跳到正文
11月3日周二
11月2日周一
  1. MIT Technology Review · AI36

    AI 编程智能体:别再数 token,开始数真正交付的软件

    按 token 计费让 AI 编程智能体最高价值的工作流反而最贵,企业应改用“每个已合并 pull request 的成本”来衡量投入产出。HPE 的混合 AI 平台将 150 多个内部应用的常规任务路由至本地开源权重模型,token 成本下降 30 到 50%,其数据还显示前 5% 的重度用户贡献了大部分消耗。

  2. 博客园32

    从 Meta 的工程实践看 EB 级 AI 存储架构

    Meta 发布 AI 存储架构蓝图,展示其数百 EB 规模的 BLOB Storage:以 Tectonic 为存储底座,富客户端 SDK 直连读取并配合多级缓存,平均缓存命中率 80%,平均数据加载时间下降 93%。JuiceFS 采用对象存储 + 独立元数据引擎 + 客户端架构,通过镜像文件系统、异步复制与分布式缓存支持跨地域访问,两者在数据与元数据分离、富客户端和缓存预热上高度相似。

  3. 量子位18

    从"能调用"到"敢托付":仪电智算云 Token 工厂的三重可信

    上海仪电与上海创智学院联合发布"飞轮转・万象生"仪电智算数链生态,仪电智算云 Token 工厂以服务运营、自主生态、安全合规三重可信体系,回应核心业务对词元供给可追溯、可核查的诉求。中国日均 Token 调用量两年多增长上千倍,生态内上海创智学院提供 NEX-N2.5 大模型,数据、模型与算力汇聚于大衍·奇点平台,同期发布的一体机首批上线"寻数"功能。

  4. 博客园47

    RAG 向量库拆分复盘:内存、延迟与权限的三笔账

    老张复盘制造企业 RAG 项目,指出独立向量库存在晚高峰同步延迟 40 分钟、行级权限出库即失效等痛点,主张向量索引、过滤、权限与事务在同一引擎内完成。电科金仓给出 1 亿条 768 维向量下 98% 召回率、峰值内存降低 95.4%、查询延迟降低 80% 的口径,对应金仓 AI 数据库的库内语义构建、计算推理与原生安全管控能力。选型应先看数据位置、权限强度与规模,核心业务数据优先库内。

  5. 博客园67

    从 0 搭建企业级知识库技术指南

    作者系统梳理了从 0 搭建企业级知识库的完整技术方案,提出六层分层架构以及写路径、读路径、运维闭环三条流水线。选型上推荐混合检索(BM25 + 向量 + Rerank)而非纯向量,中小规模优先用 pgvector,Embedding 首选 BGE-M3,并强调权限必须在检索阶段下推、离线与在线处理同源、先建 20–50 条黄金评测集再优化。

11月1日周日
  1. 博客园67

    Reverie 记忆系统原理与 RAG 实现:给 AI 装上「会遗忘」的记忆

    本文基于 Reverie(幻梦)源码,完整拆解了用 RAG 为 LLM 构建长期记忆系统的两条管线:写入时按情绪、关键词、重复等打分并经自治门分流到永久/长期/短期三层,检索时用向量召回、词法召回加融合打分(相似度×0.62、词法×0.16、重要度×0.08 等)选出最多 k 条、约 3600 字符的记忆注入 system prompt。

10月31日周六
  1. 爱范儿80

    DeepSeek Harness 团队分享 Super-agent 架构探索:让 AI 持续在线、主动干活

    DeepSeek Harness 团队发表技术文章《Super-agent 设计探索:迈向更自主的 Agent 系统》,提出由 Router 统筹协调、Worker 独立执行的双层架构,让 Agent 跨会话连续交互、多任务并行并主动响应环境事件。

    推荐理由:原文给出了 Router/Worker 双层架构、触发机制与实验数据,读者可据此理解多 Agent 协作的设计取舍。

  2. 博客园35

    AI应用领域从业者赶FDE风口教程

    FDE(现场部署工程师)是集AI项目售前、部署、开发、售后与客服于一身的角色,核心是让AI在企业落地实现降本增效。从业者需兼备软技能、行业知识与AI开发能力,可通过真实2B项目或工信部FDE证书(1980元/698元)证明能力。入行途径包括求职、接私活或在自有公司实践,流程涵盖实地调研、demo开发、测试改进与复盘。

  3. 博客园79

    让 Agent 可靠运行:幂等、持久化与失败恢复

    作者系统讲解 Agent 执行系统的失败恢复方法,核心是工具幂等性、状态持久化与重试边界三者配合。文章区分了四类失败与 UNKNOWN 中间状态,给出稳定幂等键、操作台账字段、退避抖动、租约与 fencing 等设计要点,并用仅依赖标准库的 Python 示例演示响应丢失、进程退出、预算耗尽等场景的恢复协议。

    推荐理由:文章把 Agent 失败恢复拆成幂等键、操作台账、重试边界与对账机制,并给出可复跑的 Python 实验代码,便于读者在自己的工具调用上落地验证。

  4. 量子位48

    新芯航途 X7 Ultra 发布:世界模型首次指导设计芯片,NPU 700 TOPS、98.7% 算力可用

    新芯航途首次公开亮相并发布智驾芯片 X7 Ultra,这是行业第一次用 Momenta R7 世界模型等量产智驾大模型来定义和评测芯片算力。X7 Ultra 的 NPU 算力为 700 TOPS,量化模型输出与 FP32 基准相似度超过 99.99%,NPU 计算利用率达 98.7%,内存带宽消耗较行业旗舰降低 80%、能效提升 100%。

  5. IT之家65

    谷歌宣布在轨数据中心级 TPU 首次给出 AI 响应,生成一首太空俳句

    谷歌宣布“逐日者计划”(Project Suncatcher)原型卫星上的数据中心级 TPU 首次给出 AI 响应,地面工程师下发提示词后,预装的 Gemma 4 模型创作了一首太空主题俳句。卫星搭载四颗谷歌 TPU,最高可产生 1 千瓦电能,受散热与能源限制每次仅能运行约 20 分钟;测试核心是验证芯片在微重力、剧烈温差与太空辐射下的稳定性与纠错能力。

  6. AWS Machine Learning Blog57

    Amazon Bedrock 端到端成本管理手册:面向 FinOps 与平台团队的五阶段操作框架

    AWS 官方博客发布 Amazon Bedrock 端到端成本管理手册,提出归属、可观测、执行、优化、运营五阶段闭环。核心做法是用 IAM 主体标签和 CUR 2.0 把每笔推理成本归属到具体身份,通过共享网关按用户 assume role 解决共享角色归属丢失问题,并按监控告警、IAM 拒绝策略、网关同步拦截三档执行预算。

  7. AWS Machine Learning Blog60

    使用 Amazon Bedrock AgentCore runtime 的 Session endpoints 实时预览编程智能体构建的网页应用

    AWS 官方博客介绍了 Amazon Bedrock AgentCore runtime 的 Session endpoints:为每个智能体会话生成带鉴权的 URL,将 HTTP 与 WebSocket 请求转发到会话内允许的端口,使编程智能体编辑的网页在浏览器中无需刷新即可更新。

    推荐理由:原文逐步演示了如何用 Session endpoints 在浏览器中实时预览智能体构建的网页,读者可把这套带鉴权的端口转发机制迁移到自己的智能体调试流程。

  8. The Verge · AI53

    Google 卫星 AI 服务器首次向地球传回响应

    Google 的 Project Suncatcher 卫星在轨道上成功启动 TPU,并运行 Gemma 4 模型生成了一首关于身处太空的俳句,将结果传回地球。Google 还测试了其他太空主题诗歌和遥测提示,卫星于本月早些时候发射升空。下一步将评估 TPU 在轨道热应力和辐射暴露下的表现,为 2027 年两颗互联卫星的下一个里程碑做准备。

  9. AWS Machine Learning Blog28

    如何在 AWS GovCloud (US) 中通过 Amazon Bedrock 配置 ChatGPT 桌面应用

    ChatGPT 桌面应用现已可在 AWS GovCloud (US) 中通过 Amazon Bedrock 使用,提供 Work 与 Codex 两种组件接入 OpenAI 前沿模型。模型推理经 us-gov-west-1 的 Amazon Bedrock Mantle 端点路由,可由 IAM 和现有网络控制治理,数据留在所选区域。按 token 计费、无席位许可,并支持零数据留存(ZDR)。

  10. TechCrunch · AI79

    Google 首个数据中心卫星已上线并在太空写诗

    Google 的 Suncatcher 太空数据中心原型卫星已上线并与地面通信,卫星搭载单颗 TPU,发电功率最高 1 kW,并预装了 Google DeepMind 的 Gemma 4 模型。

    推荐理由:原文给出了在轨推理的功耗、通信与辐射约束,包括 TPU 每次只能开机约二十分钟,读者可据此判断轨道数据中心离实用还有多远。

10月30日周五
  1. 博客园20

    为什么我放弃了成熟的 Pytest,选择从零手搓测试执行引擎?

    作者为企业级 SaaS 测试平台 AITest 放弃 Pytest,基于 FastAPI + 异步 Celery 自研了模板方法 + 策略模式的测试执行引擎。Pytest 静态依赖 .py 文件、难以推送 WebSocket 实时进度、与异步架构冲突,也无法支撑未来 AI 智能体经 MCP 协议动态调用技能。AITest V1.0 已发布,含 36 张表的架构文档与基础骨架源码均已开源分享。

  2. 博客园85

    Claude Code、Antigravity、Codex 默认权限对比与最小权限基线配置

    文章对比 Claude Code、Google Antigravity、OpenAI Codex 三款 AI 编码工具的默认权限边界、成本可控性与可扩展边界,并给出可直接复制的最小权限基线配置。

    推荐理由:文章把默认权限拆成运行模式、规则表、执行沙箱、网络出站四层来对比三家工具,并给出可直接复制的最小权限基线配置,读者照着配即可形成自己的安全基线。