存储AI–AI博客聚合
最新聚合的文章
-
实战项目一——实现一个高性能图片滤镜App
本文带你从零构建一个高性能图片滤镜App,完整演示如何通过JNI将Bitmap传入Native层,利用C++直接操作像素缓冲区,实现灰度、怀旧、高斯模糊三种经典滤镜。文章对比了Java与Native实
-
深入理解Redis:核心原理与最佳实践
"为什么Redis明明设置了10万QPS的限流,实际压测时却连5万都扛不住?"——去年在电商大促前的全链路压测中,我们遇到了这个看似简单的性能瓶颈。经过48小时的源码级排查,终于揪出了那个藏在里的魔鬼
-
上下文工程(Context Engineering):为什么说它是 AI 编程时代最重要的核心内功?
深入剖析为何单凭提示词工程已无法应对复杂大工程,详解上下文信息密度、信噪比治理与分层注入协议,提供自动化 AST 契约抽取脚本与量化对比基准。
-
LLM 异步任务的 Webhook 工程实践:回调可靠投递、重试与幂等消费的生产设计
Webhook 可靠性工程:签名校验、快速确认、幂等消费、发送端重试队列、DLQ 处理——5 套机制让 LLM 异步任务回调不丢、不重、不假
-
GitHub 日榜趋势速报 | 2026-10-13
GitHub 日榜 2026-10-13:wordcraft、anatomy、gridcraft 等 20 个开源项目 24 小时 Star 增速领先,每日更新的开源趋势速报。
-
00_从模型推理到生产运行:2026 年 Agent、Harness 与 Runtime 总体架构
摘要 模型能够推理,Agent 能够提出行动,并不意味着一个业务任务能够安全、可靠地完成。进入生产后,系统还必须知道请求何时被可靠受理,哪些动作获得了授权,状态怎样跨实例延续,执行结果未知时如何处理,
-
Go数据工程:利用天远柠檬查出险优化二手车批发拍卖车源出险核查合规体验
破解二手车拍卖车源审核痛点:从人工翻查登记证到出险数据穿透直连 在全国大型二手车批发拍卖平台、B2B机动车竞价交易中心以及汽车经销商集团置换车源分拨枢纽中,每日清晨各区域分公司与合伙车商都会集中提报成
-
秋季一日徒步怎么规划:比走多远更重要的六个判断
秋季一日徒步规划不能只看公里数:如何核对累计爬升和下降、山地天气,按日落倒推折返时间,兼顾队伍节奏、装备及下撤判断。
-
Claude Code 的上下文与扩展:窗口满了之后怎么办(下)
上篇讲了骨架和主循环,中篇讲了工具和权限。但有一个看不见的约束贯穿始终,而且它才是 agent 工程里最磨人的部分——上下文窗口。模型一次能「看到」的文本量是有限的….
-
当 Build in Public 重新转入地下 — 肘子的 Swift 周报 #157
AI 复刻潮给独立开发社区带来的信任危机。精选 Swift 并发与 SwiftUI 日历深度剖析、AI 时代的声明式框架观察、Redlamp RAW 编辑器及 SimAgentation 交互工具
-
如何写 Skill 第4课,脚本不进门
按系列惯例,文中自家项目的 skill 脱敏成「评审类 skill A」「测试类 skill B」,其余标本一律实名。skill-audit 是这一课现搓的,经允许,你可以照着复现。 体检的活,我手搓
-
一个 npm 包,九页审批中心:Vue3 项目接上工作流引擎
空白 Vite 工程装两个包、写 61 行装配代码,换来九页能用的审批中心:工作台、发起、待办、办理、流程图。表单这条腿包不替你写;一个 baseUrl 换八套后端,六通两台被 CORS 拦。
-
MiniMind 学习笔记之 21 训练细节:数据、分词器、断点续训
一、数据清洗:从原始文本到训练数据 1.1 为什么要清洗 预训练数据的质量,直接决定模型的知识储备。原始数据里混杂着乱码、重复内容、低质量文本。这些东西不清理掉,模型学到的就是这些噪音。 MiniMi
-
Agent Harness 从用到会造:把工具接上,只是开始负责
现在有一条现成的路:把工具做成 MCP server,客户端把工具清单递给模型,模型提出调用,客户端把调用发回 server。传输怎么走、工具叫什么名字、参数怎么序列化、返回怎么塞回上下文——这一整段
-
企业级RAG 的胜负手不在「召回」,在「排得准」:开源Harness平台BizBuddy 检索增强实录
企业知识库 RAG 做完第一版,几乎都会遇到同一个尴尬:明明都召回了,模型偏偏用了第二、第三条,第一条反而不是答案。