在瑞士“未来软件开发务虚会”最近的一次开放空间交流中，一个问题引起了我的思考：非功能性需求（Non-functional requirement)——这个可以说是我们行业中一直以来最被低估的产物——能否成为大语言模型（LLM） 生成系统的重要护栏？也许它们可以，而且现在正是采取行动的最好时机。

13 Technology lddgo Shared on 2026-07-22

AI改代码的那几分钟，你在做什么？

37 Technology lddgo Shared on 2026-07-22

地图情报核实要判断"某段路到底有没有车走过"。车少的长尾路段（乡道、新修路、偏远低频路）要把时间拉到半年才攒得出足够轨迹，而这批 180 天、近 10 万亿点的历史轨迹躺在离线数仓里，查一次要跑几个小时。我们用一套建在 ClickHouse 上的检索服务，把它做成在线可查——任意区域检索 TTFB 0.35s。本文复盘我们如何用 ClickHouse + S2 地理编码 + 流式检索，在近 10 万亿轨迹点的底库上做到任意区域秒级可视化。既有存储引擎选型、地理索引设计的原理解析（第 5 节），也有一线踩出来的避坑经验（第 6 节）。适合关注海量数据检索、时空数据处理、OLAP 实战的同学。

13 Technology lddgo Shared on 2026-07-22

RAG 核心概念与原理：Chunking、Embedding、相似度、HNSW 与多路召回｜得物技术

11 Technology lddgo Shared on 2026-07-22

从 ReAct 出发，文章讨论 Agent 工程如何从“模型循环”走向 Harness：通过前后端共享的 State Schema、运行事实和 UI 边界，让模型行为变成可交互、可恢复、可控制、可追溯的产品能力。

7 Technology lddgo Shared on 2026-07-22

端到端交付2.0：像工业流水线一样的生产和交付需求

33 Technology lddgo Shared on 2026-07-21

删掉80%的Skill，Agent反而更听话了

23 Technology lddgo Shared on 2026-07-21

AI 写个人玩具项目很顺手，但落到真实业务里就是另一回事了。这篇整理了我们在打造 AI 原生研发团队上摸出来的一些经验，主要讲四块：通用能力怎么搭、Harness 工程实践、开发跟产品怎么协同。我们希望打破职能边界，让不懂代码的产品同学也能借 AI 东风，自主定义并实现各类内部运营工具，从而带动整个团队的研发效能迈上新台阶。 还有踩完坑之后的一些 Lessons。希望能给大家点参考，尤其是正在琢磨怎么用 AI 把团队能力真正提升起来的同学。

19 Technology lddgo Shared on 2026-07-21

NL2SQL 在超大规模数仓场景的架构突破与工程实践

31 Technology lddgo Shared on 2026-07-21

本文介绍了一个面向数据开发团队的数据需求交付 Agent Skill。该技能通过自然语言交互（可以是从 Aone、钉钉消息、PRD 中提取的描述），输出是一份结构化的 Copilot 交互物(prompt)，可以直接复制到 DataWorks Copilot 或调用其他大模型中生成高质量 SQL 代码。让数据研发从“依赖人的连续投入的串行排期”转变为“Agent自动执行，人按优先级介入决策的并行推进”。文章从背景痛点、skill介绍、实战场景、核心能力拆解等方面系统展开，并在最后给出总结与展望，希望为同样在做数据质量保障和 Agent 工具落地的开发者提供参考。（文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。）

64 Technology lddgo Shared on 2026-07-20