用 AI 写代码，最烦的不是它写错，而是它每次都用不同的方式写错。同一个需求，对话三次，三种写法。规范在你脑子里，AI 不知道。 Trellis 试图解决这个问题。它不是又一个 AI 编码助手，而是一套给 AI 注入项目规范的框架——让 AI 写代码之前先读你的规范，写完之后自动检查，检查完之后把新学到的东西沉淀回规范里。用得越多，AI 越懂你的项目。
市面上绝大多数所谓 AI PPT 工具，本质上只是“输入主题 → 套用死板模板 → 输出低质排版”的玩具。要真正达到商业交付水准，核心在于将生成链路解构为带确定性约束的多阶段流水线：从需求调研与资料检索，到大纲策划与版面规划，再到利用 SVG Bento Grid 结构化渲染。
我们经常看到这种 URL： 1 2 3 /v1/chat/completions /v1/messages /v1/responses 这些后缀不是装饰，它们规定了一套完整的请求和响应数据结构。选错了，代码要么报错，要么丢数据。 这篇文章从 /v1/completions 开始，一路讲到 /v1/responses，把每个后缀代表什么、为什么这么设计、哪些地方容易踩坑说清楚。
把多个基于概率采样的大模型实例塞进同一个代码仓库或业务流程，本质上是在用不可靠网络和随机状态机搭建分布式系统。经典分布式系统成立的基础假设——确定性状态转移、可复现故障、拜占庭容错、原子提交——在当前的大语言模型中几乎全部失效。
我有一种强烈的直觉：现在的科技行业里，有些公司正在经历一场深度 AI 精神病（AI psychosis），而且在那些公司里，你根本没办法进行理性对话。我说的不是陌生人——是我深深尊重的个人朋友。这让我很担心事情会怎么收场。
