随笔分类 - AI 科普
摘要:
本文详解Agent状态的核心概念与工程实践:它不是简单记忆,而是任务执行的实时快照,涵盖进度、环境、内部判断与资源约束。通过结构化Schema、分层检查点和状态栏机制,实现可靠暂停恢复、高效决策与长程连贯性。
阅读全文
本文详解Agent状态的核心概念与工程实践:它不是简单记忆,而是任务执行的实时快照,涵盖进度、环境、内部判断与资源约束。通过结构化Schema、分层检查点和状态栏机制,实现可靠暂停恢复、高效决策与长程连贯性。
阅读全文
摘要:
Anthropic提出“上下文工程”(Context Engineering)新范式:Claude Opus 5/Fable 5删减超80%系统提示词,性能未降。核心转向“瘦提示-厚工件-瘦技能”,强调模型自主判断、渐进披露与高保真参考,告别冗余规则堆砌。
阅读全文
Anthropic提出“上下文工程”(Context Engineering)新范式:Claude Opus 5/Fable 5删减超80%系统提示词,性能未降。核心转向“瘦提示-厚工件-瘦技能”,强调模型自主判断、渐进披露与高保真参考,告别冗余规则堆砌。
阅读全文
摘要:
本文用人类学习类比AI训练,通俗解析大模型如何通过预训练、监督微调与强化学习掌握新技能;详解Model Spec、宪法等行为规范如何引导AI成为可靠协作者,并介绍评测与持续对齐的关键作用。
阅读全文
本文用人类学习类比AI训练,通俗解析大模型如何通过预训练、监督微调与强化学习掌握新技能;详解Model Spec、宪法等行为规范如何引导AI成为可靠协作者,并介绍评测与持续对齐的关键作用。
阅读全文
摘要:
RIT研究团队分析25,264个真实Agent PR发现:AI编程代理已广泛落地(覆盖2361个热门仓库),但应用极浅——中位数项目3个月仅提交1–2个PR;仅1%项目产出超人类基准;78.9%的PR由同一开发者审、改、合,凸显当前“人机协作”实为“单人+Agent”模式。
阅读全文
RIT研究团队分析25,264个真实Agent PR发现:AI编程代理已广泛落地(覆盖2361个热门仓库),但应用极浅——中位数项目3个月仅提交1–2个PR;仅1%项目产出超人类基准;78.9%的PR由同一开发者审、改、合,凸显当前“人机协作”实为“单人+Agent”模式。
阅读全文
摘要:
本文为 macOS 用户提供的 Codex Desktop 换肤实践指南,基于开源项目 Codex Dream Skin,教你用 ChatGPT 生成像素风“Dario”主题背景图,并完成一键定制与还原。非官方教程,适配 Windows 可参考流程。需 ChatGPT 会员及基础操作经验。
阅读全文
本文为 macOS 用户提供的 Codex Desktop 换肤实践指南,基于开源项目 Codex Dream Skin,教你用 ChatGPT 生成像素风“Dario”主题背景图,并完成一键定制与还原。非官方教程,适配 Windows 可参考流程。需 ChatGPT 会员及基础操作经验。
阅读全文
摘要:
本文详解Agent系统中关键的“上下文预算”概念:区别于Chatbot的静态对话,Agent需动态管理有限上下文窗口,科学分配目标、规则、工具、记忆与历史等信息。通过固定保留、最近保留、压缩摘要、按需加载四类策略,平衡信息完整性与模型效率,保障长任务稳定执行。
阅读全文
本文详解Agent系统中关键的“上下文预算”概念:区别于Chatbot的静态对话,Agent需动态管理有限上下文窗口,科学分配目标、规则、工具、记忆与历史等信息。通过固定保留、最近保留、压缩摘要、按需加载四类策略,平衡信息完整性与模型效率,保障长任务稳定执行。
阅读全文
摘要:
Kapa提出“上下文剪枝”新范式:在Reranker与Generator间插入轻量小模型(Pruner),基于五档评分(Essential至Unrelated)全局评估候选chunk,兼顾互补性与必要性。实测剪枝68%冗余内容,保留96%关键召回,单次查询成本降34%,特别适配Agent等多步推理场景。
阅读全文
Kapa提出“上下文剪枝”新范式:在Reranker与Generator间插入轻量小模型(Pruner),基于五档评分(Essential至Unrelated)全局评估候选chunk,兼顾互补性与必要性。实测剪枝68%冗余内容,保留96%关键召回,单次查询成本降34%,特别适配Agent等多步推理场景。
阅读全文
摘要:
本文详解Coding Agent的四种核心循环模式:基于轮次(人工驱动)、目标导向(/goal)、时间触发(/loop与/schedule)及主动循环,强调Agent工程的关键在于明确“谁触发、何时停、如何验”,而非仅优化Prompt。
阅读全文
本文详解Coding Agent的四种核心循环模式:基于轮次(人工驱动)、目标导向(/goal)、时间触发(/loop与/schedule)及主动循环,强调Agent工程的关键在于明确“谁触发、何时停、如何验”,而非仅优化Prompt。
阅读全文
摘要:
本文深入剖析AI从Chatbot到Agent的范式跃迁:不再停留于“请求-响应”,而是转向“目标驱动的自主控制循环”(ReAct)。通过对比交互逻辑、系统架构五大演进(任务编排、环境反馈、结构化动作、状态记忆、安全边界),揭示Agent作为可控智能体的工程本质——聊天框只是入口,背后是复杂后端系统的硬核支撑。
阅读全文
本文深入剖析AI从Chatbot到Agent的范式跃迁:不再停留于“请求-响应”,而是转向“目标驱动的自主控制循环”(ReAct)。通过对比交互逻辑、系统架构五大演进(任务编排、环境反馈、结构化动作、状态记忆、安全边界),揭示Agent作为可控智能体的工程本质——聊天框只是入口,背后是复杂后端系统的硬核支撑。
阅读全文
摘要:
Addy Osmani提出“Agent自主等级”框架,从agency(单Agent行动力)与orchestration(多Agent编排力)双维度,系统划分0–5级自主性。
阅读全文
Addy Osmani提出“Agent自主等级”框架,从agency(单Agent行动力)与orchestration(多Agent编排力)双维度,系统划分0–5级自主性。
阅读全文
摘要:
系统真正的瓶颈不是 I/O,而是CPU 在扫内存时的地址翻译成本
阅读全文
系统真正的瓶颈不是 I/O,而是CPU 在扫内存时的地址翻译成本
阅读全文
摘要:
讲解大模型推理中的 Prefill 与 Decode 两个阶段,分析 AI 回答变慢的根源
阅读全文
讲解大模型推理中的 Prefill 与 Decode 两个阶段,分析 AI 回答变慢的根源
阅读全文
摘要:
Claude Code 用分层设计把 Coding Agent 的规则拆成多种机制,让约束在合适的时机生效
阅读全文
Claude Code 用分层设计把 Coding Agent 的规则拆成多种机制,让约束在合适的时机生效
阅读全文
摘要:
OpenAI 让 Agent 能安全调用企业内网 MCP Server,同时不暴露任何公网入口。
阅读全文
OpenAI 让 Agent 能安全调用企业内网 MCP Server,同时不暴露任何公网入口。
阅读全文
摘要:
Google 给 Pixel 上的 Gemini Nano 装了个“先猜后验”的加速器
阅读全文
Google 给 Pixel 上的 Gemini Nano 装了个“先猜后验”的加速器
阅读全文
摘要:
本文以世界杯进球瞬间的流量高峰为切入点,剖析体育App背后的高并发工程体系:通过流量分层(静态/热点/动态/互动)、事件驱动、多模式数据更新(WebSocket/SSE/轮询)、分层缓存、消息队列削峰解耦、视频智能分发及精细化降级限流等策略,系统性保障核心体验。
阅读全文
本文以世界杯进球瞬间的流量高峰为切入点,剖析体育App背后的高并发工程体系:通过流量分层(静态/热点/动态/互动)、事件驱动、多模式数据更新(WebSocket/SSE/轮询)、分层缓存、消息队列削峰解耦、视频智能分发及精细化降级限流等策略,系统性保障核心体验。
阅读全文
摘要:
世界杯进球被吹?背后是VAR+AI的精密协作:摄像机追踪29个身体点、球内传感器锁定传球瞬间、AI自动生成越位线与3D动画,再经VAR复核、主裁终裁。AI负责“测得准”,裁判负责“判得明”——技术让判罚更透明,却未消除规则语境下的争议。
阅读全文
世界杯进球被吹?背后是VAR+AI的精密协作:摄像机追踪29个身体点、球内传感器锁定传球瞬间、AI自动生成越位线与3D动画,再经VAR复核、主裁终裁。AI负责“测得准”,裁判负责“判得明”——技术让判罚更透明,却未消除规则语境下的争议。
阅读全文
浙公网安备 33010602011771号