存储AI–AI博客聚合
最新聚合的文章
-
Claude Agent SDK 和 LangGraph 都用过之后，我发现选型先问一个问题
Agent 框架选型不用纠结：流程画得出来用 LangGraph，画不出来用 Agent SDK。两个都用过之后写的实战对比，含成本真相与踩坑。
-
RSI真的临近了吗？AI开始改进AI，但“智能爆炸”还差关键一跳
RSI真的临近了吗？AI开始改进AI，但“智能爆炸”还差关键一跳 从自我修改代码，到改写技术进步的速度，我们究竟走到了哪一步？ 资料核对截至：2026年9月16日 2026年9月6日，OpenAI宣布
-
OpenMetadata VS DataHub VS Atlas VS Gravitino
OpenMetadata和DataHub像面向用户、平台和AI的元数据治理与发现层；Atlas像Hadoop/Ranger体系中的治理基础设施；Gravitino像统一Catalog与元数据访问控制面
-
你让监控模型读的思维链，可能是攻击者写好的剧本
一、先说清楚一件事：CoT 从来就不是日志 这篇论文其实踩在一座已经堆了三年的证据山上。要理解它为什么重要，得先把这座山爬一遍。 1.1 2022：能力声明，不是忠实性声明 Wei et al. 20
-
从 RAG 到 Agentic RAG：第二步，把复杂问题拆开再检索
上一篇，我们已经让 RAG 学会了一件事： 于是流程从： 变成了： 这一步解决的是： 但只要开始处理稍微复杂一点的问题，很快就会碰到第二层麻烦： 一、一次检索为什么会开始吃力？ 还是拿《天龙八部》做例
-
7000 万 QPS、500 PB：OpenAI 如何用一个 Python 存储平台撑住 10 亿用户
TL;DR OpenAI 自研的在线存储平台 Habitat 当前承载 70M+ QPS、500+ PB 数据、约 40 个地理区域，支撑每周 10 亿+ 活跃用户的产品流量。这篇文章值得看的不是"
-
拆给 8 个子智能体，只拿回 2.3 倍信息：多智能体分解的产出守恒律
一、三条 folklore，和一个没人问的问题 任何一份多智能体架构的设计文档里，都能找到这三条理由： folklore 说法 它回答的问题 上下文更小 每个子 agent 只看自己那一块，不会被全局
-
AndroidKMP之导航和WebView
`NavHostController`是**导航状态持有者 + 导航调度器**，对应 XML 时代的 `NavController`，专门给 Compose（含 KMP）用。
-
Java 27 升级实测：默认值动得比新特性多，有个老参数会让 JVM 直接起不来
昨天刚 GA 的 JDK 27 我装上实测了：200 万个对象省 16MB 堆内存，G1 连小容器的活都接了，老参数 -Xverify:none 会让 JVM 拒绝启动。升级前先把默认值变化过一遍。
-
OpenAI Agents API 上手实测：一次调用把整个 agent loop 甩给 OpenAI
上周（9 月 10 日）OpenAI 悄悄把一个新产品推到了 public beta：Agents API。和去年 AgentKit 发布时铺天盖地的宣传不同，这次官宣相当低调，但对我这种被 agen
-
一个组件，提升 react-router 开发的幸福感
你的 React SPA 应用，是否 useNavigate 满天飞？是的话，可以看看这篇文章，将会极大降低你使用 react-router的心智负担，提升开发幸福感。
-
5 年级的儿子居然学会了破解。。。
儿子的牛听听，能突破家长端限制的 30 分钟，这究竟是道德的沦丧，还是人性的扭曲？请收看「走近科学」
-
RAG 联网兜底详解：本地知识库不够用时怎么办
第一部分：先看这道题，暴露了 RAG 的"边界" 1.1 看看作者拿什么问题来测试 这道题故意"刁难"——它其实包含两个完全不同性质的子问题： 子问题 答案在哪 本地向量库能答吗 "雁门关事件"主谋是
-
81.8 秒的视频，我们改了 15 个版本：一次纯 Codex 驱动的 AI-native 视频实践
大家好，如果现在给你一份产品资料，让你在几天内做成一支有传播力的视频，你会从哪里开始？写脚本、找素材、做画面、试配音、挑音乐……每一步都像在提醒你：这件事需要一整支团队。 这一次，我们换了一种做法。你
-
DeepSeek Harness 系列（08）：多 Agent 协作——Subagent 与 Agent Teams
一个 Agent 调用另一个 Agent，结果可以是文本，也可以是结构化 JSON。这篇文章讲 dsh 的多 Agent 机制：Subagent 的启动、可继续子 Agent、工具过滤
