<p>写 commit message 这件事，小改动随手就能写，复杂改动就挺烦的。最近我搞了个小工具 <a href="https://github.com/caibingcheng/git-cm" target="_blank" rel="noopener noreffer">git-cm</a>，专门在终端里让 LLM 帮我生成。</p> <p>它只做一件事：根据 staged 的改动和仓库历史，输出一条合适的 commit message。</p>
<p>最近几个月我先后用了好几个平台的 Coding Plan——GitHub Copilot、百炼、Kimi，还有公司提供的 API，以及一些第三方中转平台。用着用着，发现公司 API 的缓存命中率特别低。低到什么程度？我想知道具体数字，于是就 vibe coding 了一个 Token Tracker。</p>
<p>这篇文章是我几个月来使用 AI Coding 工具的一些实践经验总结，希望能帮助刚接触这些工具的朋友理解它们是怎么工作的，以及怎么用得更好。</p>
<p>今年的几个关键词是：工作、装修、米家。</p> <p>去年买了房，今年装修。终于实际拥有梦想中的小家了，房子面积不大，但是已经足够我们两人一猫的生活，我们有了自己的书房，我可以正真规划全屋米家，毛毛在也终于结束了和我们一起的漂泊生涯。</p> <p>在当前这家公司已经工作快三年，公司也已经上市（但是和我也无关），我不再过于畏手畏脚，有机会、敢于放手去做，但是似乎又陷入了历史的循环。</p>
<p>在遇到漂亮的风景、不安全的驾驶行为等情况时，我习惯于将行车记录仪的视频拷贝下来，保存在nas上；但是大部分行车记录仪的视频都是分段存储的，通常是每1或5分钟一个文件。为了方便查看，我需要将这些视频拼接成一个完整的视频。</p>
<p>市面上有不少AI工具可以生成文章摘要，但是我的站点集成的是自定义生成工具，当触发push时，github action协助调用生成脚本。全量文章（统计约200K字）生成，目前大概消耗1元人民币。一般情况下都是增量生成方案，用量极少。</p>
<p>涉及到DMA应用的场景中，往往一方（比如FPGA）以固定Packet大小向DMA写入数据，另一方（比如CPU）也以固定Packet大小读出（或直接在DMA上操作）数据。一般情况下，为了提高DMA利用率，CPU处理的数据结构不一定正好是Packet大小的因子（packed模式），在这种场景下会涉及到数据的拼接问题。</p>
<p>首先, 明确base64并不是一个压缩算法. 但是在某些场景我们可以使用其编码特性达到压缩的效果.</p>
<p>始终是一个俗人，不如就俗下去。</p> <p>今年的关键词是：婚礼、买房、摆烂。</p>
<p>日常开发过程中，时常会遇到一个类似的需求：将某些二维数据可视化。比如，时间与系统内存、时间与CPU、通道与距离等等。</p> <p>往常我的做法是在代码中嵌入相关的打印，输出到文件中，然后通过其他语言，比如Python解析并可视化，或者直接使用Python解析并可视化。</p> <p>长期以往，发现这种做法总是写了很多重复的代码。能不能有一个工具，直接输入数据，然后可视化呢？所以，我写了<a href="https://github.com/caibingcheng/painter" target="_blank" rel="noopener noreffer">painter</a>。</p>