使用—— 我的技术栈与配置

观点： 显式图胜过隐式链——当流程是一张图时，你可以看到它、测试它、修复它，而不是信任一个你无法检查的循环。

观点： 模型应返回我能验证的 schema，而非我必须解析的散文——我每次都更信任类型化契约，而非自然语言承诺。

观点： 单一协议胜过一堆定制适配器——关键在于工具即插即用，而我的 agent 无需了解其内部实现。

观点： 基于环境的验证器，而非 LLM-judge 表演——检查副作用是否真的发生，因为模型会叙述它从未做过的工作。

观点： 首要的，毫不掩饰——生态系统及其势头比任何语言的优雅都更有价值，而我的流利程度足以看透其中的数学。

观点： 偶尔使用，且仅在前端迫使我这么做的地方——类型系统是受欢迎的，生态系统的蔓延则不然。

观点： 为审问数据而构建的最佳思考环境——笔记本是一场对话，而对话正是洞察所在之处。

观点： 以最好的方式无聊——可靠、有文档，并且拒绝把模型的假设藏在光鲜的 API 背后。

观点： 能抓取并检查的张量胜过黑箱——我能看到每一个梯度，而看见正是我信任一个模型的根本方式。

观点： 没人喜欢它，人人都需要它——而当你试图对抗它而非使用它的那一刻，你的数据反正已经错了。

观点： “在我机器上能跑”是个借口，而容器是让这个借口永远退休的体面方式。

观点： 在它不再多余的那天之前，它都是多余的——当系统大到手动照料的成本超过学习曲线时，我就会用它。

观点： 没有繁文缛节的并行——它把单机原型变成分布式作业，而无需重写我已经信任的逻辑。

观点： 快速、安静，功耗极低，而 GPU 机器却在嘶吼——对于除重型训练之外的一切任务，它已经足够。

观点： 一个纯粹浅薄的虚荣之选——我留着一个，因为那种触觉反馈让长时间写作变得有实感，而不是抽象的。

观点： 更少眩光，更多专注——说实话，这是软件工作最接近制服的东西。