本文系统回顾了淘特导购团队在AI编码实践中的演进历程，从初期的代码智能补全到Agent Coding再到引入Rules约束，最终探索SDD（Specification Driven Development，规格驱动开发）——以自然语言规格（spec.md）为唯一真理源，驱动代码、测试、文档自动生成，实现设计先行、可测试性内建与文档永不过期。实践中发现SDD理念先进但落地门槛高、工具链不成熟、历史代码集成难，因此团队当前采用融合策略：以轻量级技术方案模板为输入 + Rules严格约束 + Agent Coding高效实现 + AI自动汇总架构文档，形成兼顾规范性、效率与可维护性的AI辅助编程最佳实践。
Obsidian Skills 不仅仅是一个技能包，它标志着 Agent Skills 生态正在从通用技能向垂直领域深度集成演进。过去，Agent Skills 主要侧重于任务类型的通用能力，比如代码审查、PDF 处理等广泛适用的场景。而 Obsidian Skills 的出现代表了一个重要转折点，工具官方开始主动拥抱 AI 代理，为自己的产品创建官方维护的专属技能包。这种垂直领域技能的价值在于深入理解工具的设计哲学，掌握最佳实践和惯用模式，与插件生态无缝对接，并能跟随工具版本同步更新，为用户提供权威且完整的解决方案。本文通过详细介绍 Obsidian Skills 的三个核心技能（Obsidian Markdown、Obsidian Bases、JSON Canvas），展示了 AI 智能体如何真正理解 Obsidian 的独特之处。两个实战案例进一步证明了这些技能的实用价值，通过 Base 技能管理阅读清单，通过 Canvas 技能可视化知识网络，让 AI 成为知识管理的得力助手。
在AI浪潮席卷全球的今天，有人认为关系型数据库已走向黄昏，MySQL 的生命力正在被边缘化。但事实真的如此吗？AliSQL，作为 MySQL 的重要分支，自2010年诞生以来，始终默默支撑着阿里巴巴集团核心业务的高并发、高可用需求。它从未消失，只是沉寂太久。 2026年，AliSQL社区的一帮开发者们，开始为AliSQL注入创新的血液！这是他们的第一篇，系统阐述了MySQL深度融合DuckDB的重大技术实践。这不仅是对“MySQL 只擅长 TP”这一行业共识的突破性回应，更是一次兼具工程魄力与架构远见的创新——在保持 MySQL 协议、语法、运维体系完全兼容的前提下，以轻量、高效、零侵入的方式，为MySQL 注入了 OLAP 能力。
Agent 正在经历从“聊天机器人”到“得力干将”的进化，而 Skills 正是这场进化的关键催化剂。 你是否曾被 Agent 的“不听话”、“执行乱”和“工具荒”搞得焦头烂额？ 本文将带你一文弄懂 Skills ——这个让 Agent 变得可靠、可控、可复用的“高级技能包”。 我们将从 Skills 是什么、如何工作，一路聊到怎样写好一个 Skills，并为你推荐实用的社区资源，带领大家在 TRAE 中实际使用 Skills 落地一个场景。 无论你是开发者还是普通用户，都能在这里找到让你的 Agent “开窍”的秘诀。
国内云厂商从2010年左右正式推出云服务开始，关系数据库作为核心产品，18年以前聚焦于传统关系型数据库如何更好的上云托管，提供开箱即用，以及企业级的高性能、高可靠、高稳定的能力。随着泛互联网的持续发展，云计算提供开箱即用的基础设施，帮助企业快速搭建业务无需考虑基建，加速迁移上云，完成云数据库规模极大增长，特别是大众创业，万众创新后，中小用户规模急剧增加。此时，基于各项 PaaS 设施的成熟，进一步推动数据库在成本、弹性、服务质量上的突破，云原生数据库 TDSQL-C 应运而生，应云而生。以上是数据库的简要发展历程，下面以多年业务后台开发的角色，分享自己对如何用好数据库的理解，如有不足欢迎大家指正。
在大规模云上业务持续增长的 10 多年里，我们打磨出了 LoongCollector（前身 iLogtail）：在同等硬件上可实现 10 倍吞吐，并带来 80% 资源下降。更重要的是，它在“极限性能”之外，还同时具备企业级可靠性。
站在“上帝视角”审视软件开发的历史演变，我们实际上是在见证 “人类意图”与“机器实现”之间鸿沟的不断缩减。 从问题空间到解决方案空间，前人尝试过声明式DSL、RAD工具，尝试过模型驱动工具。但仍局限于定制或细分于领域。 现在，结合全知全能的大模型像打开了盒子，AI 的介入让软件工程快速进入了“意图驱动”的时代。 我们正处在软件工程史上最剧烈的变革期——从“人写代码给机器看” 转向“人表达意图给AI听，AI实现给机器看”。 如果传统编程像是拿着精密蓝图、亲手切割并组装每一块木板来建造房子；那么Vibe Coding更像是对着一个神奇的建筑机器人描述你想要的“氛围”（比如“我想要一个通透、有现代感的起居室”），机器人会立刻堆砌出房屋。你不需要知道梁柱是如何受力的，只需不断告诉机器人“窗户再大一点”或“颜色再暖一点”，直到你满意为止。但一旦墙内电线走火，你可能根本不知道从哪里拆起。
得物社区推荐的实践中，我们发现用户兴趣容易收敛到少数几个主兴趣上，难以做到有效的兴趣拓展，通过将大模型与推荐结合的方式，在得物社区的用户兴趣拓展方向上切实取得了突破，拿到了显著的业务收益并推全上线。因此我们将相关工作中采用的核心算法与模型策略总结整理，投稿了AAAI-PerFM，入选了长论文《Enhancing Serendipity Recommendation System by Constructing Dynamic User Knowledge Graphs with Large Language Models》。AAAI Conference on Artificial Intelligence）由人工智能促进会（AAAI）主办，是人工智能领域历史最悠久的国际学术会议之一。以下内容为正文的详细介绍。
