Marico's space

最近折腾了几个月AI自动化接单，踩了不少坑，也跑通了几条能来钱的路子。这篇把企业真正愿意掏钱的AI自动化场景梳理清楚，顺手带做一个完整的demo——用n8n、OpenAI和Webhook搭一个AI增强的线索入库流程。适合想接这类项目的开发者，也适合想自己搭自动化管线的运营同学。 > 说白了，企业只会为直接影響现金流或客户体验的自动化买单。 什么是AI自动化 AI自动化本质是一条工作流：触发

最近折腾了一下临床试验技术栈，发现这玩意儿正在经历一场基础设施级别的重构。试验复杂度蹭蹭往上涨——分散化模式、跨国多中心方案、海量数据膨胀——运营摩擦的成本已经扛不住了。国内一个III期临床试验，每天直接成本动不动几万甚至几十万。但大多数进度延误的原因根本不是科学问题，而是运营层面的死锁：中心启动卡脖子、方案修订乱成一锅粥、数据孤岛到处都是。 GeekyAnts 之前发了一篇临床试验管理软件开发

上个月参与维护的一个开源项目，一周之内涌进来 40 个 issue。手工分类花了四个小时：读内容、打标签、定优先级、回复。动念头想上个 Agent 帮我做第一轮筛选。问题是：项目没钱买云资源，没 GPU，也没有任何 AI 预算。 零预算不是口号，是硬约束。 背景 这个仓库收到的 issue 包括 bug 报告、功能需求、环境配置问题各种混在一起。大部分 issue 篇幅不长，但有些会带上一

最近折腾了 AI Agent Loop 的计划自动化，踩了几个坑，这篇把问题说清楚。 一个 Loop 能叫 Loop，得靠你没手动触发它、它自己在跑。三种心跳方式：会话内 /loop（你在键盘前）、云端 Routines（cron 定时任务，笔记本合上）、CI（GitHub Actions）。选哪个取决于工作在哪、谁需要醒着。然后：把发现的结果发到人工审核的收件箱，让空跑几乎不花钱——因为按天跑

最近折腾了把对象存储从阿里云 OSS 迁到 Cloudflare R2，迁移前做了番审计，结果发现团队在缓存命中率上踩了个坑——这个坑本来半天就能修好，但如果没发现就迁移，等于花时间和钱去掩盖一个本来能解决的问题。这篇把审计方法和判断逻辑说清楚。 有篇讨论存储流出费用的帖子里有句话说得在理：动任何东西之前，先搞清楚你到底在服务多少不同的资源，有多少是从缓存来的。 为什么我的流出账单和下载量对

最近折腾把项目里的提示词（Prompt）从代码里搬出来，踩了几个坑，这篇把过程记录下来。 大多数AI（人工智能）应用起步时，提示词都是直接写在代码里的： const systemPrompt = ` 你是客服助手。 回答要清晰，账单问题要升级处理。 `; 做原型阶段这样写完全没问题。 但当应用里有了多个提示词、团队有多个贡献者、线上用户在依赖这个行为时，问题就来了。 这时候团队会想把提

最近折腾 Flutter 和后端接口对接，踩了几个坑，这篇把问题说清楚。 现代移动应用几乎不可能独立工作。不管你是做电商、社交、任务管理还是招聘类 App，Flutter 应用通常都需要和后端服务器通信。 这就是 REST API（表述性状态转移应用程序接口）的用武之地。 这篇指南会讲清楚：REST API 是怎么工作的、Flutter 里怎么发请求、怎么解析 JSON 响应、以及怎么组织可

最近在设计一套同时面向人类用户和 AI Agent（人工智能代理）的商务系统，踩了几个状态同步的坑，这篇把核心问题说清楚。 很多产品加了 Agent 接口之后，很容易把它当成第二个应用来对待：网页界面给人用，API 工具给 AI 用。UI 层这么分没问题，但一旦延伸到交易模型，问题就来了。 如果人机两套接口用的订单状态、权限规则、完成定义都不一样，系统实际上就有两套"商业现实"。人看到的是"待

最近折腾了大模型驱动的安全测试，踩了几个坑，这篇把 Mozilla 和 Anthropic 这次合作说清楚。 Mozilla 的 MFSA2026-13 安全公告列出了 14 个高危 Firefox 漏洞，归功于"Anthropic 的 Claude"。这几乎占了 2025 年所有 Firefox 高危 bug 的 20%，而这些漏洞是大模型在两周内发现的。这不是 Demo，是生产级别的 Age

Claude Code 很乐意帮你写测试，也很乐意告诉你测试通过了。这两个声明之间隔着一道沟——大多数 QA 自动化配置，就是在这道沟里悄悄死掉的。 这篇文章聊聊怎么把 Claude Code 塞进一个真正管用的 QA 循环：它什么时候可以放手跑，你会踩到哪三个坑，以及怎么把它们堵上。 为什么"帮我写点测试"不等于 QA 自动化 标准的做法是让 Claude Code 生成一套测试用例。很