存储AI–AI博客聚合
最新聚合的文章
-
十月大模型 API 优惠汇总：新客礼包与免费额度
云海茫茫，何处泊舟？本月四大平台优惠速览：免费额度、新客折扣、学生计划一表看清。
-
T-agent 设计笔记（三）：记忆的取舍之道
全记是灾难，全忘是失控。T-agent 的记忆分层设计：什么进上下文、什么入库、什么必须遗忘。附性能对比数据。
-
给掘金 MCP 提了 4 个 issue：一次依赖崩溃、端点失效与静默空值的排查
一个 2026-04 的 alpha 包，12 个工具里 8 个不可用。拆开是四层不同的问题：依赖没有上界、端点失效、静默返回空值、参数名不匹配。附排查清单，以及我自己两次说错的结论。
-
DeepSeek 这波操作很凶
9 月 10 日那天，DeepSeek 悄悄把一项价格调到了 0.02 元——比之前便宜了 60%。 很多人看到这条，随手划走，心想"又降价"。但这次降价不是促销，是结果。真正发生的事藏在 AI 的"
-
一条高质量编程 Prompt，应该包含什么？
开篇 不少开发者把 AI 编程效果不好，归结为“自己不会写 Prompt”。 于是开始寻找： 万能编程 Prompt。 高级角色设定。 超长提示词模板。 让 AI 一次生成完整项目的咒语。 但在真实开
-
120+ 个 Agent Skill 管不过来？我造了套「包管理器」：仓库是源，链接是安装
skillctl 六个工具按痛点长成：初始化、安装、同步、汇聚、体检、提交推送，全部幂等可重跑，断链和锁不一致能一键安全修复。
-
前端性能优化的第一性原理，是不断缩短“用户发起意图 → 获得可用结果”之间的时间
综述 前端性能优化的本质，不只是让代码跑得更快，而是重新安排工作发生的时间：能前置的前置，能隐藏的隐藏，最后再优化无法绕开的关键路径。 层级 高度抽象结论 核心问题 典型策略 L1 目标层 缩短“用户
-
WorkBuddy 技术解析：核心并不神秘，真正壁垒在产品化、生态与规模工程
因此，复现 WorkBuddy 的核心体验并不困难。 真正不容易复制的，是腾讯账户体系、微信与企业微信入口、腾讯文档、云端基础设施、安全合规、企业权限、海量任务执行能力，以及大量产品细节形成的整体体
-
30分钟拿执照，2500元租到200平，我去亦庄做OPC了
要做OPC，先做完这几步。30分钟拿到执照，解决的是公司怎样成立。 等了两个多月住进人才公寓，解决的是起步阶段怎样少一点固定支出。 至于这家公司能不能活下去，还是要靠我把产品拿到市场里，一单一单验
-
看清 Claude Code 的用量与文件变更
汇总多次会话、多台机器上的 Claude Code 用量，结合对话、工具调用和文件差异，看清智能体做了什么、修改了什么，以及消耗了哪些资源。
-
TraeCode 180积分帮我做了一套系统，全程我感觉自己有点多余
我本来只是想验证 TraeCode 180 积分能不能做出一个小项目，结果它完成了一套完整系统。从需求分析、任务规划，到代码开发、浏览器测试，整个过程让我第一次感觉：作为技术人员，我好像有点多余。
-
Bun v1.4.1 深度解析：从 Zig 到 Rust，一场 11 天、64 个 AI 代理的语言迁徙
Bun v1.4.1 发布，修复202个问题。从底层看：运行时核心已从Zig彻底重写为Rust——64个AI代理11天完成6778个提交的史诗级迁移。
-
01-07-认知篇-对比-原生AssetBundle工作流
原生 AssetBundle 工作流深度解析 一、引言 本章在系列中的定位：深入理解原生 AB 包的完整工作流 本章要解决的核心问题：原生 AB 包的完整流程是什么？有哪些最佳实践？ 阅读前置要求：了
-
一天一个开源项目（第215篇）：Langflow – 可视化拖拽构建 AI 应用的低代码平台
Langflow 是一个基于流程图的低代码 AI 应用构建平台，用拖拽方式将 LLM、向量数据库、工具、Agent 连接成完整的 RAG 流水线或多 Agent 系统
-
[TailScale]-打通你的局域网服务器到公网电脑
为什么要使用TailScale 最近我买了一台小型主机到家里做linux服务器使用，部署我的一些自用应用。但是我的服务器只在局域网可以访问，在其他地方不能访问。所以我需要选择一种方案来让我可以访问到这
