One helpful tip per day:)
Simon Willison 梳理了去年一年 AI 编程工具的发展：
1. 通过在多个环境中，用可自动验证的奖励来训练 LLM（例如数学/代码类谜题），模型会自发地产生在人类看来像是“推理”的策略——它们学会把问题拆解为中间计算步骤，也学会多种来回试探、逐步逼近答案的解题方法。
2. 后来发现，真正解锁推理能力的是“驱动工具”：当具备推理能力的模型可以使用工具时，它们就能规划多步骤任务、执行这些步骤，并对执行结果继续进行推理，从而动态调整计划，更好地达成目标。
3.
One helpful tip per day:)
Claude Code 的创造者 Boris Cherny 分享了他如何使用这一工具：
1. 使用 Claude Code 没有唯一正确的方式：我们刻意把它设计成可以被你自由使用、定制，甚至随意“折腾”的工具。
2. 我会在终端里并行运行 5 个 Claude，把标签页编号为 1–5，并通过系统通知来知道什么时候某个 Claude 需要我输入。
3.
One helpful tip per day:)
Addy Osmani 分享了他这一年多的 AI coding 实践，有很好的借鉴意义：
1. 然而，将大语言模型（LLM）用于编程并不是按个按钮就能搞定的魔法体验——它“困难且不直观”，想要得到优秀结果需要学习新的工作模式。
2. 应该把 LLM 当作一个能力很强的初级结对程序员：它需要指导、上下文和监督。
3. 在我的工作流中，以及在很多人的实践里，第一步是和 AI 一起头脑风暴出一份详细的规格说明，然后在写任何实际代码之前，
