-
吴欣鸿内部分享，美图在 AI 时代的组织进化心得
文章详细介绍了美图公司在 AI 浪潮下进行组织进化的心得。面对外部激烈竞争和内部“惯性工作流”的挑战，美图在 RoboNeo 项目中成功实践了“反惯性工作流”，通过需求共创、简化会议、AI 赋能多面手、领导躬身入局和快速构建 MVP，实现了产品快速上线和用户增长。吴欣鸿提出了“AI 原生组织”模式，倡导“一个人即一支团队”的理念，并分享了 AI 在研发、设计、运营等领域的具体应用，如 AI 编码普… -
RAG 系统设计：揭秘语义搜索被低估的核心价值与 KG 驱动的架构选型策略
本文深入探讨了基于语义搜索的 RAG 系统的重要性，揭示了语义搜索在当前技术背景下被低估的原因，并分析了其在 RAG 系统中的关键作用，强调了语义搜索的灵活性。文章还讨论了 KG 驱动的 RAG 系统，并指出它并非适用于所有数据类型，帮助读者理解如何根据不同的数据特性选择最合适的 RAG 范式，突出了 KG-RAG 在特定场景下的优势。文章详细阐述了如何通过系统设计，包括选择合适的损失函数、距离函… -
一篇文，让你的 Cursor、CodeBuddy 们变更强！
本文深入探讨了在 AI 编程时代，开发者如何从依赖单一工具转向建立高效协作模式。作者指出，AI 最被低估的能力是“读代码”，通过结构化的四要素 Prompt，能将理解陌生代码库的时间从数天缩短至数小时。接着，文章提出了“勘探-规划-建造-验收”四阶段工作流，强调将经典软件工程原则应用于 AI 协作，避免“感觉式编程”。在效率层面，作者重新定义了“效率”为交付健壮解决方案的总时长，而非代码行数，指出… -
用系统架构思维，告别“意大利面条式”系统提示词
文章深入剖析了当前大语言模型（LLM）系统提示词面临的“意大利面条式代码”困境，即规则无序堆砌导致的“规则打架”、难以维护和核心价值稀释等工程问题。作者犀利指出，看似“神级”的提示词背后可能隐藏着巨大的技术债。为解决此问题，文章提出引入“系统架构思维”，将提示词本质上视为一个“虚拟智能系统”的蓝图。文章详细阐述了由“核心定义”、“交互接口”、“内部处理”和“全局约束”组成的四层架构模型，为提示词设… -
DeepSeek V3.2 正式版：强化 Agent 能力，融入思考推理
DeepSeek 正式发布了两款具有里程碑意义的大语言模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。DeepSeek-V3.2 旨在平衡卓越推理能力与高效输出长度，特别适用于日常问答和通用 Agent 任务，在公开推理 Benchmark 中已达到 GPT-5 水平，且相比同类模型显著降低了计算开销和用户等待时间。DeepSeek-V3.2-Speciale … -
私域知识工程实战：如何让 AI 一次性写出高质量代码？
文章深入探讨了 AI 编程中普遍存在的“80 分困境”，即 AI 能完成大部分基础代码，但因缺乏项目特有的业务规则、代码规范等私域知识，导致生成的代码难以直接使用，开发者需投入大量时间进行“调教”。作者将 AI 比作技术强但缺乏业务经验的新员工，并提出了一套“私域知识工程”的三板斧解决方案：首先，通过“代码解构与业务分析师 Prompt”对 AI 进行“入职培训”，建立包含架构、数据模型、业务规则… -
大模型开发工作手册详细指南
本文深入分析了大模型应用开发的现状与挑战，指出应用技术的落后是阻碍大模型广泛应用的关键因素。文章详细介绍了大模型开发的复杂性和高成本，并提出了通过工具化、流程改进和技术创新来降低研发成本、提升应用效果的具体方法。文章还探讨了多智能体系统、Prompt 工程、RAG 技术等在大模型开发中的应用，强调了模型调试、效果评测和持续优化的重要性。最后，文章通过实际案例展示了如何应用大模型解决业务质效问题，特… -
Pavel Durov：Telegram，自由，审查，金钱，权力 & 人性 | Lex Fridman 播客 #482
这次对 Telegram 创始人 Pavel Durov 的采访深入探讨了他深刻的个人哲学，包括他的斯多葛式生活方式、极端的自律（不沾酒精和手机，坚持严格的锻炼和健康的饮食），以及对自由和隐私的坚定承诺。他阐述了 Telegram 独特的运营模式，仅以 40 人的核心工程团队便服务超过 10 亿用户，这得益于其对自动化和分布式基础设施的高度重视。Durov 详细介绍了 Telegram 的内建隐私… -
LangChain 和 Manus 的 AI 智能体上下文工程实践
来自 LangChain 的 Lance 和 Manus 的 Pete 在本次网络研讨会中深入探讨了 AI 智能体的上下文工程。Lance 介绍了由于长期运行的智能体中出现的“上下文腐烂”问题而兴起的上下文工程，并概述了上下文卸载、上下文缩减、上下文检索、上下文隔离和缓存等常见主题。他还分享了来自开放深度研究等项目的示例。随后，Pete 分享了 Manus 最新的实践经验，并强调了上下文工程对于初… -
AI 智能体的上下文工程：构建 Manus 的经验教训
文章围绕构建 AI 智能体 Manus 的实践经验，详细阐述了“上下文工程”在 AI 智能体开发中的关键作用和具体原则。作者从早期创业教训出发，强调了上下文工程相比模型微调在快速迭代中的优势。文章核心分享了六大经验教训：围绕 KV 缓存进行设计以优化延迟和成本；使用 Logits 掩蔽而非移除工具来管理动作空间；将文件系统作为无限上下文来处理巨量观察结果；通过“复述”机制引导模型注意力以避免目标偏… -
Claude Sonnet 4.5 正式推出
Anthropic 推出了 Claude Sonnet 4.5，定位为世界领先的编码、复杂代理开发和计算机应用模型，在推理和数学方面实现了显著改进。此次发布还包括重要的产品增强功能，如检查点和 Claude Code 的 VS Code 扩展，以及 Claude API 的高级上下文管理。Claude Agent SDK 是一项关键产品，它使开发者能够访问 Anthropic 的基础代理构建基础设… -
Ilya Sutskever – 我们正从扩展时代迈向研究时代
对人工智能领域杰出人物 Ilya Sutskever 的采访，深入探讨了该行业从“扩展时代”到“研究时代”的关键转变。他认为，虽然扩展算力、数据和参数推动了过去的进步，但收益递减和数据限制现在需要根本性的突破。Sutskever 批判性地考察了当前人工智能模型的“锯齿性”，即令人印象深刻的基准性能与令人惊讶的现实世界失败并存。他将此归因于过于狭隘的强化学习 (RL) 环境，这些环境针对特定评估进行… -
Claude Code 之父 Boris 的 9 条实战技巧：原来高手的配置这么“朴实无华”
本文深度解析了 Anthropic 内部被誉为“Claude Code 之父”的 Boris Cherny 使用 Claude Code 的 9 条实战技巧。不同于普遍认为的复杂配置，Boris 的方法强调“朴实无华”和高效工作流。核心观点包括：没有放之四海而皆准的最佳实践，应根据需求调整；通过多实例并行处理任务，提升并发效率；坚持使用 Opus 模型以保证质量和综合效率；利用 CLAUDE.md… -
张鹏对谈李广密：Agent 的真问题与真机会，究竟藏在哪里？
本文是一篇关于 AI Agent 的深度对谈，邀请拾象科技创始人李广密和 AI Research Lead 钟凯祺，共同剖析 Agent 热潮下的真问题与真机会。讨论覆盖 Agent 的产品形态（通用与垂直、Model as Agent）、务实成长路径（从 Copilot 到 Agent，以 Cursor 为例）、Coding 作为通往 AGI 关键试炼场的逻辑、评估好 Agent 的标准（数据飞… -
本地部署大模型实现扫描版 PDF 文件 OCR 识别，笔记本可跑
文章详细介绍了利用本地部署的多模态大语言模型 Qwen2.5-VL 实现扫描版 PDF 文件 OCR 识别的方法。首先分析了远程访问大模型进行 OCR 的局限性，然后详细说明了选择 3B 参数的 Qwen2.5-VL-3B-Instruct 模型的原因及其在笔记本上的运行能力。文章提供了完整的项目实现流程，包括模型下载、程序架构设计、PDF 转图像处理、OCR 识别和 Markdown 转换等关键… -
Cloudflare 发布 13 个全新 MCP 服务器，即刻启用
Cloudflare 发布了 13 个新的远程模型上下文协议 (MCP) 服务器，旨在通过自然语言界面，实现 Cloudflare 服务的便捷交互。这些服务器可以通过 Claude.ai 和其他 MCP 客户端访问，允许 MCP 客户端从用户的 Cloudflare 账户读取配置、处理信息、根据数据提出建议，甚至进行更改。这些服务器涵盖了 Cloudflare 的应用程序开发、安全性和性能等多种服… -
斯坦福 2025 AI Index 报告来了：DeepSeek 在全文中被提到 45 次
斯坦福大学发布了《2025 AI Index》报告，涵盖人工智能领域的研发、技术性能、经济影响、政策和社会舆论等多个主题。报告显示，美国在 AI 模型发布数量上领先，但中国模型在质量上迅速赶超。AI 模型训练成本虽然高昂，但推理成本正在下降。报告还关注了 AI 的碳足迹问题、基准测试的饱和现象以及公共数据面临的威胁，越来越多的基准测试已失去区分人工智能系统能力的意义。企业对 AI 的投资持续增长，… -
哥德尔-Prover 超过 DeepSeek-Prover，陈丹琦团队造出当前最强形式化推理模型
文章介绍了普林斯顿大学陈丹琦团队开源的自动定理证明模型 Goedel-Prover。该模型专注于形式化推理，通过将自然语言数学题转换为机器可验证的形式语言，解决了非形式化推理难以验证的问题。为了训练模型，团队通过结合形式化转换器和专家迭代方法，构建了一个包含 164 万个形式语句的大规模数据集，并采用专家迭代的方法，不断提升模型性能。实验结果表明，Goedel-Prover 在 miniF2F 和… -
最强中文 AI 绘图模型即梦 3.0 上线，设计师们又一次 emo 了。
文章评测了即梦 3.0 这一中文 AI 绘图模型，着重强调其在中文文本生成方面的卓越能力和高质量图像生成，尤其是在准确性和设计感上实现了质的飞跃。通过与即梦 2.1 及 GPT-4o 的对比，展示了 3.0 版本在处理复杂中文文本和生成精美图像方面的显著进步和广阔的应用前景。文章分享了使用即梦 3.0 的技巧，如使用双引号和避免特定符号，以优化生成效果。此外，作者还探讨了 AI 绘图技术对设计师职…
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：×