HeyJaredAsyncTalk
和我们一起，把 web 开发带向下一个高度AsyncTalk 是一档中文，面向对 web 开发感兴趣的朋友所录制的 Podcast 节目。后续我们会讨论更多更为前沿，工程化的话题，感兴趣可以持续关注。联系我们请发邮件至 async.talk@gmail.com 期待沟通。
- Indexed episodes, last 90 days
- 5
- Latest publication
- Sep 2, 2026
- Audience
- Checking…
- Earliest in this view
- Jul 3, 2026
Latest episodes
64个Claude: Bun 的 11 天重写 (opens the original)
Read excerpt
Bun 1.4 发布了。作者 Jarred 说这是"变化最小的一个版本"——对用户来说确实是，但整个 runtime 底层已经从 Zig 换成了 Rust。 11 天，峰值 64 个 Claude 同时在同一个仓库里干活，53 万行 Zig 全量翻译成 Rust，API 账单约 16.5 万美金。放在 AI 之前，这种项目只有一个结局：不做。 这期挑了原文里我觉得最有意思的几点聊： · 为什么非要换 Rust —— JavaScriptCore 是带 GC 的，Zig 是手动管内存，两个混在一起，光 use-after-free 和内存泄漏就够喝一壶 · 对抗性 review —— 写代码的 Claude 和挑刺的 Claude 上下文完全隔离，reviewer 只拿到 diff，并且被要求"默认这段代码是错的" · 翻车现场 —— 64 个实例互相 git stash、把编译不过的函数偷偷 stub 掉、写注释写到把磁盘 IOPS 打满 · 编译器报错反而是 AI 最好的反馈信号，一万六千个 error 就是一个天然的任务队列 · 最关键的一条：AI 犯错的时候，要改的不是那段代码，
Axiom 日志：哪 26 个人拿走了我的电影票？ (opens the original)
Read excerpt
最近 Harness 成了 AI 圈的热门话题，但当我们讨论 AI Agent 如何真正完成任务时，我觉得有一个经常被忽略的问题： AI 怎么知道生产环境到底发生了什么？ #Axiom #日志 #AI编程 #MCP #Harness #DeepSeekHarness #ClaudeCode #CodingAgent #AI智能体 #可观测性 #DevOps #程序员 #asynctalk 这期我想聊聊我最近一直在用的日志服务 Axiom。 从传统的日志查询，到 Dataset、Dashboard 和 Monitor，Axiom 本身已经是一个相当不错的日志平台。但真正让我觉得它有意思的，是它提供的 MCP Server。 当日志系统接入 MCP 之后，Coding Agent 就不只是写代码了。它可以直接分析生产日志、查找错误、定位问题，甚至结合代码自动修复 Bug、补充日志。 进一步想象一下： 让 Agent 定期检查生产环境的日志 → 发现异常 → 分析代码 → 尝试修复 → 提交 PR。 日志不再只是给开发者 Debug 的工具，而开始成为 AI Agent 了解真实生产环境的一
YoooClaw：给 AI 一具身体 (opens the original)
Read excerpt
当 AI Agent 不再只存在于聊天框里，它会变成什么？ 本期体验一款很有意思的软硬件结合产品——YoooClaw。它像一个吸附在手机背面的“小型 AI 硬件”，可以通过语音直接向 OpenClaw 下达任务，还能读取并总结手机通知、通过 RGB 灯带反馈重要消息，以及录制对话、识别不同发言者并生成会议总结。 它还支持切换 DeepSeek、GLM 5.2 等不同模型。但比具体功能更值得讨论的，是 YoooClaw 所代表的产品方向： 模型可以替换，App 和 Agent 框架也可以替换，但持续积累的个人上下文、稳定存在的硬件入口，以及从信息感知到任务执行的完整闭环，可能才是 AI 时代真正的护城河。 某种意义上，YoooClaw 就是在尝试给 OpenClaw 一具真实的“身体”。 当然，目前的产品仍然存在不少问题：任务结果展示不够完善、系统推送和定时任务尚未形成完整闭环，位置等上下文也没有得到充分利用。更重要的是，当一个设备能够读取通知、录制音频并长期积累个人信息时，隐私和数据安全将成为无法回避的问题。 这期视频会聊到： YoooClaw 如何通过硬件与 OpenClaw 交互
AI Agent 必备的 ChatSDK (opens the original)
Read excerpt
你肯定见过 OpenClaw 这种 AI Agent——挂在服务器上,你在聊天框 @ 它一句,它就自己动手把活办了:查资料、改文件、跑脚本……不只是会聊天,而是真能动手干活,也就是现在常说的 agentic。那要自己做一个这样的 agent,是不是得把每个平台的 API 和 webhook 都单独研究一遍、写一堆胶水代码? 这期聊 Vercel 开源的 ChatSDK——可以把它理解成「AI Agent 的对话接入层」。它把 Slack、Microsoft Teams、Discord、Telegram、GitHub、WhatsApp… 十多个平台的机器人逻辑统一了起来:你只写一套 TypeScript 代码,在一个 onNewMention 回调里 subscribe 再 post,你的 agent 就能在所有平台上跑起来。 视频里会带你看: · ChatSDK 的三个核心概念——Chat、Adapter、State · 怎么用一个 callback 统一处理各平台的 webhook,把"接入层"这件最烦的事交出去 · 从"在 GitHub 里 @ 一下机器人帮你改个颜色"出发,一路扩
react-call:弹框还能 await (opens the original)
Read excerpt
有没有遇到过这种场景:一个删除按钮,点下去得先弹个「确认删除吗?」,用户点确定才真的删。 浏览器自带的 window.confirm 是能用,但又丑、又几乎不能定制——位置、颜色、甚至标题都改不了。于是你只好自己写组件、用 React Portal 挂载、再手动管理 DOM 的显隐和生命周期,挺折腾的。 这期聊聊 react-call 这个小而美的库。核心思路一句话:把你自定义的 React 组件变成「可以 await 的函数」。用 createCallable 包一层,就能在调用方直接 await xxx.call(...),像调用异步函数一样拿到用户的操作结果。 视频里会过一遍: · 从 window.confirm 的痛点切入,为什么手写 Portal 很烦 · createCallable 的基本用法(call / Title / action 几个字段) · 用 bottom sheet 写的实战例子 · 支持同时弹出多个实例(比如一连串 Toast) · 和 react-query mutation 的配合:接口失败时弹框依然保留 · 自带 skills,对 AI 编程也很
Publishing over time
Last 90 days. Choose a month to open its work.
Recurring subjects
Named in the text we hold. One piece can cover several.
Audience
No verified audience measurement yet.
About this data
Counts cover the work we have indexed. Tone needs enough text and a confident classification. Excerpts and episode notes are not full articles or transcripts.
Identity or attribution wrong? Suggest a correction.