存储AI–AI博客聚合
最新聚合的文章
-
夯爆了！分享几个我在用的，基于业务场景接口串联测试Skill ！
在AI赋能自动化测试全流程，前面分享的系列文章中，我们把接口自动化测试的智能化流水线完整跑通了。 007 篇批量生成了 59 个接口、2000 多条测试数据、159 个测试脚本…
-
一亿条数据取前100条完全指南：从全量排序到分块流式最小堆的4种解法实测
一亿条取前 100 别排序。实测：分块 argpartition + 最小堆 0.43 秒只吃 46 MB，全量排序 0.74 秒吃 382 MB，纯 Python 堆要 10.45 秒。附可跑代码。
-
当团队全员都在用 Coding Agent：为什么生产环境代码通胀与架构债务反而激增了？
团队全员引入 Coding Agent 后，看似迭代提速，生产环境却深陷代码通胀与架构债务泥潭。本文直击合成逻辑泛滥、虚假解耦与评审瘫痪三大工程真相，提出契约收敛、代码行数预算与确定性 CI 门禁治理
-
Anthropic 递交 S-1：半年营收 163 亿美元，招股书里写着’人类生存风险’
Anthropic 于 10 月 26 日公开向 SEC 提交 S-1，拟以代码 ANT 登陆纳斯达克：2026 上
-
Vue项目实战经验分享：动态组件在Keep-Alive下的缓存陷阱
去年在做一个电商平台的订单管理后台时，遇到了一个诡异的问题：用户在切换"待付款"和"已发货"标签页后，表单输入的内容会神秘消失。我们的界面用了来缓存动态组件，开发环境一切正常，但在生产环境却出现了不可
-
Elastic 重大事件功能如何将 100 条日志样本转化为检测规则
作者：来自 Elastic Kevin Lacabane 选错了这 100 条样本，你得到的就可能是 log.level: error、一条每次请求都会触发的规则，或者一条什么也检测不到的规则，而日志
-
OpenAI 半价放出 GPT-6.1 Terra：幻觉率从 88% 砍到 38%，agent 任务的账要重算了
OpenAI 于 10 月 26 日发布 GPT-6 系列中档模型 GPT-6.1 Terra，API 定价直降 50%，主
-
唯一答对的 Agent，被队友投票淘汰了
Virginia Tech 团队分析了 3211 条失败的多智能体辩论轨迹，构建出首个以通信
-
智能任务协作Agent
运行结果： 四、关键设计要点 依赖编排：通过 deps 声明任务依赖，调度器自动保证执行顺序，避免硬编码调用链。 解耦扩展：新增角色只需实现 fn 并注册任务，即可接入流水线，符合开闭原则。 可观测性
-
当应用不再属于特定操作系统 — 肘子的 Swift 周报 #159
当应用不再受制于系统，生态竞争转向体验。Linux 运行原生 Mac 应用实测、SwiftUI/AppKit 嵌套生命周期重绘隐患、AVFoundation 音频闪避与平滑混音、实时语音模型工具契约
-
Agent 开发：除了写代码，Agent 还能干什么
扫描件进、业务表单出，全程只能做三种动作：改一个字段、加一行、记一条问题，没有提交按钮。拆开看它的六个零件：观察、决策、动作、证据、停止、交付。
-
把 10MB 中文语义模型塞进浏览器：STSB 做到教师模型的 93%，但线上 top1 只有 42%
## 先说结论 我花了两天自训了一个 8.4MB 的中文语义嵌入模型，塞进浏览器离线跑。它在标准评测上达到了教师模型的 93.2%，但上线后真实检索 top1 只有 42%。 而我把教师模型（bge-
-
接口工具 + AI 文档生成
文档漂移是最贵的一类接口问题：写文档那天是对的，代码改完就错了，而没人主动去对。 直到有人照文档写代码被拒，第一反应还是「这人不会用」。 今天把这件事变成一个能重复跑的检查。 💸 一次手工排查的代价
-
我用DeepSeek+Qwen-TTS搭了一套视频自动化Skill，基于capcut-meta输出剪映草稿
在做解说视频自动化项目之前，我尝试过不少组合。最开始的想法很简单：大模型直接输出完整脚本，再调用素材API、TTS，最后拼到剪映。但跑起来才发现一堆隐性问题：模型分不清评述句和画面句，检索大量无效素材
-
Ollama 跑得慢？我试了 6 个参数，只有 3 个真有用
同一台 16G 笔记本、同一个模型，3.2 字/秒和 11.5 字/秒差在哪？六个参数一个个试下来，只有三个真有用，其中一个专治启动慢。附命令速查。
