肖恩技术周刊（第 71 期）：何以成事

周刊内容: 对一周内阅读的资讯或技术内容精品（个人向）进行总结，分类大致包含“业界资讯”、“技术博客”、“开源项目”和“学习资源”等。
更新时间: 周一
历史收录: 技术周刊合集
订阅方式: 微信公众号“肖恩聊技术”，除周刊外还有更多原创技术博文，欢迎关注👏🏻~

准备，不等于成事。

规划时间，不等于成事。

列任务清单，不等于成事。

告诉别人你要做，不等于成事。

和可能参与的朋友发信息，不等于成事。

发一条斗志昂扬的推文，不等于成事。

因未能成事而自责，不等于成事。

嫉妒已经做成的人，不等于成事。

抱怨途中的阻碍，不等于成事。

幻想功成后收到的赞美，不等于成事。

阅读方法指南，不等于成事。

研究别人的成功案例，不等于成事。

读这篇文章本身，也不等于成事。

世上唯一等于“成事”的，就是动手把那件事——做成。

Google 发布了 Gemini 3，这是其最新的 AI 模型，代表了目前 AI 领域的顶尖水平。Gemini 3 在多模态理解和推理能力上取得重大突破，其性能在多个关键 AI 基准测试中创下新高，例如在 LMArena 排行榜上以 1501 Elo 分的成绩位居榜首，在数学领域的 MathArena Apex 测试中达到了 23.4% 的准确率。Gemini 3 Pro 版本在多模态推理方面表现出色，如在 MMMU-Pro 测试中达到 81% 的准确率。

Gemini 3 引入了 Deep Think 模式，进一步提升了模型的推理和多模态理解能力。该模式在复杂问题解决方面表现出色，例如在 ARC-AGI-2 测试中达到 45.1% 的准确率。Gemini 3 还在应用层面进行了拓展，如在 Google 搜索中引入 AI 模式，提供更复杂的推理和动态体验，并在 Gemini 应用、AI Studio 和 Vertex AI 中提供支持。

Cloudflare 重大网络故障

2025 年 11 月 18 日，Cloudflare 发生了一次重大网络故障。故障始于 11:20 UTC，由于数据库权限变更导致 Bot Management 系统的“特征文件”大小翻倍，超出了软件处理限制，引发系统错误。最初误以为是大规模 DDoS 攻击，后经排查发现问题根源，于 14:30 停止错误文件传播并替换为正常版本，17:06 所有系统恢复正常。

此次故障影响了 Cloudflare 的核心 CDN、安全服务、Turnstile、Workers KV、Dashboard 等多个服务，导致 HTTP 5xx 错误、加载失败、登录困难等问题。故障期间，团队还观察到 CDN 响应延迟增加，原因是调试系统消耗大量 CPU 资源。

故障的直接原因是 ClickHouse 数据库查询行为变更，导致特征文件生成逻辑返回重复数据。Cloudflare 正在采取措施防止类似故障，包括强化配置文件摄入机制、增加全局功能禁用开关、限制错误报告对系统资源的占用等。

Google 推出 Nano Banana Pro

Google DeepMind 发布了 Nano Banana Pro（Gemini 3 Pro Image），这是基于 Gemini 3 Pro 的新一代图像生成与编辑模型。

该模型在图像编辑领域实现了重大进步，能够根据增强的推理能力、世界知识和实时信息生成更准确、富有上下文的视觉内容。它支持将手写笔记转化为图表、创建信息图表以及实时信息可视化，例如通过搜索连接获取天气或体育信息并生成流行艺术信息图表。Nano Banana Pro 在多语言文本渲染方面表现出色，可生成多种纹理、字体和书法风格的文本，并支持多语言生成与本地化翻译，便于国际化内容创作。

此外，它还具备高保真视觉生成能力，能够融合多达 14 张图像元素，保持多达 5 个人物的一致性和相似性，支持从草图到产品、从蓝图到逼真 3D 结构的转换，并提供 2K 和 4K 分辨率的高级创意控制，包括局部编辑、调整相机角度、改变焦点、应用复杂色彩分级以及转换场景光照等。

佳文共赏

中级程序员

作为一名中级开发者，注重代码质量，会权衡代码的可理解性、可维护性和可扩展性。在代码提交时，会精心组织 Git 历史，使其清晰地讲述问题解决过程，还会通过图表或 GIF 动画等方式帮助代码审查者更好地理解代码。

在阅读代码和文档方面，会深入研究库代码和公共技术文档，如 RFCs，修改遗留代码时会先理解其历史背景。同时，会通过代码注释、文档字符串等形式记录代码背后的逻辑。此外，作者还会学习整个应用堆栈，包括前端、后端、异步作业调度器和作业工作器等，必要时会优化 PostgreSQL 查询，熟悉 DevOps 工具以支持团队。

在测试方面，虽然不严格遵循 TDD，但会提前编写测试以明确目标，并通过交互式变基修正 Git 历史。作者还会积极参与团队协作，包括代码审查、帮助新成员入职、与其他团队合作等。

最后，作者会关注更广泛的编程社区，学习新的技术和思想，并将其应用到工作中。

独立开发出海经验

在出海 SaaS 领域，独立开发者面临诸多挑战。海外市场细分程度高，新入局者难以突破，用户留存至关重要，续费率需达 80% 以上。

技术栈选择上，建议采用成熟稳定的技术，如前端 Nuxt3 或 Next.js，搭配 Tailwind CSS + Shadcn/ui，后端优先使用 Serverless，数据库选用 PostgreSQL，支付采用 Stripe 或 bagelpay，部署用 Vercel 或 Cloudflare Pages。定价策略应采用阶梯定价，设置免费版筛选用户，个人版定价每月 9-19 美元，Pro 版每月 29-49 美元。

流量获取方面，SEO 是关键，需长期投入，同时可利用 Product Hunt 进行小范围测试，Twitter/X 公开构建可有效积累用户。成功案例多为细分领域切入，快速上线验证，持续营销，避免过度打磨产品、盲目追求功能全面、忽视用户反馈、轻视合规等常见错误。

垃圾信息刷多了AI也会变蠢！

最新研究提出并验证了“LLM脑损伤假说”，发现大语言模型（LLM）持续接触垃圾数据后会出现认知衰退现象。研究定义了“垃圾数据”，包括“短文本+高热度”内容和含标题党、阴谋论等低语义质量文本。

实验中，4种大语言模型在垃圾数据预训练后，推理能力下降23%，长上下文记忆下降30%，且自恋和精神病态特质激增。即使后续用高质量数据重新训练，损伤也无法完全修复。

研究还发现，模型损伤存在“剂量效应”，即垃圾数据摄入越多，损伤越严重，主要原因是模型出现“思维跳跃”，即懒得进行完整推理。该研究提醒行业重视预训练数据筛选，建议在部署大模型时进行认知体检，并优先排除“短+高传播”的碎片化内容。

技术博客

智能体如何利用文件系统进行上下文构建

文件系统工具对于深度代理（deep agents）在上下文工程中的应用至关重要。深度代理通过文件系统工具访问文件系统，实现文件的读取、写入、编辑、列出和搜索等功能，以优化上下文工程。

上下文工程是将正确的信息填充到上下文窗口中，以便代理能够准确回答问题。代理在处理上下文时可能面临多种问题，如需要的上下文不在总上下文中、检索的上下文不包含所需上下文、检索的上下文远大于所需上下文等。

文件系统通过提供单一接口，允许代理灵活地存储、检索和更新无限量的上下文，从而解决这些问题。例如，在处理大量检索结果时，代理可以将结果写入文件系统，并在需要时智能地检索特定关键词，避免在对话历史中存储大量不必要的信息。对于需要大量上下文的情况，文件系统允许代理动态存储和检索信息，如将计划写入文件系统以便后续调用。

此外，文件系统还提供了一种替代语义搜索的方法，通过ls、glob和grep工具智能搜索上下文，这对于技术文档等缺乏语义信息的文件特别有效。文件系统还可以作为代理存储和更新自身指令的地方，使代理能够根据用户反馈动态调整其行为。

Agent 架构综述：从 Prompt 到 Context

本文聚焦于人工智能领域中“Prompt Engineering”与“Context Engineering”的概念演变及其在 Agent 架构中的应用。

随着 AI 应用从简单交互向复杂智能体系统发展，仅优化静态指令已无法满足需求，“Context Engineering”应运而生，专注于动态构建和管理上下文。文章详细介绍了从 Prompt 到 Context 的转变，强调了 Context Engineering 在构建可扩展、高可靠性系统中的重要性。其核心技术包括 RAG（Retrieval-Augmented Generation）架构，通过索引和推理两个阶段，解决 LLM 的知识冻结、缺乏领域专有知识和幻觉问题。同时，探讨了 Context Stack 的概念，分析了向量数据库在 RAG 中的关键作用，并比较了主流向量数据库的选型考量因素。

此外，文章还涉及了高级分块策略、重排序技术以及智能体系统的上下文管理框架，包括 LangGraph 的工作流定义方法，展示了如何通过图结构实现复杂业务流程的编排。也展望了 Context Engineering 的未来趋势，包括 Graph RAG 的兴起、智能体自主性的增强以及对固定上下文窗口的超越。

我们正在用更糟糕的东西取代面向对象编程

文本指出面向对象编程（OOP）并未消失，而是从传统编程领域转移到了新的领域，如微服务架构。OOP的核心概念包括封装、继承和多态，旨在通过语言层面的强制机制减少组件间的信息流动，以降低软件功能交叉点出现的错误。然而，随着软件开发的复杂性增加，开发人员之间的信任降低，过程/网络边界成为了新的最高最厚的墙，取代了OOP。

在微服务架构中，原本的OOP概念被新的工具和技术所替代，例如OpenAPI模式取代了类型检查器，Docker Compose取代了服务工厂，Kubernetes取代了事件循环。这导致组件间通信的失败模式增多，需要通过序列化/反序列化库和内核调度器等进行处理，性能和效率受到影响。

开源项目

mcp-server-browserbase：浏览器自动化MCP

一个用于浏览器自动化和数据提取的MCP工具。该服务器支持通过 Browserbase 和 Stagehand 实现云浏览器自动化，允许 LLM（Large Language Models）与网页交互、提取信息、截图和执行自动化操作。

context-engineering-intro：上下文工程模版

一个全面的上下文工程模版，为人工智能编码助手构建上下文，让AI拥有从头到尾完成工作所需的信息。

ChatALL：和多个AI同时交互

ChatALL 支持同时与多个 AI 机器人交互，帮助用户快速找到最佳回答。它支持多种 AI 机器人，包括 360 智脑、文心一言、ChatGLM2、ChatGPT、Claude、Code Llama 等，覆盖不同技术架构和功能特点。工具提供快问模式、对话历史本地保存、高亮与删除答案等功能。

工具推荐

Quiver Quantitative：国会议员交易动态追踪

Quiver Quantitative 提供基于替代数据的股票研究平台，助力投资者做出明智交易决策。平台追踪国会议员股票交易、内部人士购买等动态，如参议员 Markwayne Mullin 和众议员 Pete Stauber 的股票交易记录，以及多位公司高管的股票购买行为。其数据涵盖国会交易、内部交易、政府合同、企业游说等多个领域，为用户提供实时数据支持。Quiver 提供免费和付费两种计划，免费计划可体验平台基础功能，付费计划则包括策略跟踪、数据样本导出等高级功能，且新用户可享受 7 天或 30 天免费试用。

Tidyread：AI辅助资讯阅读

Tidyread 是一款利用 AI 技术帮助用户整理和提炼资讯的工具。它以 Recipe（简报分组）为核心，用户可定制专属 RSS feeds 和摘要 Prompt，AI 会按设定生成摘要简报并定时推送，提升阅读效率，减少信息过载压力。用户反馈积极，认为其能节省时间、准确总结内容，且界面友好。此外，它还支持 AI 过滤功能，可剔除不感兴趣的内容。

Google Antigravity：AI开发平台

Google 推出了 Google Antigravity，一个新的以代理为中心的开发平台，利用 Gemini 3 的高级推理和工具使用能力，使开发者能够以任务为导向进行开发。

资源推荐

打造 AI 原生工程团队

AI 模型正在深刻改变软件开发生命周期（SDLC），其推理能力不断提升，目前已能完成长达 2 小时 17 分钟的连续工作，并且任务长度每七个月翻倍。AI 编码工具已从简单的代码自动补全发展为能够生成完整文件、搭建项目框架、将设计转化为代码的智能代理。这些工具通过统一上下文、结构化工具执行、持久项目记忆和评估循环等功能，显著提升了开发效率。在规划阶段，AI 代理能够快速分析需求、识别依赖关系并估算难度；在设计阶段，可快速搭建原型、实现设计到代码的转换；在构建阶段，能够生成完整功能的代码，包括数据模型、API、UI 组件、测试和文档；在测试阶段，帮助生成测试用例并保持测试更新；在代码审查阶段，提供初步审查并识别关键问题；在部署与维护阶段，协助分析日志、识别异常指标并提出修复建议。工程师可以将更多精力集中在架构设计、复杂问题解决和质量把控上，而将重复性任务交给 AI 代理处理。

布兰妮・斯皮尔斯的半导体物理学指南

内容围绕半导体物理的基础知识展开，包括半导体的基本概念、晶体结构、半导体结、有限势垒量子阱、辐射复合、载流子输运、态密度、边发射激光器、垂直腔面发射激光器（VCSELs）、光子晶体、晶体生长、制造与加工以及光刻技术等。这些内容涵盖了半导体激光器的核心原理和技术要点，对于理解数字音频播放等应用中的半导体器件具有重要意义。

技术面试手册

一份为程序员准备技术面试的免费指南，由有谷歌和亚马逊工程师参与的团队创建。它提供了从申请工作到通过面试再到薪资谈判的全过程指导。该指南包含精心策划的内容，如算法深度解析、系统设计面试准备、行为面试准备等，还提供面试作弊表和实践问题。它还介绍了如何准备一份适合 FAANG 公司的简历，以及如何优化和测试简历。此外，还有关于如何选择公司和工程级别的指南。