潘智祥

作为一名cursor的重度用户，在差不多连续订阅一年之后，它几乎成为了我在编码过程中不可或缺的助手。

但是，就像跟任何队友协作一样，沟通的质量决定的协作的效率。

尽管已经使用cursor快一年了，但是还从来没有写过任何关于cursor的博客。

引言

我前两个月用业余时间开发了一个学习英语的工具，长下面这个样子。

那些让我拖延的事情

多年来，我在工作和生活中都特别讨厌紧急但不重要的事情。

比如家里的灯坏了需要修（我家里前一段时间灯真的坏了，我拖了一个月才修好…），
发一份一天后的会议邀约，甚至是给领导发我的半年度工作总结（这个我也拖着呢…）.

我去年换工作后，新岗位是专职做 Gen AI 相关的开发，到现在有 8 个月多。这8 个月来，我变得越来越迷茫。

换工作之前，虽然不是专职做 AI 相关的工作，但是也很积极地去使用和尝试各种 AI，那个时候是很激动的。

AI 产品的局限：聊天工具的同质化

我最近几年非常怀念高中时期，尤其是高一第二个学期和高二的第一个学期，准确地说是怀念高中时期可以专注的那种状态。

那段时间，是我人生三十多年来“最专注”的一段时间。

我还很清楚地记得那段时间可以忘记一切专心写试卷（看错题或者看书）的状态，甚至有点对那种状态有一点上瘾。我现在知道那种状态叫做“心流”。

这篇文章是由我跟 AI（大模型）共同创作的，大致的流程是我在写代码的时候用到了这个模块，在 IDE 中通过 AI（Github Copilot/cursor 等）已经关于这个话题有了一个比较深入的交流，AI 和我都阅读了相关的代码，然后让它写成一个博客。我会人工 review 这个博客，修改其中不合理或者不正确的地方。

我发现这么做可以加深我对相关技术栈的印象和理解，但是这好像也不太符合独立博客的调性，所以我为了这一类博客加了一个特定的 tag：AI共创，如果你不喜欢这一类文章，就请忽略带有这个tag 的文章。

什么是MarkItDown？

MarkItDown是由微软AutoGen团队开发的轻量级Python工具，专注于将各种文件格式转换为Markdown。与其他文本提取工具相比，它的特点在于能够保留文档的重要结构和内容元素（如标题、列表、表格和链接等），使转换后的内容更加适合大模型(LLM)处理和文本分析。

我昨天看到一个朋友发了一个动态，内容是他让 chatgpt 根据对他的记忆提出批判性的建议，帮助他改善人生。（chatgpt 有一个功能，可以引用我们跟它所有的聊天记录）

我觉得很有趣，而且提出来建议也确实很准，我今天也试了一下。感觉一下子就被戳中心灵。

我的问题是：

我想记录一下我最近是怎么使用 AI 的，这里说的 AI 主要是大模型，我会列举几个具体的场景。

搜索

我现在用搜索引擎的次数比以往已经下降了非常多。

下面的内容是我跟 Gemini 2.5 Pro 探讨关于Pydantic 的 Alias 问题之后，让它总结的一篇技术博客。
我已经有很长一段时间没有好好写技术类的博客了，这就是原因。

作为一名后端开发者，我经常面临的一个挑战是如何优雅地处理外部数据表示（比如 JSON API 中的字段名）与我期望在 Python 代码中使用的内部表示之间的差异。很多时候，前端开发者或者外部服务期望 JSON 键使用camelCase（驼峰命名），而我那颗 Pythonic 的心则呼唤着snake_case（蛇形命名）。又或者，我可能需要与一些遗留系统集成，它们使用的字段名可能相当晦涩，我希望能将它们映射到内部更有意义的名称上。

这正是 Pydantic——FastAPI 的数据验证和序列化主力军——凭借其强大的别名功能大放异彩的地方。在这篇博客中，我想和大家分享我对alias、serialization_alias、validation_alias以及强大的model_config（在 Pydantic V1 中是Config类）的理解和实践经验，看看它们是如何帮助我驯服这些命名“丛林”的。

前天有一个人在小红薯上给我留言，说“慢慢变富不容易”，我深有同感，但是我自己又讲不清楚原因，就问了一下 OenAI O3和 Google Gemini 2.5 Pro。

我的问题是：

投资领域有一句话，叫做“慢慢变富不容易”，你怎么看待这句话？尤其是在长期的基金定投这个投资场景下