存储AI–AI博客聚合
最新聚合的文章
-
AI 应用如何高效优雅地恢复中断？—— “连接解耦 + 状态持久化”
如果你做过 AI 对话、流式生成、或者 AI Agent 这类"跑得比较久"的功能，大概率被这样一个问题折磨过： 本文想讲清楚一件事：一个健壮的 AI 应用，应该把"用户的连接"和"实际的任务"这两条
-
让 Agent 去修 flaky，它删掉了让测试不确定的变量
我跑 300 轮：真实 flaky 率 61.7%，套上「重试即通过」报 26.7%；真实 18.3% 报 0%，和真稳定的门禁一样。最狠的 Agent PR 是删掉了让测试不确定的 fixture。
-
Spring AI 工具调用不是反射一下就结束：用 2.0.1 跑通失败恢复与调用上限
Spring AI 工具调用不是反射一下就结束：用 2.0.1 跑通失败恢复与调用上限 目录 先说结论 从 ChatResponse 到 ToolResponseMessage：执行链在哪 最小实验：
-
ChatGPT 账号用户可免费使用 Auto-review 双智能体审查功能
Auto-review 通过后台第二智能体审查主智能体操作，防止高风险行为和偏离用户意图的动作，现已免费开放且不占用套餐用量。
-
🍕 一个主编、三个工种、两本手册：搭一支 AI 调研队
一、先看编制表：一个主编 + 三个工种 整个系统的骨架在 agent.mjs 里： 六个参数，就是一个团队的完整编制： 参数 作用 类比 systemPrompt 主 Agent 的职责说明 主编的岗
-
复杂架构的取舍：Agentic RAG、LLM Wiki 与 Multi-Agent
Agentic RAG 的价值在多跳、代价是不确定性；LLM Wiki 用离线成本换查询效率，有盈亏平衡点；Multi-Agent 的唯一正当理由是上下文与权限隔离——解决不了这个，就别拆。
-
300 只股票 × 两年日 K：为什么逐只循环会变成维护灾难？
逐只获取 300 只股票两年日 K 会增加请求管理、失败恢复和校验成本。本文分析批量任务设计，并介绍 QuantDash 批量 K 线能力。
-
AI 落地的最后一公里，Anthropic 用 1 亿美元买了个教训
背景，1 亿美元买不来算力，买的是人 这两天 AI 圈有条新闻，不大，很多人扫一眼就划过去了。Anthropic，做 Claude 的那家，宣布拿出 1 亿美元，要在 2027 年底前培养 1 万名「
-
把 GitHub Issue 的第一轮脏活交给 AI：做一个 Issue 分诊助手
把 GitHub Issue 的第一轮脏活交给 AI：做一个 Issue 分诊助手 一、为什么要做这个东西？ 如果你长期维护一个开源项目，应该很容易遇到这样的场景。 项目刚发布的时候，Issue 可能
-
深度解密 OpenCode 2 插件加载机制：Dual-Version (V1/V2) 适配实战与官方文档的“隐形陷阱”
本文基于 OpenCode `v2.0.15` 中的官方 TypeScript 源码，拆解其内部底层的加载与探测算法，还原 npm 包与本地开发模式下的差异，并给出工业级的双版本打包实践指南。
-
Spring AI Alibaba已停更了，Java还有希望吗？
前言 最近技术群里有个话题讨论得特别激烈——“Spring AI Alibaba是不是停更了？” 起因很简单。 有人翻了GitHub的Releases页面，发现上一个正式版还是v1.1.2.2，发布于
-
Nano Banana 2.1 来了！21 个真实案例 + 公开提示词，这份 Awesome 合集请收好
图注：合集精选案例拼贴（人像 / 棋盘对比 / 小红书海报 / 深夜食堂 2.0 vs 2.1）。在线画廊：https://xianyu110.github.io/awesome-nano-banan
-
【pi-rust源码拆解】Agent 源码看不懂？先跟着一条消息走一遍–万字长文
你在编码 Agent 里输入“读一下配置文件，告诉我超时时间是多少”，按下 Enter。过了一会儿，它打开文件，把结果告诉你。 看起来只是一次问答。但谁把文字交给模型？文件是谁读的？工具读完以后，模型
-
从”算子”到”AI Infra”：大模型背后看不见的那群人在忙什么
你在手机上问 AI 一个问题，几秒钟后，答案一个字一个字地"流"了出来。这件事看起来很轻松，但在你看不见的地方，可能有成百上千块显卡在机房里嗡嗡作响，有无数行精心打磨过的代码在毫秒之间完成了上万亿次计
-
SVG和Canvas，前端里的两支“画笔”，用的时候怎么选择？
打开一个数据大屏，满屏是跳动的折线图；打开一个在线白板，你可以随手涂鸦；打开一个网页小游戏，角色在屏幕上跑来跑去……这些画面背后，往往是前端里的两支"画笔"：SVG 和 Canvas。 很多刚接触前端
