我把“开源”这件事本身做成了Skill:让AI全自动帮你发布GitHub仓库
最近几天小红书出了可以上传自己的 skill 活动,虽然是内测阶段但是也代表着一个方向,Skill 公开化或者是可以变成自己的收益。 但是也有很多人想分享自己的 Skill,但是没有开源的概念,也不知
聚焦AI人工智能 · 前沿技术动态 · 深度行业解读
最近几天小红书出了可以上传自己的 skill 活动,虽然是内测阶段但是也代表着一个方向,Skill 公开化或者是可以变成自己的收益。 但是也有很多人想分享自己的 Skill,但是没有开源的概念,也不知
随着大语言模型(如LLaMA、GPT、ChatGLM等)参数规模突破千亿级别,单张GPU的显存(80GB甚至更低)已无法容纳完整模型。
今天刷到一个开源项目:DeepSeek-Reasonix,号称是专门以 DeepSeek 为原生后端的终端编程 Agent,基于Node.js(≥22),支持macOS、Linux和Windows平台
这篇文章记录了我在电商分析 Agent 中处理多轮追问的实践:为什么不能只依赖聊天记录,而要抽象出指标、时间、区域、品类和澄清状态等“最小业务记忆”,让系统在连续分析中稳定继承上下文、减少口径误判。
我们将把 Splunk 官方的 PEAK 威胁狩猎框架转化为“严酷”的系统提示词(System Prompt)。然后,引导大模型基于PEAK模型一步步深挖,发现异常日志和对安全状态进行评分。
做AI入行这么久,经常被新手问一个灵魂问题: 明明大模型只是一堆冰冷的参数矩阵,既没有大脑也没有思维,为什么现在能流畅聊天、懂逻辑推理、还能恪守底线不乱说话? 其实没有天生就会说人话的大模型,所有拟人
如何更好的使用 Claude Code 一、安装 macOS / Linux / WSL: Windows PowerShell: Windows CMD: 其他安装方式: Homebrew: bre
- 1\. Managed Agents vs Claude Code 子代理 -
# Deno 2.8 实测:6 个新命令 + Node 兼容性飙到 76%,它想干掉 npm 上周四 Deno 2.8 发布了。我花了两天时间把新功能全跑了一遍,说说实际感受。 ## 先说结论
作为一个前端工程师,我一直把 Python 当成转 AI 的一道坎。直到我真正动手——才发现真正要重新适应的不到 20%。 这篇文章记录我用 2 小时做的事:搞懂 Python async 和 JS
如何把大模型从“会回答问题”,设计成一个可执行、可扩展、可校验、可观测、可优化的工程系统。 很多概念不能只停留在一句话解释上。比如“RAG 就是检索增强生成”“Function Calling 就是调
工程师视角拆解 LLM 推理性能:prefill/decoding 的真实瓶颈在哪、KV Cache 什么时候是救命稻草什么时候是内存炸弹、为什么 batching 能提吞吐却会拖垮 P99,以及一套可落地的三角优化打法。