存储AI–AI博客聚合
最新聚合的文章
-
MCP 到底接在了哪一层？从“Agent 调工具”说起
“最后不还是 Agent 在调工具吗？那 MCP 多做了什么？” 这个问题比背定义有用。因为第一次看 MCP，很容易把模型、Agent、Harness、Client、Server 都画成一团，然后得出
-
AgentKit MCP 网关上手指南｜让企业存量服务快速接入 AI
火山引擎 AgentKit MCP 网关，零改造纳管企业存量 API 与外部 MCP 服务，支持服务转换、导入与工具编排，语义精准调用，大幅降本提效，快速盘活企业存量能力。
-
双端同步！云服务器装最新Node.js v26.10全过程追踪
双端同步！云服务器装最新Node.js v26.10全过程追踪。2026年9月23日 AI都没我版本新
-
X6 框选拖拽性能内幕：从 issue 4823 到开源内核（系列 3 篇）之一
X6 框选 200 个节点就卡死？翻完 1100 行源码，病灶是四笔账 一个真实的场景 电力一次接线图、SCADA 画面、工厂布局图这类工业前端，画布上几百上千个设备符号是常态。用户框选一片区域，按住
-
X6 框选拖拽性能内幕：从 issue 4823 到开源内核（系列 3 篇）之三
读完 X6 修复源码，我把它抽成了开源库 selection-drag-engine 为什么读完修复还要自己写一个 前两篇把 X6 的三层修复拆明白了。但如果你的画布不是 X6——自研 SVG 编辑器
-
X6 框选拖拽性能内幕：从 issue 4823 到开源内核（系列 3 篇）之二
X6 修框选拖拽卡顿只动了三处，每一处都值得抄 修复的总思路 上一篇把卡顿拆成四笔账，修复版（@antv/[email protected]，继承自 issue 4823 的实验版本 2.19.0-beta.1）对应三
-
助残场景下的AI培训落地，从截图、课件到台账，我总结的四条可复用经验
导语，背景与你能学到的东西 9月22日到23日，我在磐安给三类学员上了两天AI课。学员构成和常见的企业内训很不一样，包括残疾人朋友、启智园的老师，以及残联各机构的管理人员。两天里，我们从手机截图讲起，
-
GPT-6 Sol 和 Claude Opus 5.5 发布，直接杀死比赛！
今天凌晨，OpenAI 和 Anthropic 接连发布了 GPT-6 Sol 和 Claude Opus 5.5。两家又撞到同一天了，针尖对麦芒啊！ 我刷到了很多很牛逼的 Claude Opus 5
-
LLM 数据管线缺陷实录：两个单元测试无法覆盖的运行时问题
缺陷一：hendrycks_math 缺少必需的 config，数据准备首跑即崩 现象。 数据准备命令 python -m posttrain.prepare 在下载完 GSM8K 后当场抛出： 原因
-
Hash 全景：从 HashMap 到一致性哈希，一文吃透哈希核心
目录 引子：一行索引代码里的秘密 Hash 基础：哈希函数、哈希表、桶与冲突 HashMap：哈希取模的单机极致优化 new HashMap(17) 到底会变成多少？ 分布式取模：当基数变成节点数
-
[Agent Memory / 强化学习] MemPO源码学习笔记 —（4）— Rollout实现细节
[Agent Memory / 强化学习] MemPO源码学习笔记 —（4）— Rollout实现细节 0x00 概要 0x01 回顾 0x02 mem_sys_prompt_ids 2.1
-
Codex 本地自定义 Agent 与模型配置实战：TOML、AGENTS.md 和优先级
从 config.toml、角色 TOML 和 AGENTS.md 三层入手，配置 Codex 自定义 Agent 的固定与动态模型，讲清模型优先级、验证方法和常见排错。
-
ai agent— 后端概念补充：Docker Compose、ElasticSearch、IK、BM25等
在开发 agent 的时候遇到两个数据库：mysql 和 milvus。 如果说数据库是业务的基石，负责持久化存储原始业务数据，比如 MySQL 存用户信息，milvus存储公司文档。核心要求是稳健、
-
给Codex配上Jev，直接起飞。
在 Codex 中安装 Jev 判断模型实测，Agent 决策比 LLM 快 40-200 倍，便宜 40-400 倍，输出 Token 免费
-
不要把报错直接丢给 AI：正确的排障上下文长什么样
开篇 遇到线上报错时，很多人的第一反应是把错误信息复制给 AI： 有时 AI 会马上给出一个看起来合理的答案： 这些建议不一定错。 但它们通常没有真正回答你的问题： 问题发生在哪个请求或任务中？ 哪个
