- 博客(10177)
- 收藏
- 关注
RSS订阅原创 从机器人实景感知到无人驾驶：SLAM与边缘推理技术栈解析
机器人导航与无人驾驶共享同一套感知-决策-执行闭环，其底层都离不开实景感知、SLAM与边缘推理等关键技术。深度相机通过ToF、结构光或双目方案获取三维空间信息，SLAM算法将连续帧图像转化为可用的地图模型，而边缘推理则保证了避障与识别的实时性。从目标检测、语义分割到路径规划，完整的技术栈正在把AI从云端大脑推向具备自主行动能力的物理载体。本文结合行业动态与工程实践，拆解这套感知系统的工作原理，并给出可复刻的硬件选型与软件搭建思路，帮助开发者避开传感器融合、时间同步和真机调试中的常见陷阱，快速落地机器人与自动
2026-11-05 16:58:31
101
原创 AI编程代理安全盲区解析：核心代码生成的风险与防护
大语言模型驱动的编程代理通过上下文窗口和工具调用实现代码生成，但其上下文压缩机制可能保留敏感信息，工具权限默认信任用户，导致安全风险。在工程实践中，核心代码如加密、鉴权逻辑若直接交由AI生成，易引发数据泄露。应用场景包括日常开发与团队协作，需采用隔离生成、会话清理和最小权限配置。本文深入剖析Claude Code、Codex、Cursor、Copilot的共性盲区，提供可落地的安全操作规范。
2026-11-05 16:43:17
264
原创 Vibe Coding与LangGraph：LLM时代编程范式演进
在大语言模型（LLM）驱动的开发新阶段，'编程'正从确定性指令转向意图引导与状态治理。Vibe Coding体现的是人机间基于语义共鸣的概率化协作，强调提示设计、上下文校准与不确定性接纳；LangGraph则标志着从线性链式调用迈向图结构化的Agent生命周期管理，通过显式状态（State）、条件边（Conditional Edge）和人机闭环，支撑高可靠、可调试、可扩展的智能体工程落地。这一演进不仅重构了开发者角色——从代码实现者升级为智能体培育者，更推动RAG、客服Agent、多步骤推理等典型场景走向工
2026-11-05 16:32:42
131
原创 耕地后备资源调查技术总结报告编写规范与成果互证体系
耕地后备资源调查是国土空间规划与耕地保护的基础性工作，其核心在于构建可验证、可追溯、可复用的技术闭环。该过程涉及外业调绘、内业建库、图件编制、数据库管理及多源成果互证等关键环节，依赖MapGIS 6.7、苍穹软件等国产GIS平台实现数据协同与质量管控。技术价值体现在支撑三级检查、应对验收质询、驱动外业核查与约束内业建库，尤其强调拓扑校验、字段映射、影像溯源和SQL统计等工程化实践能力。典型应用场景包括高校土地信息类课程设计、基层自然资源所项目归档、以及省级耕地潜力评价专项实施。本报告即以真实项目为蓝本，系统
2026-11-05 16:26:34
143
原创 Docling项目现状分析：为何当前缺乏公开技术定义与实践基础
在AI工程实践中，新兴工具链的选型常始于对开源项目的技术可信度评估。一个具备落地价值的AI工具，通常需具备可验证的代码仓库、标准化安装方式、明确的输入输出接口及社区使用反馈。然而，当前‘docling’在GitHub、PyPI、Hugging Face及主流学术平台均无稳定注册记录，既无有效README说明其PDF解析或多模态文档理解能力，也缺乏可复现的CLI命令或API调用示例。这反映出其尚未进入开发者可用阶段，不满足MLOps中‘可观测、可安装、可集成’的基础要求。本文基于开源生态健康度指标，解析此类名
2026-11-05 16:26:34
264
原创 Vibe Coding与LangGraph：从直觉编程到状态驱动的AI工程范式
在大模型时代，传统确定性编程正让位于以意图和状态为核心的新型开发范式。Vibe Coding 代表开发者借助提示工程与即时反馈建立的直觉化编码能力，而 LangGraph 则通过有向无环图（DAG）、显式状态管理与条件路由，将不确定性转化为可观察、可干预、可测试的工程系统。这种演进并非替代传统编程，而是将控制流抽象升级为状态机建模，支撑复杂Agent的循环决策、错误恢复与人工协同。本文深入解析 LangGraph 的 State-Node-Edge 三要素设计如何解决多跳RAG、跨平台内容生成等真实场景中的
2026-11-05 16:22:49
177
原创 技术文档智能解析工具选型与实践指南
文档智能解析（Document Intelligence）是企业自动化处理PDF、扫描件、表格等非结构化文档的核心能力，其底层依赖OCR识别、布局分析与语义理解三重技术栈。随着大模型在文档理解任务中的持续突破，轻量级SDK与云原生API成为开发者主流选择，兼顾精度、速度与部署灵活性。该能力广泛应用于金融单据识别、政务材料归档、医疗报告结构化等场景，显著降低规则引擎维护成本并提升数据可用性。本文聚焦当前中文技术社区高频讨论的文档解析方案选型逻辑、典型架构模式及避坑经验。
2026-11-05 16:17:12
204
原创 智能体技能封装：从Function Calling到agent-skills的工程实践
在AI应用开发中，如何让大模型稳定地调用各类工具是关键挑战。随着Function Calling的普及，工具数量增多导致语义混淆、提示词膨胀、维护成本飙升。RAG与工作流分别解决知识获取和固定流程问题，而智能体（Agent）真正需要的是可动态编排的能力单元。agent-skills将技能封装为自包含、可注册、可编排、可观测的模块，通过技能目录两级检索、参数契约以及生命周期管理，有效提升模型调用准确率与系统扩展性。本文从技能描述、参数校验、执行器结构、注册调度到版本灰度，完整拆解了一套可落地的实践方案，适用于
2026-11-05 16:14:51
239
原创 前端转型Agent开发：MCP与Skill核心指南
在AI Agent开发中，MCP协议与Skill封装是构建智能工作流的关键技术。MCP作为标准化通信协议，让Agent能够动态连接外部工具与数据源，实现能力可插拔；Skill则是对特定场景下操作流程的结构化封装，定义工具调用顺序、异常处理与输出规范。二者结合，使Agent从简单对话升级为能执行复杂任务的智能体。典型应用包括设计稿转代码、自动化测试等前端场景。本文深入解析MCP架构与Skill设计原则，并实战演示如何搭建设计稿转React组件的Agent，帮助前端开发者掌握Agent开发学习路线中的核心竞争力
2026-11-05 16:11:34
180
原创 OpenAI Codex与ChatGPT Work额度重置机制深度解析
在大模型API服务中，额度管理是保障稳定调用的核心基础设施能力。本文围绕token消耗计量、会话访问控制、动态配额同步等基础概念，深入剖析OpenAI旗下Codex（基于TCU的计算单元）与ChatGPT Work（基于SAC的会话信用）两类服务的额度模型原理。二者不仅命名不同，更在计量维度、隔离粒度、重置触发逻辑及权限体系上存在架构级差异。理解这些技术价值，有助于规避429错误误判、快照丢失、AD同步失败等高频运维风险，并支撑金融、法律、自动驾驶等场景下的企业级合规接入与自动化额度治理。
2026-11-05 16:04:44
308
原创 DeepSeek从能跑到能交付：API接入、私有化与RAG实战
大模型应用落地通常从一次API调用开始，但真正决定工程价值的是调用链稳定性、结构化输出可控性、私有化部署资源估算与知识库检索增强。理解对话模型与推理模型的差异、超时重试与并发控制等基础机制，可降低首字延迟抖动、限流和成本失控风险；通过提示词骨架、JSON校验重试、缓存前缀稳定和RAG切片召回优化，才能把Demo变成可交付系统。围绕DeepSeek接入、推理模型、私有化部署、RAG知识库、排错与评测等关键环节，梳理从能跑到稳定出活的工程实践路径。
2026-11-05 15:57:45
181
原创 AI风险频发？大模型安全性问题根因与排查方法全解析
大模型技术正加速渗透客服、编程、医疗等业务场景，但随之而来的安全风险也日益突出。其底层原理是基于概率的文本生成，模型本身无法区分指令与内容，也难以判断输出真伪，从而引发提示词注入、AI幻觉、数据泄露等典型问题。理解这些风险的发生机制，是构建可靠AI系统的前提。通过红队测试、输出合法性校验、日志审计等工程手段，可以有效排查并降低模型行为的不确定性。本文从典型事故出发，梳理技术根因，并给出可落地的排查方法，为AI产品上线评估与风险治理提供参考。
2026-11-05 15:55:30
180
原创 Claude Code Skills不是插件：揭秘云端能力调用机制
Claude Code Skills并非传统意义上的可安装插件，而是Anthropic在云端预置、基于自然语言触发的能力模块。其核心原理是服务端策略引擎匹配用户指令与预定义能力契约，通过微调模型+专用Prompt+后处理链完成响应。这种受控路由机制带来开箱即用的技术价值——无需本地部署、零运维成本、持续自动更新。典型应用场景包括前端组件生成、Git提交信息规范化、SQL查询优化等开发高频任务。理解Skills本质，关键在于掌握精准指令设计与上下文注入方法，而非陷入‘git clone’‘HTTPS配置’等周
2026-11-05 15:45:26
209
原创 Chat入口继承Codex上下文：打通方案讨论与执行的双向链路
上下文工程关注如何为模型提供高质量、可流转的会话状态，以提升输出准确性与协作效率。其原理在于将执行环境中的会话历史、决策与约束进行压缩和筛选，再传递到讨论环境，避免上下文重建与信息丢失。技术价值在于让“想”与“做”各归其位，减少重复劳动，降低执行偏离风险。在长周期重构、多人方案评审、复杂bug排查等场景中，这种上下文继承与回流机制尤为实用。Chat入口继承Codex上下文，正是上下文工程在智能编码工具链中的具体落地，让方案讨论与代码执行形成闭环。
2026-11-05 15:44:48
179
原创 AI大模型学习路线：从零到一掌握RAG、Agent与MCP实战
大语言模型应用开发正成为技术热点，其核心在于通过检索增强生成（RAG）和智能体（Agent）技术，让模型能够访问私有数据并自主执行任务。RAG通过向量检索与生成结合，解决知识更新与幻觉问题；Agent则赋予模型规划与工具调用能力，实现多步决策。模型上下文协议（MCP）进一步标准化了工具集成，提升了开发效率。这些技术广泛应用于企业知识库问答、智能助手等场景。本文基于实战经验，系统梳理了从零基础到独立开发RAG与Agent项目的学习路径，涵盖核心概念、实战技巧与工程化落地，帮助开发者快速上手大模型应用开发。
2026-11-05 15:30:59
201
原创 Xing4.0-29B-A4B：消费级显卡上的MoE稀疏激活模型部署与智能体实战
混合专家模型（MoE）通过稀疏激活机制，在推理时仅调用部分参数，从而大幅降低显存占用和计算量。其技术价值在于平衡模型容量与硬件门槛，使大模型能在消费级显卡上运行。在本地知识库问答、代码辅助、智能体开发等场景中，MoE模型展现出工程实践优势。Xing4.0-29B-A4B作为全栈国产模型，采用A4B稀疏激活，总参数量29B但仅激活4B，结合量化技术，可在RTX 3060等消费级显卡上流畅部署，并具备工具调用能力，适合个人开发者和中小团队进行私有化部署与智能体原型验证。
2026-11-05 15:29:52
153
原创 采购Token不是妥协，而是AI自主可控的新路径
Token是大模型服务的基本计量单位，其按量付费模式正成为企业级AI落地的关键基础设施。理解Token的生成原理、实际利用率与隐性成本，有助于厘清算力投入与业务价值之间的技术经济关系。在运营商等强合规、高可用场景中，采购第三方Token服务并非放弃自研，而是将有限工程资源聚焦于业务规则引擎、Prompt工程体系与AI治理平台等真正不可替代的自主能力层。这种分层解耦策略，既规避了硬件交付周期长、生态适配难、运维风险高等现实瓶颈，又通过权重卸载、推理回溯等契约化能力，实现对模型输出的可验证、可审计、可干预——这
2026-11-05 15:25:50
48
原创 大模型高效推理四大核心技术解析：框架、算子、量化与系统层优化
大模型推理效率是AI基础设施落地的核心瓶颈，其本质涉及计算、内存与通信的协同优化。从Transformer原生推理的低效根源出发，理解PagedAttention内存管理、FlashAttention-2的分块IO优化、INT4量化对计算通路的重构，以及NVLink/PCIe带宽对多卡扩展的实际约束，是构建高吞吐、低延迟、低成本推理服务的基础。这些技术不仅决定单卡QPS与显存利用率，更直接影响长上下文支持能力、跨节点扩容效果和生产稳定性。本文聚焦vLLM、FlashAttention-2、AWQ/GPTQ量
2026-11-05 15:23:26
185
原创 文档智能解析技术原理与工程实践指南
文档智能解析是将非结构化PDF、扫描件、图像等文档自动转化为结构化数据的关键技术，其核心依赖OCR识别、版面分析与语义理解三重能力协同。随着RAG应用普及和企业知识库建设加速，高精度、低延迟、可定制的文档解析能力已成为AI工程落地的基础支撑。该技术广泛应用于法律科技、金融合规、政务自动化及教育资料数字化等场景，尤其在处理复杂表格、多级标题与手写批注混合文档时，对模型鲁棒性与后处理规则引擎提出更高要求。本文聚焦真实项目中常见的解析失败归因与结构恢复策略，结合主流开源工具链（如Docling、Unstructu
2026-11-05 15:18:21
225
原创 百万级数据t-SNE降维：Barnes-Hut加速与调参避坑
t-SNE 是常用的非线性降维与高维数据可视化方法，核心是通过高维与低维概率分布对齐来保留局部邻域关系。标准 t-SNE 的排斥力需遍历全部样本点对，计算量随样本数呈 O(N²) 增长；Barnes-Hut t-SNE 则用四叉树或八叉树把远处点群打包为质心，以 angle/θ 控制近似程度，将单轮复杂度降至 O(N log N)。这一近似加速让十万到百万级文本 embedding、图像特征等数据的单机可视化从小时级进入分钟级，同时保持局部结构、放宽全局距离解读。工程落地还需关注 perplexity、le
2026-11-05 15:15:56
199
原创 GPT入门指南：从零理解生成式预训练变换器与实战技巧
生成式预训练变换器（GPT）是一种基于深度学习的自然语言处理模型，通过海量文本预训练学习语言规律，其核心原理是自回归预测下一个词，从而生成连贯文本。这项技术降低了人机交互门槛，让用户通过自然语言即可完成写作、翻译、代码辅助等任务。在工程实践中，合理选择浏览器插件、优化提问技巧能显著提升输出质量。对于刚接触GPT的新人，理解其概率预测本质、避免常见误区，是高效利用这一工具的关键。
2026-11-05 15:15:54
196
原创 AI学习路线全解析：从数学基础到Transformer与LLM实战
机器学习与深度学习是AI领域的核心基础，其原理依赖于线性代数、微积分和概率论等数学工具，通过梯度下降和反向传播等优化方法实现模型训练。掌握这些技术能帮助开发者理解大模型底层机制，并在自然语言处理、计算机视觉等场景中构建应用。Transformer架构和注意力机制的出现，进一步推动了LLM在文本生成、问答系统等任务中的突破。本文整合吴恩达、李宏毅、李沐、Karpathy等优质课程，提供一条从零到实战的系统学习路线，涵盖数学基础、深度学习、Transformer与LLM进阶，并分享避坑经验与项目实战建议。
2026-11-05 15:09:34
175
原创 GPU底层优化：CTA级协同调度提升LLM训练效率
CUDA中的Warp是基础执行单元，而Cooperative Thread Array（CTA）作为其上层协同组织，决定了GPU计算密度与内存带宽利用率。理解CTA与Warp的关系，是突破大模型训练瓶颈的关键——它不依赖框架升级或模型压缩，而是通过Kernel层的内存布局重排、多阶段同步与Shared Memory Bank冲突规避，实现算子级融合。这种底层调度优化显著提升FP16精度下的SM利用率和指令级并行度，广泛应用于Llama、Qwen等主流LLM的微调加速场景。本文聚焦higgsfield这一典型
2026-11-05 15:07:49
235
原创 民间AI评测榜单全解析：维度、方法与自建指南
AI模型评测是选择大模型时绕不开的关键环节。官方Benchmark如MMLU、HumanEval虽提供标准指标，却常因训练集污染和脱离真实场景而参考有限。相比之下，民间评测榜单以真实任务为测试集，从通用能力、中文写作、性价比、生态工具链、稳定性五维拆解模型表现，能更直观反映实际使用体验。通过明确评分标准、设置对照组、规范跑分流程，团队或个人也能自建小规模评测体系，辅助技术选型与部署决策。无论是评测API服务还是本地开源模型，理解评测背后的逻辑比纠结具体名次更有价值。本文深入剖析民间评测的常见维度与陷阱，帮助
2026-11-05 15:03:33
187
原创 SAP SD常用表按业务链路分层与查表实战
在ERP业务分析中，数据查询的核心往往不是记住表名，而是理解业务对象之间的父子关系、状态流转与单据链路。SAP SD常用表可按主数据、单据、关系三层组织：订单、交货、发票均遵循“抬头+行项目”主键结构，VBFA单据流则把上下游凭证串成可追溯链路。掌握这一原理，能减少连接条件缺失导致的重复计数、单位与货币口径偏差，并兼容S/4HANA状态字段迁移带来的查询变化。其价值在销售订单到交货、开票的追溯、ABAP报表取数、CDS视图分析等场景尤为明显。围绕这些通用查询路径，进一步梳理VBAK/VBAP、LIKP/LI
2026-11-05 14:39:53
65
原创 MAI Gateway：企业AI应用与大模型之间的智能网关架构解析
随着大模型API的普及，企业应用直连模型服务常面临接口规范差异、成本失控、权限难控、高可用不足等挑战。API网关作为微服务架构的成熟组件，在AI场景下演化为AI网关，成为连接业务系统与模型能力的关键管理层。MAI Gateway（魔芋企业AI网关）通过四层架构、数据与控制平面分离、模型路由、流式转发、限流熔断、语义缓存及全链路可观测等机制，实现模型调用的统一接入与治理。其核心价值在于屏蔽底层供应商差异，提供企业级成本分摊、安全审计与稳定性保障，适用于多团队共用模型、跨云混合部署、高并发生产环境等场景。本文从
2026-11-05 14:34:14
179
原创 打造本地AI安全网关：让ChatGPT处理敏感数据不再裸奔
在大模型应用日益普及的今天，如何在使用ChatGPT等外部服务处理业务数据时保护个人隐私，是许多开发者和企业面临的真实痛点。数据脱敏作为一项基础安全技术，通过替换、遮蔽等手段降低敏感信息暴露风险，但其处理方式往往是静态且不可逆的，难以满足AI对话场景中对语义保留和动态还原的需求。基于API网关思想构建的本地安全网关，结合正则识别与令牌映射机制，可以实现出站清洗、入站还原的闭环流程，在不影响模型分析效果的前提下，确保身份证号、手机号、银行卡号等PII数据不出本机。这种方案不仅适用于有数据合规需求的内部工具，也
2026-11-05 14:18:07
127
原创 从LLM到多智能体系统：Agent协作机制与工程实践全解析
在人工智能技术快速演进的今天，LLM（大语言模型）作为概率推理引擎，已广泛应用于文本生成、代码编写等场景，而Agent则进一步将模型能力扩展为具备感知、规划、记忆与行动能力的自主系统。理解二者区别是构建复杂AI应用的基础——仅调用API不等于构建Agent，真正的Agent需要与环境交互并达成目标。随着任务复杂度提升，多智能体系统（MAS）通过多个Agent间的分工与协商，能够处理单一模型难以胜任的开放性任务。从基于规则的黑板协作到LLM驱动的自然语言协商，再到模型行为特征画像驱动的动态角色分配，协作机制持
2026-11-05 14:08:28
44
原创 AI自动审批PR的安全盲区：Copilot有权合并代码，你准备好防线了吗
AI代码审查正从辅助建议走向自动决策，Copilot等模型能够读取PR内容、生成审查意见，甚至直接触发合并。当生成代码与审查代码来自同一模型体系，传统人审中独立视角的防线被弱化，形成“AI写码—AI审查—AI合并”的闭环。模型共享的训练数据带来系统性盲区，幻觉式通过、提示注入、供应链依赖误判等问题，让“绿色通过标记”不等于“安全证明”。面对这一趋势，团队需理解自动审批的能力边界，将AI定位为第一道过滤关卡，保留人工reviewer的最终批准权，并在CI中配置独立于模型的静态检查与依赖审计等保守层。合理的人机
2026-11-05 14:03:29
219
原创 数仓分区表建库建表实战：动态分区写入与报错排查
数据仓库分区表是把数据按分区键映射为物理目录的存储组织方式，查询条件命中分区键时，执行引擎借助分区裁剪跳过无关目录，从而降低全表扫描成本。建库时的LOCATION绑定数据落盘路径，分区键、字段类型和元数据登记共同决定导入与查询是否可靠。在Hive类数仓、动态分区写入和手工上传文件等场景中，分区目录命名、参数配置、分隔符与登记顺序稍有偏差，就可能出现查不到数据、分区错位或小文件过多。围绕empdb建库与emp_hr_partitioned分区表，从建表、写数到三层验证和常见报错排查，形成可复用的工程实践路径。
2026-11-05 13:59:12
262
原创 docling：本地化智能文档解析，高效转换PDF为结构化数据
在知识管理和数据驱动业务中，大量信息以PDF、Word等非结构化格式存在，如何精准提取并转化为机器可读的结构化数据成为关键。文档解析不仅涉及文本抽取，更需理解版面布局、表格结构及阅读顺序。借助AI模型，现代解析方案能够识别标题层级、合并单元格与多栏排版，输出干净、带语义边界的Markdown或JSON。这类技术显著提升了RAG系统与知识库的构建质量，同时支持本地化部署，保障数据安全。docling作为开源文档智能化解析工具，提供模块化Pipeline，集成OCR、版面分析、表格识别等组件，可将复杂文档一键转
2026-11-05 13:48:30
288
原创 大模型推理分离式架构：Prefill与Decode拆解及KV Cache传输优化
在大模型推理中，Prefill阶段是计算密集型，Decode阶段是访存密集型，两者资源需求不同。分离式架构将Prefill和Decode部署到独立资源池，通过高速网络传输KV Cache，实现独立调度和扩缩容。这种架构能显著降低首token延迟、提升吞吐量，尤其适合高并发、长prompt、大模型场景。KV Cache传输需考虑分块流水和压缩策略，调度器需协调两个资源池，同时要应对故障域扩大和弹性伸缩挑战。
2026-11-05 13:45:06
235
原创 AI入门实操指南：从基础概念到本地部署与提示词技巧
人工智能（AI）正从实验室走向日常应用，其本质是基于大规模数据训练的概率预测系统，而非神秘的智能体。理解大语言模型（LLM）的基本原理，是高效使用各类AI工具的前提。从对话式AI、绘图设计到编程辅助，选择适合自身场景的工具并掌握结构化提问方法，能显著提升学习与工作效率。本文以工程实践为导向，系统梳理AI学习的进阶路径，涵盖提示词设计、AI视频生成、本地化部署Ollama等实操内容，帮助初学者从建立体感到深入应用，真正将AI转化为生产力工具。
2026-11-05 13:43:32
145
原创 API与MCP选型指南：从点对点集成到多工具编排的落地实践
在AI应用开发中，API作为标准调用契约，适合点对点确定性集成；而MCP（Model Context Protocol）通过标准化工具描述与动态发现机制，解决了多工具编排时模型自主决策的碎片化问题。其核心原理是将工具定义从提示词工程转为协议层声明，实现模型与外部能力的解耦。技术价值在于提升调用准确率、降低维护成本，尤其适用于Agent需动态选择多个工具的场景。从渐进式迁移到Server/Client实操，本文分享了从API到MCP的选型逻辑与踩坑经验，帮助开发者构建灵活可靠的AI工具集成架构。
2026-11-05 13:42:01
250
原创 Cua协议与CIDL：重构LLM代码生成的范式
大型语言模型（LLM）在代码生成中面临意图理解模糊、结构语义割裂、验证反馈滞后等核心挑战，其根源在于传统多轮提示交互范式无法承载工程级约束。Cua协议通过定义可序列化的代码意图描述语言（CIDL），将分散的上下文、类型契约、安全策略与验证规则统一编译为紧凑token序列，实现单次推理内完成理解-规划-生成-自检闭环。该技术显著提升生成代码的首次通过率与跨层一致性，适用于FastAPI、SQLAlchemy等主流框架的高可靠服务开发场景，标志着从‘人调模型’到‘模型自治’的关键演进。
2026-11-05 13:33:02
177
原创 Harness 重构投研：从 Agent 到交易领域 Claude Code 的工程实践
在 AI 应用开发中，Agent 负责决策与执行，而 Harness 作为工程骨架，管理上下文组装、工具调用、状态持久化与可观测性。其核心原理是通过分层上下文管理与工具注册中心，将非结构化信息转化为可编程、可审计的管道，从而提升多步任务的稳定性与可复现性。在投研场景中，Harness 能有效解决数据源异构、任务链条长、结论需溯源等痛点，实现从数据拉取到报告生成的全流程闭环。这种范式同样适用于风控、合规等需多源验证的领域，成为 AI 落地的重要工程实践。
2026-11-05 13:19:58
288
原创 大模型4bit量化显存占用真相：为什么不是简单除以4
大模型量化中的4bit并非单纯指权重精度降至4位，其真实显存占用受权重存储开销、激活值精度刚性、KV缓存动态增长、反量化中间缓冲及CUDA框架开销五大因素共同制约。尤其在Transformer架构下，激活值必须维持FP16精度以保障数值稳定性，而主流4bit方案（如AWQ、GPTQ）依赖scale/zero-point参数和内存对齐填充，导致实际体积比理论值膨胀10%~25%。结合NVIDIA GPU缺乏INT4原生支持的硬件现实，所谓‘4bit=显存÷4’仅适用于磁盘静态体积，加载至显存后需按五维账单重新
2026-11-05 13:19:21
158
原创 三款真实省时的AI效率工具：TextCutter、VoiceScribe与CodeLens
在软件开发与技术协作场景中，AI效率工具的价值不在于炫技，而在于可嵌入工作流的工程化时间压缩。TextCutter以领域意图识别实现段落级语义解析，解决技术文档中动作、约束与风险的精准提取；VoiceScribe通过发言权动态建模与决策锚点机制，将语音转文字升级为会议决策证据链构建；CodeLens则采用轻量级知识图谱索引，实现代码上下文与散落业务知识的实时缝合。三者共同指向一个核心能力：降低认知摩擦、抗干扰响应、支持高频微操作。它们适用于需求分析、跨时区会议纪要、遗留系统维护等典型工程师日常场景，是面向真
2026-11-05 13:12:40
267
原创 AI技能操作系统：CLI/Slash/API三层调度协议解析
AI技能（skills）是一种可插拔、可编排的智能工作流封装范式，本质是带输入输出契约、资源声明与失败降级机制的运行时能力单元。它超越传统API封装，通过标准化协议实现能力发现、上下文感知与沙箱执行。技术价值在于将AI能力抽象为类Linux命令的可复用组件，支撑DevOps自动化、PR审查、SQL优化等工程场景。其核心依赖CLI工具链进行生命周期管理、Slash Commands实现多平台用户交互、统一API层提供租户级配额与模型路由能力。关键词：agent-skills、codex cli。
2026-11-05 13:10:54
196
原创 大模型Agent技能层设计：从function call到agent-skills的工程实践
大模型驱动的Agent开发中，function call只是让模型具备调用工具的能力，真正决定稳定性与可控性的，是工具背后的技能层。agent-skills通过统一参数Schema、结构化返回、超时控制、错误转换、调用链审计和权限管理，把一次工具调用变成可观测、可回滚的工程行为。技能注册表保证模型看到的工具结构与实际执行代码同源，调度器负责参数校验、超时与日志追踪。面向真实业务场景，还需设计原子技能与组合技能，并通过说明、版本、权限三件事让Agent技能安全上线。自动化评测则从准确性、稳定性、安全性和格式一
2026-11-05 13:03:06
165
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人