<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_29070721的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/weixin_29070721</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_29070721]]></copyright><item><title><![CDATA[OpenClaw到Codex CLI：四款AI编程与智能体工具怎么选？]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170388212</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170388212</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 16:46:57 +0800</pubDate><description><![CDATA[随着大模型能力的快速提升，AI编程与智能体（Agent）已成为开发者日常工作中高频提及的两大方向。前者聚焦于在终端或编辑器中理解代码、生成补丁、执行测试；后者则更侧重对话式交互、多平台接入与自动化任务调度。两者都依赖大模型的推理能力，但工具链设计、安全机制与部署方式差异显著。在实际工程中，合理选择工具能显著提升个人与团队的研发效能：程序员需要的是深度代码理解与快速反馈，而团队自动化助手则强调7x24小时可用与消息通道集成。围绕OpenClaw、Hermes Agent、Claude Code、Codex C]]></description><category></category></item><item><title><![CDATA[Veins混合交通流仿真：SUMO与OMNeT++耦合建模实践]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170384436</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170384436</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 16:42:36 +0800</pubDate><description><![CDATA[混合交通流仿真是把人工驾驶、网联与自动驾驶车辆置于同一路网，通过微观交通模型和无线通信模型联合推演车流演化。其原理在于交通仿真器负责车辆运动与路网控制，网络仿真器负责802.11p/V2X报文交互，再以TraCI锁步同步位置和时钟，使通信时延、丢包率与信道占用反馈到驾驶决策。技术价值是量化不同渗透率下协同消息可达性对通行能力、延误和安全指标的影响，避免单工具理想广播或脱离交通语义的局限。应用覆盖车路协同验证、通信协议性能评估和交通流理论实验。内容围绕Veins、SUMO、OMNeT++的耦合机制、混合车辆差]]></description><category></category></item><item><title><![CDATA[本地全能AI工作台：Ollama+ComfyUI实现离线聊天生图生视频]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170400085</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170400085</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 16:37:48 +0800</pubDate><description><![CDATA[随着AIGC工具普及，云端AI服务常面临限流、计费与数据隐私问题。本地部署方案将大模型和图像生成管线迁移到自有硬件，通过Ollama等推理运行时提供对话能力，ComfyUI则以节点化工作流实现文生图与视频生成。两者通过HTTP服务联动，形成可控、私密、可离线的创作闭环。本文拆解这套本地全能AI工作台：从模型选型、环境配置到自定义节点开发，介绍如何让本地大模型自动生成提示词，并驱动ComfyUI完成从文本到视频的完整链路。适合开发者与AI绘画爱好者落地实践。]]></description><category></category></item><item><title><![CDATA[关闭Claude自动记忆：手动上下文管理与项目级记忆实践]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170390481</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170390481</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 16:16:47 +0800</pubDate><description><![CDATA[在大模型应用中，会话上下文、上下文窗口与无状态API是理解记忆机制的基础。自动记忆的本质，是把短期对话上下文沉淀为长期状态，再通过写入、检索、注入影响后续会话；其技术价值在于减少重复说明，但一旦错误先验被反复强化，就会带来上下文膨胀、跨项目串味、共享账号信息泄漏和输出不可复现等问题。对多项目并行开发、团队共用账号、客户数据处理和API工作流等场景，更稳妥的做法是关闭自动记忆，改用可审计、可版本化的手动上下文注入：项目级记忆文件跟随仓库管理，会话开场模板稳定背景信息，API侧自行维护会话状态，并通过跨会话残留]]></description><category></category></item><item><title><![CDATA[Agent Skill 九月爆发：科研人必备的实用技能包与 Codex 实测]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170397996</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170397996</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 16:00:19 +0800</pubDate><description><![CDATA[随着人工智能代理（Agent）技术的快速发展，传统的一次性提示词（Prompt）已难以满足复杂任务的需求。Agent Skill 作为一种结构化的“岗位操作手册”，将检索步骤、筛选标准、输出模板等确定性流程固化成可复用的文件，让AI在文献综述、学术写作、模拟审稿、数学建模等科研场景中表现更加稳定高效。GitHub 上涌现了大量高质量 Skill 仓库，本文精选 10 个最具实用价值的项目，并结合 Codex 环境演示安装、配置与调试的完整过程，同时提供选型避坑建议。通过真实跑通从选题到投稿的 Skill 组]]></description><category></category></item><item><title><![CDATA[Hugging Face模型资产治理：离线加载与版本锁定实践]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170392841</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170392841</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 15:48:21 +0800</pubDate><description><![CDATA[模型托管与本地缓存是AI推理服务稳定性的基础环节。Hugging Face Hub通过repo_id、revision和transformers/huggingface_hub的缓存机制完成模型分发，本地目录则按config.json、分词器与safetensors权重等约定还原加载路径；其原理是把远程引用转为可校验、可锁定的本地资产。技术价值在于降低版本漂移、网络波动和鉴权变化带来的供应链风险，让模型在断网环境也能稳定启动。典型应用覆盖私有化部署、CI/CD冒烟测试、内网推理集群和边缘设备。围绕模型资产治]]></description><category></category></item><item><title><![CDATA[DeepSeek V3与R1选型及提示词框架实战指南]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170405307</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170405307</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 15:16:48 +0800</pubDate><description><![CDATA[在大模型应用中，提示工程的核心不只是把指令写长，而是先理解模型能力边界与任务路由：通用模型偏重规范执行，推理模型擅长多约束推演，联网搜索用于补充时效信息。原理上，提示词框架通过角色、任务、目标、受众与输出约束，把模糊需求转成可验收的产出；模型选型则决定应给步骤还是留白。其技术价值在于降低返工率、提升输出稳定性，并让团队提示词可沉淀复用。典型场景包括周报撰写、材料润色、PPT大纲、行业分析与结构化数据输出。围绕DeepSeek的V3与R1分工，结合RTGO、CO-STAR等框架与三步路由方法，可把“凭感觉用模]]></description><category></category></item><item><title><![CDATA[从玩具Demo到工业级Agent：一份完整的Agent Harness工程化指南]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170393340</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170393340</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 15:03:56 +0800</pubDate><description><![CDATA[大模型应用从原型走向生产，核心挑战并非模型能力本身，而是围绕模型构建的Agent Harness工程体系。所谓Harness，是指任务循环、工具执行、上下文管理、安全护栏、可观测性与评测等模型外围的全部工程设施，它决定了Agent在真实业务中是否能稳定、可审计、可回滚。本文从AI Agent的基础概念出发，拆解玩具Demo与工业级项目的关键差异，系统讲解工业级Agent Harness的六大核心模块及其设计取舍，并结合Python给出一个最小但结构完整的实现示例，最后提供评测、追踪、配置、成本控制与上线检查]]></description><category></category></item><item><title><![CDATA[智能体系统7.6接入Harness：Agent开发从碰运气到可评测]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170397273</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170397273</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 14:49:24 +0800</pubDate><description><![CDATA[大模型驱动的智能体（Agent）应用正在快速落地，但多步工具调用的稳定性始终是工程化难题——同一任务多次执行结果不一致，失败原因难以定位。核心痛点在于缺乏可量化、可回放的评测机制。智能体系统7.6接入Codex Harness工程化评测框架，将“人工点几个样例”升级为自动化评测集、沙箱执行、轨迹回放与回归门槛组成的闭环。这套机制让开发者能在隔离环境中安全试错、精准定位失败步骤，并通过持续回归确保每次改动都不退化。无论是智能客服、订单查询还是多工具协同任务，工程化评测都能显著提升Agent在多步决策场景下的成]]></description><category></category></item><item><title><![CDATA[AI导演思维：30分钟打造电影级AI短片，彻底告别塑料感]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170380623</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170380623</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 14:26:09 +0800</pubDate><description><![CDATA[AI视频生成工具日趋成熟，但很多创作者的作品仍带有浓重的“塑料感”。其根源往往不在算力与模型，而在于缺少导演思维——景别、构图、光影、运镜等电影语言尚未真正介入提示词设计。从文生视频与图生视频的原理差异出发，理解首帧与关键帧如何锁定画面控制权，是提升作品质感的第一步。在此基础上，伦勃朗光、轮廓光等光影公式，以及推、拉、摇、移等运镜模板，能够为画面注入真实电影的情绪与呼吸感。无论你是自媒体运营还是影视从业者，只要掌握分镜拆解、关键帧生成、图生视频与剪辑合成的标准流程，就能用提示词精准控制画面，让AI短片真正拥]]></description><category></category></item><item><title><![CDATA[Gemini 3.8与Qwen3.8背靠背发布，英伟达收购Hugging Face]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170394895</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170394895</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 14:22:04 +0800</pubDate><description><![CDATA[大模型技术正加速从云端走向本地，开源与闭源路线之争也进入新阶段。Gemini 3.8 强化多模态与长上下文能力，代表着模型即平台的超级应用方向；而 Qwen3.8 以消费级显卡可流畅运行的本地部署门槛，展现了开源模型人人可跑的工程价值。与此同时，英伟达拟收购 Hugging Face 的举动，揭示出算力巨头正试图掌握开源生态入口，重构AI基础设施格局。本文从模型发布的技术细节出发，结合实际部署经验，分析 Gemini 3.8 与 Qwen3.8 的能力差异、Qwen3.8 本地部署的完整流程与显存优化技巧，]]></description><category></category></item><item><title><![CDATA[SAP Joule Studio：Skill与Agent分层及自定义能力实战]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170388709</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170388709</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 13:38:02 +0800</pubDate><description><![CDATA[企业级AI应用落地时，常见误区是把“能力”与“编排”混在同一层。Skill可理解为契约明确的最小能力单元：以结构化输入输出和JSON Schema定义边界，通过Grounding接入企业数据，并用提示词规则约束生成结果；Agent则位于编排层，依据Skill描述决定何时调用、按什么顺序组合，并处理追问与兜底。这样分层带来的技术价值是可测试、可复用、可治理：Skill能构造用例做确定性验证，Agent用场景化验收降低路由与幻觉风险。典型场景包括SAP采购订单交期异常归因、HR假期查询、财务凭证差异分类等。围绕]]></description><category></category></item><item><title><![CDATA[Anthropic新模型泄露与API中断：开发者必备的应急预案]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170376814</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170376814</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 13:36:02 +0800</pubDate><description><![CDATA[企业级AI应用越来越依赖第三方模型API，API的可用性直接影响业务稳定性。当模型服务出现异常时，可靠的状态监测与降级策略是保障系统不中断的关键。通过官方状态页、错误码识别和最小请求探测，可以快速判断故障范围；配合退避重试、限流和批量任务暂停，能有效避免二次故障。本文以Anthropic新模型泄露及多款产品服务中断为背景，梳理了一套从事件核实、API连通性检查到恢复放量的工程化预案，适用于集成Claude API的开发者、Agent运维及批量任务团队，帮助你在面对上游AI服务故障时快速做出正确反应。]]></description><category></category></item><item><title><![CDATA[从零手写Transformer到LLaMA：注意力机制与核心模块实战教程]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170386275</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170386275</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 13:30:28 +0800</pubDate><description><![CDATA[大语言模型的核心是Transformer架构，它通过自注意力机制让序列中任意两个位置可以直接交互，从而替代RNN/LSTM的串行计算方式，成为GPT、BERT等主流模型的基础。理解注意力、位置编码、归一化与前馈网络等基础模块，是掌握现代大模型原理的关键。在此基础上，LLaMA进一步引入RMSNorm、旋转位置编码RoPE和SwiGLU门控激活等工程优化，显著提升训练稳定性与推理效率。无论是阅读Hugging Face源码、部署推理服务，还是复现论文，手写一遍这些模块都能帮助开发者快速定位问题。从标准Tran]]></description><category></category></item><item><title><![CDATA[DeepSeek Harness：大模型自动化评测框架实战指南]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170385818</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170385818</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 13:01:12 +0800</pubDate><description><![CDATA[在机器学习与大模型工程落地中，模型效果验证与Prompt调优一直依赖人工反复测试，效率低且口径不一。Harness作为一种自动化测试框架设计模式，将模型调用、数据处理、指标计算与报告生成串联成标准化评测闭环。通过统一的generate接口抽象后端差异，配合配置驱动流程与灵活的打分策略，可实现模型回归验证、Prompt优化对比、多模型横向评测等常见场景。DeepSeek Harness正是基于这一思想构建的轻量评测实现，支持API与本地模型接入，提供从环境搭建到报告生成的完整示例，帮助开发者建立可信、可复现的]]></description><category></category></item><item><title><![CDATA[DeepSeek V4.1-Flash参数翻倍推理更省，GPT-6架构传闻与Agent工程化实践]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170389276</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170389276</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 12:56:05 +0800</pubDate><description><![CDATA[大语言模型推理优化正从单纯追求参数规模转向系统级效率提升。其核心原理在于稀疏激活与动态计算路径裁剪，通过MoE架构仅激活部分专家网络，结合KV Cache压缩与分组查询注意力，显著降低单位token推理成本。这一技术价值在于让高性能模型在有限显存下实现更高并发，直接推动Agent、本地部署与实时交互等应用场景落地。DeepSeek V4.1-Flash正是这一趋势的代表，参数翻倍却推理更省，同时GPT-6传闻中的Agent原生支持与手机模型方向也呼应了端云协同的工程逻辑。]]></description><category></category></item><item><title><![CDATA[LLM工具调用工程实践：Function Calling落地避坑指南]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170399065</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170399065</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 12:17:29 +0800</pubDate><description><![CDATA[LLM工具调用（Function Calling）是大模型从对话走向行动的关键技术支点，其本质是通过结构化schema在模型输出与后端服务间建立可验证的契约机制。原理上依赖参数声明、决策生成、JSON解析与结果注入四阶段闭环，技术价值在于将概率性生成转化为确定性执行，支撑Agent实现数据库查询、API调用、消息发送等真实业务动作。典型应用场景涵盖金融风控、工业巡检、低代码集成（如Figma联动）及企业微信自动化等。本文聚焦生产级落地中的核心挑战——非标JSON解析、密钥安全隔离、MCP协议适配与错误可追溯]]></description><category></category></item><item><title><![CDATA[AI文档自动化处理：从DeepSeek到千问，自建批量文档解析与模型调用链路]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170400893</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170400893</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 12:10:26 +0800</pubDate><description><![CDATA[在企业日常运营中，合同、周报、会议纪要等文档的批量处理长期依赖人工，耗时且易错。大模型API的出现，让程序能够自动完成文件读取、文本解析、模型调用与结果结构化。理解token的计量方式与免费额度估算，是设计自动化链路的基础。通过对接DeepSeek、GLM、豆包、千问等多款模型，配合统一接口层、路由重试和预算熔断机制，可以构建灵活可控的文档处理服务。相比Workbuddy等闭源工具，自建方案支持自定义提示词、模型切换与数据边界管控，适合工程团队沉淀内部AI能力。本文从环境准备、文档解析、模型接入到任务实现，]]></description><category></category></item><item><title><![CDATA[Agent意图识别工程实践：规则、小模型与大模型混合路由解析]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170386767</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170386767</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 12:01:03 +0800</pubDate><description><![CDATA[意图识别是对话系统与Agent中连接用户输入和动作指令的关键环节，本质上是业务边界、数据规模与工程成本的综合选型问题。其原理可拆解为从规则匹配、文本分类到语义理解的层级决策——纯规则擅长固定表达，小模型处理相似语义改写，大模型应对长尾上下文场景。在工程实践中，采用规则优先、小模型兜底、大模型复核的混合路由，能有效平衡延迟、费用与错误成本。针对线上效果波动，围绕指标拆解、日志回溯和灰度回滚形成闭环排查机制。本文从冷启动方案的规则设计到小模型阈值调优，给出可落地的Agent意图识别系统构建路径。]]></description><category></category></item><item><title><![CDATA[DeepSeek零基础入门：提示词模板与避坑工作流]]></title><link>https://blog.youkuaiyun.com/weixin_29070721/article/details/170399513</link><guid>https://blog.youkuaiyun.com/weixin_29070721/article/details/170399513</guid><author>weixin_29070721</author><pubDate>Mon, 09 Nov 2026 11:56:37 +0800</pubDate><description><![CDATA[提示词工程是大模型应用的基础能力，其原理在于用明确背景、任务与约束把自然语言需求转为可执行指令，从而降低沟通成本、提升输出稳定性。对推理型大模型而言，深度思考、联网搜索与附件读取等能力决定信息处理边界，组合使用可支撑文案写作、材料整理、家庭计划与行业分析等场景。围绕 DeepSeek 的零基础使用，先建立“身份—任务—要求”三段式，再按任务复杂度选用提示词模板，并通过精准追问、拆分联网与附件、核对事实来形成可复用工作流，让 AI 工具能力真正转化为日常生产力。]]></description><category></category></item></channel></rss>