存储AI–AI博客聚合
最新聚合的文章
-
不用 AIDL，手把手教你手写 Binder 代理类
AIDL 本质上只是一个代码生成工具，它自动生成的 Stub 和 Proxy 类完全可以手写。理解手写 Binder 的过程，能帮助你深入掌握 Android IPC 机制的核心原理。
-
太尴尬了！Opus5把GPT6按在地上摩擦了！
我狂吹了两波 GPT-6！ 主要是因为我对它预期很低，然后它的效果确实不错！ 外加新上手的那种“新鲜感”，你们懂的！ GPT-6 确实有很多过人之处，不可否认！ 我本来是想再给它找个牛逼的例子的。但是
-
osmdroid 地图实战 03｜地图的”分层世界”：离线方案、图层模型与 Overlay 体系
目录（TOC） 一、三个现场：地图"分层"的三个坑 二、根因：地图是分层的，三个维度必须正交 三、维度一：数据从哪来——离线三方案 四、维度二：画成什么样——统一图层模型 五、维度三：叠在哪一层——O
-
背单词项目一：融会贯通：从零构建”单词大师”后台——Next.js + Supabase + Drizzle 全栈开发实战
用最潮的技术栈，打造最稳的单词管理应用，一次掌握 BAAS、ORM、UI 组件化与数据清洗的核心心法。 前言：我们到底在做什么？ 今天我们要聊的不是一个简单的 Todo List demo，而是一个实
-
讲清 Agent：闭环、工具调用、记忆，以及 MCP 和 A2A
讲清 Agent：闭环、工具调用、记忆，以及 MCP 和 A2A 面试高频：传统模型和 Agent 的区别、闭环怎么转、MCP 和 A2A 各管什么。 本文一条主线：目标 → 规划 → 工具 → 记忆
-
一个开源低代码框架的协作 SPI 是怎么设计的 ForgeAdmin 拆解 + 实战接入新平台
一、为什么我要拆这个 SPI 去年我们公司做企业协同整合，对接了 4 个平台：企业微信、钉钉、飞书、自研 IM。4 套认证、4 套回调、4 套用户体系，每接一个就要改 20 多个文件，核心业务层多了
-
从LLM到Agent、Agent的6大核心。这些基础知识你还记得吗
从LLM到Agent，带你聊聊二者区别，以及一个agent需要具备的核心能力。什么是注意力机制，kv缓存？什么叫心跳、手脚、大脑供氧？初学者想要打造一个agent，应当理解的一些概念。
-
GPT-6 Astra 到底强在哪？
01 · 这次不一样在哪 很多人还停留在"AI 是个更聪明的聊天框"的印象里，但 Astra 想打破的正是这个。 Astra 的代号在拉丁语里意为星辰。据报道，它的训练动用了得州 Stargate 超
-
2026 AI Agent 开发学习路线：从小白到全栈，这波红利必须抓住！
转眼到 2026 年下半场了，AI Agent（智能体）已经不再是那个只会"画大饼"的概念了。现在的 Agent，就像当年的移动 App 一样，渗透到了操作系统、企业工作流和个人生活的方方面面。 很多
-
一文搞懂 AI 聊天应用的 Memory 模块：Milvus 向量数据库实战
你有没有发现，和 ChatGPT 聊到第 50 轮的时候，它就开始"失忆"了？你之前说过的职业、爱好、项目进度，它全忘了。 这不是模型的问题，而是上下文窗口有限。把所有历史对话塞进 promp
-
推理模型和 MoE 到底有什么区别？从一道打折题讲到专家分工
学习大模型时，我一开始把两个概念混在了一起： 继续往模型内部看，才发现它们说的是不同的事情。 推理模型关注的是：怎样通过训练和回答时的计算，更好地解决需要推导的问题。MoE 关注的是：处理一个 tok
-
Kotlin 泛型进阶：攻克型变与实化，直击痛点
本文深入讲解 Kotlin 泛型进阶：详解用 reified 打破类型擦除实现泛型实化，并以通俗比喻彻底剖析协变（out）与逆变（in）的核心原理、安全机制与实战场景。
-
别让 AI Agent 先画靶再射箭：一套「结论忠于数据」的证据链工作流
分析/汇报类任务有两种典型翻车姿势：**先想结论再找数据**（先画靶后射箭）和 **先倒数据再组织内容**（数据陈列馆）。 – 正确顺序是三段式：**问题先于数据，数据先于结论，结论只忠于数据。**
-
模型量化入门：从浮点模型到低比特表示
本文介绍了模型量化技术，旨在降低深度学习模型在资源受限设备上的部署复杂度。从FP32到INT8的转换可减少75%存储并提升推理效率。
-
零成本搭文档站：VitePress + GitHub Pages 就够了
用 VitePress 将散落的 Markdown 提示词构建为可搜索、可交互的文档站，并集成 GitHub Actions 实现自动化部署。零成本，全过程记录。
