Piglei

博客与书籍内容

首页将博客作为主要阅读入口，并介绍作者的技术写作和出版作品。站点同时列出《Python 工匠》以及其他软件开发相关著作，帮助读者了解内容背景。博客文章按主题持续更新，读者可以从最近发布的文章进入，也可以通过书籍入口进一步了解作者长期整理的编程与工程知识。

个人技术博客的特点，是作者能从真实开发问题出发讨论工程选择，而不只罗列 API 或语言语法。读者可以看到技术实践如何与团队协作、代码维护和个人学习相连。Piglei 的公开文章涵盖 Python，也讨论现代 AI 工具进入软件开发之后，工程师如何保持判断、沟通和交付质量。

一份 AI 编程行为指南

一篇发表于 2026 年 3 月的文章尝试为软件工程师整理 AI 编程行为建议。作者将内容分为面向所有开发者的建议，以及面向初级工程师的补充建议，并说明这些观点来自自身工作环境，不一定适用于每个项目。文章重点讨论的是较通用的协作原则，而不是押注某一种特定工具或工作流。

其中一个核心提醒是，AI Agent 不会替工程师承担代码责任。开发者需要理解 AI 生成的改动，避免提交自己无法解释的代码。文章还建议把 AI 当作协作者而非完全委派对象，拆分较大的 Pull Request，提前进行计划和探索，并优先使用成熟稳定的库，而不是让 AI 在没有必要时从零造轮子。

这些建议反映了软件工程中责任归属的基本要求。自动生成的代码仍会进入项目仓库、影响后续维护并可能被部署到真实环境，因此审查者需要理解其行为和边界。AI 可以提供实现方案、检查问题或协助整理思路，但代码的设计、合并和运行结果最终仍由团队承担。

让改动保持可检查

文章强调拆分 Pull Request 和在提交前进行 AI Review。较小的改动更容易理解和讨论，也更方便发现错误来源。使用 AI 帮助审查可以补充人工注意力，但开发者不应把最后把关完全交给其他人或工具。对于关键逻辑，作者仍需要解释改动解决了什么问题、为何选择该实现，以及可能影响哪些现有行为。

文章还提出应创建可验证的改动并实际验证。测试、代码审查和运行观察共同构成开发过程中的反馈。AI 建议可以加快起草和探索，但若改动没有验证方式，团队就难以判断它是否真的满足目标。把任务拆得足够清楚、明确预期行为，并记录检验结果，有助于减少“看起来合理”却不符合实际需求的代码。

面向不同经验阶段的建议

文章单独讨论初级工程师的工作方式，提醒质量并不总能由速度衡量，也建议在遇到 Bug 时尝试自己分析和修复。对刚进入工程团队的人来说，亲自梳理调用关系、阅读错误信息和理解现有代码，是形成技术判断的重要过程。AI 可以作为提示和解释工具，但若直接跳过思考，就较难在结果异常时定位原因。

这并不意味着初学者不应使用 AI。更实用的方式，是先明确问题和自己的猜测，再让工具协助扩展思路，并对建议逐条验证。通过比较不同方案、阅读相关代码和解释最终选择，学习者可以同时获得效率和理解。对于经验丰富的工程师，AI 则可以协助处理重复性工作，但设计取舍和责任判断仍需要结合项目背景。

适合哪些读者

正在学习 Python 或改善工程习惯的开发者，可以从站点的技术博客和书籍内容寻找进一步阅读方向；已经使用 AI 编程工具的工程师，可以参考文章中关于协作、PR 规模、稳定依赖和验证的讨论；团队负责人也可以把这些主题用于建立一致的代码审查与 AI 使用实践。

Piglei 的文章属于作者基于自身经验的公开分享，不是适用于所有组织的强制规范。不同团队在代码审查、测试、发布和合规方面有不同要求，读者应结合自身项目的安全、质量和维护约束取舍。文章提供的是讨论线索，具体流程需要团队共同约定。

如何浏览网站

访问首页可以查看近期博客内容、书籍入口和作者背景。遇到感兴趣的技术主题时，可进入对应文章阅读完整说明；希望系统学习相关内容的读者，则可查看站点列出的出版作品。博客适合通过问题和主题逐篇浏览，也可以作为作者持续写作的归档入口。

阅读 AI 编程相关文章时，可以把建议转化为具体问题：谁负责理解和验证生成的代码，如何缩小每次改动的范围，哪些依赖适合直接采用，以及怎样定义完成标准。把这些问题放回自己的团队流程中讨论，能帮助形成更一致的实践，而不是把某条建议简单套用到所有工作。

总体而言，Piglei 将 Python 写作、软件工程经验和 AI 编程讨论放在一个个人技术站点中。对于希望在使用新工具的同时保留工程判断的开发者，博客提供了便于浏览的文章入口；《Python 工匠》等书籍入口则延伸了其技术写作内容。