AI Learning Blog
个人经验分享
记录最近一段时间和 AI Agent、大模型一起学习、写代码、拆问题的真实体验。这里不追求参数堆叠，更关心工具如何进入日常工作流。
最近更新
从“会提问”到“会协作”
这一轮 AI 学习最大的变化，是把模型当成一个能持续协作的工作伙伴：先让它理解目标，再让它读上下文，最后把结果拆成可以验证的改动。
阅读全文款 Agent 工具实测
类大模型体验记录
Agent Tools
Agent 工具学习经验
不同工具的核心差异，不只在补全代码，而在它们如何理解项目、规划任务、处理上下文，以及能不能让人放心地交给它下一步。
适合做复杂项目的“代码读者”
它擅长先读项目结构，再给出分阶段修改建议。我的经验是：越早提供目标、约束和验证方式，它越容易进入稳定协作状态。
阅读全文边写边问的效率提升器
Cursor 的优势在编辑器内的即时反馈。适合快速理解函数、定位报错、补齐局部逻辑，但复杂任务仍需要自己把边界说清楚。
阅读全文从需求到落地的执行型伙伴
Codex 适合把目标拆成实际文件改动，并配合命令行验证。我的使用方式是让它先读代码，再小步实现，最后说明验证结果。
阅读全文把碎片任务串成流程
Trea 给我的感受更偏流程化，适合把资料整理、任务分派、结果回收放在一个链路里。它的价值在减少上下文切换。
阅读全文适合陪伴式学习和查漏补缺
codebuddy 更像轻量导师，适合解释常见错误、复盘写法、形成编程习惯。对于初学阶段，它能把卡点讲得更可消化。
阅读全文Large Models
大模型使用体验
我更愿意用任务视角比较模型：写作、代码、长文本理解、中文表达、检索总结和稳定性，各自都有不同的舒适区。
Opus 4.8
长文表达和创意组织很舒服，适合写思路、写总结、写带情绪和结构的内容。需要注意的是事实类内容仍要二次校验。
阅读全文GPT 5.5
通用性强，适合复杂问题拆解、方案对比和代码协作。我的体会是它在多约束任务里更容易保持整体方向。
阅读全文Compose 2.5
偏稳重、可控，适合结构化文档、业务说明和整理型输出。把格式要求讲清楚后，产出的可编辑性比较好。
阅读全文DeepSeek
中文语境和学习总结表现亮眼，适合快速建立知识框架、做资料梳理，也适合用来对照验证其他模型的回答。
阅读全文小米 MIMO
本地化场景和移动端体验值得关注。对于生活化问题、中文交互和设备生态结合，它给人的距离感更小。
阅读全文Learning Notes