Supabase 实战英文复盘:pgvector 44x 查询优化与 RLS 双闸门
《Supabase 面试备考指南》实战篇:本站零后端接口的真相——resources 表即全站内容、PostgREST 自动 API、六行代码的 Google 登录、两张表两种 RLS 配方、匿名探针实证(公开表 78 行 vs 私有表空数组)、两把钥匙的管理纪律,外加四个真实踩坑和一段两分钟面试陈述逐字稿;所有代码原文摘自本站仓库
把「会用」升级成「能讲」:database-centric 架构、RLS 四种策略与性能优化六招、JWT 与新旧 API Key 体系、Realtime 逻辑复制原理与扩展限制、Supavisor 连接池两模式,配 28 道可折叠自测的高频面试题和 7 天学习计划;关键数字全部核对 2026-07 官方文档
Warp 公开的内部工程规范:每个编码任务必须从 prompt 开始,10 分钟没进展就报反馈、可换竞品、最后允许手写;红线是「AI 写的」永远不是借口——人对提交的每行代码负全责,所有失败案例优先做成 eval
Anthropic 官方 23 页 PDF 全文整理:从数据基础设施到法务,10 个团队的用例、量化影响与实操建议——Vim mode 70% 自主完成、研究时间省 80%、广告文案 2 小时变 15 分钟,以及「按风险分层给 agent 放权」的共性方法论
官方文档现行版全文:上下文窗口是一切实践的出发点——给 Claude 可运行的验证、先探索再计划再编码、写好 CLAUDE.md、技能/子智能体/插件扩展、并行会话与扇出、五大失败模式
StockApp 团队实战全文:AI-native 文化比手工开发提效约 2.5 倍(1,098 PR / 13 周实测)——monorepo 共享工作区、分层开发六级、万事先问能不能用 AI、MCP 补上下文、多模型集成评审五大原则
Eval 是给 AI 系统出的一套「考试」:三种打分器、两类 Eval、pass@k 与 pass^k、从零建第一套 Eval 到全生命周期落地,基于 Anthropic 官方工程指南与一线实践整理
高赞 Reddit 帖全文整理:设计文档打地基、评审把痛苦前置、AI 先写测试再写码、双人评审+staging 收口,从提案到上线提速约 30%
HumanLayer ace-fca 全文整理:上下文窗口是影响输出质量的唯一杠杆;研究/计划/实现三步工作流+40–60% 利用率+高杠杆人工审查,让 Claude Code 拿下 30 万行 Rust 代码库、7 小时交付 3.5 万行
Ravi Mehta 文章全文整理:AI 提速工程交付后,瓶颈转向「知道做什么、对齐需求」;含 Sean Grove 的 spec-as-source-code 论断、新旧工作流对比与非技术创始人 spec 驱动发布实战
CS146S Week1 笔记
Claude 开发者手册