-
最新 Claude Code 实战秘籍！月烧十万氪金总结：管理智能体上下文、批量处理任务、快速原型、自动生成 PR……
本文深度剖析了资深软件工程师 Shrivu Shankar 基于大量实战经验，总结的 Claude Code 高级功能与最佳实践。文章详细阐述了如何高效管理智能体上下文、批量处理任务、快速原型开发以及自动化生成 Pull Request 等实操技巧。文中不仅介绍了 CLAUDE.md、Slash 命令、Subagents、Hooks、Planning Mode、Skills、MCP、SDK 和 G… -
接力 DeepSeek，阶跃星辰直接开源两款国产多模态大模型
阶跃星辰联合吉利汽车集团开源了两款多模态大模型：Step-Video-T2V 和 Step-Audio。Step-Video-T2V 是全球范围内参数量最大、性能最好的开源视频生成模型，采用 MIT 许可协议，支持免费商用。该模型使用了深度压缩变分自编码器 Video-VAE，实现了 16×16 的空间压缩比，以及具有 3D 全注意力机制的 DiT，用于将输入噪声去噪成潜在帧。Step-Audio… -
星流 Agent，10 分钟做了我一周的工作量！超全测评来了。
文章详细介绍了星流 Agent 作为多功能 AI 创作平台的使用体验和应用案例。平台整合多种 AI 能力，通过'全自动情绪板'等功能支持从概念到成品的全流程创作。作者以'立方体袋熊'表情包系列为例，展示了批量设计的高效率和一致性；在品牌 VI 设计中演示了从 Logo 到包装的完整工作流；还涵盖了视频生成、3D 模型创建及国风插画等多元应用。文章特别分享了提… -
Anthropic 团队如何玩转 Claude Code
文章详细剖析了 Anthropic 内部多个团队（包括数据基础设施、产品开发、安全工程、推理、数据科学、产品工程、增长营销、产品设计和法务）如何高效利用 AI 工具 Claude Code。它展示了 Claude Code 在代码调试、基础设施管理、新员工培训、自动化测试、快速原型开发、非技术工作流自动化（如财务数据处理、广告创意生成、法律文档处理）等方面的广泛应用。通过具体的案例，文章揭示了 C… -
117. 开源一段论文探索之旅：模型范式、Infra 和数据、语言、多模态的完整变迁史
本期播客特邀美团光年之外产品负责人谢青池，分享他作为非技术背景产品经理，通过一年多时间研读数百篇 AI 论文，深入理解 AI 技术边界的经验。节目以其独特的视角，将 AI 发展史划分为模型范式变迁、基础设施与数据、语言模型和多模态模型四大核心部分，详细解读了从 1999 年 GPU 诞生到 2024 年最新进展中的 36 篇关键论文。内容涵盖了深度学习的开端 AlexNet、Transformer… -
与 Cursor 结对编程的四个月，我大彻大悟了！
本文作者分享了与 AI 编程助手 Cursor 结对编程四个月的实践经验与方法论。文章强调 AI 协作的关键在于明确的需求描述和开发规划，并提出通过制定“rules”来规范 AI 行为，减少无效沟通和操作风险。文章详细介绍了多个 MCP（模型上下文协议）工具，如用于闭环反馈的`mcp-feedback-enhanced`、用于结构化思维的`sequential-thinking`以及自动化任务记录… -
信息量很大！2025.10.2 硅谷内部关于 AI Agent 的讨论会实录
本文深度总结了硅谷一次关于 AI Agent 在生产环境中成功部署的关键因素的行业讨论会。会议指出，高达 95%的 AI Agent 部署失败并非模型智能不足，而是由于上下文工程、安全性、记忆设计等支撑体系的缺失。文章详细探讨了高级上下文工程的重要性，包括 LLM 特征选择、语义与元数据分层，以及处理 Text-to-SQL 挑战的方法。同时，强调了治理与信任在 Agent 落地中的核心地位，如溯… -
AI 记忆革命：EverMemOS 如何让机器拥有真正的"灵魂"
文章从 AI 记忆的根本性缺陷入手，指出当前大语言模型在上下文窗口限制下无法形成长期、一致的记忆，从而限制了 AI 的个性化、一致性和主动性。作者深入探讨了记忆能力作为 AI 进化的关键瓶颈，并介绍了盛大集团旗下 EverMind 团队推出的 EverMemOS 长期记忆操作系统。该系统在最主流的长期记忆评测集 LoCoMo 和 LongMemEval-S 上分别达到了 92.3% 和 82% 的… -
信息量很大：2025.7.28 王坚院士接受彭博社采访实录
本文是彭博社对阿里云创始人、之江实验室主任王坚的专访实录。王坚院士深入探讨了 AI 技术对人类思维和做事方式的根本性改变，指出算力提升如同交通工具变革，将彻底改变问题解决方式。他认为 AI、AGI、ASI 之间没有本质区别，是一个持续演进的过程。在 AI 发展方面，王坚强调中国基础模型已足够强大，当前最大的挑战并非算力，而是能否摆脱 ChatGPT 的应用思维定式，创造出全新、有价值的应用场景。他… -
《智能体设计模式》之记忆管理模式：打造具备学习与记忆能力的智能系统[译]
文章作为《智能体设计模式》的第八章译文，深入探讨了 AI 智能体在缺乏有效记忆机制时无法执行复杂任务、维持连贯交互和持续学习的问题。为此，文章系统阐述了智能体记忆管理的核心概念和实践。首先，明确了智能体需要兼具短期上下文记忆和长期持久化知识的双层记忆架构，以实现连贯交互和持续学习。短期记忆主要存在于大语言模型的上下文窗口，而长期记忆则通过外部数据库或向量数据库实现语义搜索。文章详细介绍了 Goog… -
AI 语音的 Her Moment: 个性化交互达到临界点
本文由 MiniMax 官方发布，重点介绍了其研发的高质量文本转语音（TTS）模型 Speech 02。该模型基于 AR Transformer 架构，核心创新在于其内在的 Zero-Shot 能力，通过一个“会学习的音色提取器”，仅凭一段参考音频即可实现超拟人且稳定的音色克隆。MiniMax Speech 02 支持 32 种语言，能够提供任意语言、口音、音色的无限组合。文章引用 Artific… -
拯救 P 图废柴，阿里上新多模态模型 Qwen-VLo！人人免费可玩
文章介绍了阿里新发布的多模态模型 Qwen-VLo，该模型在图像理解和生成能力上有显著提升，支持多种图像编辑功能，如风格替换、素材增删和添加文字等。Qwen-VLo 采用独特的渐进式生成方式，从上到下逐步构建图像并优化细节，确保最终结果和谐一致。模型支持任意分辨率和长宽比，并具备增强的细节捕捉能力。文章通过多个实测案例展示了模型的能力，包括连续生成、图像编辑和文本识别等，同时也揭示了模型对流行文化… -
张涛首次回应争议，Manus 为什么没有被替代？｜清华校园行
文章记录了真格基金管理合伙人戴雨森与 Manus 联合创始人张涛在清华大学的深度对谈。张涛首次系统回应了围绕 Manus 的技术含量和营销方面的质疑。他详细阐述了 Manus 如何通过“Less structure， more intelligence”及“Zero Predefined Workflow”的核心技术理念，将任务决策能力完全交还给模型，使其在 Agent 基准测试中长期保持领先。他… -
Redis 之父 Salvatore Sanfilippo 的年终 AI 反思
文章回顾了 Redis 之父 Salvatore Sanfilippo 在 2025 年末提出的八条 AI 反思。Sanfilippo 作为一位资深程序员，对 AI 的看法兼具技术深度和实用性。他指出，“随机鹦鹉”的说法已不再站得住脚，因为大模型在各种测试中表现出色并形成内部概念表征。他认为“思维链”是一个被低估的突破，它通过内部表征采样和结合强化学习实现了模型自我提升。此外，他指出“可验证奖励”… -
MCP 不止工具调用！MCP 联合创建者：绝大多数人用法都太初级！曝 MCP 五大原语、高阶玩法：丰富人机交互体验；MCP 的未来在 Web
本文基于 MCP 联合创建者 David Soria Parra 的分享，详细阐述了模型-客户端协议（MCP）的深层能力和未来方向。作者指出，大多数人对 MCP 的理解仅限于工具调用，而实际上它能构建更丰富的人机交互体验。文章系统介绍了 MCP 的五大原语：Prompt（用户主动触发的预设模板）、Resource（暴露给客户端的原始数据）、Tool（模型主导的动作调用）、Sampling（服务器向… -
《智能体设计模式》之工具使用模式：突破能力边界的外部工具集成[译]
本文作为《智能体设计模式》的第五章译文，系统介绍了智能体“工具使用模式”的核心理念、六步调用流程、典型应用场景及多种实现框架。文章指出，该模式使智能体能够通过函数调用与外部系统、接口和服务交互，从而获取实时信息、执行计算、操作数据库甚至控制设备，将大语言模型从纯文本生成器转变为主动的行动执行者。文中详细列举了获取外部信息、与数据库交互、执行代码等六大应用场景，并提供了基于 LangChain、Cr… -
独家对话 Manus 肖弘：世界不是线性外推，做博弈中的重要变量
文章是腾讯科技对 Manus AI 创始人兼 CEO 肖弘的访谈，深入探讨了 AI 应用创业的机遇与挑战。肖弘分享了 Manus AI 从 AI 应用出发的战略选择，以及对大模型时代“新时代的安迪比尔定律”的独特见解，即模型能力外溢为 AI 应用公司提供了专注用户体验和特定场景的发展空间。他认为，创业者应抓住垂直领域和原厂不做的机会，打造差异化产品。同时，肖弘还介绍了 Manus AI 的两款主要… -
【生成式人工智慧與機器學習導論 2025】第 2 講：上下文工程 (Context Engineering) — AI Agent 背後的關鍵技術
文章详细阐述了上下文工程（Context Engineering）这一概念，并将其与传统 Prompt Engineering 进行了对比，指出上下文工程更侧重于自动化和全面的输入管理。它强调语言模型本质是文本接龙，要获得理想输出，除了模型训练，优化输入（即上下文）至关重要。文章详细拆解了一个完整上下文的七大组成部分，包括用户 Prompt、系统 Prompt、对话历史、长期记忆、外部资料源（RA… -
AI 出码率 70%+的背后：高德团队如何实现 AI 研发效率的量化与优化
本文详细阐述了高德团队在 AI 辅助编程背景下，如何从零搭建一套科学、可落地的研发效率量化指标体系。文章首先指出当前 AI 编程工具缺乏统一的效率衡量标准，并提出了以“AI 出码率”为核心指标，结合代码量、会话交互和使用时长等辅助指标来全面评估 AI 工具的效能。文章深入介绍了指标体系的建设方案，包括多 IDE 基础插件的数据采集能力、基于 MCP 协议的标准化采集方案及其演进过程，并详细说明了提… -
终于有人讲清 workflow 和 Agent 了
本文以 Anthropic 的《Building effective agents》为基础，并融入作者的实战经验，全面解析了大型语言模型（LLM）应用中 Workflow（工作流）和 Agent（智能体）的核心概念与构建策略。文章首先区分了 Workflow 和 Agent 的适用场景及优劣势，并强调了在 LLM 应用开发中应优先选择简单方案的原则。随后，详细介绍了增强型 LLM、提示链、路由、并…
AI 前线
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×