最新文章

• 全球 token 均价跌破 1 美元之后，应用层开始按完成率报价2026/09/04

  公开数据显示全球每百万 token 推理均价已跌破 1 美元。模型便宜之后，产品竞争力转到完成率、延迟和人工兜底比例。

• Flash 档追上旗舰分：9 月 API 选型按任务拆档2026/09/04

  Gemini 3.8 Flash 以每百万 token 0.75 / 3.75 美元贴近独立指数上的旗舰模型，开发者选型从追最强变成按任务选档。

• 用失败样本做回归：模型对比从感觉变成表格2026/09/04

  把线上或作业里的失败输入收成回归集，每次换模型、改提示词都先跑这批样本，避免「看起来更好」的错觉。

• 新学期 RAG 最小闭环：先固定语料再接 Agent2026/09/04

  开学项目最稳的路径是先跑通检索问答：固定一份语料、一套评测问句，确认命中率后再加工具和多 Agent。

• 开学第一周先做评测集：20 条真实样本够用一学期2026/09/04

  把暑期项目收口成可复跑的评测：固定模型版本，用 20 至 50 条真实样本记录通过率、延迟和单任务成本。

• 大模型网关自建指南：把 API 账单砍掉四成2026/09/04

  多模型、多厂商、多计价规则，账单越看越糊涂。自建一层薄网关，省钱、可观测、随时切换，一箭三雕。

• T-agent 设计笔记（二）：给 Agent 建立体检制度2026/09/03

  没有评测的 Agent 系统如同没有体检的人，生病了都不知道从哪查起。本文公开 T-agent 的三层评测体系。

• 开源与闭源：大模型生态的楚河汉界2026/09/01

  开源权重攻城略地，闭源巨头高筑城墙。这盘棋下到中盘，真正的问题已经不是谁能赢，而是棋盘正在换。

• 48 小时黑客松生存手册：从踩坑到领奖2026/08/30

  参加过十一场黑客松之后，我把反复验证有效的节奏表、工具清单与踩坑名录整理成了这本手册。

• RAG 系统调优实录：从能用到的可靠2026/08/28

  RAG 之难，不在检索，而在「检而得当」。本文以一个真实项目为例，记录从基线到 92% 命中率的十二次迭代。