PDCA循环：把每件事都做成闭环的底层工具
二八法则：真正厉害的人，都在抓“关键的少数”
SWOT分析：做决策前，先把这件事彻底想清楚
波士顿矩阵：一张图看懂产品该投钱还是该砍掉
5 Why 工作法：用五个 “为什么” 挖到问题根源
从Prompt到Context再到Harness：Agent工程的三次跃迁
如果AI Agent是一辆车，那大模型是发动机，Prompt Engineering是方向盘，Context Engineering是导航软件，Harness Engineering是整车的质量工程。相互配合，最终才能顺利达目的地。
桌面端跨平台解决方案对比
在桌面端应用开发领域，跨平台技术正逐步替代传统原生开发，成为降低多端（Windows、macOS、Linux）开发成本、提升迭代效率的核心选择。当前主流的桌面端跨平台解决方案各具特色，本文将聚焦六大方案——Electron、Tauri、Flutter、ReactNative（RN）、.NET MAUI、QT的桌面端适配特性，从核心原理、优缺点、适用场景三个维度进行全面对比，为桌面端开发者的技术选型提供专业参考，厘清各方案在桌面端的核心差异与适配边界。
移动端跨平台解决方案对比
在移动端应用开发领域，跨平台技术已成为主流趋势，既能降低多端（Android、iOS）开发的人力与时间成本，又能兼顾开发效率与用户体验。当前主流的移动端跨平台解决方案各具特色，本文将聚焦五大方案——Flutter、ReactNative（RN）、uni-app、KMP（Kotlin Multiplatform）、.NET MAUI，从核心原理、优缺点、适用场景三个维度进行全面对比，为移动端开发者的技术选型提供专业参考，厘清各方案的核心差异与适配边界。
【转载】Karpathy LLM Wiki
2026年4月，前OpenAI创始成员Andrej Karpathy提出了一种新的个人知识管理新范式，核心是让大语言模型（LLM）充当 “知识编译器”，将零散原始资料（文章、论文、笔记等）自动生成结构化、可持久化、能复利增长的 Markdown 维基知识库。
它采用 Raw Sources（原始资料）、Wiki（LLM 生成的结构化知识库）、Schema（规范配置）三层架构，区别于传统 RAG 的 “运行时检索”，LLM Wiki 提前处理知识并持续维护更新，形成高密度互联的知识图谱（交叉引用的 Markdown Wiki），人类仅负责资料收集与判断，大幅降低知识维护成本。
