 小企業OKR實施的組織變革與本土化路徑

I. 導論：將OKR實施界定為一次深刻的組織變革 目標與關鍵結果（Objectives and Key Results, OKR）框架，一種源自彼得·德魯克（Peter Drucker）的目標管理（MBO）思想，並在英特爾（Intel）的安迪·格魯夫（Andy Grove）實踐中得以革新的管理策略，現已成為全球企業推動增長、創新和敏捷性的關鍵工具 。然而，將OKR簡單地視為一種新型的績效管理（P

軟件工程