ArchAIHarness 的唯一权威知识库,沉淀「人负责架构、AI 负责编码」这套人机协同研发范式的完整方法论、模板、模式、指南与避坑经验。
如果说 framework 是我们的「骨」,那么 docs 就是我们的「魂」。
当 AI 编码能力突飞猛进、却频繁失控时,什么才是真正的护栏?
我们的回答是:架构师的秩序。
- 架构师定义边界、规范、价值底线
- AI 在边界内完成样板代码与重复实现
- 一套可被 AI 理解、可被 AI 执行、可被人类审计的工程治理体系
体系的本源认知,回答「为什么」
计算机系统的底层认知,回答「程序为什么这样运行」
- CPU 不是执行代码的机器,而是搬运、解释、调度状态的机器
- 操作系统的本质不是管理硬件,而是制造可靠的抽象
- 网络不是把数据发出去,而是在不可靠世界里构造可靠协作
- 算法不是刷题技巧,而是对数据流动成本的控制
- 分布式系统的第一性原理:没有全局时钟,也没有绝对可靠的消息
从机器学习、深度学习到大模型工程化,回答「AI 能力如何被理解和治理」
- 机器学习不是让机器“理解”,而是从数据中拟合可泛化的规律
- 深度学习的核心不是“深”,而是用多层表示压缩复杂模式
- 大语言模型不是知识库,而是基于上下文预测下一个 token 的概率机器
- RAG 的价值不是“外挂知识库”,而是把生成问题改造成检索增强问题
- Agent 不是会聊天的模型,而是围绕目标规划、调用工具、反馈修正的执行系统
- MCP 的本质是给 AI 建立标准化的外部能力接口
- AI 工程化不是接一个模型 API,而是把不确定输出纳入确定性工程体系
可落地的研发方法论,回答「怎么做」
可复制的模板、清单与报告格式
经过验证的可复用工程模式
具体落地方案、部署手册、工具接入与运行实践
- OpenCode K8S 集群部署指南
- Vibe Coding 实践指南
- OpenCode 全体系深度解析
- OpenCode 开源技能与 MCP 工程实践
- OpenCode 开源技能与工具搭建指南
- Kubernetes 底层工作原理
- kubectl apply 执行流程与优化指南
- Kubernetes 本地开发环境部署指南
- OpenClaw 安装与本地网关配置指南
- Agent Skills 实践指南
- 本地大模型运行实践指南
- OpenVPN Docker 部署指南
- 模型网关技术选型
产品构想、系统方案、工具规划与技术演化设计
故障复盘、性能优化、线上事故经验与排障方法
| 角色 | 你能在这里得到什么 |
|---|---|
| 架构师 | 一套可对外输出的人机协同治理范式 |
| 技术负责人 | 团队级 AI 提效落地路径与质量门禁 |
| AI 工程师 | 让 Agent 输出可控、可审计的约束机制 |
| SRE / 平台工程师 | OpenCode、K8S、工具接入等落地指南 |
| 学习者 | 从哲学到落地的完整架构思想链路 |
- 唯一权威:docs 是长期维护的知识库,历史笔记只作为素材来源
- 完整优先:保留长期有价值的细节,不为短而短
- 持续演进:实践反哺文档,每个版本沉淀新认知
MIT License · 自由使用、传播与二次创作
—— Engineered by Architects · Empowered by AI ——