2025，3 个仓库，7 篇博客，369 次提交。
Reasoning, Agents, Vibe Coding, AI 编程的元年，2025，又是一年结束了。
Reasoning LLMs
今年, 每家公司都至少发布了一个推理模型.
不仅如此, 一些推理模型还是可以在 推理 或 非推理 模式下运行的混合模型.
许多模型的 API 都新增了类似 reasoning 或 thinkable 等参数来控制模型是否开启推理.
记得 2023 年第一次和 GenAI 聊天, ChatGPT 的 typing writer 让我有一种在和真人聊天的感觉…
当 DeepSeek-R1 将整个思考的过程通过 UI 呈现出来的时候,
那可真是楼下买了震楼机, 给我震撼到家了…
但是过了数周, 我就有些讨厌这个特性, 因为整个过程太慢了,
十个字符的 Prompt, 模型可能会经过数分钟的 Reasoning 才会给出最终的 Completion.
我花了一段时间才理解推理的用途.
最初我以为 Reasoning 是为了让模型回答的更准确,
但是我完全可以通过 Prompt 调优, 或者提供更详细的 Context 来达到这个效果.
随着模型的升级, 各种 Coding Agent 的完善, 我才逐渐理解…
推理的真正价值在于驱动工具.
- 具有工具访问权限的推理模型可以规划多步骤任务
- 执行它们
- 并继续对结果进行推理
- 用于更新计划以更好地实现目标
Agent
如果要评选 2025 的年度词汇, 那么 Agent 一定是前三.
从 2023 年简单的 ChatBot,
到特殊任务边排的 Workflow,
再到今年越来越智能的 Agent,
短短 2 年的时间, AI 在实际生产的落地更上一层楼!
ReAct Agent（Reasoning + Acting Agent）是一种 AI 智能体框架模式,
它将 推理 和 行动 结合起来, 让大模型能够:
- Thought（思考） - 模型先思考当前情况
- Action（行动） - 根据思考结果执行具体操作
- Observation（观察） - 观察行动结果，再进行下一轮思考
当你向 ReAct Agent 发送 “今天天气如何?”, 它就会将推理和行动结合起来:
- Thought: 我需要查询当前天气
- Action: Search[武汉天气]
- Observation: 武汉今天晴，温度 -1°C
- Thought: 用户可能还想知道明天的情况
- Action: Search[武汉明天天气]
ReAct Agent 和其他 Agent 的区别:
- 简单 Chain：只能按固定步骤执行
- ReAct：可以动态推理、规划、调整行动
- Tool-use Agent：专注于调用外部工具
- Multi-agent：多个 Agent 协作完成复杂任务
今年我深度使用了一些 Coding Agent, 尤其是 Cline 和 Claude Code.
这些智能体将各种特性和调优结合起来, 无限放大了推理模型的能力.
这里有一张 Claude Code + glm-4.7 会话中的一段可视化截图,
展示了 Coding Agent 是如何结合这些特性:
- Thought
- Action
- Observation
- Tool-use
- Multi-agent
让推理模型自己达到:
- 增强 Prompt
- 意图识别
- 调用工具
- 总结再思考
Vibe Coding
今年 6 月, 谷歌正式发布了 gemini-2.5-pro, 这是我唯一可以免费通过 API 调用的非国产模型,
我使用 Cline + gemini-2.5-pro 氛围编程了 5 个 Side Project.
工作的这么多年, 单兵作战是常态, 导致我写代码非常独,
哈哈, 注意是单独的独, 不是有毒的毒!
我非常讨厌别人(包括 AI)动我的代码, 也更不喜欢动别人代码(除非交接给我).
所以整个 2024 年, 我没有让 AI 给我写过一行代码.
学习并使用 AI 最初的动力来自于佑佑,
老婆在佑佑一岁多的时候, 买了宝宝巴士的点读绘本,
一年下来家里绘本已经有十多本了,
佑佑非常喜欢他的 JoJo 笔和那一堆绘本, 一玩可以玩一个小时.
JoJo
早些时候, 我在拼多多上 5 块钱买了两本绘本,
一个有 200 种工程车, 一个有 200 种食物.
佑佑总是会拿着 JoJo 笔点上面的图片, 我只能告诉他这两本书不能发声…
后面我发现 JoJo 笔的包装盒里有一套录音贴, 总共 400 个, 刚好能覆盖这两本书.
我只需要准备好 400 个 .mp3 并导入到 JoJo 笔,
贴上录音贴, 就能让 5 块的绘本 -> 150 块的点读绘本!
我用手机给两本书的每一页拍照, 将这些照片发给 gemini:
我: 识别这些图片, 提取其中的文字, 只包含中文, 并以
string[]的格式返回.gemini: [‘苹果’, ‘香蕉’, …]
我: 你是一个畅销的童书绘本作家，你擅长以孩童的纯真眼光看这世界，制作出许多温暖人心的作品.
针对这段
string[], 为每一个词语生成一段20至50字符长度的旁白, 词汇不要太复杂, 这是为 1~2 岁的宝宝准备的,并以
{ label: '苹果', value: '00001', desc: '旁白'}[],value从00001开始递增, 直至结束.gemini:
[{ label: '苹果', value: '00001', desc: '苹果 红红的苹果，圆圆的，像小皮球一样，每天一个苹果，医生远离我！'}, { label: '香蕉', value: '00002', desc: '香蕉 黄黄的香蕉，弯弯的，像小月亮一样，吃香蕉，长高高！'}, ...]
拿到 gemini 所生成的数据源后, 我使用 OOMOL 编排了一个工作流用来批量生成 .mp3.
- 循环数据源
- 用
desc+cosyvoice-v1_longhua调用Cosyvoice-V1 - 将 audio 保存为
${value}.mp3
最后, 我有了这 400 个 .mp3 文件!
将 .mp3 导入 JoJo 笔, 贴上这 400 个录音贴
臭屁坨(佑佑)! 用 JoJo 笔点一下, 这两个绘本现在会说话了!
time-gem
今年下半年之后, 佑佑的三把斧把我和老婆治的服服帖帖:
- 中午不睡觉
- 晚上睡的晚
- 哄睡不让关灯
早些时候, 老婆给佑佑订了一年的《婴儿画报》, 这套刊物的公众号有个小雨姐姐讲故事的节目,
每天公众号会推送一篇软文, 里面会有一段讲故事的音频,
小雨姐姐深得佑佑心, 哄睡全靠她.
但是哄睡一般需要很久, 一段故事的音频却只有三五分钟,
喜马拉雅上有他们的专栏, 也已经很久没更新了, 没有最新的故事音频.
我让 gemini 给我做了两个应用:
- Web App: 通过公众号文章的链接抓取
.mp3音频文件并上传到阿里云的 OSS - Android App: 列出音频播放
.mp3
Web App
Android App
这个 APP 基于 ReactNative 开发和构建,
在此之前我从来没有完整的使用 RN 写过任何东西,
我也不清楚 Android 如何更新, 如何播放音频等等…
得益于 gemini 的多模态, 我只需要测试并发送截图, 让它自行识别并 debug,
前前后后让 gemini 改 UI、改播放、改逻辑等等, 折腾了一周多…
如果放在以前, 这个速度简直不敢想象.
我需要调研前端怎么写爬虫, 如何爬取公众号,
查看阿里云 OSS 文档写上传,
查看 ReactNative 文档, 本地怎么搭建 APP 开发环境, 调研播放音频相关的库…
这一套搞完应该就到 2026 年了吧 ~
mcp-server-routine-bot
mcp-server-routine-bot 是我使用 gemini 所构建的 MCP Server.
2024 年 11 月底, Anthropic 发布了 MCP (Model Context Protocol，模型上下文协议),
在经过前面几次使用 gemini Vibe Coding 之后,
今年 8 月, 我觉得真的需要让 AI 担当我的 Development Assistant 了!
和之前的 Vibe Coding 不同, 这次我更多的让模型调研文档、编写开发计划、优化代码,
一周多的时间, 我已经做出了第一个 MVP 版本, 并快速的掌握了整个 MCP Server 和 MCP Clinet 的相关知识,
随着数月的迭代, 现在它已经内置 8 个工具, 是我每天都会频繁使用的工具之一了.
Jenkins
| 工具名称 | 描述 |
|---|---|
jenkins_job_list | 获取 Jenkins 中的所有作业列表 |
jenkins_job_build | 触发指定 Jenkins 作业的构建 |
GitLab
| 工具名称 | 描述 |
|---|---|
gitlab_create_merge_request | 在 GitLab 中创建合并请求 |
gitlab_merge_merge_request | 在 GitLab 中合并指定的合并请求 |
网页抓取
| 工具名称 | 描述 |
|---|---|
fetch_html | 获取网页原始 HTML 内容 |
fetch_json | 抓取并解析 JSON 文件 |
fetch_txt | 获取纯文本内容（移除HTML标签） |
fetch_markdown | 将网页内容转换为 Markdown 格式 |
codesugar
codesugar 是我使用 gemini 构建的一款 Vscode Plugin.
我用过一些带 GUI 界面的 Coding Agent,
有一个痛点是它们无法让我自定义 Prompt 来生成 git commit message.
我让 gemini 参考 Cline 的源码分析它是如何实现这个功能的,
然后让它协助我一起完成了 codesugar 的开发,
现在你应该可以在插件市场搜到了!
vizcode
vizcode: 用代码可视化我的想法.
回顾 2023 到 今年上半年, 我最常用的几乎都是文本模型,
和那个掉用了无数遍的 /completions/create.
我想再使用一些视觉模型、语音模型,
这是我首次通过 AI 学习一个全新的框架: motion-canvas:
- 使用 context7 给大模型提供最新的、特定版本的文档和代码示例
- 使用大模型结合
DeepResearch收集素材、设计脚本 - 使用大模型为最终脚本添加
SSML标记 - 调用语音模型生成
.mp3 - 如何使用 MCP Server 让文本模型支持视觉
- 等等…
GLM Coding Plan
🚀 速来拼好模，智谱 GLM Coding 超值订阅，邀你一起薅羊毛！Claude Code、Cline 等 20+ 大编程工具无缝支持，“码力”全开，越拼越爽！立即开拼，享限时惊喜价！
9 月份听播客才知道智普, 在国庆期间购买了 Lite 套餐, 结合 Cluade Code 一直用到现在,
简单聊一聊我这 3 个月的使用情况.
10 月份编码套餐刚出来, 购买的人还不算太多, 智普的服务端算力充足,
哪怕是 Lite 套餐也几乎毫无卡顿, GLM-4.6 也是嘎嘎猛,
在熟悉了 Claude Code 之后, 我就将它用于公司的需求开发中.
只要给到足够的上下文, 基本上偏差不会太大, 满分 100 的话, 我可以打 85 分.
11 月中旬开始 GLM-4.6 有些降智, 体感没有 10 月份好用,
随着用户量的增加, 下午高峰期 decode 的速度变得非常慢.
就这样凑合用到 12.23, GLM-4.7 正式发布, 并且支持了 Claude Code think ,
好消息是, 又回到了嘎嘎猛的感觉.
坏消息是, Lite 套餐现在整天都很慢…
我找朋友借了 Pro 的 Key, 下午明显比 Lite 快上不少. 虽然也挺慢的
此时论坛、企微群等各个渠道, 大家都开始喷智普超卖严重, 导致 decode 速度非常慢, 完全用不了…
1月23日, Coding Plan 开启限量发售模式, 我觉得稍微改善了一些些,
不过现在 GLM 已经变成”午夜战神”了, 因为白天都很慢…
我每个月几乎会用掉 5 亿的 tokens, 20元/月, 为我连续工作一整天, 有求必应.
慢就慢点吧
