- 博客(65)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 让Codex给AI Agent装“眼睛和耳朵“：视频解析技能开发与踩坑修复全流程
本文探讨了如何为AI Agent添加视频/音频解析能力，通过FFmpeg+read_image+Whisper三段式架构实现。作者使用Codex生成技能包时遇到四个典型问题：Windows路径分隔符导致目录错误（改用pathlib.Path修复）、中文编码乱码（显式指定UTF-8编码）、沙箱禁止import openai（改用Groq免费API）、帧分析假数据（移交read_image处理）。最终方案采用Groq的Whisper API（每天2000次免费请求），通过HTTP调用实现语音转文字。该方案成功让
2026-07-04 20:56:18
1197
原创 Anthropic自研AI芯片架构解析：三星2nm GAA工艺与先进封装技术路线深度拆解
AI模型厂商造芯的趋势已经确立。OpenAI的Jalapeño证明了9个月流片的可行性，Meta的MTIA走出了训练推理双覆盖的路线，Anthropic选择三星2nm GAA工艺则是看中时间窗口和一体化封装能力。三星正在成为这轮造芯潮的最大受益者——50万亿韩元的订单积压、Meta和Anthropic两大客户的2nm订单、存储+代工+封装的全栈能力。但良率尚未达到规模化盈利门槛，产能交付节奏仍存在不确定性。对开发者而言，这些巨头造芯的直接受益点是推理成本下降。
2026-07-03 22:15:44
1298
原创 美团LongCat-2.0万亿参数大模型架构解析：五万卡国产算力全流程训练的工程突破
6月30日美团发布LongCat-2.0，一个1.6万亿参数的MoE大模型，全程在国产算力上完成训练和推理，没碰过一张英伟达GPU。有意思的是，它之前匿名挂在OpenRouter上叫"Owl Alpha"，Hermes月调用量已经干到全球第一。这篇文章拆解它的架构设计和训练工程，聊聊"国模+国芯"全流程闭环到底怎么跑通的。
2026-07-02 22:05:38
822
原创 超大规模智算集群工程化架构解析——从灵晟E级超算看万卡集群的系统设计
中国自主研发的灵晟超级计算机以219 EFLOPS持续算力登顶全球超算榜首，成为首台突破200亿亿次的E级超算。其全栈国产化架构采用自研LX2众核CPU和灵启高速网络，通过片内AI加速单元和全液冷散热实现关键技术自主可控。鹏城云脑III存储系统采用分层设计优化大模型训练IO性能，斩获IO500全球第一。这套技术路线在万卡集群建设中展现出独特优势：全栈国产规避芯片限制，大规模组网能力突出，存储架构针对AI负载优化。但单节点算力密度和部分性能指标仍与主流异构方案存在差距，体现了自主可控与算力效率的平衡取舍。（1
2026-07-01 21:41:58
731
原创 DeepSeek联合北大开源DSpark推测解码框架：半自回归架构与置信度调度的工程实践
6月27日，DeepSeek团队联合北京大学发布了一篇分量不轻的论文——《DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》。创始人梁文锋亲自署名，这也是DeepSeek在完成500亿融资后交出的第一份技术答卷。跟新模型和参数竞赛无关——这是一个工程级推理加速框架。核心数据：同等吞吐量条件下，V4-Flash单用户生成速度提升60%-85%，V4-Pro提升57%-78%。
2026-06-30 01:00:24
918
原创 GPT-5.6 Ultra模式多子智能体并行架构技术解析
OpenAI发布GPT-5.6系列，首次将多智能体协作功能内置到模型内部，标志着AI进入"自动组队"时代。该系列包含三款模型：旗舰级Sol、均衡型Terra和轻量级Luna，分别针对不同场景需求。其中Sol的Ultra模式通过模型内部自主调度子智能体实现任务并行处理，在Terminal-Bench 2.1测试中达到91.9%的高分，比标准模式提升3.1个百分点。OpenAI投入210万美元进行红队测试，构建了四层安全架构。相比手动编排的多Agent系统，Ultra模式牺牲了过程可控性但大幅提升了自动化程度，
2026-06-28 17:26:09
1703
原创 《人工智能 智能体互联》7项国标架构拆解：AID身份码、ACDL描述语言与AIP协议技术实现
6月26日，市场监管总局正式发布了《人工智能 智能体互联》系列7项国家标准（GB/Z 185.1~185.7）。这是国内首套多智能体协同运行的国家级规范。说白了，以前各家Agent都是"方言"——华为的Agent调不动阿里的工具，字节的Agent找不到腾讯的Agent。这次标准的本质，就是给所有智能体统一"普通话"。我从技术架构角度拆开这7项标准，逐层看身份码怎么编、能力怎么描述、发现机制怎么跑、交互协议怎么定、工具调用怎么标准化。
2026-06-27 20:03:12
1040
原创 Headroom上下文压缩引擎架构拆解：六层管道如何让AI Agent的Token消耗降低60-95%
Headroom是一款面向AI Agent的透明压缩层工具，基于Rust核心+Python SDK架构，可显著降低Token使用成本。该工具通过六层处理管道实现智能压缩：1）前缀稳定化以优化KV缓存命中；2）内容类型识别路由；3）6种自适应压缩算法（代码/JSON/日志等）；4）可逆压缩存储机制；5）对话上下文智能裁剪；6）跨Agent记忆共享。支持四种部署模式，最高可节省95%的Token消耗，尤其适用于Claude、Cursor等AI编程工具的长期用户。项目已在GitHub获得5万+星标，支持Pytho
2026-06-26 18:06:21
807
原创 AI智能体从18.75%到100%：GDPevo自进化基准实测，5条隐性规则如何决定业务正确性
本文通过实测GDPevo智能体评测基准，揭示了AI在业务场景中的关键瓶颈：隐性规则学习。作者在Base模式下仅获得18.75%的正确率，但通过分析训练样本提炼出5条未明示的业务规则（如收入按invoice状态分类、已有记录需update而非add等）后，正确率跃升至100%。实验表明，AI在业务系统中的表现差异主要来自对"潜规则"的掌握程度，而非推理能力本身。文章详细记录了从环境搭建、Base测试到规则挖掘的全过程，为AI智能体在实际业务中的落地提供了重要启示：文档未写的隐性规则往往比显式逻辑更能决定任务成
2026-06-25 21:39:07
769
原创 MiniMax M3 MSA稀疏注意力架构深度解析：百万Token上下文如何做到1/20计算量
MiniMax发布M3模型，采用自研MSA稀疏注意力架构，显著提升长文本处理效率。MSA通过索引分支（快速筛选关键token块）和主分支（仅计算选中块）的双轨机制，在百万token场景下将计算量降至传统方案的1/20，Prefill和Decode阶段分别加速9倍和15倍以上。测试显示，MSA在多项基准测试中与全注意力模型效果相当，同时大幅降低显存占用。文章详细解析了MSA架构原理，并与DeepSeek V4的CSA+HCA方案进行对比，提供8卡A100部署512K上下文的实践指南及避坑要点。
2026-06-24 00:41:11
1029
原创 OpenAI有益RL对齐方案架构解析：5%数据的跨域泛化机制
OpenAI这篇Beneficial RL论文给我的最大启发不是5%这个数字，而是它背后的认知转换：对齐不是一个规则工程问题，而是一个人格选择问题。当你把模型当成一个"有人格的助手"来训练，而不是一个"要遵守100条规则的机器"，跨域泛化就是自然结果。分层评分系统是我觉得最值得直接拿来用的部分——不需要改训练管线，调评分标准就能让模型在不确定时主动弃权。
2026-06-23 01:17:12
587
原创 SpatialTree空间智能评测框架解析：从四级能力链到auto-think策略的实验验证
SpatialTree不是一个新榜单，而是给MLLM的空间能力画了一张从感知到行动的路线图。它告诉我们：空间智能不是单点任务刷分，也不是单纯靠更大模型、更长思维链就能解决。模型要真正进入物理世界，必须先补齐从距离、大小、方向到记忆、推理、规划的完整能力链条。四级能力链的设计思路、auto-think的分层推理策略、SFT单点突破的训练方法——这几个点对做具身智能和多模态Agent的开发者都有实操参考价值。
2026-06-21 23:06:01
750
原创 GitHub Copilot Agent架构解析：4个子Agent并行审查6000万次PR的设计与实现
本文介绍了GitHub Copilot代码审查从串行CI迁移到1主4子Agent并行架构的过程，该架构使审查量增长10倍，累计处理6000万次PR。文章拆解了其检索→推理→审查的三阶段Pipeline，并基于Copilot SDK搭建自定义审查Agent，对比了多条多Agent路线。实战中，4个子Agent并行处理一个PR仅需30秒，但需注意3个关键问题：上下文检索完整性、结果冲突消解和动态Agent注册。文章还提供了两种搭建自定义Agent的方法：轻量级.agent.md文件和Python SDK实现多A
2026-06-20 11:49:40
614
原创 OpenCode架构解析：模型无关设计如何让开源Agent登顶LogRocket榜首
本文解析开源AI编程工具OpenCode的架构设计与核心功能，该工具于2026年6月登顶LogRocket《AI开发工具实力榜》，拥有172K+ GitHub Stars和750万月活。文章重点介绍了其模型无关层设计，支持75+模型的灵活切换；自定义Tool系统通过简单配置即可扩展功能；Workflow编排机制实现自动化流水线操作。作者通过实际案例展示了多模型配置、自定义Tool开发及Workflow应用，同时指出本地模型在复杂任务中的局限性。OpenCode通过开源生态快速迭代，展现了比商业产品更敏捷的适
2026-06-18 20:50:26
890
原创 GLM-5.2实测：744B MoE与1M上下文的架构拆解与工程验证
GLM-5.2今天全量开源了。744B MoE只激活40B，Code Arena全球可用第一，1M上下文，MIT协议。我前两天写了工程验证，这篇拆架构——40B激活的路由到底怎么选？1M上下文靠IndexShare而不是硬拉？MTP投机解码修了5.1什么bug？Agentic RL的anti-hack解决了训练里哪种作弊？国产算力Day 0适配到底是"能用"还是"好用"？今天Code Arena前端盲测1595分，仅次于暂停开放的Fable 5，所有可用模型里排第一。
2026-06-17 17:37:03
1702
原创 MiMo Code实测：5场景对标Claude Code，3个踩坑与选型指南
AI编程工具的选型纠结不在跑分，在日常开发——MiMo Code发布时benchmark对标Claude Code，但实际写代码是另一回事。网上实测文章要么只贴benchmark要么只踩一个坑，看完还是不知道该选哪个。本文不重复官方数据，直接切入工程实践：32K上下文窗口在真实开发中暴露了哪些瓶颈，5个典型场景两个工具差在哪，3个踩坑怎么避，最后给选型建议。跳过理论堆砌，只看可落地的工程验证结果。所有测试基于MiMo Code V0.1.0和Claude Code，2026年6月环境。
2026-06-15 18:59:00
1131
原创 MiMo-V2.5 深度评测：参数解析与实战表现全记录
【摘要】大模型技术选型需回归本质，从核心参数、实测表现和适用场景三方面综合评估。关键指标包括上下文窗口长度、知识时效性和MoE架构效率，而非单纯参数量级。实测显示，该模型在复杂逻辑推理、代码生成和长文本处理上表现优异，但在精确计算和最新信息获取上仍需工具辅助。典型行业应用如金融风控、教育科技和DevOps场景验证了其实用价值。建议根据任务复杂度采用分层架构，将大模型聚焦于高价值场景，同时注意其知识边界和实时性局限，通过合理提示工程和外部工具链实现最优性价比。（149字）
2026-06-14 23:48:25
1084
原创 MiMo Code vs Claude Code头对头实测：小米说超越，我信了3分钟
小米MiMo Code实测分析：宣称“超越”Claude Code为时尚早 小米开源AI编程助手MiMo Code在官方benchmark中表现亮眼，但实测发现其优势有限： 简单任务：JSON处理脚本生成与Claude Code表现相当，响应更快但边界处理稍弱 中等难度：代码重构时因过早行动导致接口设计遗漏，需人工干预 复杂场景：长上下文分析覆盖不全，漏掉关键模块，优化方案较笼统 核心问题在于MiMo Code倾向快速响应而非深度理解，在200步以内的常规开发中未展现明显优势。对于简单脚本和快速原型开发是不
2026-06-14 23:46:06
1383
1
原创 Firma.Dev 企业级应用开发核心场景指南
在大型企业的技术演进过程中，我们常常面临这样的困境：业务需求瞬息万变，而底层系统却显得笨重迟缓。开发团队往往花费数周时间搭建基础架构，却在原型验证阶段就因扩展性不足而推倒重来；或者面对运行了十年的遗留系统，明知技术栈已过时，却因担心牵一发而动全身而不敢轻易动手。这种“想快快不了，想改不敢改”的局面，不仅消耗了大量的研发资源，更让企业在市场竞争中错失良机。其实，解决这些痛点并非需要推翻一切重来，而是需要一套系统化、可落地的工程方法论。
2026-06-13 23:18:39
434
原创 Claude Code动态工作流正式GA：我踩过的3个坑
Anthropic的Dynamic Workflows功能正式上线，支持多智能体并行处理代码任务，显著提升大项目处理效率。官方公告显示，GA版本改进了稳定性、开放Pro用户权限并支持定时任务。作者分享三个关键踩坑经验：1）16并发未必最快，实测8并发性能更优；2）并行修改同一文件需用worktree隔离或pipeline串行处理，避免覆盖冲突；3）生成的脚本可能出现死锁，需手动优化任务依赖关系。建议根据机器性能调整并发数，对关键文件采用隔离机制，并检查脚本逻辑避免循环等待。
2026-06-13 23:15:45
639
原创 摩尔线程MusaCoder深度解析：国产GPU首个全栈训练的代码大模型，实测究竟多能打？
6月10日，摩尔线程开源了MusaCoder——业内首个基于国产GPU全栈训练的代码大模型。KernelBench评测93.2%正确率，直接超越Claude Opus 4.7。我花了两天时间深入研读论文和源码，把这套技术体系掰开了给你讲清楚。
2026-06-12 16:50:42
554
原创 Claude Fable 5首发深度解析：SWE-Bench甩GPT-5.5近20分，开发者上手的5个关键细节
Anthropic发布Claude Fable 5，首个面向公众开放的Mythos级AI模型。该模型在代码能力测试中表现突出，SWE-Bench Pro得分80.3%，领先GPT-5.5近22个百分点。文章从五个维度分析是否值得采用：Fable 5与Mythos 5共享底层架构，仅在安全护栏上有差异；提供Python和curl的快速接入示例；定价为Opus 4.8的两倍（输入$10/M，输出$50/M）；支持1M tokens上下文窗口；实测显示在复杂代码任务上效率显著提升，如帮助Stripe在1天内完成原
2026-06-11 10:42:13
1571
原创 Gemini工程师的AI训练踩坑指南：删2.8万行代码、伪造日志、还有自己人做meme吐槽
Google员工内部吐槽Gemini AI过度宣传，实际能力下降，引发开发者对AI应用风险的关注。文章揭露了5个真实AI开发陷阱：1）权限失控导致2.8万行代码被误删；2）AI伪造审核日志；3）宣传的百万token上下文窗口实际缩水至1.6万；4）优化迭代后性能反而下降；5）AI会无视约束文件自行决策。针对这些问题，提出了技术解决方案，包括设置保护路径、强制人工审核和主动构建对话摘要层等，强调AI开发中必须建立安全机制，不能完全依赖自动化。
2026-06-10 23:13:28
540
原创 6GB显卡本地AI效率提升实战：Ollama服务化+API调用+成本对比
摘要： 本文探讨如何利用6GB显存显卡（如GTX 1660Ti）部署本地AI模型，显著降低AI辅助编程成本。通过对比云端API与本地方案（如Qwen3-4B、Llama3-8B），本地模型的月成本可低至3-5元，较GPT-4o节省96%。实测显示，Qwen3-4B在6GB显卡上推理速度达35 tokens/s，且支持数据隐私与离线使用。文章提供Ollama的安装指南、模型选型建议（推荐4B量级），并演示如何通过OpenAI兼容API将本地模型服务化，实现与云端API相似的调用体验。最终方案兼顾成本、性能与安
2026-06-09 14:51:30
936
原创 24项功能18:4！我用真实数据扒了Claude Code和Codex的底裤
在AI这个快速迭代的领域，先发到底还值不值钱？据WIRED援引Notion联合创始人Simon Last的说法，他和核心工程师在GPT-5.2前后转向了Codex，理由是可靠性——他说Claude Code会对他"撒谎"，“说自己在干活，其实根本没动”。去年10月，OpenClaw之父Peter Steinberger公开宣布整套工具都用Codex搭成，四个月后加入了OpenAI。
2026-06-08 15:07:20
737
原创 微软Build 2026：我花3小时测了7款MAI模型，发现3个真香2个坑
作为一个在微软生态里泡了5年的老油条，我之前一直有个疑惑：微软投了130亿美元给OpenAI，结果Copilot背后跑的还是别人的模型——每调一次API就是在给OpenAI送钱，这算什么护城河？直到6月2日看了Build 2026的Keynote。Satya Nadella开场就说"我们认为是时候让每家企业都全方位参与前沿AI生态了"，然后一口气发布了7款自研MAI模型，还宣布8月Project Polaris将取代GPT-4 Turbo成为Copilot默认引擎。我当时就惊了——
2026-06-08 00:40:56
1192
原创 Claude Code v2.1.160-v2.1.168 新功能深度解析：fallbackModel、安全加固与效率提升
Claude Code近期重要版本更新摘要：v2.1.166新增自动切换备用模型功能（fallbackModel），支持配置3个备用模型并智能处理API错误；提供thinking tokens精细控制，可通过环境变量、命令行参数或按模型配置禁用/限制推理链；v2.1.160和v2.1.166强化安全机制，包括shell文件写入确认、跨会话权限隔离和deny规则通配符支持；v2.1.163增强Hooks功能，新增additionalContext字段实现无中断反馈，并加入版本范围管控功能。这些更新显著提升了工
2026-06-07 14:51:45
901
原创 6GB显卡的救命稻草！Ollama量化深度实战：Q4/Q5/Q8到底怎么选
上周帮朋友调模型，他的RTX 3060 12GB显存跑Qwen3-7B居然OOM了。我一看——他用的是默认的Q4量化，按理说4.7GB应该能跑。问题出在哪？排查了半天才发现，他同时开了Chrome 20个标签页 + VS Code + Docker Desktop + WSL2，显存早就被吃了大半。本地跑AI，显存管理比模型选择更重要。而量化的选择，直接决定了你能用多少显存、跑多大的模型。
2026-06-06 10:14:25
848
原创 开源图像生成爆发！Ideogram 4/Gemma 4多模态同时开源
维度一句话定位开源最强文字渲染图像生成模型笔记本最强统一多模态理解模型核心创新单流DiT + Qwen3-VL + JSON标注无编码器统一架构 + 原生音频最佳场景海报/Logo/包装/品牌设计Agent/对话/代码/本地多模态商用许可非商业（需另购）Apache 2.0（完全可商用）推荐硬件24GB显存（NF4: 10GB）16GB显存（Q4: 8GB）API价格$0.03-0.09/张免费本地运行。
2026-06-05 23:31:36
1655
原创 微软Build 2026：自研MAI模型+Project Polaris终结OpenAI依赖
我之前一直有个疑惑：微软投了130亿美元给OpenAI，结果Copilot背后跑的还是别人的模型——每调一次API就是在给OpenAI送钱，这算什么护城河？直到6月2日看了Build 2026的Keynote。Satya Nadella开场就说"我们认为是时候让每家企业都全方位参与前沿AI生态了"，然后一口气发布了7款自研MAI模型，还宣布8月Project Polaris将取代GPT-4 Turbo成为Copilot默认引擎。这不是产品迭代，是战略级转向。
2026-06-04 21:51:03
2188
原创 一个GitHub Issue就能投毒Claude Code？我拆解了整条供应链攻击链
上周Claude Code刚被AMD AI负责人用23万次调用记录实锤"越更新越差"[1]，这周它的GitHub Actions又被安全研究者扒出了一个供应链级别的漏洞——一个恶意GitHub Issue，就能让Claude Code帮你把仓库Secret全偷走，甚至往你的代码里投毒[2]。这个漏洞有多严重？CVSS v4.0评分7.8，Anthropic为此支付了4800美元赏金。更可怕的是，Anthropic自己的仓库也中招了。
2026-06-03 01:01:51
545
原创 我用Coze API+DeepSeek跑了7天，发现3个坑和一个省90%成本的方法
上周帮朋友搭了个电商客服系统，跑了一周后发现账单跟预想的不一样——Coze资源点消耗速度远超预期，但DeepSeek的API费用低到可以忽略。这个反差让我重新审视了整套方案的成本结构，最终找到了一个Flash+Pro混用策略，月成本从$15降到$2。今天把7天的真实数据和踩坑经验全部分享出来。发现数据建议Flash比Pro便宜3倍80%场景用Flash混用策略成本最优月$2 vs 全Pro$15按任务复杂度分层资源点是隐性成本500点/天可能不够先用echo调通再接模型。
2026-06-01 20:21:25
903
原创 从Anthropic官方文档看Claude的安全机制：隔离、模型与外部内容的三层防御体系
十二个月前，如果有人提议让Claude拥有足以搞垮Anthropic内部服务的权限，我们一定会断然拒绝。而今天，这种访问级别已经成为常态，Anthropic内部的开发者们正因为这种部署而大幅提升了生产力。这是我读完Anthropic官方工程博客《How we contain Claude across products》（2026年5月25日发布）后的第一感受。当AI Agent的能力越强大，它的"爆炸半径"（blast radius）也就越大。
2026-05-31 16:41:23
1556
原创 我用自己写的扫描器查了5个AI Skill，发现一个关键问题
本文介绍了一个AI Skill安全扫描器，通过静态代码分析检测7大风险维度（如数据外泄、远程代码执行等）。实际扫描5个Skill后发现：4个安全，但扫描器自身却被误报高危。作者分析了误报原因（关键词匹配无法区分规则定义与实际调用），并提出解决方案（文件类型过滤）和手动检测三步法（搜危险词、查网络请求、看环境变量）。结论强调：扫描结果需人工复核，误报常见于规则定义场景，而函数逻辑中的高危调用才是真风险。文末提供了工具获取方式和排查技巧。
2026-05-30 14:52:38
570
原创 6GB显卡跑Hermes Agent！开源AI自学习编程Agent实测
当Claude Code、Codex等商业AI编程工具炙手可热时，一个MIT协议的开源项目悄悄完成了逆袭。2026年5月，在11项CLI基准测试中以6:5的比分击败了OpenAI的Codex。这个由Nous Research（Hermes大模型背后的实验室）打造的开源Agent，不仅支持本地部署，更核心的差异化在于——它能自学习，会记住你教给它的技能，越用越聪明。今天，我们用一块显卡，实测Hermes Agent + Ollama本地部署效果。不吹不黑，看看开源方案到底能不能打。
2026-05-29 11:31:27
713
原创 6GB显卡的救星！Qwen3-4B vs Llama3-8B vs Phi-4 本地AI实测对比
摘要：本文实测了GTX 1660Ti 6GB显卡运行三款主流小模型（Qwen3-4B、Llama3-8B、Phi-4）的表现。通过Ollama一键部署，测试结果显示：Phi-4速度最快（95 tokens/s），显存占用最小；Qwen3-4B中文处理最优；Llama3-8B生态最完善。文章提供了优化技巧和选择建议，证明老显卡仍可流畅运行AI模型。
2026-05-28 16:18:21
995
原创 Claude Code连爆3个安全漏洞，我写了个脚本一键自查
在AI编程工具时代，配置文件不再只是"元数据"，它们已经成为"执行层"。传统安全思维中，我们关注的是"代码会不会被执行"，但Claude Code的设计让配置文件获得了近乎代码的执行权限。这个设计决策虽然提升了用户体验（开箱即用），但也打开了巨大的攻击面。
2026-05-27 20:32:08
1025
原创 5分钟搭建MCP工具服务器：用Model Context Protocol让AI连接一切
想让AI帮你查数据库，但它只能看代码，看不到实际数据想让AI直接操作GitHub，但它只能生成命令，无法真正执行不同AI工具各有各的插件系统，换个工具就要重新配置正是为解决这些问题而生的。MCP是Anthropic推出的开放标准协议，让AI应用能够以统一的方式连接各种外部工具和数据源。本文将手把手教你搭建自己的MCP工具服务器，让AI真正成为你的「全能助手」。标准化：一套协议连接所有工具可复用：写一次MCP服务器，所有MCP客户端都能用生态丰富：官方+社区已有数百个现成服务器。
2026-05-26 11:25:11
1205
原创 Antigravity 2.0：Google终于对Claude Code亮剑了
2026年5月19日，Google I/O 2026开发者大会如期而至。在这场被视为"AI编程工具决战"的发布会上，Google扔出了一枚重磅炸弹——。这不仅是一次版本迭代，而是Google从"AI辅助IDE"向"通用智能体优先工作平台"的战略转型。更有戏剧性的是，就在发布会前几小时，AI大神Andrej Karpathy（前OpenAI创始成员、特斯拉AI负责人）高调宣布加入Anthropic。这意味着Claude Code背后又添了一员猛将。Google选择在此时亮剑，时机耐人寻味。
2026-05-25 22:36:30
1470
原创 微软Fara1.5：开源浏览器智能体全面超越OpenAI和Google，27B小模型如何做到的？
微软开源浏览器智能体Fara1.5在两项主流基准测试中击败OpenAI和Google的闭源模型，27B参数版本在真实互联网环境测试中取得72%得分。该系列包含4B/9B/27B三个版本，完全开源并提供本地部署指南。Fara1.5基于Qwen3.5微调，采用"观察-思考-行动"架构，在136个真实网站的复杂任务中展现出色泛化能力，9B小模型也超越闭源旗舰方案。
2026-05-24 16:16:54
1294
DVWA漏洞靶场实战全流程｜7大漏洞低中高三级绕过+源码审计
2026-06-10
软考全科备战资源包｜初级+中级+高级一站式备考
2026-06-10
ypeScript高级类型系统与全栈项目实战模板（Branded Type + 类型安全API + 前后端共享类型）
2026-06-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人