拥抱AI,还是大剑师兰特2025年博客创作详细总结

拥抱AI,还是大剑师兰特2025年博客创作详细总结

一、2025年创作心得

2025年是我技术探索极具突破性的一年。最大的转变在于主动拥抱AI工具,将其深度融入前端开发流程——从代码生成、调试优化到文档撰写,AI不仅提升了效率,更成为我理解复杂逻辑的“思维外挂”,尤其在处理地图库的底层机制时,它帮我快速穿透迷雾。

我的技术重心依然锚定在WebGIS与三维可视化领域:

  • OpenLayers 与 Leaflet 的定制化交互逻辑更加精熟,结合 Mapbox GL JS 的矢量切片与样式能力,构建了多个高性能二维地图应用;
  • CesiumJS 成为三维地球项目的主力,深入研究了3D Tiles流式加载、自定义着色器及时空数据动态可视化;
  • Three.js 则用于轻量化场景或与Cesium融合,实现更灵活的局部三维效果。
  • 尤为欣喜的是,Blender 技能的深化带来了质变。我不再仅用它做简单建模,而是系统学习了地理空间数据导入、地形生成、PBR材质制作及动画渲染。如今,我能将Blender产出的精细3D资产无缝集成到Cesium/Three.js场景中,让数字孪生项目兼具真实感与性能。

这一年,AI是加速器,地图框架是主战场,Blender则是打通虚实的关键桥梁。站在2025年末回望,技术纵深带来的不仅是能力提升,更是对“空间智能”这一方向更笃定的信心。

二、2025年底、2024年底、2023年底,互动成绩统计与对比

2025年末,互动总成绩

注:截图时间为2025年12月29日

在这里插入图片描述

2024年末,互动总成绩

注:截图时间为2025年1月11日

在这里插入图片描述

2023年末,互动总成绩

注:截图时间为2024年1月1日

在这里插入图片描述
名称2023年(截20240101)2024年(截20250111)2025年(截20251229)
总访问量2,641,5346,964,2468,255,777
原力年榜87名3名2名
原力分数112893067939819
总文章数84716972321
作者总榜58751名55名
粉丝总数164187442292406
铁粉总数8735115
获得赞数56004637864061
被评论数40302272729532
被收藏数53004270556727
代码分享数38171847324321

2023,2024年12个月,各自文章统计

2023年一共写了598篇文章(24年删掉1篇),2024年一共写了825篇文章,2025年一共写了650篇文章

月份2023年2024年2025年
1月186654
2月1016153
3月816760
4月696716
5月206211
6月576224
7月556282
8月2253126
9月2210471
10月418854
11月586148
12月547251
全年总数597825650

三、2026年创作目标

站在2026年的起点,我为自己立下明确目标:坚持日更,全年产出至少365篇技术博客。这不仅是一场写作马拉松,更是对深度思考与持续输出的自我淬炼。每一篇文章,都将是我探索、实践与沉淀的印记。

核心方向依然聚焦于二三维地图开发应用——OpenLayers、Leaflet、Mapbox GL JS 构建高性能二维底图;CesiumJS 与 Three.js 融合打造沉浸式三维地理空间体验。但今年的关键变量是 AI 的深度融入

  • 我将系统性使用 AI 辅助开发:从智能生成地图交互逻辑、自动优化 WebGL 渲染性能,到用 LLM 解析复杂 GIS 数据规范;
  • 更要主动探索 AI 与地图的创新结合点:如基于大模型的空间语义理解、AI 驱动的动态制图、或利用生成式 AI 创建虚拟地理场景;
  • 同时,用 AI 为知识体系赋能:通过智能摘要、关联推荐和自动化测试,构建个人前端+GIS 知识图谱。

365 篇文章,意味着每天都要动手、动脑、动笔。内容可能是一段优化 Cesium 加载效率的代码片段,一次 Mapbox 自定义图层的实战复盘,或对 AI 如何重构 WebGIS 工作流的深度思考。

2026,让 AI 成为我的副驾驶,以日拱一卒的坚持,在二三维地图的数字疆域里,绘制属于这个时代的开发者坐标。

Read more

前端趋势:别被时代抛弃

前端趋势:别被时代抛弃 毒舌时刻 这代码写得跟博物馆似的,都是过时的技术。 各位前端同行,咱们今天聊聊前端趋势。别告诉我你还在使用过时的技术,那感觉就像在 5G 时代还在用 2G 网络——能用,但慢得要命。 为什么你需要关注前端趋势 最近看到一个项目,还在使用 React 16,不知道 React 18 的并发模式。我就想问:你是在做开发还是在做考古? 反面教材 // 反面教材:使用过时技术 // App.jsx import React, { useState, useEffect } from 'react'; function App() { const [data, setData] = useState([]); const [loading, setLoading] = useState(true)

AI的提示词专栏:Prompt 驱动的结构化抽取,从文本中提取表格

AI的提示词专栏:Prompt 驱动的结构化抽取,从文本中提取表格

AI的提示词专栏:Prompt 驱动的结构化抽取,从文本中提取表格 本文围绕 Prompt 驱动的结构化抽取展开,先阐述其价值 —— 解决传统人工整理效率低、代码开发场景适应性差的痛点,借助大语言模型实现非结构化文本到表格的高效转化。接着解析核心概念,明确结构化抽取三要素及 Prompt 的赋能逻辑,随后提供基础版(适简单文本)、进阶版(适复杂文本)、优化版(适专业文本)三类 Prompt 设计框架,搭配实战案例说明操作要点。还通过内容创作、电商运营、学术研究三个跨场景案例,给出行业适配技巧,并针对字段遗漏、信息错误等六类常见问题提供解决方案。最后总结核心知识点,推荐工具与技术趋势,设计课后练习,助力读者掌握从简单到复杂场景的结构化抽取技巧。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、AI 创作、智能绘图等多个细分领域的知识整合起来。无论你是刚接触 AI 的新手,还是有一定基础想提升的人,

【GitHub项目推荐--MaxClaw:Go语言实现的本地优先AI智能体平台】⭐⭐⭐

简介 MaxClaw 是一款采用Go语言开发的本地优先AI智能体平台,其设计理念深受OpenClaw项目启发,专注于提供低内存占用、完全本地运行、可视化操作且开箱即用的AI助手体验。作为面向个人与团队的AI代理解决方案,MaxClaw将隐私保护置于核心地位,确保所有会话数据、记忆存储、工具执行记录和日志文件都完全保留在用户本地设备中,无需依赖任何第三方云服务。 技术定位:MaxClaw在AI智能体生态中填补了高性能本地化解决方案的空白。与许多依赖云端处理或需要复杂配置的AI工具不同,MaxClaw通过单二进制网关架构和优化的资源管理,实现了在有限硬件资源下的稳定长期运行。项目采用Apache-2.0开源许可证,鼓励社区贡献和透明开发,同时保持了商业友好的使用条款。 核心设计哲学:项目强调"本地优先"原则,这不仅体现在数据隐私保护上,更贯穿于整个系统架构。从Go语言后端的高效执行,到可视化UI的直观交互,再到多渠道的无缝接入,MaxClaw致力于为用户提供既强大又易于掌控的AI助手体验。特别适合那些对数据安全有严格要求、希望完全控制AI工作流程、或需要在资源受限环境中部署AI能力的

OpenClaw 集成六大 AI:剪映、全渠道电商与双供应链引擎

OpenClaw 集成六大 AI:剪映、全渠道电商与双供应链引擎

到了 2026 年,国内电商圈子早就分得明明白白了: * 货架电商(像京东、淘宝、拼多多):大家都是带着目的去搜东西,所以谁的搜索排名高、价格香、物流快,谁就能赢。 * 内容电商(比如抖音、小红书):这种是靠刷出来的兴趣,拼的是能不能把货种到人家心里,直播顺不顺溜,视频好不好看。 * 私域电商(微信小程序):这块全靠老客户的信任,拼的是服务到不到位,社群热不热闹。 手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定! 这时候,AI 大模型已经不只是陪你聊天了,它能直接帮你做生意。OpenClaw 就像是一个“商业全能管家”,它指挥着通义千问、DeepSeek、Kimi、豆包、文心一言这几个“聪明脑袋”,带着剪映去做视频,顺手把 1688 和京东的货源也给打通了。最后,不管货要卖到哪儿,