跳到正文

内容形态

教程实践 最新动态

拿来就能用的实操内容:提示词技巧、工作流搭建、工具用法与踩坑经验。

105 条精选近 30 天 39 条共收录 1,104 条

更新

精选归档 · 第 5 页

10月17日周六第 81–100 条
  1. 掘金80

    实测开源逆向工具 REA:给游戏加新角色、拆解学习 APP,噱头大于实际

    作者实测开源逆向工具 REA(Reverse Engineer Anything),配合 Codex 和 GPT-6 Astra 成功给单机游戏《火影战记》新增角色迈特凯,并逆向出一个 Flutter 学习 APP 的工程结构。

    推荐理由:作者用三套模型组合实测同一工具,并提炼出 Flutter 加固只盖 Java 层、客户端密钥应放后端这一可迁移经验。

  2. 掘金77

    语义缓存:命中率上去了,却把问「今天天气」的人答成了「明天天气」

    作者用一次「今天/明天」答错的翻车,逐层讲透语义缓存的三层查询结构、阈值权衡与失效策略,并附可复现脚本。阈值扫描显示 τ=0.85 时假阳性率 0.50,压到 0.60 时达 1.00;GPTCache 论文报告命中率 61.6% 到 68.8%、正向命中率超 97%,另有生产案例把命中率从 18% 拉到 67%、月账单降 73%。

    推荐理由:作者用可复现的阈值扫描暴露假阳性随阈值变化的规律,并给出分区检索、judge 复核等可直接落地的工程对策。

  3. 掘金82

    AI 写的代码越漂亮,越不敢改|Spec Kit 实战:7 阶段 + 多模型分工,终结许愿式编程

    这篇实战文章拆解 GitHub 官方开源的规范驱动开发工具包 Spec Kit(MIT 协议,仓库 spec-kit),并给出在 7 个开发阶段为不同任务分配不同模型的分工策略。Spec Kit 规定 AI 按顺序交出 constitution、spec.md、plan.md、tasks 等产物,另设 clarify、checklist、analyze 三个可选质量门;作者按

    推荐理由:作者把 Spec Kit 的七阶段流程落成可照抄的模型分工表,并给出每阶段的典型错误类型与换模型理由,可直接迁移到自己的 AI 编码项目。

  4. 掘金82

    解读 LangGraph 的 Supervisor 多智能体机制

    本文基于 langgraph-supervisor(v0.0.31)源码,解读 Supervisor 多智能体机制的用法与设计原理。核心做法是把主管做成普通 Agent、把派活做成工具,专家通过 handoff 工具返回 Command(goto, Command.PARENT, update) 交还控制权,外层图再按固定边回到主管。

    推荐理由:文章把 Supervisor 拆成 handoff、Command 和固定回路三个可复用机制,读者能据此判断自己的多 Agent 场景该不该加主管。

  5. 掘金76

    扒开 ZCode 源码:AI 编程 Agent 到底怎么“动嘴不动手”帮你干活

    本文基于开源仓库 zai-org/ZCode v3.15.1 的真实源码,拆解 AI 编程 Agent 的实现原理:核心是一个 while(true) 的 Agent Loop,模型只输出文本和工具调用,由运行时执行 Bash、Read、Edit 等工具并把结果塞回对话循环。

    推荐理由:文章把 ZCode 的 Agent 实现拆成模型、工具、循环、权限四个部分并给出源码阅读路径,读者可把这套读码方法迁移到其他 Agent 项目。

  6. 掘金77

    ReAct:Agent 是怎么“边想边做”的

    这篇文章讲解 ReAct 模式如何让 Agent 通过想、做、看的循环实现边推理边执行,模型只负责决策,由 Harness 组装上下文并校验执行工具,Environment 产生真实状态变化。

    推荐理由:原文把 ReAct 循环拆成想、做、看三个环节,并给出最小实现以及约束、验证、纠正三步可靠性改造,可直接迁移到自己的 Agent 开发中。

  7. AWS Machine Learning Blog68

    建立对 AI 智能体的信任:基于 Amazon Bedrock AgentCore 的生产级评估框架

    AWS SMGS 运营团队基于 Amazon Bedrock AgentCore Evaluations 为其服务全球销售团队的多智能体系统搭建了九阶段生产级评估框架,覆盖从首次提交到生产运行的全生命周期。

    推荐理由:原文给出可迁移的九阶段智能体评估框架与六类失败分类法,读者可据此在生产环境中建立持续质量闭环。

10月16日周五
  1. 掘金77

    Claude太能写,Anthropic把内部Git换了

    Anthropic 用 7 个人花 5 个月做出内部版本控制系统 Scion,替下原有 Git 基础设施,应对 AI 写代码加快后合并和等待跟不上的问题。

    推荐理由:原文讲清了 Anthropic 换掉内部 Git 的原因与收益,普通读者可迁移的是分清代码写完与可上线之间的差距。

  2. 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。

  3. 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。

  4. 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。

10月15日周四
  1. 博客园77

    你的游戏本身就是 Harness:如何让 AI Agent 读懂游戏并十倍加速迭代

    独立游戏《Cantata》制作人 Kyle Kukshtel 总结了让 AI Agent 读懂游戏的八条架构原则:固定随机种子、用 odiff 做图像差分、单一 Fat Struct、命令模式、数据外部化、独立无头模拟内核以及 samply 纯文本性能分析。

    推荐理由:原文把游戏对 LLM 不透明的症结拆成八条可落地的架构原则,非游戏项目也能照着改造自己的 Agent 工作流。

  2. 博客园76

    用 Pydantic AI 从零搭建一个能干活的 AI Agent

    作者用 Pydantic AI 从零搭建了一个个人记账分析 Agent,它能读账单、算环比、拆分类、找异常,并返回结构校验过的 SpendingInsight 对象。

    推荐理由:文章演示了用类型系统约束 Agent 输出与工具调用的完整做法,固定流程写进 Python、意图理解交给模型,思路可直接迁移到自己的数据场景。

10月14日周三
  1. AWS Machine Learning Blog62

    用 Anchor Browser 与 AgentCore payments 构建可自动付费的 AI 智能体

    AWS 官方博客介绍 Anchor Browser 与 Amazon Bedrock AgentCore payments 的集成,让 AI 智能体遇到 HTTP 402 付费墙时按 x402 协议自动完成支付并继续任务。

    推荐理由:原文把智能体支付栈从运行时移到托管基础设施的方案讲清楚,读者可据此理解 x402 机器对机器支付的落地方式。

  2. GitHub Blog · AI & ML60

    GitHub 新密钥扫描分类器:基于 ModernBERT,误报更低、速度与成本大幅优化

    GitHub 上线了基于微调 ModernBERT 分类器的新密钥扫描管线,替代原有 LLM 管线。新管线采用正则候选生成加上下文感知分类的两阶段设计,模型导出为 ONNX 并做 8-bit 量化。

    推荐理由:原文给出用小型微调编码器替代 LLM 调用的完整管线与量化结果,可迁移到其他低延迟的文本判定场景。

10月10日周六
10月9日周五
10月7日周三