<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[小一的专栏]]></title><description><![CDATA[坚持、努力、谦逊]]></description><link>https://blog.youkuaiyun.com/zinss26914</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zinss26914]]></copyright><item><title><![CDATA[原生组件如何实现 GenUI：AGenUI 框架与 A2UI 页面渲染详解]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/170737140</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/170737140</guid><author>zinss26914</author><pubDate>Fri, 13 Nov 2026 16:35:44 +0800</pubDate><description><![CDATA[把“车型卡片”作为新组件加入目录时，先约定 Agent 能填写哪些字段，例如车型名、图片和价格。客户端再实现这些字段怎样显示、怎样测量，以及点了按钮以后要回传什么。能力车型卡片中的例子组件契约车型 ID、名称、图片、价格、点击动作的字段和类型原生工厂与属性更新创建卡片 View，把新车型数据应用到已有实例布局与内容测量固定尺寸、按内容自适应，或回报图片加载后的实际尺寸交互与状态展开收起、加入对比、跳转详情、加载和失败状态事件与业务执行把点击转成稳定事件，交由宿主能力或业务服务处理。]]></description><category></category></item><item><title><![CDATA[客户端开发者学 Eino（04）：用 Function Calling 接入文件搜索工具]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/170358576</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/170358576</guid><author>zinss26914</author><pubDate>Mon, 09 Nov 2026 17:52:13 +0800</pubDate><description><![CDATA[本文介绍如何通过 Function Calling 机制，让客户端模型主动调用文件搜索工具。开发者需定义工具描述（如 search_files）与实现（如关键词匹配），由 Eino 框架自动解析模型请求并执行。模型根据上下文生成调用参数，应用端解析后执行搜索，返回文件名与正文，最终实现“基于文档依据回答问题”的智能交互。]]></description><category></category></item><item><title><![CDATA[客户端开发者学 Eino（03）：从网络请求理解 ChatModel 与模型接入]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/170193800</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/170193800</guid><author>zinss26914</author><pubDate>Fri, 06 Nov 2026 14:33:52 +0800</pubDate><description><![CDATA[本文通过一次客户端网络请求，解析Eino框架中ChatModel的调用链路：从配置API密钥、服务地址与模型名，到组织system/user消息，最终通过Generate发起请求。重点说明适配器如何将本地消息转换为HTTP请求，模型服务返回响应后由适配器解析为schema.Message。代码演示了完整流程，强调配置与消息数据分离，以及Stream实现逐段响应的能力，帮助客户端开发者理解模型接入的本质是网络请求与接口抽象的结合。]]></description><category></category></item><item><title><![CDATA[客户端开发者学 Eino（02）：读懂模型调用代码里的 Go 基础]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/170035532</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/170035532</guid><author>zinss26914</author><pubDate>Wed, 04 Nov 2026 11:08:18 +0800</pubDate><description><![CDATA[本文以Eino模型调用代码为切入点，结合客户端开发者视角，解析Go语言中的核心概念：结构体（struct）、指针（*）、切片（[]）、接口（interface）及错误处理。通过对比Kotlin，阐明Go的导出规则、包导入机制与方法定义方式，帮助理解schema.Message等类型的设计逻辑，并以完整离线程序演示数据构造与调用流程，实现零环境上手。]]></description><category></category></item><item><title><![CDATA[客户端开发者学 Eino（01）：从一次模型调用理解 Agent 架构]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/169844740</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/169844740</guid><author>zinss26914</author><pubDate>Mon, 02 Nov 2026 16:31:32 +0800</pubDate><description><![CDATA[本文以客户端开发者视角，通过一个冷启动性能分析场景，解析 Eino 框架的 Agent 架构。从模型调用入手，梳理 ChatModel、Tool、Agent、Runner 四大核心组件职责，类比客户端开发中的接口、Repository 与 UseCase，揭示 Eino 如何将大模型能力与业务逻辑融合。重点演示了模型接口的创建与调用流程，以及 Tool 如何封装真实业务能力，并通过 ReAct 循环实现 Agent 的动态决策与迭代执行，帮助开发者理解 Agent 应用的构建逻辑。]]></description><category></category></item><item><title><![CDATA[REA 真能“逆向一切”？拆解 AI 逆向原理与 Android APK 实战]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/168144497</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/168144497</guid><author>zinss26914</author><pubDate>Fri, 16 Oct 2026 21:27:54 +0800</pubDate><description><![CDATA[REA 通过整合反编译工具与 AI 智能体，实现对无源码 APK 的高效逆向分析。其核心价值在于统一接口、结构化输出，提升分析效率，而非“恢复源码”。实测表明，AI 可精准定位业务逻辑（如刷卡成功判定），但受限于编译优化与混淆，无法还原原始变量名或完整工程结构。关键发现需结合上下文验证，且静态分析无法覆盖服务端规则与真实运行行为。因此，“看懂”不等于“复刻”，逆向成果仍需人工审慎评估。]]></description><category></category></item><item><title><![CDATA[大模型的评分是怎么算出来的？从一张试卷，看懂跑分与排名]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/167283382</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/167283382</guid><author>zinss26914</author><pubDate>Thu, 08 Oct 2026 21:56:39 +0800</pubDate><description><![CDATA[大模型评分基于基准测试（Benchmark），如MMLU-Pro、SWE-bench等，通过设定题目、作答规则与判分标准生成分数。分数反映特定条件下的表现：正确率、任务完成率或偏好评分，受是否允许工具、答题次数、推理预算等因素影响。例如pass@5表示多轮尝试中至少一次成功，非单次成功率。高分不等于实际体验好，因测试题可能与真实任务不符，或存在数据污染。理解评分背后的规则与条件，才能准确解读榜单，避免误判。]]></description><category></category></item><item><title><![CDATA[Jev 是什么？用一张客服工单，讲清它为什么快、为什么仍会出错]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/167282679</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/167282679</guid><author>zinss26914</author><pubDate>Thu, 08 Oct 2026 20:59:56 +0800</pubDate><description><![CDATA[Jev 是 TypeSafe AI 推出的专注选择与判断任务的模型，通过预定义选项实现高效、结构化输出。相比普通大模型需生成自然语言再解析，Jev 直接返回可程序直接使用的答案，减少“文字生成-解析”环节，提升速度。其核心优势在于：输出格式可控（如 JSON），支持并行判断，且通过 RLCD 训练增强概率校准，使结果更具参考价值。但即便格式正确，仍可能因理解偏差选错类别——“不幻觉”≠“不出错”。在客服系统中，它负责意图识别，后续流程仍依赖业务逻辑与生成模型协同完成。]]></description><category></category></item><item><title><![CDATA[iPhone 怎么用 Charles 抓包：从设置代理到查看 HTTPS 请求]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/163761208</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/163761208</guid><author>zinss26914</author><pubDate>Fri, 14 Aug 2026 19:09:03 +0800</pubDate><description><![CDATA[本文面向 Charles 新手，介绍如何让手机通过 Mac 代理发送流量并查看 HTTPS 请求与响应。内容涵盖确认录制状态和代理端口、查找 Mac 局域网 IP、配置 iPhone Wi-Fi 手动代理、安装并完全信任根证书、为目标域名开启 SSL Proxying，以及验证抓包结果。文章还整理无法上网、看不到请求、证书过期和 App 证书绑定等常见问题的排查方法，并提醒抓包仅限本人设备或已授权流量。调试结束后应关闭代理、移除证书、清理或脱敏会话记录，避免账号、Token、Cookie 及业务数据泄露。]]></description><category></category></item><item><title><![CDATA[硬件从 POC 到量产：用一张流程图讲清 EVT、DVT、PVT 为什么不能省]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/163697940</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/163697940</guid><author>zinss26914</author><pubDate>Wed, 12 Aug 2026 14:27:52 +0800</pubDate><description><![CDATA[一台样机能开机、能跑通核心功能，不等于它可靠，更不等于工厂能持续做出同样的产品。硬件研发分 POC、EP、EVT、DVT、PVT 和 MP，并不是流程在“消耗时间”，而是在把技术、设计、供应链和生产风险逐步变成可验证的事实。真正值得压缩的是等待、返工和无效范围；不能被压缩的是尚未得到证据支持的不确定性。]]></description><category></category></item><item><title><![CDATA[用 Charles 看懂 AI 对话“逐字回复”：客户端视角的 SSE 流式渲染]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/163445765</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/163445765</guid><author>zinss26914</author><pubDate>Mon, 03 Aug 2026 16:22:25 +0800</pubDate><description><![CDATA[摘要： AI 对话的“逐字回复”效果通常基于服务端推送事件（SSE）技术实现，而非客户端模拟。通过 Charles 抓包工具可观察到：服务端持续发送 text/event-stream 格式的响应，客户端实时解析并渲染增量内容。典型流程包括：1) 客户端发起请求；2) 服务端返回分段的 chat.delta 事件（含 messageId 和 delta 文本）；3) 客户端逐次追加内容；4) 最终收到 chat.completed 事件结束流程。关键点在于区分网络传输分块与业务事件边界，确保流畅的用户体验。]]></description><category></category></item><item><title><![CDATA[英伟达 AI 平台的竞争力：从访存、互联到 CUDA 生态，为什么不只是“卖 GPU”]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/163167607</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/163167607</guid><author>zinss26914</author><pubDate>Fri, 24 Jul 2026 17:25:43 +0800</pubDate><description><![CDATA[本文探讨了AI训练与推理中加速器的重要性，并分析了硬件性能之外软件生态对平台选择的影响。大模型推理的瓶颈常在于内存带宽而非算力不足，HBM高带宽内存通过缩短数据搬运路径提高计算效率。批处理通过复用权重提高吞吐量，但会引入延迟和显存占用等代价。多卡推理与训练的互联需求不同，训练更依赖卡间网络同步。NVIDIA的优势不仅在于芯片参数，更在于其长期演化的CUDA生态链，包括运行时、数学库、通信库等工具，形成了较高的迁移成本。]]></description><category></category></item><item><title><![CDATA[01 · 当 AI 学会“按规矩办事“——规范驱动 Agent 工作流总览]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/162460805</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/162460805</guid><author>zinss26914</author><pubDate>Tue, 30 Jun 2026 17:37:42 +0800</pubDate><description><![CDATA[本文介绍了一种规范驱动的AI Agent工作流方法，通过五个核心概念（Run/Stage/Manifest/Gate/Profile）将AI任务执行工程化。作者指出传统聊天框模式的三大痛点：不可控、不可中断、不可复盘，提出借鉴CI/CD流水线思想，将AI任务分解为可审批、可恢复的阶段化流程。文章通过Python代码重构案例，展示了如何用YAML文件记录任务状态，并提供了可视化流程图说明各阶段协作关系。最后强调这种方法能实现任务可追溯、失败可重试、中断可恢复的工业化AI开发流程。]]></description><category></category></item><item><title><![CDATA[大模型“一兆上下文“到底难在哪？从痛点到工程视角的解法]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/162093187</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/162093187</guid><author>zinss26914</author><pubDate>Thu, 18 Jun 2026 11:39:20 +0800</pubDate><description><![CDATA[摘要：大模型"一兆上下文"的核心挑战在于工程实现而非单纯容量扩展。其难点主要体现在：1）注意力计算量随上下文长度呈平方级增长；2）KV Cache显存占用过大。当前解决方案包括滑动窗口（牺牲信息完整性）、稀疏注意力（选择性关注关键token）及Index Share（减少重复计算）等工程优化。真正的技术竞争点已从支持长度转向使用效率，需平衡计算成本、显存占用与任务稳定性。对用户而言，长上下文并非越长越好，建议在对话占用超过70%时主动压缩信息或开启新会话。未来趋势将聚焦于提升长任务的信息检索精度和推理连贯性]]></description><category></category></item><item><title><![CDATA[摄像头技术调研前置知识：曝光、焦距与景深]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/161692981</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/161692981</guid><author>zinss26914</author><pubDate>Thu, 04 Jun 2026 17:08:51 +0800</pubDate><description><![CDATA[本文系统梳理了摄像头技术调研中必须掌握的三个核心光学概念：曝光、焦距与景深。曝光决定了传感器接收的光量，由光圈、快门和ISO三者协同控制，直接影响画面亮度、噪点与动态模糊，是评估暗光性能的关键。焦距定义了镜头的视角范围，短焦广角视野开阔但易畸变，长焦视角狭窄利于远摄但要求更高稳定性，是决定摄像头覆盖范围与空间感知的基础。景深则表征了成像的清晰范围，受光圈、焦距和拍摄距离共同影响，浅景深利于突出主体，大景深则保障了对焦容错率与识别稳定性。理解这三者的内在关联与工程取舍（如亮度与噪声、视野与畸变、虚化与清晰范围]]></description><category></category></item><item><title><![CDATA[为什么大模型配置文件越来越爱用 YAML：和 JSON 对比，一次讲清核心语法与适用场景]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/161648698</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/161648698</guid><author>zinss26914</author><pubDate>Wed, 03 Jun 2026 11:12:54 +0800</pubDate><description><![CDATA[摘要 YAML和JSON都能描述树形数据，但优化目标不同：JSON侧重机器交换，YAML侧重人类编辑。在大模型和Agent场景中，配置文件常需包含模型参数、工具列表、工作流节点和多行prompt，这正是YAML的优势所在。 YAML核心语法简单，常用功能包括对象、数组、字符串、多行字符串和注释。但需注意缩进、引号和多行文本等易错点。JSON字符串必须用双引号，而YAML更宽松，但类型判断可能产生歧义。YAML的多行文本处理（特别是prompt）和注释支持使其在AI配置场景中更具优势。 ]]></description><category></category></item><item><title><![CDATA[Codex CLI 入门：把终端变成可审查的 AI 编程工作台]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/161520327</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/161520327</guid><author>zinss26914</author><pubDate>Fri, 29 May 2026 16:45:06 +0800</pubDate><description><![CDATA[Codex CLI 入门指南：AI 编程工作台核心用法 本文介绍 Codex CLI 的核心价值和工作模式，它通过交互式工作台实现代码审查、修改和验证的闭环流程： 核心特点： 支持本地代码库分析、文件修改、测试执行和 diff 审查 提供三种沙箱权限模式（read-only/workspace-write/danger-full-access） 交互式 TUI 和一次性任务（exec）双模式 推荐工作流： 定边界 -> 先计划 -> 小步执行 -> 看 diff -> 跑验证 关键命令包括： /status]]></description><category></category></item><item><title><![CDATA[AI 热潮像不像泡沫？普通投资者该怎么做投资判断]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/160928191</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/160928191</guid><author>zinss26914</author><pubDate>Sat, 09 May 2026 16:20:51 +0800</pubDate><description><![CDATA[摘要 当前AI热潮呈现出典型科技泡沫特征，但泡沫不等于技术无价值。历史经验（铁路、互联网）表明，技术革命往往伴随资本狂热，最终留下基础设施而淘汰多数项目。AI投资需区分三类标的：基础设施供应商、平台型企业和行业应用者。普通投资者应避免重仓单一热门股，建议采用卫星仓位策略，严格设定投资上限和止损规则，尤其警惕杠杆风险。泡沫破裂后可能出现两类机会：估值合理的核心资产和成本下降后的应用爆发。关键在于用规则而非情绪参与，区分技术前景与股价合理性，保持风险意识以把握长期机会。]]></description><category></category></item><item><title><![CDATA[你拆开一个软著申请包之后，会发现团队真正提交的不是一张表]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/160918067</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/160918067</guid><author>zinss26914</author><pubDate>Sat, 09 May 2026 11:52:52 +0800</pubDate><description><![CDATA[软件著作权申请并非简单的填表流程，而是需要提交一整套完整的证明材料。核心材料包括：申请表（定义软件基本信息）、说明书（展示软件功能界面）和源代码文档（证明实际开发成果）。这三部分材料需要相互印证，共同构成关于软件的统一叙事。申请表确保定义准确，说明书通过图文展示功能，源代码文档则选取关键代码证明实现。常见问题包括名称版本不一致、材料逻辑不连贯等。从管理角度看，软著申请是一次需要协调产品、研发、法务等多方的小型交付过程。对工程师而言，这是一次将技术实现转化为外部可理解材料的重要实践。]]></description><category></category></item><item><title><![CDATA[Harness Engineering 不是噱头，但也不是终局：为什么 OpenAI 和 Anthropic 都在补这层系统]]></title><link>https://blog.youkuaiyun.com/zinss26914/article/details/160867627</link><guid>https://blog.youkuaiyun.com/zinss26914/article/details/160867627</guid><author>zinss26914</author><pubDate>Thu, 07 May 2026 21:20:59 +0800</pubDate><description><![CDATA[摘要（150字） Harness Engineering是AI工程领域的新焦点，旨在解决大模型在复杂任务中的系统性失效问题。不同于Prompt Engineering（优化提问方式）和Context Engineering（组织输入信息），它关注如何构建支撑系统，确保模型稳定交付。OpenAI和Anthropic的实践表明，当任务变长时，模型常因信息过载、缺乏验证闭环而失败。有效的Harness系统需包含任务规划、工具权限、验证机制和可观测性等组件，将生成与评估分离。虽然部分功能可能被未来更强模型吸收，但系]]></description><category></category></item></channel></rss>