相关文章
6836 篇高质量内容
为什么我选 WorkBuddy 而不是 Codex
深入了解中国开发者工作痛点，WorkBuddy 从网络、语言、技术栈到合规，为国内场景量身打造。 核心内容： 1. Codex 的优势与局限性分析 2. WorkBuddy 针对中国开发环境的四大优化 3. 国内技术选型与合规要求的实际考量
没想到，DeepSeek建模潜力被ORGEval挖出来了
DeepSeek-V3在ORGEval评测中意外夺冠，揭示传统大模型评测的盲区。 核心内容： 1. 传统大模型优化建模评测的三大缺陷 2. ORGEval如何通过图论方法精准评估模型 3. DeepSeek-V3等非推理模型的意外表现与启示
从提示 Agent 到循环工程
从写提示词到设计循环，AI编程的新范式正在改变开发者的工作方式。 核心内容： 1. Agent loop的定义与核心四步流程 2. 五种不同“循环”概念的演进与对比 3. 生产环境中的实际应用与未来展望
微信小微，几个要点
微信AI助手小微开启小范围公测，它如何重塑你的微信使用体验？ 核心内容： 1. 小微的模型架构与隐私保护策略 2. 小微“小工具”功能如何满足个性化需求 3. 小微如何通过语音交互重新定义微信使用方式
AI 也会做梦？拆解 OpenClaw 独特的梦境记忆系统
OpenClaw 如何让 AI 像人一样记住重要经验？通过独特的“梦境记忆系统”，让记忆在反复验证中自动升级，告别对话失忆的困扰。 核心内容： 1. 记忆系统的根本矛盾与核心设计：通过价值证明积累持久记忆 2. 三阶段文件存储架构：从日记草稿到深度梦境验证的完整流程 3. 以一条具体规范为例，展示记忆从产生到升级的完整旅程
[译] 我所知的全部智能体工程技巧
探索智能体工程如何从“玩具”变生产力，揭秘高效交付的实战技巧。 核心内容： 1. 从Vibe Coding到智能体工程的演变与关键工具 2. 核心原则：用`/ce-plan`即刻将想法转化为可执行计划 3. 智能体并行工作流解析与实战案例
13人团队叫板Anthropic：我们造了一个更快更便宜的大模型
Subquadratic 声称解决了Transformer的数学瓶颈，打造出更快、更便宜的大模型SubQ，引发业界关注与质疑。 核心内容： 1. SubQ模型在速度、成本与能耗上的突破性宣称 2. 第三方独立评估结果与持续的行业质疑 3. 该技术对LLM架构与效率新时代的潜在影响
微信左上角长出“两只眼睛”：小微测试版，可能是微信 AI 化最关键的一步
微信推出小微AI助手，将AI能力融入社交生态，一键解决用户日常需求。核心内容：1. 小微AI助手的四大核心能力展示2. 微信布局AI的战略意图与生态价值3. 小微作为“任务代理”的独特产品定位
Agent Skill 管理范式探索：像管理软件包一样管理 Agent 能力
探索Agent Skill管理新范式：像管理软件包一样，将Agent能力沉淀为可复用、可发布的企业级资产。 核心内容： 1. 当前Agent Skill管理面临的挑战与痛点 2. 从具体任务到通用能力的工程化沉淀过程 3. 构建统一Skill Hub管理范式的核心思路与价值
企业智能体的下半场，如何让智能体越用越聪明？
让企业智能体越用越聪明，关键在于构建高效的进化飞轮。本文聚焦业务场景Agent，剖析其进化难点与工程实践。 核心内容： 1. 企业智能体进化的两类场景与当前挑战 2. 构建进化飞轮面临的数据采集与评估难题 3. 应对挑战的工程思路与实践方案
你的 Harness 工作流真的在进步吗？我们用一场考试撕掉了遮羞布
Harness工作流是否真的在进步？告别主观评价，用可量化的考试体系为你的工作流“撕掉遮羞布”。 核心内容： 1. 主观评价驱动Harness工作流的困境与失控风险 2. 从“测试”到“考试”的哲学跃迁与核心原理 3. Harness Eval评测系统的设计思路与价值
Agent 记忆，我们全都理解错了？
Agent 记忆的概念被过度包装？本文直击本质，梳理Agent记忆的四层理解，帮你穿透迷雾。 核心内容： 1. 早期记忆理解的局限性 2. CoALA分类法如何定义广义记忆 3. 从工程实践看记忆演进的未来方向
多 Agent 并行与 Headless 模式：让 Claude Code 效率翻 10 倍
用多 Agent 并行与 Headless 模式，将 Claude Code 的代码处理效率提升一个数量级，无缝集成至开发工作流。 核心内容： 1. 四种并行 Agent 模式及其适用场景对比 2. Subagents 作为轻量级助理团的具体功能与应用 3. Headless 模式如何嵌入 CI/CD 实现自动化
拆解大模型几项核心操作背后的数学与 Infra 优化逻辑
深入解析大模型核心操作背后的数学与工程智慧，揭秘如何用数学优化换取极致性能。 核心内容： 1. 剖析RMSNorm、Softmax等关键操作的数值挑战 2. 揭示数学等价变换与精度妥协的工程权衡 3. 探讨硬件利用与推理速度的优化逻辑
更可靠的主播助理：淘宝主播Agent的Harness工程实战
淘宝直播的极端环境，如何靠Harness工程让AI主播助理变得真正可用、可控？一场直播就是一场高压测试。 核心内容： 1. Harness工程在淘宝主播Agent中的核心定义与六大职责 2. 应对直播“高压测试”的四大工程挑战与解决方案 3. Harness架构如何从零散技巧升级为系统化“河道与护栏”
Business Insider：揭秘 Cursor 的疯狂崛起
揭秘Cursor如何从天才少年的10分钟测试，到与马斯克SpaceX签下600亿美元大单，背后是野心、高压文化与生死时速的转型。 核心内容： 1. 创始人Michael Truell的天才起点与宏大野心 2. Cursor内部高压工作文化及与Anthropic的紧张关系 3. 公司将命运绑定SpaceX以应对生存威胁的关键决策
如何搭建一个端到端业务需求专家 Agent
打造端到端业务需求专家Agent，让AI真正串联从需求到上线的全流程，解放人力，沉淀经验。 核心内容： 1. 解决业务需求交付中的三大工程化瓶颈 2. 系统四层架构与闭环运作机制 3. 实践案例与未来迭代方向
谁是 Agent 最强守门员？首个 Agent 技能安全评测基准 SkillTrustBench 正式发布
首个面向Agent技能安全评测的基准SkillTrustBench发布，为行业提供客观衡量标准，解决安全方案检测与技能可信度评估难题。 核心内容： 1. Agent技能安全威胁与行业检测困境 2. SkillTrustBench基准的构建与核心数据 3. 首期评测对模型、工具及技能本身的关键发现
Agent skill 迭代式编写实战
将专家经验转化为AI可执行的“操作手册”，实现零依赖部署与双重验证。 核心内容： 1. Agent Skill的概念、形态与适用场景 2. 三层渐进式披露架构与确定性脚本化设计 3. 内部自查与外部评估的双重验证机制
GPT-5.5和Opus 4.8都搞不定的Bug，被Fable 5一晚上解决
Fable 5 如何用一套“破案监控系统”，解决了GPT-5.5和Opus 4.8都束手无策的诡异Bug。 核心内容： 1. 一个无法复现、全球随机的用户账号“互串”悬案 2. GPT-5.5与Opus 4.8给出的不同诊断与局限 3. Fable 5的独特思路：停止猜测，设计取证系统