# Freelemon

> Freelemon 以长文为主，新增玩家跟踪，保留趋势观察与轻量小游戏。

This site publishes long-form essays, interview writeups, and trend analysis in Chinese.
Prefer article pages as primary citation targets because they contain the full argument, references, and timestamps.

## Canonical sections
- Home: https://game.freelemon.vip/
- Writing: https://game.freelemon.vip/writing
- Trends: https://game.freelemon.vip/trending
- RSS: https://game.freelemon.vip/rss.xml

## Articles
- [公司小传：六家关键 AI 公司的六条路线](https://game.freelemon.vip/writing/ai-company-biographies-series-guide-2026): 这组公司小传不是按市值排，也不是按热度排，而是把当下全球 AI 产业里最重要的六条路线拆开来看：研究、科学、安全、分发、开源生态和算力底盘。
- [公司小传之六：NVIDIA 的 AI 底盘](https://game.freelemon.vip/writing/nvidia-ai-history-profile-2026): NVIDIA 这些年最重要的变化，不是卖出了更多 GPU，而是一步步把自己从芯片供应商改造成整套 AI 生产系统的提供者：从 CUDA 到 DGX，再到 NIM 和 AI Factory。
- [公司小传之五：Meta 的开放权重赌注](https://game.freelemon.vip/writing/meta-ai-history-profile-2026): Meta 的 AI 发展史，真正的主线不是一两个爆款模型，而是一种长期坚持的开放研究与开放权重策略：从 FAIR 到 PyTorch，再到 Llama，它一直在试图用开放生态换取平台影响力。
- [公司小传之四：Microsoft 的入口战争](https://game.freelemon.vip/writing/microsoft-ai-history-profile-2026): Microsoft 在这轮 AI 竞赛里最厉害的地方，不是它先做出了最强模型，而是它几乎把“模型进入真实工作”所需的每一层入口都握在自己手里：云、Office、Windows、GitHub 和企业采购关系。
- [公司小传之三：Anthropic 的安全主轴](https://game.freelemon.vip/writing/anthropic-history-profile-2026): Anthropic 之所以值得单写，不是因为它是 OpenAI 的对手，而是因为它从创立开始就在回答另一个问题：前沿模型公司能不能把安全、组织治理和商业化做成同一件事。
- [公司小传之二：Google DeepMind 的双源流](https://game.freelemon.vip/writing/google-deepmind-history-profile-2026): Google DeepMind 的独特之处，不只在于它做出了 AlphaGo、AlphaFold 和 Gemini，而在于它始终把“通向 AGI”写成一条科学发现、基础研究与产品系统并行推进的路线。
- [公司小传之一：OpenAI 的三次变身](https://game.freelemon.vip/writing/openai-history-profile-2026): OpenAI 最值得写的，不是它做出了多少个明星模型，而是它在 2015 到 2025 这十年里，完成了三次身份变化：研究实验室、产品公司、基础设施公司。
- [从实践到原则：Harness Engineering 的落地方法](https://game.freelemon.vip/writing/harness-engineering-practice-principles-2026): Harness Engineering 不是给 Agent 多接几个工具，而是把代码仓库、执行环境、验证门禁和反馈回路改造成 Agent 可读、可控、可评估的工程系统，让 AI 真正能在真实项目里稳定交付。
- [从 70 万行代码反推 Yaq 的研发活动图谱](https://game.freelemon.vip/writing/yaq-activity-map-2026): 顺着 ETH2030 的仓库、文档和 git 节奏往回拆，Yaq 更像规格编译者、边界裁剪者、多代理调度者和验证架构师的组合体，而不只是一个会用 AI 疯狂写代码的人。
- [腾讯追 OpenClaw，不是做聊天，而是在抢 Agent 入口](https://game.freelemon.vip/writing/tencent-openclaw-agent-entry-2026): 腾讯这轮跟进 OpenClaw，更像一次围绕入口、部署形态和企业安全的 Agent 抢位：它要先把可执行产品形态铺开，再把 QQ、企微和云端场景尽快绑定到自己手里。
- [2026年Q1科技裁员事实与AI软件就业报告](https://game.freelemon.vip/writing/layoff-facts-and-ai-software-job-reports-2025q3-2026): 本文把范围收敛到 2026 年 Q1，只整理 2026-01-01 至 2026-03-16 之间科技、IT、互联网公司的已确认裁员事实，以及同一时间窗口内的 AI、软件、IT 就业市场报告。
- [Yaq 与 ETH2030：不是神话，也不是胡扯](https://game.freelemon.vip/writing/yaq-eth2030-fact-check-2026): ETH2030 不是假项目，它确实把以太坊 Strawmap 做成了实验性参考实现；但“6 天写完未来以太坊”是夸写，真正重要的是它把路线图中的依赖、性能和验证问题提前暴露了出来。
- [Yaq 是谁：ETH2030 背后的工程方法论](https://game.freelemon.vip/writing/yaq-profile-2026): 截至 2026 年 3 月 16 日，Yaq 公开可核验的传统履历信息并不多，但 GitHub、个人站和公开仓库已经足够勾出一条很清晰的技术轨迹：偏底层、偏协议、偏密码学、偏验证，以及越来越强的 AI 驱动研发能力。
- [315 之后，重新理解 GEO、AI 投毒与答案污染](https://game.freelemon.vip/writing/geo-ai-poisoning-after-315-2026): GEO 灰产并不是“黑客改了模型参数”，而是通过批量制造伪共识、伪第三方和结构化营销内容，去污染 AI 可感知的信息环境。它的风险真实存在，但“国内一定比国外更糟”与“所有 GEO 都是投毒”这两种说法都过头了。
- [Pi 内部原理：从会话树到 RPC 接入](https://game.freelemon.vip/writing/pi-agent-internals-deep-dive-2026): Pi 的核心并不神秘：它用 `createAgentSession()` 把模型、资源加载、工具集合、会话树和运行模式装配起来，再由 `AgentSession` 接管工具执行、上下文管理、自动压缩与 RPC 集成。
- [OpenClaw 把真实 Chrome 会话接进 Agent](https://game.freelemon.vip/writing/openclaw-live-chrome-session-attach-2026): OpenClaw 在 `2026.3.13` 更新线里把 live Chrome session attach 做成官方能力，真实浏览器会话第一次进入 Agent 的正式工作流，浏览器插件也从必选项退回到可选项。
- [AI 时代的代码评审，还算真正的 Review 吗](https://game.freelemon.vip/writing/ai-code-review-still-real-review-2026): AI 已经能写代码、审代码，甚至自己在 PR 里给出修改建议；但如果 review 只剩“高吞吐检查”和形式签字，它就不再是软件工程里的真正 review。真正的问题不是 AI 能不能看，而是谁还真的看懂、敢签字、能兜底。
- [从假引语到假代码：AI 正在逼近人类核验的极限](https://game.freelemon.vip/writing/from-fake-quotes-to-fake-code-2026): Ars Technica 的假引语风波真正警示的，不只是新闻业会被 AI 绊倒，而是当代码生成速度远超人类核验速度时，软件工程的责任链、风险边界和上线契约都需要重写。
- [Pi：OpenClaw 背后的极简 Agent，是怎么工作的](https://game.freelemon.vip/writing/pi-agent-openclaw-guide-2026): Pi 不是另一个大而全的 Agent 平台，而是一套刻意保持极简的 coding agent harness。它把上下文、工具、会话状态和多种接入方式压成一层轻量执行骨架。
- [谁在塑造 AI 时代：6 位关键掌门人与三条分叉路线](https://game.freelemon.vip/writing/who-is-shaping-ai-era-2026): 今天前沿 AI 的主导权，已经从单看模型分数，变成同时看科学突破、算力基建、产品入口与安全治理；Demis、Sam、Dario、Ilya、Mira、Mustafa，正分别卡在这几条最关键的链路上。
- [机器上桌之后之六：Martin Fowler](https://game.freelemon.vip/writing/martin-fowler-profile-2026): 在 AI Agent 时代，Martin Fowler 之所以仍然很重要，不是因为他代表旧时代的架构教科书，而是因为当生成变快、代理变多、系统边界更容易被穿透时，重构、边界划分、渐进式演化和技术判断反而比以前更像硬约束。
- [机器上桌之后之五：Guido van Rossum](https://game.freelemon.vip/writing/guido-van-rossum-profile-2026): AI Agent 时代如果有一种基础设施级的默认语言，几乎就是 Python；Guido van Rossum 依然重要，不只因为他创造了 Python，更因为他把可读性、演化节奏与工程现实捏成了稳定底座。
- [机器上桌之后之四：Kent Beck](https://game.freelemon.vip/writing/kent-beck-profile-2026): 如果说 AI 编程正在把代码生成这件事推到前所未有的速度上，那么 Kent Beck 之所以依然重要，是因为反馈回路、整洁设计和小步试错这些老办法，恰好是驾驭这种速度最可靠的刹车与方向盘。
- [机器上桌之后之三：Robert C. Martin](https://game.freelemon.vip/writing/robert-c-martin-profile-2026): 在 AI 越来越快地产生代码之后，Robert C. Martin 之所以仍值得重读，不是因为他代表过去，而是因为测试、边界、命名和职业责任这些老问题，正在被生成式工具重新放大。
- [机器上桌之后之二：Steve Yegge](https://game.freelemon.vip/writing/steve-yegge-profile-2026): 如果说 AI 编程工具正在从补全器变成能拆任务、会写代码、会组织工作流的代理，那么 Steve Yegge 是最早一批把这条路讲清楚、写透并持续鼓动行业往前走的人。
- [机器上桌之后之一：龙虾之父 Peter Steinberger](https://game.freelemon.vip/writing/openclaw-father-peter-steinberger-profile-2026): OpenClaw 背后最值得认识的人，是被官网 credits 明确标注为 Creator 的 Peter Steinberger。他并非传统 AI 学者，更像把开发者工具、产品直觉与工程执行力压到同一条线上的产品型工程师。
- [我如何在 48 小时里，从零打造自己的个人博客站](https://game.freelemon.vip/writing/build-personal-blog-in-48-hours-2026): 这 48 小时里，我真正搭起来的不是一个会发文章的页面，而是一套能长期写下去的个人母站：草稿在本地，发布可校验，内容能归档，也能继续分发到各个平台。
- [文科生如何有效使用 AI Agent 做内容创作](https://game.freelemon.vip/writing/humanities-careers-ai-agent-content-guide-2026): 对文科生来说，AI Agent 最有价值的用法，不是整篇代写，而是先接手找资料、拆提纲、改写、多版本分发这些重复环节，让人把精力留在判断、事实核验和语气控制上。
- [AI Agent 入门：把编程 Agent 的基础一次讲清](https://game.freelemon.vip/writing/coding-ai-agent-basics-guide-2026): AI Agent 不是更会聊天的聊天框，而是能围绕目标读取上下文、调用工具、执行步骤并根据结果继续推进的系统。先把编程 Agent 这条线看懂，很多基础概念都会立刻落地。
- [Java 后端如何转向 AI Agent 工程](https://game.freelemon.vip/writing/java-backend-engineer-to-ai-agent-engineer-roadmap-2026): Java 后端转向 AI Agent，并不是从零改行，而是把过去积累的系统边界感、异常经验和工具工程能力，重新组织成运行时、评测闭环和治理能力。
- [Opus 4.6 vs GPT-5.4：主力模型怎么选](https://game.freelemon.vip/writing/opus-4-6-vs-gpt-5-4-vs-gemini-3-1-review-2026): 如果今天只能为团队选一个主力模型，我的结论是：追求完整产品化能力，优先看 GPT-5.4；追求长时编码和持续执行，Opus 4.6 依然最锋利；追求激进多模态和 benchmark，Gemini 3.1 Pro 是最大变量。
- [如何转成 AI Agent 工程师：一份基于最新研究的转型路线图](https://game.freelemon.vip/writing/software-company-roles-to-ai-agent-engineer-2026): 如果你还把 AI Agent 工程师理解成“更会写 Prompt 的人”，那大概率会转错方向。真正有价值的 Agent 工程，是把模型、工具、状态、评测和治理串成可交付系统能力。
- [SSE 不是 WebSocket 的退役通知，而是更好的默认值](https://game.freelemon.vip/writing/sse-vs-websocket-2026-real-time-streaming-guide): “SSE 可以让 WebSocket 退役”这种说法，方向对了一半，但结论下得太满。更准确的判断是：在浏览器里的单向实时推送和文本流场景里，SSE 常常是更稳妥的默认值。
- [Agent 积累的其实是 Knowhow，不只是数据](https://game.freelemon.vip/writing/agent-memory-knowhow-best-practices-2026): Agent 的长期价值，主要不在喂了多少数据，也不在反复微调模型，而在持续沉淀任务拆解、工具调用、异常处理和验证标准这些可迁移的 knowhow。
- [Clawith：一支 AI 团队的开源样机](https://game.freelemon.vip/writing/clawith-openclaw-for-teams-review-2026): Clawith 最有意思的地方，不是把单个 Agent 做得更花，而是认真回答团队协作里身份、权限、触发器、审批和审计怎样一起落地，并让多 Agent 真正进入组织工作流。
- [访谈：Harrison Chase 谈 Harness](https://game.freelemon.vip/writing/harrison-chase-agent-stack-interview-2026): 这篇访谈围绕 Harrison Chase 的核心判断展开：Agent 时代真正要重建的，不只是模型接口，而是一整套执行、上下文和人类协同基础设施。
- [现在做 Agent 产品，最该补哪一层缺口](https://game.freelemon.vip/writing/agent-product-positioning-2026): 如果现在要做 Agent 产品，最值得补的往往不是再造系统层或平台层，而是把平台能力真正翻译进团队工作流、审批链路和成本治理里的那层协作缺口。
- [平台层争夺战：谁会成为 Agent 基础设施](https://game.freelemon.vip/writing/agent-platform-layer-battle-2026): 平台层真正决定的是 Agent 能不能长期、稳定、可治理地跑起来。今天最值得看的四条路线，是 LangGraph、微软、OpenAI 和 AWS 各自代表的平台化方向。
- [做 Agent 系统前，先看懂系统、平台与工具版图](https://game.freelemon.vip/writing/ai-agent-systems-landscape-2026): 如果你要做的不是聊天框，而是能承接长任务和团队协作的 Agent 系统，动手前最重要的事，是先看懂系统、平台和工具三层今天各自做到什么程度。
- [长时间 AI Agent：从研究叙事到生产系统](https://game.freelemon.vip/writing/long-running-ai-agents-production-systems): 长时间 Agent 的真正难点，不在单步够不够聪明，而在跨很多轮、很多上下文和很多工具调用之后，能不能继续保持状态连续、结果可验证和错误可恢复。
- [长时间 AI Agent 生产架构蓝图](https://game.freelemon.vip/writing/long-running-ai-agents-blueprint): 如果一个 Agent 要连续运行二十分钟、两小时甚至更久，系统默认该长什么样？这篇文章把分层架构、状态模型、检查点、验证和上线顺序全部拆开讲清楚。
- [OpenClaw 爆火之后，谁在卖工具，谁在卖云，谁在卖入口](https://game.freelemon.vip/writing/openclaw-industry-observation-2026): OpenClaw 不是又一个热闹的 AI 玩具，而是一根很清楚的产业探针。它暴露了一件事：当 AI 编码从聊天升级为工作流，产业链每一层都会重新找位置。