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。
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。
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。
作者团队把 DeepSeek Harness 接进 Discord 后,接连出现误触部署、删除操作重复执行和跨租户日志读取,由此总结出适配层授权设计。
这篇笔记在 S04 的工具分发、权限检查和 Hooks 基础上加入 todo_write 与 reminder 计数器,解决 Agent 执行长任务时被测试失败带偏、上下文稀释后即兴发挥的问题。
本讲讲解 Agent Harness 中 Skill 与普通工具调用的区别,并给出一份可运行的 Skill 定义与运行器代码。同一份 summarize_module 定义在两个不同任务上零改动复用,边界以可求值判据在执行前拦截不合规任务,上层 Skill 通过编排子 Skill 实现组合。
作者记录了一次 Agent 定时推送的排查:日志 rc=0 全绿但客户一条没收到,对比 sent_count 与 delivered_count 后定位到 IM 服务端静默丢弃超长消息。解决办法是按服务端单条长度上限拆包发送,并起对账看门狗核对发送数与送达数,不一致就告警。
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。
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。
作者两年前用 MySQL LIKE 做企业知识库,10 万条数据检索 800ms、准确率 42%,改用向量数据库 + RAG 后检索降到毫秒级、准确率升至 96.5%,本文完整拆解这条生产链路。
文章介绍规格驱动开发(SDD)方法,并演示如何用 Claude Code 自带的 CLAUDE.md、Plan Mode、自定义斜杠命令、Subagents 和 Hooks 搭出一套轻量 SDD 工作流。
作者介绍了 setup-matt-pocock-skills 与 ask-matt 两个技能的用法:前者为仓库初始化任务系统、分诊标签与文档布局等 AI 协作约定,后者根据问题所处阶段推荐合适的技能或流程。
作者用 Codex 串联 Vue 3、Three.js 和 Blender MCP,做了一套以武汉光谷为产业背景的三维楼宇大屏,页面按城市区域、园区总览、重点楼宇三层路径浏览。
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。
Spring AI 2.0 的 Structured Output 模块通过 JSON Schema 约束大模型输出,可将 JSON 返回准确率从约 78% 提升到 99%。
《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。
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。
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。
作者用 Mastra 组织 Agent 与工具,配合 DeepSeek 生成、SiliconFlow BAAI/bge-m3 做 1024 维 Embedding、PostgreSQL/pgvector 存储检索,跑通了 Markdown 技术文章问答的 RAG MVP。
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。
作者结合自己出海工具站一个月的实践,对比了 VPS 与 Serverless 的差异,更倾向在项目早期使用 Serverless。文章提醒 Serverless 可能因 AI 生成的轮询、重试等缺陷逻辑推高成本,建议设置账单告警、定期检查资源用量并提前规划迁移方案。
REA 是 GitHub 上一个已有 30 多万 Star 的开源项目,它把 Ghidra、JADX 等逆向分析工具通过 MCP 接给 Claude Code、Codex 等 Agent,让它们研究没有源码的软件并复刻功能。
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。
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。
作者梳理了 OpenTelemetry 与 Langfuse 的关系:OTel 负责把 Agent 执行标准化记录成 Trace 树,Langfuse 基于它补上 Agent 语义并做分析。
《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。
本文基于 Koog 1.3.0 的 Kotlin API 讲解 Agent 的会话记忆、历史压缩与执行恢复,并给出可运行的离线验证代码。
RapidOCR 是由国内 RapidAI 团队打造的开源 OCR 工具箱,将 PaddleOCR 模型转为 ONNX 格式,支持免费商用、CPU 离线推理与多平台多语言调用。文章给出 Python、桌面版和 Java 三种安装方式,并演示了 Web 应用与 Java 调用的识别效果。项目基于 Apache 2.0 许可证,在 GitHub 已获 8.1K star。
Anthropic 工程经理 Felix Rieseberg 发布《如何更有野心》教程,把使用模型的野心分为速度、高度、深度和广度四类,并给出各维度的具体做法与提示词,例如让模型直接触碰底层数据与统计工具、定下不讲理的目标、以对抗姿态复现既有假设、引入外部裁判验证。
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。
Jev 是一种不生成任何输出 token、一次 forward pass 直接返回各选项概率分布的决策模型,本文通过社区复现项目 Laya(https://github.com/NandhaKishorM/laya)和 Kev(https://github.com/jaredpalmer/kev)拆解其技术路线。
本文讲解大模型训练的核心目标 Next Token Prediction:给定前 t 个 token 预测第 t+1 个,标签由文本自身错位生成,无需人工标注。
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。
Jev 是一种不生成任何 token、单次 forward pass 直接输出各选项概率分布的决策模型,目标是让模型给出的概率接近真实发生频率,下游决策不再靠手动调阈值。
本文基于 Archon 的 YAML 工作流能力,设计了一条从 Issue 到 PR 的四阶段流水线(Triage 分流、Fix 实现、Validate 独立验证、Regression 回归),并把权限控制、失败升级和成本停止条件纳入同一套状态流转。
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。
TKCode 是基于 .NET、Avalonia 与 AtomUI 构建的编程 Agent 桌面客户端,配套开发了流式 Markdown 组件库 StreamMark,统一接入本机 Claude Code、Codex 与内置 Agent。
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。
claude-code-statusline 是一个 Claude Code 自定义状态栏工具,主栏支持 60 个显示项、子 Agent 行支持 14 个显示项,可集中显示模型、目录、Git、上下文余量、token 与任务用时。
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。
本文讲解了模型流式返回 JSON 时前端边收边渲染的完整工程方案。核心是闯过三关:从 SSE 信封剥离 content 碎片、用栈机制把半截 JSON 补成合法 JSON、再用默认值视图函数加节流渲染防报错防闪烁。