AI

三周前我介绍了业余项目 Open Delivery Spec (ODS)。这三周里 CLI 又发了 5 个版本，新增了两条主线：用确定性信号回答"这个 AI PR 敢不敢合"，以及每个 PR 自动产出一份标准格式的 AI 代码证据文档。本文依旧基于项目真实现状，不做任何夸大。

申请 Anthropic 开源开发者计划通过了，拿到了 6 个月 Claude Max 20x 的免费使用权。聊聊申请条件、为什么能通过，以及这些年维护开源项目的一些感受。

最近写文章越来越多用 AI 帮忙，但写完总感觉哪里不对——那味道太冲了。Peter Yang 做了一个叫 no-ai-slop 的开源 skill，专门识别和去除英文写作里的 AI 套话模式，但没有中文版。我把它翻译并适配成了中文版本，支持 20 多种中文 AI 套话模式的检测和编辑。如果你也在用 AI 写公众号或技术文章，这个工具应该能帮你。

最近我对 GitHub Copilot 的态度发生了一次比较大的变化：从原来的"吹"变成了现在的"黑"。在对比了 Claude Code 之后，我发现 Copilot 在跨仓库支持、高级工程师意识等方面存在明显不足，已经让我不愿意再和它讨论问题了。

过去几个月我业余做了一个开源组织 Open Delivery Spec (ODS)。起因是 AI 生成的代码越来越多，但团队缺乏可靠的治理手段。本文基于项目真实现状，记录思路、进展与边界，不做任何夸大。

Conventional Branch 规范迎来首次重大更新。1.1.0 版本新增了 AI Coding Agent 分支前缀支持（ai/、copilot/、cursor/、claude/、codex/），同时提供了 machine-readable 的 spec.json 和 agent 注册表，让规范不仅面向人，也面向工具。

Claude Code 等 AI 工具默认会往提交里塞签名，很多人根本没注意到。Commit Check v2.11.0 引入 AI 归属治理，一行配置即可在 CI 层面拒绝带 AI 签名的提交。本文也聊聊这个功能的边界，以及这半年 Commit Check 解决的其他几个痛点。

本文从 Agent 边界设计、Tool Engineering、可观测性、评估体系、Memory 分层、Human-in-the-Loop、成本控制和安全八个维度，拆解一套面向企业落地的 Agentic Application 架构思路。

不少朋友问怎么在 Jira 里做一个类似 GitHub Copilot 的 AI Agent。本文结合我在 Jira 里实际开发的一个类似应用，分享从账号准备、Jira Automation 触发、Webhook 对接，到 Skills 能力体系搭建的完整思路。核心是利用现有服务，低成本快速实现。

这个月 Codex 自动续费了。原本我已经不太打算继续订，但这次续费反而让我重新比较了 Codex、DeepSeek V4 系列和 Copilot 的实际体验。对我来说，AI 编程工具的核心差距，已经不只是模型能力，而是谁能更稳定、更便宜、更持续地帮我写代码。

过去十天，我给 RepoKeeper 提交了一百多次代码，从一个概念验证跑到了 v1.2.0。它现在有六个模块，两个后端，支持 DeepSeek/OpenAI/Claude，还能用自己来开发自己——这篇文章讲讲它到底进化成了什么。

读完 Mario Zechner 的「I’ve sold out」，又翻了 pi 仓库里的 AGENTS.md 和 CONTRIBUTING.md，我发现这个项目在很多地方都和常见的开源协作方式不太一样。新贡献者的 issue 和 PR 默认关闭、周末不 review、不懂代码就别提 PR。看起来很强硬，但背后其实是在认真处理一个问题：AI 时代，开源项目要怎么避免被低质量贡献拖垮。

Codex 每月 22 美元的订阅费加上额度限制，让我开始寻找一个便宜、稳定、随时能顶上的备用方案。在尝试 OpenCode 不顺利后，我转向了 Pi + DeepSeek 的组合。结果有点出乎意料：写完整篇博客文章，只花了 0.24 元人民币。

Explain Error Plugin 近期迎来多个重要更新：AI Auto-Fix 自动创建修复 PR、用量统计与配额管控、以及新增对 DeepSeek、Qwen、Azure OpenAI、Custom Okta 四个新 AI 提供商的支持。

网上看到一个梗图，让我想到一个问题：什么场景该用确定性自动化，什么场景该上 AI Agent？这篇文章聊聊我的判断标准。

Explain Error Plugin 迎来两个重要更新：支持自定义上下文信息和文件夹级别的 AI 提供商配置。这两个功能让插件在企业环境中的使用更加灵活和强大。

最近收到一些用户反馈，我也第一时间对 Explain Error Plugin 做了增强，新增了两个非常实用的功能：支持指定语言输出解释内容和支持在 Pipeline 中获取返回值 AI 的返回值。

本文通过基于事实的解释和比喻，详细解读了 GitHub 上的 AI 相关概念及其层级关系，帮助读者理清 Models、Agents、Spaces、Spark 等术语的含义和作用。

经过一段时间的对比和尝试，我还是回到了 GitHub Copilot。本文分享我为何认为它是 2025 年最值得订阅的 AI 编程助手，以及实际使用体验。

本文介绍了 Jenkins Explain Error Plugin 的新功能，即支持 Ollama 本地模型，帮助用户更高效地分析和解决构建错误。

本文介绍了 Jenkins Explain Error Plugin 的新功能，支持 Google Gemini 模型进行错误分析，并提供了配置方法和示例视频。

介绍我开发的第一个 Jenkins 插件：Explain Error Plugin。它可以自动解析构建失败的日志信息，并生成可读性强的错误解释，帮助开发者更快地定位和解决问题。

AI 的出现让很多人感到“虚”，但它不会取代我们的职位，而是改变我们的做事方式。本文分享了对 AI 的体会和每天一小步的坚持。

本文介绍了 GitHub 发布的 2023 年开源状况和人工智能的崛起报告，分析了开发者社区的增长、生成式 AI 的应用以及云原生技术的发展趋势。