跳到正文
10月16日周五
  1. 掘金49

    用 Qoder sonus 模型 20 分钟复刻马斯克飞天汽车

    作者使用 Qoder 智能体编程平台的 sonus 模型,在 20 分钟内复刻了特斯拉第二代 Roadster 的在线飞行演示。网页还原了夜间试验场与 28 米高弧壁,支持一键复刻飞行、冷气喷射及翻滚,并提供速度、高度等实时遥测。马斯克发布的第二代 Roadster 可 0.81 秒破百,量产计划排在 2028 年。

  2. 掘金39

    Transformer 注意力机制详解:从 Q/K/V 到多头注意力

    注意力机制的本质是让模型动态调整对特征的关注权重,Transformer 借此抛弃 RNN 序列递归,实现全局并行并缓解长距离依赖。其核心是将输入投影为 Query、Key、Value,经缩放点积与 Softmax 软寻址后对 Value 加权聚合。Multi-Head Attention 在多个子空间并行捕捉不同关系,但存在浅层头退化、深层权重稀疏及参数量大等局限。

  3. 掘金60

    LangChain 应用开发:用脚手架组装本地 LLM 应用

    这篇教程演示如何用 LangChain 对接本地 Ollama,组装 Prompt → LLM → Parser 最小链路。LangChain 本身是纯 Python 胶水层、不占显存,推理全部发生在 Ollama 端。文中给出 RAG 各环节与 LangChain 组件的对应表,并建议项目只有一处 LLM 调用时不一定用框架,出现三件以上组件时框架才开始回本。

  4. 掘金40

    部分卷积(Partial Convolution)详解:图像修复中的缺失感知卷积算子

    部分卷积(PConv)是 NVIDIA 在 ECCV 2018 论文中提出的卷积算子,通过掩码让卷积只计算有效像素并做幅值补偿,从源头解决缺失数据下的图像修复问题。其输出尺寸与标准卷积完全一致,掩码每层如形态学膨胀般向外扩一圈、空洞逐层收窄,可直接嵌入 U-Net 等现有网络。复用时需注意分母是有效像素个数而非权重和,且掩码必须逐层同步更新,否则空洞永不收窄。

  5. 掘金55

    本地知识库换版实践:先清旧索引,再做一轮短词补查

    本地知识库换资料后,作者固定只让「现行」目录进检索,删掉旧索引再重建,并用旧规定里的词搜一遍确认搜不到。清旧之后还在每页资料末尾加「短词对照」,用同事的口头说法跑补查,覆盖资料用词与问法不一致的情况。作者说明这套做法基于几页演示资料和最简单的字面匹配,但「旧版本必须退出检索」这条在规模更大时仍然成立。

  6. 掘金37

    用 ChatGPT 退掉 Adobe 订阅并免掉违约金:这类工具的工程可行性分析

    有用户让 ChatGPT 读取 Adobe 订阅条款并生成谈判邮件,成功取消订阅并免掉违约金。文章认为这类工具的技术门槛不高,真正的护城河是长期积累的取消条款库与成功率数据,而非模型本身。相比直接"帮人退订",更稳的形态是"订阅体检":盘点订阅、标出即将续费项并给出取消路径,动作由用户自己完成以规避合规风险。

  7. 掘金43

    用 AI 重构老项目,我踩过的 5 个坑(真实项目复盘)

    开发者用 AI 重构一个运行四年的内部系统,总结出 5 条实战避坑经验。关键做法包括给足上下文、每次只改一个模块、先补测试用例,并在提示词中写明空指针、超时等边界条件。最有效的用法是让 AI 先解释老代码的历史背景再决定是否重构,因为 AI 是放大器而非决策者。

  8. 博客园79

    AI 重构代码 40% 会悄悄改坏,我用 7 步 SOP 防住

    作者用 Claude Code 重构订单服务后线上 P99 延迟翻四倍,据此总结出 AI 重构必须走完的 7 步 SOP:静态分析扫真问题、梳理运行时依赖、单函数粒度小步改、先写测试再让 AI 改、用新鲜上下文做对抗性 Review、feature flag 灰度发布、git checkpoint 回滚预案。

    推荐理由:作者把踩坑经验沉淀成可复用的 7 步 SOP,并给出每一步的提示词和回滚方案,可直接迁移到自己的 AI 重构流程中。

  9. 掘金87

    Google ADK 2.0 多智能体编排解析

    本文依据 Google ADK 官方文档与博客,系统解析 ADK 2.0 的多智能体编排体系。ADK 2.0 新增结构化工作流运行时与任务协作模型,核心是图工作流、动态工作流与协作工作流三种编排方式,设计哲学为模型做决策、图保证可靠可观测可恢复。

    推荐理由:作者把 ADK 2.0 的图工作流、动态工作流与协作工作流放在同一张控制光谱上对照,并给出按控制流确定性选型的决策路径。

  10. 掘金61

    RAG 进阶:Agentic RAG 与多智能体协作(系列二·第1篇):高级工具设计

    作者围绕 Agentic RAG 的高级工具设计,讲解代码解释器、数据库查询、工作流触发三类实用工具的安全用法。代码解释器建议用 E2B 沙箱或本地白名单模块替代直接 exec(),数据库查询限制只允许 SELECT 并做 SQL 注入防护,工作流触发强调参数校验与异步执行。文末附代码注入、工具滥用、资源耗尽等风险的防护清单。

  11. 掘金23

    黑盒与白盒:人是怎么把世界装进口袋的

    人类认识世界与构建工程知识的本质是一场层层封装的黑盒接力,只问输入输出的黑盒与探究内部机理的白盒始终互补兜底。从模电、数电到机器人控制,再到庞大的神经网络,调试时的开盒最终都是为了重新封盒。面对内部机理仍难以讲清的神经网络,可解释性研究刚起步,万物或许都是灰盒。

  12. 掘金61

    WebAssembly AI 推理学习与落地路线

    本文梳理了 WebAssembly 在 AI 推理中的适用场景与落地路线,指出其核心价值是统一执行边界而非提供新算力。浏览器本地、边缘设备和服务端插件三类场景分别对应 ONNX Runtime Web、wllama 与 Wasmtime + WASI 0.2 等方案,浏览器推理通常是 Wasm 控制路径加 WebGPU 计算路径的分层组合。

  13. 博客园60

    CatBase 语言入门:像 Python 一样写,像 C 一样跑

    珠海豆子机器人科技开发了编程语言 CatBase,语法模仿 Python 的简洁、性能对标 C,编译产物为零运行时依赖的本地二进制。与 Python 的两个关键改动是代码块改用大括号、变量必须显式声明类型,同时内置文件读写、HTTP 请求、多线程和 JSON 处理。目前版本号为 0.6,需 Linux 环境与 Zig 0.14.1+ 编译器,标准库生态仍在早期,许可协议为自定义 EULA。

  14. 掘金44

    用豆包工作「无限画布」,我也能把小说做成漫画

    豆包工作"无限画布"可读取小说项目并自动生成漫画:Agent 负责规划、拆分镜与推进,图像模型负责作画。实测将一部 70 章小说的第一章生成 6 屏 18 格全彩竖屏条漫,耗时约 18 分钟,还能自查重绘、按框选修改对话气泡。用户可在电脑端下载"豆包工作"体验,限时免费领取 30 天会员。

  15. 掘金53

    Harness 踩坑笔记01:外部搜索工具返回结果的解码问题

    作者总结了 Agent 调用 rg 等外部搜索工具时,因 Python 默认解码导致 UTF-8 字节被 GBK 误解码的踩坑经验,并提出四层防护方案。第一层将 text 设为 False,由程序检测原始字节编码后再解码;第二层按 rg 返回码区分搜索成功有内容、成功无匹配与执行失败;第三层在外部工具失效时切换自研搜索逻辑;第四层将错误信息封装成文本反馈给 LLM 作为兜底。

  16. 掘金76

    LLM Streaming 断流恢复工程实践:SSE 断点续传、Partial Response 重建与生产级容错设计

    作者团队总结了 5 种 LLM Streaming 断流恢复策略,从 Transport-Level Retry 到 Chunk-Level Checkpoint、SSE Resume Offset、Semantic Resume 与 Dual-Stream Redundancy,并给出选型决策树。

    推荐理由:原文给出五种断流恢复策略的对比与选型决策树,读者可据此判断长文本生成场景应采用哪种容错方案。

  17. 掘金61

    深度慢思考时代:为什么教 AI 一步步做正在成为最大的负优化

    作者认为在慢思考推理模型时代,逐步指令式提示词会压制模型内部的自搜索与自纠错,正确做法是只定义目标、边界契约与验收断言。文中用金融阶梯返佣结算场景做了两种提示词的对抗实测,契约断言式写法首轮生成正确率达 89.6%、提示词消耗降至 650 Tokens,并附完整的 Python 不变量校验脚本。

  18. 掘金35

    Ollama、FAISS 与 LangChain:AI 开源工具一站式上手体验

    教程演示如何用 Ollama、FAISS 与 LangChain 三个开源工具,在本地构建从大模型推理、向量检索到 Agent 工作流的完整原生 AI 链路。通过本地运行 qwen2.5:3b 模型保证数据不出本机,并利用 nomic-embed-text 生成向量实现 RAG 语义检索。三者均开源免费,可快速用于本地实验与二次开发。

  19. 掘金51

    实测一款 AI 数据可视化报表平台:一句话生成可发布大屏

    作者实测了一款支持 AI 搭稿的数据可视化报表平台,输入一句话后 AI 会先对齐指标口径再生成绑定真实数据集的大屏草稿,可在设计器中微调并发布。AI 问数附 SQL 来源、仅允许 SELECT/WITH 语句、无权限数据集直接拒绝、报错不编数,并可接 Ollama 本地模型实现内网使用。

  20. 掘金42

    AI 工具玩不好?别怪工具,是你给它定的规矩有问题!

    作者总结了 8 条 AI 工具使用规矩,指出 AI 效果不佳的瓶颈往往在于人定的规矩不对,而非工具本身。核心建议包括先手动跑通流程再自动化、精简技能插件以节省上下文空间、定时任务指令尽量精炼,并要求 AI 交出文件路径等凭证以验证结果。此外还应定期清理记忆文件、谨慎使用多 Agent 协作并保留日志,把 AI 当作需要核查的实习生对待。