存储AI–AI博客聚合
最新聚合的文章
-
【AI开发之Rust】第 10 课：Cargo 工程化 —— 模块、依赖与测试（基础篇收尾）
前 9 课写的都是"一个 main.rs 里全塞下"的玩具。真实工程（比如实战篇的共享核心）动辄几十个文件：models、network、store、api……它们如何组织、如何互相引用？依赖版本怎么
-
模型开源了，能跑的人却越来越少
现在的开源大模型有个挺分裂的现象：权重给得越来越大方，能自己跑起来的人却越来越少。 拿 DeepSeek-V4-Pro 举例。它的规格是 1.6 万亿总参数、每个 token 激活 490 亿、原生支
-
16 万行代码是怎么“跑”出来的？
16 万行代码是怎么“跑”出来的？ 第一篇里我提了一个数字： 16 万行代码。 但现在再看，这个数字本身其实已经没那么稀奇。 AI 会写代码，已经不是今天真正值得讨论的问题。 真正值得讨论的是另一件事
-
RAG 要不要上向量库：720 个 chunk 用 numpy 点积就够了
RAG 要不要上 FAISS/Chroma？720 个 chunk 的 1024 维矩阵只有 2.8MB，numpy 一次点积算完全部余弦。附耗时和成本实测。
-
不用再手动查表结构了：配好 MCP，Claude Code 自己读数据库生成代码
以前让 Claude Code 生成 CRUD 有个痛点：它不知道你的真实表结构。你得先 SHOW CREATE TABLE、复制 DDL、贴到 Prompt 里。
-
AI Agent 指令分层工程：System Prompt、总地图与条件加载
AI Agent 指令选型看：这条句子要不要进最终 System Prompt、在什么条件下进、进了之后谁来维护。
-
从ReAct到工程闭环：AI Agent底层架构拆解与EDA场景的落地约束
从Agent底层架构切入，拆解ReAct、Plan-and-Execute、多Agent编排的工程约束，分析EDA场景对确定性验证的特殊要求，探讨工程闭环架构在板级设计中的落地逻辑。
-
我删了 200 行 if-else，把决策逻辑全写进了 System Prompt
我删了 200 行 if-else，把决策逻辑全写进了 System Prompt 作者：Ticnix 链接：https://juejin.cn/post/7685215742590337075 来源
-
vscode 导入语句排序和删除未使用的导入
vscode设置organizeImports配合eslint/simple-import-sort或者更优秀的perfectionist/sort-imports实现import语句排序和删除未使用
-
多租户 RAG：让每个用户只检索到自己的知识库
多租户 RAG：让每个用户只检索到自己的知识库 0. 先用三句话讲清楚这篇在说什么 要解决的问题：上一篇的 RAG 是"全库检索"——所有用户查的是同一份公共知识库。但真实产品里用户会问"我上次收藏的
-
AI 写前端，优化的是演示，不是交付
AI 写前端，优化的是演示，不是交付 大模型写页面时，拟合的是它见得最多的那种前端：文档示例、博客 Demo、十几条字段齐全的 mock。那个分布里，列表很短，请求不会并发，用户也不会在返回前离开页面
-
接口返回 6 条，页面却有 7 篇：从源码看 React 和 Vue 的重复 key
本文结合 React 与 Vue 3 源码，分析重复 key 导致的列表更新差异，并总结唯一 key 的重要性。
-
民间AI排行榜单新鲜出炉，Fable 5.1仅排第三
最近，一份民间 AI 能力排行新鲜出炉。榜单里 `GPT‑6 Astra` 瑶瑶领先，`GML‑5.3` 紧随其后，而 `Claude Fable 5.1` 仅排第三。
-
GPU抢不到就换一种：训练任务需要先声明可替代性
很多训练流水线失败，不是代码错了，而是指定的GPU实例暂时没容量。AWS在9月15日为SageMaker训练与处理任务加入Instance Preferences：一次声明最多五种可接受实例，平台按顺序选择首个可用类型。
-
Agent不是多想几步就能上线：用状态机管住自动行动
Agent会调用工具，不等于它适合直接碰订单、邮件和生产系统。AWS在9月14日发布自动补货方案：模型预测需求，Agent发现激增，流程核对供应商，常规情况自动下单，规则不匹配就交给人。读懂它，你会掌握一个长期有用的基础
