Charlesazam

为复杂的工程和技术问题构建 AI 系统。

代码是硬件工程的未来与现在

作者 Charles Azam 在核电创业公司 Jimmy 任软件负责人时，将中子、热力学、机械等多学科工程模型统一用 Python 描述，通过 GitHub 审查和自动化检查保证一致性。 他提出核心观点：代码是表达复杂工程系统的最佳方式，尤其当 AI 编程代理介入后，工程描述、计算、变更记录和推理链应全部代码化并版本化，让 AI 代理能读写同一套工程描述。 当前他正用 AI 代理设计一架自主飞行无人机（项目 Forge），用 Python 管理几何、装配和物理解算，但强调最终仍靠物理测试验证。 文章属于个人工程哲学与一手项目分享，观点清晰、有可讨论的"硬件工程代码化 + AI agent 协作"切入点，但缺乏深度技术细节和可量化结果，讨论入口中等。
评论点赞收藏6 天前

基准驱动开发：在AI工程里先建测试再动手

开发复杂AI系统（RAG、Agent、多模态）时，先建基准测试再动手，否则无法判断失败是偶发还是根本问题。 把代码当作模型权重来调优，用测试集和验证集评估每个组件的独立影响，回答三个问题：和什么比、在哪些case上、提升多少、复杂度是否值得。 基准也是项目记忆——记录决策和假设，避免团队反复踩坑。定义评估本身往往比写第一版方案更难，但这正是关键。
评论点赞收藏45 天前

别盲目推理：以benchmark驱动AI系统开发

做复杂AI系统（RAG、Agent等）时，先建benchmark再动手，否则无法判断哪个方案真正有效。代码和模型权重一样需要调优，没有数据支撑的"感觉更好"只是 convincing story。 benchmark同时充当项目记忆，记录决策依据和假设。
评论点赞收藏45 天前

登录芦苇

登录后关注作者、收藏内容和参与讨论。

热门话题

人工智能12,865 人关注AI 会怎样改变日常工作？产品思考8,243 人关注怎样判断一个产品值得长期做？独立开发5,917 人关注一个人如何持续完成作品？
关于芦苇 · 联系我们 · © 2026 芦苇