Vibe coding 技术—历史观


一、本质

编程中“绝大多数工作,本质上是高度标准化、结构化、可判定正确与否的执行劳动”。

这点极其重要。

  • 算法实现
  • 代码风格与结构
  • API 封装
  • CRUD、数据流、状态机
  • 模板化的工程组织方式

这些东西:

  • ✔ 有明确输入输出
  • ✔ 有行业共识
  • ✔ 有可验证正确性
  • ✔ 几乎没有“审美分歧”

它们本来就不该是“人类智慧的主要消耗点”

Vibe Coding ≈ 把“怎么切菜”交给菜刀,把“切什么、为什么切”留给人。

二、不在执行层面消耗

  • 建筑师不需要亲自砌砖
  • 指挥家不需要亲自拉小提琴
  • 产品经理不需要写每一行代码

但他们都必须理解结构、约束和可能性边界

Vibe coding 不是“无知的幻想”,而是“站在抽象层上的控制”。

真正危险的不是:

  • 不写代码

而是:

  • 不理解系统,却在做系统级决策

三、程序员角色重构

程序员 → 执行者 ❌
程序员 → 抽象设计者 / 问题建模者 / 意图表达者

人类负责:

  • 问题是否值得解决
  • 抽象是否正确
  • 边界条件是否真实
  • 产品与现实世界的映射
  • 多目标权衡(商业 / 伦理 / 长期性)

AI负责:

  • 把抽象翻译成可运行系统
  • 保持工程一致性
  • 避免低级错误
  • 规模化执行

不是因为 AI “更聪明”,
而是因为它不疲惫、不分心、不自负、不走神


四、未来真正稀缺的,不是“写代码的能力”,而是“把现实问题抽象成机器可执行结构的能力”

这包括:

  • 把混乱业务转成清晰模型
  • 把模糊需求转成可验证目标
  • 把“感觉不对”转成约束条件
  • 把直觉转成结构

也就是说:

Vibe coding 解放的不是“程序员”,而是“人类对执行细节的执念”。

留下来的,是:

  • 判断力
  • 审美
  • 想象力
  • 责任

五、总结

Vibe coding 不是让人变懒,而是让“人终于只做人该做的事”。

Read more

跑步的技巧(滚动落地)

“滚动落地(rolling contact / rolling foot strike)”不是一种教条式的“脚法”,而是一种 让冲击沿着整只脚、整条后链逐级传递的落地机制。 它的核心不是“你先用哪儿着地”,而是: 你的脚落地之后,冲击是不是像轮子一样滚过去,而不是像锤子一样砸下去。 这就是滚动落地的本质。 一、什么叫“滚动落地”? 你可以把它理解成两种完全不同的落地方式: 1. 砸地(撞击式) 脚像锤子一样拍到地上: * 要么后跟先砸 * 要么前掌先戳 * 冲击集中在一个点 * 一个结构瞬间吃掉大部分载荷 结果就是: * 后跟砸 → 膝盖难受 * 前掌戳 → 前脚掌磨烂 * 都不是长跑友好模式 这叫 撞击式着地(impact strike)。 2. 滚地(滚动式) 脚像轮胎一样“滚”过地面: * 不是某一点硬砸 * 而是外侧中足先轻触 * 再向前滚到前掌 * 最后从大脚趾蹬离

By SHI XIAOLONG

AMI的优越性

世界模型(World Models)的具体例子 如下,我按类型分类,便于理解。每类都附带实际实现、演示效果和应用场景。 1. Yann LeCun / Meta 的 JEPA 系列(最直接对应“世界模型”概念) 这些是 LeCun 主张的非生成式抽象预测世界模型代表。 * I-JEPA(Image JEPA,2023) 输入一张图像,模型把不同区域(context 和 target)编码成抽象表示,然后预测 target 的表示(不在像素级别重建)。 例子:给定一张遮挡了部分物体的图片,模型能预测“被遮挡物体的大致位置和属性”,构建对物体持久性和空间关系的理解。 这是一个“原始世界模型”,能学习物理常识(如物体不会凭空消失)。 * V-JEPA / V-JEPA 2(Video JEPA,

By SHI XIAOLONG

什么是:“世界模型(World Models)”

世界模型(World Models) 是人工智能领域的一个核心概念,尤其在 Yann LeCun 等研究者推动的下一代 AI 架构中占据中心位置。它指的是 AI 系统在内部构建的对现实世界的抽象模拟或内部表示,让机器能够像人类或动物一样“理解”物理世界、预测未来、规划行动。 简单比喻 想象你闭上眼睛也能“看到”房间里的物体会如何移动、碰撞或掉落——这就是你大脑里的世界模型。AI 的世界模型就是类似的“数字孪生”(digital twin)或“内部模拟器”:它不是简单记住数据,而是学习世界的动态、因果关系和物理直觉(如重力、物体持久性、遮挡、因果等)。 为什么需要世界模型? 当前主流的大型语言模型(LLM) 擅长处理文本(统计模式预测),但存在根本局限: * 缺乏对物理世界的真正理解 → 容易“幻觉”、无法可靠规划。 * 样本效率低 → 人类/

By SHI XIAOLONG

K线周期可配置化设计方案

K线周期可配置化设计方案 1. 背景与目标 当前 Beta 套利策略的 K 线周期硬编码为 "1h",分散在多个文件中。需要: 1. 将 K 线周期从 1h 改为 2h 2. 提取为环境变量 BETA_ARB_KLINE_INTERVAL,使其可在 .env 中配置 2. 影响范围分析 2.1 需要修改的文件(共 6 个) 文件 硬编码位置 修改内容 src/trading/config.py BetaArbConfig dataclass 新增 kline_interval 字段,

By SHI XIAOLONG