Cearl's — AI 编程、软件工程与技术思考

发布： 分类：

上一篇文章里，我处理了一份 360 加固风格的 Android APK。静态 JADX 只能看到 6 个 Java 文件，业务代码要等应用运行起来以后，再从进程内存里找。最后拿到 11 份 DEX 候选，筛出 6 份相关文件一起反编译，JADX 总共生成约 18,027 个 Java 文件，目标业务包里有 613 个。

当时文章停在“代码已经可以阅读”。我还特意留了一句，如果准备修改后重新构建，相关方法必须继续回到 smali 或字节码里核验。

这次真的往下做了。

最后的结果是一套新的 Android 模块。它可以和原应用同时安装，能够从干净目录构建，在 Android 14 模拟器上清数据冷启动，显示协议弹窗，初始化本地数据库，再进入记录、总结、计划和统计等核心页面。总结编辑器也完成了输入、复制、清空、粘贴和保存回归。最后又在一台 Android 真机上同时安装原版与恢复版，两个包都保留，恢复版能够冷启动到系统权限页。

它依然有清楚的缺口。56 个外围 Activity 的入口还保留着壳层 native 声明，账号、支付、广告、推送和云服务也没有完整恢复。所以本文里的“能跑”，指核心离线功能已经能够独立运行。它不等于拿回了原始工程，更不等于整个应用已经恢复完整。

上一篇解决的是怎样从运行中的加固 APK 抓回业务 DEX。本文从那些 DEX 的反编译目录开始，讲讲后面的麻烦。

上一篇文章在这里。

360 加固 APK 的识别、运行时 DEX 恢复与常见坑

发布： 分类：

我参加过一次需要在线手写编程题的面试。

题目本身不重要。那次面试以后，我一直觉得这个环节有点别扭。日常写代码时，AI 已经能完成相当一部分实现，常见的 LeetCode medium 题更是很少能让它停很久。可一到面试，大家又把工具收起来，让候选人在网页里从头写一段早已被讨论过无数次的算法。

这种考试当然能测出一些东西。数据结构熟不熟，复杂度能不能算清楚，人在压力下能不能把思路讲明白，都有价值。我真正好奇的是另一件事。假如工作里本来就允许用 AI，这类题还能提供多少区分度？

光凭几道题的印象，说什么都容易。我想干脆把它做成一次实验。

发布： 分类：

导语： 用了几个月 Codex 后，C 盘突然红了。SpaceSniffer 一扫，.codex 目录占了 40GB，其中 logs_2.sqlite 一个文件就接近 27GB。更离谱的是，库中约 97% 的页都在 freelist 里；压缩后，数据库只剩 742MB。本文记录从发现问题到用 Claude Code 一条 prompt 安全回收 26.1GB 的全过程，也解释 SQLite 为什么会出现这种现象。

这是一次发生在 Windows 上的真实故障处理，数据来自 2026 年 8 月 27 日的本机快照。logs_2.sqlite 属于 Codex 当前版本的内部文件，路径和结构以后可能变化。下面采用的是 SQLite 层面的备份压缩方案；操作前要退出 Codex、保留原库，并完成前后校验。

发布： 分类：

独立开发最贵的一步，越来越不是把软件写出来，而是确认一件事：做出来以后，到底有没有人要。

AI 编程把 MVP 的成本继续往下压。过去需要一个小团队做几个月的东西，现在一个熟练开发者可能几天就能搭出可用版本。实现能力因此越来越像基础设施，选什么需求、从哪里拿第一批用户、为什么有人愿意从现有产品迁过来，反而变得更值钱。

这里有一条经常被低估的路：不要总从零发明需求，去成熟软件旁边找正在逃走的用户。

这类产品通常会被笼统地叫作”仿品””平替”或者 “X alternative”。这个词容易让人想到像素级复制、换个名字上架、功能少一点然后卖便宜一点。那种做法商业质量通常不高，还会碰到品牌、知识产权和应用商店审核风险。

真正值得复制的是已经被验证的需求，不是原产品本身。

一个成熟产品已经替后来者完成了很多最昂贵的工作：它教育过用户，验证过有人愿意为这个任务付钱，形成了搜索词、社区、教程、工作流和历史数据。后来者需要找的，是这些用户正在被迫忍受什么，以及原厂为什么一直没有解决。

如果这个缺口来自平台战略、收费结构、产品架构、组织包袱或者一次停服和强制迁移，它就可能成为独立开发者非常舒服的切入口。

发布： 分类：

很多网上生意，离钱最近的一刻并不发生在自己的首页。

用户挑好套餐，点下购买，浏览器跳到 Stripe、FastSpring、PayPro Global 或 Razorpay。商家的网站留在身后，托管结账页接过付款信息，有些服务还会处理税费、订单或商户合规。对普通用户来说，这次跳转只持续几秒。对研究者来说，它留下了一条很有意思的线索。

如果很多人从某个网站前往支付页，这个网站大概正在频繁发起收款。我们仍然不知道有多少人付成了，也不知道每一单多少钱，但至少可以看见，哪些产品正把用户送到付款这一步。

我沿着这条线索查了 14 个支付入口。11 个入口取得了 Similarweb 的来源数据，共采集 963 条记录。数据来自 2026 年 7 月，范围是全球、全部设备，每个入口最多取前 100 个来源网站，全程没有使用 Similarweb credits。

整理完这些来源以后，最醒目的数字是 57.5%。在五个高置信支付入口的已采集头部来源中，AI 产品占了约 57.5% 的支付活动信号。

这个答案很抓人，也很容易把人带偏。

发布： 分类：

一个 APK 的 Manifest 把 Application 指向 com.stub.StubApp，JADX 只反编译出 6 个 Java 文件，包内还出现一组 libjiagu。静态分析到这里，基本可以判断业务 DEX 被壳接管了。下一步的难点有三个，先确认壳的家族特征，再触发业务代码加载，最后从一堆内存候选中找出能用的 DEX。

本文用一个 Android 14 样本走完这条路线。静态反编译只剩壳，直接从 VDEX 抽出的 15 MB DEX 仍然只有 4 个类。切换到 x86_64 userdebug 环境并读取运行进程后，共找到 11 份 DEX 候选。去掉重复壳和极小文件，再按包名识别业务与依赖，JADX 最终生成约 18,027 个 Java 文件，目标应用目录下有 613 个。

这套方法适用于业务代码会以标准 DEX 形态进入 ART 的样本。方法级解密、DEX 虚拟化和大规模 native 化可能不会留下可直接切出的完整文件，文末会单独说明边界。

发布： 分类：

这篇文章试图回答一个更具体的问题：当 AI 从工具演示走向工作流基础设施，普通白领、中产家庭、大学教育和个人资产配置会被怎样重估？

它不是投资建议，也不是基于单一叙事得出的结论。它把“AI 导致白领失业、中产危机、一人公司、资产重配”等问题放进更大的证据框架里，区分确定性、分歧点和可观察信号。

发布： 分类：

你大概见过这个场景：agent 修一个 bug，前两轮还像在接近答案，后面越改越偏；你忍不住开一个新对话，把问题重新说一遍，它反而一次改对。

很多人把这类现象叫 context rot，上下文腐烂。这个词很好记，但它把两种机制很不一样的问题塞进了一个桶里：一种是上下文太长，模型开始走神；另一种是上下文不一定长，但里面已经混进了错误前提。

发布： 分类：

Codex 的 Goal 从实验功能转成稳定功能后，我的第一反应卡在一个问题上：这玩意儿到底该怎么用？

如果只是把一个大 prompt 存起来，那我直接写在 AGENTS.md 或 docs/plan.md 里不就完了。它和 Claude Code 的 /loop、Ralph Loop 到底有什么区别？什么任务配得上开 Goal，什么任务只是我懒得拆？

发布： 分类：

最近我把 晨笙阅读 的界面又迭代了一轮，自己还挺满意。满意的点不只是“AI 帮我把页面写出来了”。更准确地说，旧版虽然能用，但视觉上还像半成品：颜色、图标和组件各说各话，阅读产品的气质没有立住。新版出来之后，它终于从“功能可用的页面”变成了“可以拿出去给人用的产品”：有统一的方向，有阅读场景的温度，也有一点精致感。

这次最大的体感是：让 AI 写出好看的网页，关键不在 prompt 里塞多少个 premium、modern、sleek。那些词当然有用，但它们太软了。真正有用的是把“好看”拆成一组 AI 能讨论、能执行、能反复检查的约束。

发布： 分类：

上周在 QCon 2026 北京 AI Coding 专场，9 场演讲，来自淘宝、蚂蚁、百度、PayPal、网易、京东。表面上讲的是各自的工具和方案，但底下在卷的是同一件事：如何让 AI 在整个研发流程里越来越自主，同时越来越可控。

这两个词放在一起是有张力的。”自主”意味着 AI 自己决策，”可控”意味着结果符合预期。各家踩的坑、交的学费，大部分都在这个张力里。

这篇文章想梳理一下：大家在做什么，做到了什么程度，以及我们自己的工作方式可能会往哪个方向变。

发布： 分类：

8 分钟，一篇会议笔记从逐字稿变成可读文章。

这不是 AI 一开始就能做到的。这是把流程跑通、把坑踩完之后才有的结果。这篇文章想说的，就是这个流程怎么建起来的——以及为什么流程建立之前和之后，效率完全不在一个量级。

发布： 分类：

2026-04-18，QCon 北京，首府分会场，AI Coding 专场。9 场演讲，录音转写 + 现场照片，整理成了 9 篇笔记。

这篇是导读，帮你决定看哪几篇。

发布： 分类：

主讲：李卓豪（网易智企，数帆 EasyData 技术负责人）
时长：约 47 分钟

数据开发治理平台的 AI 演进四阶段：从单点操作到 DataAgent，以及为什么选择 CLI 而非 MCP（Token 效率差 35 倍）。重点分享了 SQL 生成的三阶段流程（问题改写→表识别→生成校验）和优先做智能运维而非数据开发的决策逻辑。

发布： 分类：

主讲：郁丁鑫（PayPal，Senior Manager - Software Engineering）
主讲：耿树朋（PayPal，Staff Machine Learning Engineer）
时长：约 54 分钟

把 1-1.5 个月的支付迁移工作缩短到 10 分钟——PayPal MAIA 项目的完整实践。核心是 EERO 循环（执行→评估→反思→优化），以及通过 Noise Injection 构建 150+ 种噪声类型的测试数据工厂，让 Agent 在对抗性测试中持续进化。

发布： 分类：

主讲：牛万鹏（百度文心快码 Comate，研发经理）
主持：臧志（百度，Coding Agent 驱动的研发新范式专场出品人）
时长：约 53 分钟

Agent 框架的”感冒”，就是没跟上模型变化。百度 Comate 分享了如何通过 Feedback Loop（MCP 渐进式加载、智能上下文压缩、Tool 执行网络）、场景化 Benchmark（四象限异常值分析）和全员 Agent Engineers 转型，构建一个能持续适配模型演进的飞轮。

发布： 分类：

主讲：彭佩乔（蚂蚁集团支付宝体验技术部，前端工程师，花名乔洋）
主持：臧志（百度，Coding Agent 驱动的研发新范式专场出品人）
时长：约 56 分钟

蚂蚁内部 Vibe Coding 平台（代号 Muse）落地半年、月活过万的真实踩坑记录。从 search & replace 到 KV Cache 的 token 优化路径，到”文件即记忆”和”一切用 git 管理”的架构理念，再到五个关于 AI 时代基建的”暴论”。

发布： 分类：

主讲：熊飞宇 博士（记忆张量 MemTensor，创始人 & CEO）
时长：约 49 分钟 + 12 分钟答疑

记忆从效率工具变成了 Agent 能否正常运行的生死线。MemTensor 分享了 memOS 的三层记忆分层架构（明文/KV Cache/参数）、两条技术路径的对比选择，以及企业级多 Agent 产品 ClawForce 在部署、经验沉淀和安全治理上的实践。

0%