Anthropic 建议合并子智能体:单智能体在质量、成本和延迟上往往更优
Anthropic 建议企业评估合并子智能体,因为按需加载上下文的单一主智能体在质量、成本和延迟上往往优于多个专业化智能体,并已在 GitHub 发布迁移工具包。
推荐理由:原文对比了单智能体与多智能体架构在质量、成本和延迟上的差异,并给出迁移步骤与适用边界,可帮助团队判断是否合并子智能体。
Anthropic 建议企业评估合并子智能体,因为按需加载上下文的单一主智能体在质量、成本和延迟上往往优于多个专业化智能体,并已在 GitHub 发布迁移工具包。
推荐理由:原文对比了单智能体与多智能体架构在质量、成本和延迟上的差异,并给出迁移步骤与适用边界,可帮助团队判断是否合并子智能体。
作者让一群四足机器人在六种评价标准下进化 50 代 × 64 个个体,发现单一标准(E1–E3)下基因多样性从约 1.5 降到 0.31–0.37、64 个个体里 34 个挤进最好成绩的 90% 以内,而多标准(E4/E6)多样性只掉 4–10%,最好成绩仍有 3.73 / 4.22 米。
作者基于高通参考代码自研的大模型推理程序在无任何 HTTP 请求时空载占用约 200% CPU,通过 perf record -a -g -F 99 -p target_pid 采样并借助提前准备的符号文件还原堆栈,定位到 qualla::ThreadPool::loop 线程死循环。
作者花 50~60 元买小米电视蓝牙语音遥控器 2 Pro(RC003),配合开源工具 SayAll 和微信输入法,实现按住语音键口述 Prompt、松手自动上屏,并用方向键单手切换终端 Tab 与 Workspace、OK 键确认、返回键中断。
GnuWin32 把 grep、sed、find、awk、coreutils 等 GNU 工具逐个移植成原生 Windows 可执行文件,补进 PATH 即可解决 Claude Code 在 Windows 上因缺少类 Unix 工具链而报错的问题。
meowcute 本地工具可把电脑上的视频或 GIF 离线拆帧、挑帧,拼成游戏引擎直接可用的序列帧精灵图与索引 JSON,全程在本机运行、不联网。拆帧默认 12fps、最多 120 帧,用 16×16 灰度指纹在浏览器端实时去重;白底视频按混合比例判据修复边缘混色。作者建议 HunyuanVideo、Wan 等视频生成模型只作动作探索,正式素材走骨骼渲染链路。
在 Vue3 中,没有任何指令的 `<template>` 会被渲染成原生 HTML `<template>` 元素,其内容是惰性的(放进 content 文档片段、不显示在页面上),所以里面的[立即开通]按钮不会显示。
Simon Willison 为 Battledrones 新增四人在线模式,此前地图仅限两人对战。Claude Opus 4.5 添加了四向旋转对称的新地图 Compass Rose,并修改 WebSocket 多人网络代码,支持最多四名玩家通过分享链接或二维码加入,空位由 AI 补齐。新增紫色和绿色机器人阵营,与现有蓝、红配色可在更新的模型浏览器中预览。
作者用 Vibe Coding(Trae CN + DeepSeek Flash V4.1)搭建了一个跑在浏览器里的个人数据工作台,保留 Alteryx 的画布式工作流、SSIS 的编排与调度、Power BI 的拖拽报表。
本文系统解读了 Nano World Models(NanoWM,arXiv:2605.23993)论文,这是一个基于扩散强迫的极简开源世界模型代码库。
Simon Willison 向 Claude Opus 5.5 High 发出提示词,构建了一个打开照片后用 canvas 元素和模拟画笔在几秒内绘制出照片版本的 artifact。他还提到此前让 Claude Fable 用 P5.js 模拟水彩插画的实验。
Amazon SageMaker AI 的多轮强化学习(MTRL)以整个任务序列的最终成败为奖励信号,用 GRPO 更新 LoRA 适配器来训练智能体。在 Wordle 示例中,MTRL 将 GPT-OSS-20B 在预留词上的解题率从 61% 提升到 84%(低推理强度下从 15% 升至 69%),训练 token 成本约 $339。
Bayer Crop Science 基于 Amazon Bedrock AgentCore 构建了多智能体自然语言接口 Agentic Decision Engine(ADE),用于理解其 Connected Decision Engine 的 ML 工作流,首阶段约 80% 的用户问题无需工程师介入即可解决。
AWS 提供可复用的 CDK construct,用 CloudFormation 自定义资源在 SageMaker AI 端点更新前后自动注销并注册自动扩缩容,单次部署即可同时更新端点配置与扩缩容参数,无需人工干预。
OpenAI 通过可靠的多租户架构、全球缓存和 Azure Cosmos DB 扩展了 Habitat 存储系统,使 ChatGPT 读取速度提升 12×。该在线存储架构用于支撑超过 10 亿 ChatGPT 用户。
游戏公司实习生为自建攻略知识库,用 DeepSeek 完成百万级游戏攻略的采集与整理,算上缓存命中两天消耗 100 亿 token。
作者系统梳理了 AI 编程的最佳实践,核心观点是 AI 是副驾驶而非自动驾驶,人负责思考和决策、AI 负责执行和加速,并按项目复杂度将编程分为 Vibe、Plan、Spec 三种模式。文章进一步给出 Claude Code 的 CLAUDE.md、Rule、Skill、Command、Subagent 配置方法,以及功能拆分、结构化 Prompt、迭代式对话等可复用的编码技巧。
示例讲解 Spring AI Alibaba 的 ChatMemory 对话记忆持久化、文生图、文生音与文本向量化功能。
《跟小嘉学习 Python 程序设计》Day01 系统讲解 Python 的语言定位、发展历史、应用领域与《Python 之禅》,并以 Python 3.15.0 为技术基准。课程强调 Python 2 已于 2020 年停止维护,示例一律剔除 Python 2 遗留写法。学习路线从核心基础逐级进阶到数据分析、机器学习与量化交易。
Meowcute 项目在单张 RTX 4090 上用 Qwen-Image-2.1 全离线生成角色四视图:正视图由文生图产出,侧/背/右三张以正视图为参考图按中文指令逐张推导,再用纯 numpy/PIL 确定性拼板。
作者用 Python 演示如何以约 40 行代码跑通 RAG 最小闭环(切分、向量化、检索、生成),再逐步加入阈值过滤、BM25 混合召回、交叉编码器重排与权限隔离。核心主张是数据质量优先于模型、检索质量决定约 80% 的效果,建议先跑通再按瓶颈逐层优化,并给出 chunk_size 默认 500 字符、相似度阈值 0.6–0.75、检索命中率 0.8 及格线等可复用参数。
这篇教程以简历信息抽取为例,演示用 Pydantic 校验大模型输出:先从返回文本里抠出 JSON,再按 schema 做类型、范围与跨字段核对,失败后把错误信息回喂模型重试。全程用模拟数据,pip install pydantic[email] 即可跑通,并附接真实 API(temperature=0)以及 LangChain、LlamaIndex 结构化输出的对接方式。
推荐理由:原文给出了一套可直接复用的 LLM 输出校验写法,读者能照着把 prompt 里的口头约定变成每次调用都执行的代码契约。
AI 进化社推出开源企业级一站式 AI 智能测试平台,将分散的 AI 测试能力整合为统一可复用的企业级解决方案。平台采用六层架构设计,支持插件化场景扩展与私有化部署,通过 AI 网关统一调度云端与本地大模型。技术栈基于 Python、FastAPI、LangChain 与 Vue 3,覆盖自动化、性能、安全及 AI 测评全场景。
程序员晓凡总结了 WorkBuddy 的 10 项基础配置,涵盖允许锁屏、更换存储位置、回复风格、自定义指令、导入记忆、技能自动更新、多端联动、自定义模型与安全中心。其中允许锁屏可避免长任务中断,自定义指令和记忆功能能减少重复交代,安全中心提供沙箱防护与自动备份。作者建议装好后花十分钟调一遍,让 Agent 更稳定省心。
企业 AI 的竞争优势正从“选哪个模型”转向围绕模型构建的 serving harness——即决定架构、内存管理、调度与优化的外围工程系统。文章主张从业务负载而非模型本身出发选型,坚持“先测量再优化”,并让架构能吸收模型与硬件的持续迭代。EXL 在其 Engineering the Harness 系列中对这些生产落地问题作了更深入的探讨。
Rescale 用 AWS 的 AI-DLC 框架构建 AI 测试分诊智能体,5 天内完成从问题定义到预发布部署,数周内进入生产。该智能体运行在 Amazon EKS 的 Argo Workflows 流水线中,调用 Amazon Bedrock 上的 Claude Opus 4.8,将夜间 Playwright 测试失败分类为基础设施问题、代码缺陷、不稳定测试或环境问题。
该方案将 82M 参数的 TTS 模型 Kokoro-82M 以自定义容器部署到 Amazon SageMaker AI 实时端点,用实测数据替代猜测的自动扩缩容目标。
作者把 lieflat-less-ai-tone 的人机对照统计做成一个零依赖的单文件网页工具,可在浏览器本地检测 AI 文风痕迹,再调用大模型改写。规则来自 629 篇、282 万字、95,551 句的人机对照,11 项特征成立、15 项是误会,其中 3 项方向相反。
推荐理由:作者把 629 篇人机对照统计落成可离线运行的单文件检测工具,并明确列出不成立特征,避免误改。
作者用 Flutter 3.41.5 + Dart 3.11 搭建跨平台 AI 对话 App,通过 Dio 处理 SSE 流式请求接入 DeepSeek-V4.1-Flash,实现打字机式流式输出与深度思考模式展示。
大模型训练与部署场景下的 NVIDIA 显卡按架构分为 V、A、L、H、B 等代,实际算力随浮点精度(FP32/BF16/FP8)与稠密/稀疏口径产生数十倍差异。
该教程演示如何用 Codex 开发聚合搜索应用,覆盖 AI 智能体辅助真实业务开发的完整项目流程。内容结合 Codex 的代码理解与生成能力,讲解聚合搜索应用从搭建到落地的实战操作步骤。
作者用 TRAE 开发了"嘴替鸭"小程序,帮助用户在社交场合脑子卡壳时化解尴尬。别人甩过来一句话时,可以挑一个合适的语气让嘴替鸭代为回话。整个项目全部使用新版本的 TRAE 完成。
大模型本身并不执行命令,只根据输入的 Token 预测下一个 Token;Sub-agent(子智能体/多智能体协作)完全是 AI 客户端或 Agent 框架层面的工程能力,而非模型自身的功能。
这套架构以 FreeSWITCH 只做执行层,配置经 xml_curl 入库,ESL 接管呼叫控制,构建通用智能电话平台。AI 能力通过可插拔 WebSocket 协议接入,同时覆盖浏览器软电话验证、话单口径与防盗打等实践要点。
Kestrel_VLLM 用 stub 探针定位真瓶颈并叠加四个小优化,将 Qwen3-30B-A3B 的 decode 速度从 52.7 提升至 118.8 tok/s(19→8.4 ms/tok),总加速 2.25×。
一个 9,000 条的同步任务撞上平台抽风夜,裸奔组 12 分半烧穿 20,000 次月额度,任务只完成七成五,收尾还对着墙撞了五分多钟。守护组用六成额度把任务跑完。
AI 全栈工程师需要打通算法、工程与应用三层能力,学习路线分为基础、模型、工程、应用四个循序渐进的阶段。基础阶段掌握 Python、NumPy、Pandas 与数据科学,模型阶段用 PyTorch 跑通神经网络"训练—验证—预测"闭环。
火山引擎C360 以 AgenticSearch 重构销售记录检索,解决传统搜索痛点,实现精准可溯源查询,正确率 84.0%。该能力已在多场景落地,赋能销售决策。
作者用 AI 辅助开发了三款 uTools 插件,统一存放在同一仓库,遵循 uTools 插件规范,安装后在主输入框输入关键词即可打开。其中"电脑配置体检"可读取本机 CPU、内存、硬盘、显卡、主板等信息。
作者用 WorkBuddy 等 AI 编程助手开发了电脑配置体检、开发配置速查、电脑空间管家三款 uTools 插件,并完整复盘了协作开发的方法。核心经验是先把场景、界面和验收标准讲清楚,让 AI 先查 uTools 官方文档再动手,每写一块功能就配套自测脚本,评分口径和删除规则等取舍由自己拍板。空间管家实测在 56 万个文件的用户目录下约 40.8 秒扫完。