跳到正文
10月19日周一
  1. 博客园33

    PID 的花样:先看懂模糊 PID 和单神经元自适应 PID

    传统 PID 参数依赖人工调试,模糊 PID 与单神经元自适应 PID 分别通过规则化和在线学习实现参数自整定。模糊 PID 将误差与误差变化率经模糊推理输出参数增量;单神经元自适应 PID 将增量式 PID 视为三输入神经元,按有监督 Hebb 规则在线更新权值。前者适合工况多变的场景,后者适合对象随时间漂移的场合,但均需付出相应代价。

  2. 博客园78

    用 AI 写技术方案:四段 Prompt 链加 3 个可抄模板

    作者分享了一套用 AI 写技术方案的方法:四段式 Prompt 链(需求消化、骨架生成、人填决策、评审模拟),配三道人审关卡和 3 个逐字可抄的模板。核心原则是 AI 负责让文档完整、人负责让文档正确,数字、选型结论和字段枚举必须人填。模板工具无关,ChatGPT、Claude、通义都能跑。

    推荐理由:作者给出了一条可复用的四段式 Prompt 链和三道人审关卡,读者可直接套用到自己的技术方案评审流程中。

  3. 掘金84

    LangGraph 深度解析:从链到图,把 Agent 的循环画出来

    这篇深度教程讲解 LangGraph 如何用图结构编排 Agent 循环,把链里藏起来的 while 与 if 变成可检查、可存档、可中断的数据结构。

    推荐理由:原文把 State、Node、条件边与回边对应到循环代码,并给出可跑的 ReAct 示例,读者可照此把已有 Agent 循环改写成可暂停可回放的图。

  4. 掘金48

    16 项 RAG 技术终于整理明白了:它们各自解决什么问题

    文章以虚构的企业技术知识助手为主线,将 16 项 RAG 相关技术按解决的问题分类梳理,帮助理解它们之间的关系与适用边界。这些技术并非从低级到高级的升级路线,而是围绕不同问题形成的解决方案——Hybrid Search、Reranking 属于单环节增强,Agentic RAG 则改变整个系统的运行方式。技术并非用得越多越好,关键在于判断何时需要、为何需要。

  5. 掘金64

    0 行手写代码,我用 AI 做了一个打工人模拟器(含 3D 霓虹城市漫游)

    作者用 AI 生成了全部代码,做出文字冒险 + 模拟经营游戏「打工人模拟器·城市求生」,并以 MIT License 开源到 Gitee。游戏包含四维技能点、十几份普通职业、培训考证、社交恋爱、资产理财与随机事件等系统,还内置基于 Three.js 的第三人称 3D 霓虹城市漫游,28 个地点与终端模式地图一一对应。

  6. 掘金65

    灰度发布:让变更只影响 1% 用户(R02)

    《AI 应用生产化手册》第 11 篇,介绍 AI 应用配置化灰度方案:按 user_id 用 md5 哈希确定性分桶,放量比例走配置,变更出问题只影响少数用户且可随时回退。文章对比影子、金丝雀、按用户分桶三种模式,并给出 10→25→50→100 的放量节奏与观察门;实测 10000 用户 @10% 放量命中 10.47%,桶分布均匀。回滚即放量归零,文中还列出缓存冲突、压测全命中缓存等真实踩坑。

  7. 掘金81

    MCP 深度解析:AI 工具层的 USB-C,如何把 N×M 个适配器收敛成 N+M

    这篇深度解析把 MCP 定位为 AI 应用与外部工具之间的公共接口标准:工具侧写成 MCP Server、应用侧内置 Client,即可把 N×M 份适配收敛为 N+M。全文拆解 Host/Client/Server 三层角色与 JSON-RPC 2.0 消息格式,用

    推荐理由:原文把 MCP 的协议机制与三大原语讲透,并给出可运行代码和不上 MCP 的判断标准,读者可据此评估自己的工具是否需要标准化。

  8. 掘金89

    拆解 Anthropic 开源的电商 Agent:哪些规则写进代码,哪些留给模型

    Anthropic 在 9 月初开源了 commerce-agents(Apache 2.0),包含面向顾客的导购 Agent 和面向商家员工的运营 Agent;作者读源码并在本地调用校验函数验证,结论是这套代码的重点不在 prompt 写法,而在把不能出错的事从模型手里拿走。

    推荐理由:文章把仓库里可迁移的 Agent 安全设计整理成具体规则,读者可对照检查哪些事该写进代码而不是交给模型。

  9. 掘金69

    我给 Agent 造了一个「元工具」:让它自己写工具,再用三道门锁住风险

    作者设计并实现了 meta_tool,让 Agent 在发现能力缺口时自行生成工具代码,再经静态门、人工门、运行门三道门禁校验后落盘到 generated/ 并注入注册表,下一轮对模型可见。核心约束包括手写工具优先、非交互环境默认拒绝、无沙箱同进程运行,作者在 Node 22 上逐一验证了门禁拦截、注册表合并顺序与 ESM 缓存绕过等关键论断。

  10. 掘金76

    用 GFPGAN 与 Real-ESRGAN 在 CPU 本地修复老照片

    作者用 Python 在本地部署腾讯 ARC 实验室的 GFPGAN v1.4 与 Real-ESRGAN,无需显卡即可一键修复模糊老照片。GFPGAN 负责修脸,Real-ESRGAN 负责背景 4 倍超分,CPU下单张照片约 4-8 秒出图,照片不离开电脑。

    推荐理由:作者给出了纯 CPU 可跑的老照片修复方案,并填平了依赖安装和权重下载的具体坑,可直接照着复现。

  11. 掘金76

    开源 Moonlighting:用隐藏桌面让 AI Agent 托管多平台账号

    作者开源了 Moonlighting,一个让 AI Agent 在 Windows 隐藏桌面里操作浏览器、托管十几个平台账号的工具,密码经本地 DPAPI 加密、只以长度返回给模型。

    推荐理由:作者把隐藏桌面加本地凭据代理的做法做成了开源工具,读者可借鉴其无障碍树定位与凭据不进上下文的方案。

  12. 掘金13

    带 AI 从零搭低代码平台·踩坑实录(五):测试脚本按界面重写,别拿假数据糊弄我

    《带 AI 从零搭低代码平台》踩坑实录进入第五篇,作者按最新界面重写测试脚本并要求尽量全覆盖,强调用真系统、真数据而非 mock。im 相关功能同步推进:AI 依据表元数据生成 SQL,查询结果直接导出 Excel,SQL 出错自动重试、至少 3 次,单次返回不超过 100 条。ollama 暂不接入,qwen3.8-flash 的 key 放入 .env 后即可测试。

  13. 掘金41

    LLMOps 架构设计:从零搭建一个 AI 平台,我画了完整的系统图

    作者"怕浪猫"分享了从零搭建生产级 LLMOps 平台的完整架构设计与交付路线,称靠 LLMOps 平台将交付效率提升 8 倍。平台规划为前端(Vue.js)、后端(Flask)、AI 层(LangChain + LangGraph)与基础设施四层架构。功能覆盖基础对话、RAG 知识库、Agent 工具调用、可视化编排等 14 个模块,按 8 个阶段渐进交付。

  14. 掘金59

    生产级多智能体协作避坑:死锁防范与确定性状态机实战

    作者剖析了多智能体系统在生产环境中死锁推诿与 Token 失控的架构根因,提出用确定性有限状态机(FSM)与 DAG 替代自由网状通信的治理范式。文章交付零第三方依赖、可直接运行的 Python 协作中枢源码,并以 500 个真实 PR 压测显示 FSM Hub 将交付率从 54.2% 提升至 96.8%,单任务平均 Token 消耗从 38,450 降至 6,820。

  15. 掘金54

    2500万参数字节级 Transformer:CPU 训练的结构与评估

    本文用约 2500 万参数的 Llama 风格教学模型,在 CPU 上把字节输入、参数计数、前向检查、注意力变体、MoE 与后训练连成可检查链路。模型配置为词表 256、隐藏维度 512、7 层、8 头、FFN 中间维度 1632,权重共享后合计 25,026,048 个参数;文本以 UTF-8 字节直接作为 token ID,省词表但拉长序列,密集注意力成本随之上升。

  16. 掘金51

    当每个模块都能说不:我们为何要收回 Agent 系统里散落的否决权

    作者在开发 ETF Agent 时发现,复杂 Agent 系统中各模块可通过异常传播获得决定整个任务终态的否决权,局部失败被放大为整次研究失败。已完成 Publication 拒绝权收敛、Root 请求账本收敛和 Reviewer 重复校验移除,新 Spec 提出由 Run Lifecycle 统一决定继续、恢复、收尾或终结,目前尚待实施。

10月18日周日
  1. 掘金43

    vibe coding 极简八步教程(在 vibe 出一个自用网站之后的领悟)

    作者用 vibe coding 做出一个自用网站后,总结了极简八步流程:先想清楚功能并写文档,再挑选 TRAE、Claude Code 等 AI 编程工具,让 AI 写产品需求文档并参考 GitHub 已有实现,然后拆分模块、开发代码并持续迭代。同时建议用 Git 加 Gitee 私密仓库备份代码,并让 AI 写 README.md 以延续项目思路。