练数据的匮 乏和“模态墙”，而 LLM 一次性解决这些问题。 人类语言就是一种高度抽象、跨模态、表达力充分的符号系统，同时它作为知识的载体，自 然地存在大量数据可用于训练，还蕴含了人类的思维模式。 在此基础上训练得到的 LLM，自然具备被诱导出类人思考的潜力。在 COT（思维链）【4】、 TOT（思维树）【5】等技术的加持下，大模型正在学习拆解自己的“思维”，OpenAI 的 o1 就是 SWE-agent+Claude 3 Opus 的 18.2%，效 果都比较显著。 多模态能力：多模态 LLM 使智能体能够综合利用视觉和文本信息，可以理解软件用户界面、 处理的图表、可视化数据、语法高亮和交互映射等内容，更好地理解任务陈述以及获取任务相关 的产品信息、开发过程信息，从而更全面地理解和解决问题。目前排在 SWE-bench verified 前 4 位都使用了 Claude-3 verified 第一位 （53%）。 基于代码大模型的自身进化，以及 RAG 技术、智能体的有力支持，从而 LLM 有更好的上 下文感知能力。例如，在代码大模型预训练时，其训练语料中加入抽象语法树（AST）、代码依 赖关系等数据，新的代码生成模型则具有更强的上下文感知能力。 41 / 111 在此基础上，基于 AI 的编程工具能够根据给定的上下文（如函数名、注释、部分代码等） 检索

可以解析的方式来表达需要它完成的任务， 寻找 LLM 的“最佳输入形式”。通过注入提示词，提示词 工程建立了一套“人机交互语法”，来更精准地向 LLM 传 达想要它生成何种输出的指令。这为人们与 LLM 之间建立 高效、准确的“沟通桥梁”提供了可能性。什么“链式思考 1 1 （CoT）”、“自动推理并使用工具（ART）”、“思维 树（ToT）”……甚至运用心理学对 LLM 进行“情绪提 示（EmotionPrompt）”，提示词工程俨然在将 的升级主要着重于性 能的提升，比如每一个版本都比前一个版本都有较大的性能提升。 另外一个就是语法糖的包装越来越深厚了，也就是从之前的简单的语法糖包装 已经深入到了.NET 骨髓的 CLR 层面的语法糖包装，比如 JIT 优化上面的一些判 断和语法树对于 IL 语法糖的值传递进行骚操，以配合.NET 性能提升或者语法的 优雅，或者一些其它功能性上的传导。 这点可以看下分层或者 PGO 或者是循环提升这些方面的案例。 PHP 的印象了。PHP 是最 适合用来创业或者做项目的语言，没有之一 —— 语法灵活，开发效率高，注重 实效。性能自 PHP7 以后有了脱胎换骨的变化。99%的业务场景传统的 PHP 架 构可以轻松搞定，更高负载的场景也有了 Swoole 等解决方案。PHP 新版本在保 持向下兼容的前提下，也做了大量的语法改进，增强了 PHP 的表现力，也让 PHP 更加严谨，更有利于团队协作。 PHP

ion
是最领先的。
杨植麟：我不太担⼼这个问题。现在就是最好的分配⽅式，更接近⼀个⾃由市场，最后会有最⾼的分 配效率。我们要跟别⼈证明的也不是我们的
vision，因为
vision
是⼀个抽象的东西，还是要通过真实 的
deliver
模型和产品。Anthropic
放出
Claude
这些模型之后，⻢上就得到了更多的资源。市场是公 平的。
海外独⻆兽：从建⽴产品和公司竞争壁垒的 我觉得这是AGI⾮常或者做AI
native⾮常重要的思想。你再也不是写⼀个需求，让这个程序员把这个需 求⽤确定性的⽅式实现出来。⽽是可能会有多种不同的场景同时在涌现，产品经理做的事情不是说去 种⼀棵树，⽽是去画出来⼀块地，让AGI机器能够在这⽚地上把所有树都种⼀遍。这才是可能真正AGI ⻓期发展⽅向的、好的开发⽅式。 讲到这⼉，我们如果再回顾⼀下这个领域过去半年到⼀年发⽣的事情⸺有很多⼈在做⼤模型，我们也 是其中之⼀。 碾压的⽅式成为主流的开发范式。但并不是说「神性」就不重要了，只是它需要⼀个很好的系统作为 ⽀撑，或者说，系统应该是主⼒军。 我经常说⼀个⽐喻。张⼩⻰在⼀张巨⼤的地图上指了⼀个点，说在这种⼀棵树，后来证明他是 「神」，因为他指的地⽅是对的，这棵树⻓成了巨⼤的森林。这就是「神性」的体现。⼀个神枪⼿， 指哪打哪，判断⾮常准。 但是
AGI
不是这样⼯作的，⽐如你想做⼀个
ChatGPT。引⽤⼀个很有名的设计师说过的话，不是根据

搜索 Git Grep Git 日志搜索 重写历史 修改最后一次提交 修改多个提交信息 重新排序提交 压缩提交 拆分提交 核武器级选项：filter-branch 重置揭密 三棵树 工作流程 重置的作用 通过路径来重置 压缩 检出 总结 高级合并 合并冲突 撤消合并 其他类型的合并 Rerere 使用 Git 调试 文件标注 二分查找 子模块 开始使用子模块 Git 与 Perforce 迁移到 Git Subversion Mercurial Perforce 一个自定义的导入器 总结 Git 内部原理 底层命令与上层命令 Git 对象 树对象 提交对象 对象存储 Git 引用 HEAD 引用 标签引用 远程引用 包文件 引用规范 引用规范推送 删除引用 传输协议 哑协议 智能协议 协议总结 维护与数据恢复 接受的常用格式占位符 的写法及其代表的意义。 表格 2. git log --pretty=format 常用的选项 选项 说明 %H 提交的完整哈希值 %h 提交的简写哈希值 %T 树的完整哈希值 %t 树的简写哈希值 %P 父提交的完整哈希值 %p 父提交的简写哈希值 %an 作者名字 %ae 作者的电子邮件地址 选项 说明 %ad 作者修订日期（可以用 --date=选项 来定制格式）

接受的常用格式占位符的写法及其代表的意义。 表格 2. git log --pretty=format 常用的选项 选项 说明 %H 提交的完整哈希值 %h 提交的简写哈希值 %T 树的完整哈希值 %t 树的简写哈希值 %P 父提交的完整哈希值 %p 父提交的简写哈希值 %an 作者名字 %ae 作者的电子邮件地址 %ad 作者修订日期（可以用 --date=选项 来定制格式） %ar Git 仓库中这些校验和保存为树对象。随后，Git 便会创建一个提交对象， 它除了包含上面提到的那些信息 外，还包含指向这个树对象（项目根目录）的指针。 如此一来，Git 就可以在需要的时候重现此次保存的快照。 现在，Git 仓库中有五个对象：三个 blob 对象（保存着文件快照）、一个 树 对象 （记录着目录结构和 blob 对 象索引）以及一个 提交 对象（包含着指向前述树对象的指针和所有提交信息）。 remove invalid default value issue54..origin/master 语法是一个日志过滤器，要求 Git 只显示所有在后面分支 （在本例中是 origin/master）但不在前面分支（在本例中是 issue54）的提交的列表。 我们将会在 提交区间 中详细介绍 这个语法。 目前，我们可以从输出中看到有一个 John 生成的但是 Jessica 还没有合并的提交。 如果她合并

SAI，我们也准 备了迁移教程。 参考手册 按照软件界面分类，并逐一介 绍每个功能项的原理和含义， 便于功能速查和知识补遗。 数字绘画基础知识 介绍绘画和计算机图像技术的基 础知识，带领初学者掌握关键的 抽象概念。配合实例教程阅读， 可快速完成数字绘画的入门学 习。 常见问题解答 对常见的技术性问题、故障等 一一做出解答。在求助和报告 程序缺陷前，请先在此页面确 认是否已经存在答案。 扩展包和第三方教程 几何形状工具 你可以在 Krita 里面轻而易举地画出圆形、矩形、路径等。 多重画笔、镜像对称和四方连续模式 这些工具可以帮助你快速绘制镜像图像、万花筒效果或者重复拼接 的材质。对于绘制背景和抽象插图很有用。 绘画辅助尺 绘画辅助尺工具可以帮助你建立透视或者同心圆等形状，然后把笔 刷吸附到它们上面。 Krita 的灭点辅助尺正在工作。 锁定图层 用图层面板里面的锁形图标可以锁定图层，从而避免在上面进行描 1. 闪电 – 适合无损压缩使用的快速模式。对于有损压缩， 将使用最快的检测方式；对于无损压缩，将使用渐变色 预测器和快速直方图，但不使用 MA 树。 2. 雷声 – 无论是有损还是无损，雷声和闪电模式在检测方 式上是类似的，但雷声使用固定 MA 树和渐变色预测 器。 3. 猎鹰 – 禁用所有选项，不使用无损模式。 4. 猎豹 – 在选择 DCT 大小时启用系数重新排列、上下文 聚类和启发式探测，启用定量化步骤。

参考手册 按照软件界面分类，并逐一介绍每个功能项 的原理和含义，便于功能速查和知识补遗。 SAI，我们也准备了迁移教程。 数字绘画基础知识 介绍绘画和计算机图像技术的基础知识，带 领初学者掌握关键的抽象概念。配合实例教 程阅读，可快速完成数字绘画的入门学习。 常见问题解答 对常见的技术性问题、故障等一一做出解 答。在求助和报告程序缺陷前，请先在此页 面确认是否已经存在答案。 扩展包和第三方教程 几何形状工具 你可以在 Krita 里面轻而易举地画出圆形、矩形、路径等。 多重画笔、镜像对称和四方连续模式 这些工具可以帮助你快速绘制镜像图像、万花筒效果或者重复拼接的材质。对于绘 制背景和抽象插图很有用。 绘画辅助尺 绘画辅助尺工具可以帮助你建立透视或者同心圆等形状，然后把笔刷吸附到它们上 面。 Krita 的灭点辅助尺正在工作。 锁定图层 用图层面板里面的锁形图标可以锁定图层，从而避免在上面进行描绘。 1. 闪电 – 适合无损压缩使用的快速模式。对于有损压缩，将使用最 快的检测方式；对于无损压缩，将使用渐变色预测器和快速直方 图，但不使用 MA 树。 2. 雷声 – 无论是有损还是无损，雷声和闪电模式在检测方式上是类 似的，但雷声使用固定 MA 树和渐变色预测器。 3. 猎鹰 – 禁用所有选项，不使用无损模式。 4. 猎豹 – 在选择 DCT 大小时启用系数重新排列、上下文聚类和启 发式探测，启用定量化步骤。

SAI，我们也准备 了 迁移教程 。 参考⼿册 按照软件界⾯分类，并逐⼀介 绍每个功能项的原理和含义， 便于功能速查和知识补遗。 数字绘画基础知识 介绍绘画和计算机图像技术的基 础知识，带领初学者掌握关键的 抽象概念。配合 实例教程 阅读， 可快速完成数字绘画的⼊⻔学 习。 常⻅问题解答 对常⻅的技术性问题、故障等 ⼀⼀做出解答。在求助和报告 程序缺陷前，请先在此⻚⾯确 认是否已经存在答案。 扩展包和第三⽅教程 在数字绘画中，你可以通过图层组把不同的元素分开在不同的图层 绘制。各个图层的内容保持独⽴，你可以随时更改它们的内容和前 后顺序，最终合并输出成成品。这叫做 合成。 你可以通过图层把线稿置于底⾊之上，或者把树⽊放在远⼭前⾯， 在编辑时图层之间不会互相影响。 Krita 的图层有多种类型，每种图层都有特定的⽤途： 颜料图层 这种图层就是栅格图层。这是 Krita 最常⽤的⼀种图层，⼿绘笔 刷⼯具等⼤多数⼯具都是在这种图层上进⾏绘制的。 ⼏何形状⼯具 你可以在 Krita ⾥⾯轻⽽易举地画出圆形、矩形、路径等。 多重画笔、镜像对称和四⽅连续模式 这些⼯具可以帮助你快速绘制镜像图像、万花筒效果或者重复拼接 的材质。对于绘制背景和抽象插图很有⽤。 绘画辅助尺 绘画辅助尺⼯具可以帮助你建⽴透视或者同⼼圆等形状，然后把笔 刷吸附到它们上⾯。 Krita 的灭点辅助尺正在⼯作。 锁定图层 ⽤图层⾯板⾥⾯的锁形图标可以锁定图层，避免在上⾯进⾏描绘。

SAI，我们也准备了迁移教程。 参考手册 按照软件界面分类，并逐一介绍每 个功能项的原理和含义，便于功能 速查和知识补遗。 数字绘画基础知识 介绍绘画和计算机图像技术的基础知 识，带领初学者掌握关键的抽象概念。 配合实例教程阅读，可快速完成数字绘 画的入门学习。 常见问题解答 对常见的技术性问题、故障等一一 做出解答。在求助和报告程序缺陷 前，请先在此页面确认是否已经存 在答案。 扩展包和第三方教程 几何形状工具 你可以在 Krita 里面轻而易举地画出圆形、矩形、路径等。 多重画笔、镜像对称和四方连续模式 这些工具可以帮助你快速绘制镜像图像、万花筒效果或者重复拼接的材质。对 于绘制背景和抽象插图很有用。 绘画辅助尺 绘画辅助尺工具可以帮助你建立透视或者同心圆等形状，然后把笔刷吸附到它 们上面。 Krita 的灭点辅助尺正在工作。 锁定图层 用图层面板里面的锁形图标可以锁定图层，从而避免在上面进行描绘。 1. 闪电 – 适合无损压缩使用的快速模式。对于有损压缩，将使用最快 的检测方式；对于无损压缩，将使用渐变色预测器和快速直方图， 但不使用 MA 树。 2. 雷声 – 无论是有损还是无损，雷声和闪电模式在检测方式上是类似 的，但雷声使用固定 MA 树和渐变色预测器。 3. 猎鹰 – 禁用所有选项，不使用无损模式。 4. 猎豹 – 在选择 DCT 大小时启用系数重新排列、上下文聚类和启发 式探测，启用定量化步骤。

SAI，我们也准备了迁移教程。 参考手册 按照软件界面分类，并逐一介绍每 个功能项的原理和含义，便于功能 速查和知识补遗。 数字绘画基础知识 介绍绘画和计算机图像技术的基础知 识，带领初学者掌握关键的抽象概念。 配合实例教程阅读，可快速完成数字绘 画的入门学习。 常见问题解答 对常见的技术性问题、故障等一一 做出解答。在求助和报告程序缺陷 前，请先在此页面确认是否已经存 在答案。 扩展包和第三方教程 几何形状工具 你可以在 Krita 里面轻而易举地画出圆形、矩形、路径等。 多重画笔、镜像对称和四方连续模式 这些工具可以帮助你快速绘制镜像图像、万花筒效果或者重复拼接的材质。对 于绘制背景和抽象插图很有用。 绘画辅助尺 绘画辅助尺工具可以帮助你建立透视或者同心圆等形状，然后把笔刷吸附到它 们上面。 Krita 的灭点辅助尺正在工作。 锁定图层 用图层面板里面的锁形图标可以锁定图层，从而避免在上面进行描绘。 1. 闪电 – 适合无损压缩使用的快速模式。对于有损压缩，将使用最快 的检测方式；对于无损压缩，将使用渐变色预测器和快速直方图， 但不使用 MA 树。 2. 雷声 – 无论是有损还是无损，雷声和闪电模式在检测方式上是类似 的，但雷声使用固定 MA 树和渐变色预测器。 3. 猎鹰 – 禁用所有选项，不使用无损模式。 4. 猎豹 – 在选择 DCT 大小时启用系数重新排列、上下文聚类和启发 式探测，启用定量化步骤。