📰 来源: 博客园 话接上回，中医游戏第一版惨遭滑铁卢。 我把90%的锅扔给了"需求定义不清楚"，但万万没想到跨过需求的坑，就跳进UI的坑，出了UI的坑又进入测试的坑，总之是花式踩坑。当前项目代码在这里tcm_odssey 因为把大量时间花在了UI和地图上，导致这周还没做到最核心的对话环节。 目前只是有了： ✅ youxiyindaohe ✅ 外景地图 ✅ 药园和诊所两个核心内景 ✅ 问诊、煎药、配伍的小游戏壳子 ✅ 让玩家走起来了（请先忽略人在房檐上走这件事……毕竟我主机装不了TileMap Editor，除了L…
📰 来源: 博客园 SonnetDB 是由 IoTSharp 团队（maikebing）开源发布的一款高性能时序数据库引擎，基于 C# / .NET 10 构建，采用 MIT 许可证。该项目专为 IoT 物联网、工业控制、运维监控和实时分析场景 设计，标志着 .NET 生态在时序数据领域的重大突破。 注意：GitHub 链接 github.com/IoTSharp/SonnetDB 当前返回 404，仓库可能尚未公开或处于早期开发阶段。但从官方发布信息来看，该项目已完成首个重要里程碑，具备生产级能力。 Sonnet…
1. 架构设计理念与核心哲学 1.1 设计目标与定位 1.1.1 为 .NET 生态系统提供原生 AI 编码智能体运行时 SharpClawCode 是一个专为 .NET 10 和 C# 13 生态系统设计的 C# 原生编码智能体运行时（coding-agent runtime），其根本定位在于填补 .NET 开发者在 AI 驱动开发工具领域的结构性空白，github：https://github.com/clawdotnet/SharpClawCode 。与 Python 或 TypeScript 生态中大量涌现…
如果说提示词工程与上下文工程逐步将AI推向了“可用区间”，那么驾驭工程的技术使命是完成了单个 Agent 从 “基础运行” 到 “稳态运行、可控调度、合规交付” 的能力闭环构建。但当任务开始呈现出更明显的链路化、并行化与角色化特征时，新的瓶颈会立刻显现：单Agent再强，也很难同时承担调研、分析、执行、校对、汇总这些彼此依赖、不同节奏的工作。比如华为云近期正式发布的OfficeClaw办公智能体，重点是围绕办公场景让AI从“单兵作战”走向”团队协防“，引发关于办公效率的底层革命。 面向这个下一代的核心难点问题，华为…
1. 项目概述与核心定位 1.1.1 开源主体与实现语言 netcoredbg 是由 三星电子（Samsung Electronics） 主导并开源的跨平台 .NET 调试器项目，其核心技术栈基于 C++ 语言 实现。该项目托管于 GitHub 平台（https://github.com/Samsung/netcoredbg），采用 MIT 许可证 进行分发，这一宽松的许可条款极大地促进了其在商业和开源场景中的广泛采用 。三星作为该项目的主要维护方，承担了代码审查、版本发布、架构决策以及社区协调等核心职责，其开源策…
前言 获取矢量图，我们可以跟UI们后直接获取到需要的矢量图，也有很多项目UI管理网站支持直接提供矢量图（比如蓝湖）。但是，矢量图动画如果一直去手动敲代码实现难免会不太直观，调试动画也很麻烦，且效率不高。google官方在https://www.bilibili.com/video/BV1mE411N7wW这个视频里提供了一个实现动画的工具。那就是shapeshifter。 这是一个在线网站实现动画的工具，它能很好的帮忙快速实现矢量图动画与调试矢量图动画。 shapeshifter网站地址：https://shape…
探物 AI > 核心导读： 在视觉深度学习中，数据决定了模型上限。对于算力有限或样本稀缺的开发者，数据增强（Data Augmentation）就是性价比最高的“炼丹秘籍”，很多模型准确度的提高就是靠增加数据，增加数据的普适性，因此本文统计数据增强算法，进行汇总，并进行效果演示。 一、 数据增强的四个维度 1. 几何增强和像素增强 这是最经典的策略，旨在告诉模型：物体在不同光照、不同角度下还是同一个东西。 几何变换：水平/垂直翻转、旋转、随机裁剪（Crop）、缩放。 # ─── 1. 几何变换 ──── de…
OpenClaw 的梦境（Dreaming） 是一套模仿人类睡眠的后台记忆自动巩固系统，核心是把短期对话、任务记录，筛选、反思、评分后，把高价值内容固化为长期记忆，让 AI 智能体越用越懂你、上下文不丢失。 此篇通过一个可对照的实例，模拟 OpenClaw 梦境流程，观察memory和dream两个文件，帮助我们看懂龙虾到底是咋做梦的。 比如你今天跟 OpenClaw 说了三件事： 你叫 Wade，在做 OpenClaw Skill 开发 你喜欢用 GLM-5.1 做视觉+键鼠自动化 你今天随便聊了句“今天天气不错…
原文：https://mp.weixin.qq.com/s/C46jhKFNAhiIuri9d8_MsA 欢迎关注公zh: AI-Frontiers 3年，从0到全球领跑：万字长文拆解DeepSeek大模型技术演进 从ResNet到mHC：DeepSeek重构残差连接，额外开销仅6.7%，附复现代码 收藏！LLM开发全链路：5大步骤+15大框架，从数据治理到RLHF一文通关 收藏！LLM-RL训练框架：3大流派+6大框架，一文搞定 万字长文解读Qwen进化史：27篇论文深度复盘Qwen模型家族 在上一篇，我们以烹饪…
一个能基于vmware自动创建实验环境，检测代码执行结果的Linux教学平台。 捣腾了一个linux学习平台， 基于红帽的linux教程，做了配置的手册和实验环境。 需要搭配vmware使用，针对实验步骤做了一些验证，帮助初学者检验结果。 环境支持重置，弄错了就重头来。 软件依赖于实验手册，导入实验手册后就能看得到课程，具体操作在说明中有写。 左侧功能菜单，中间实验手册，右侧ssh资源，ssh资源基于vmare自行创建，自动连接实验手册对应的虚拟机资源。 环境弄坏了，点击左侧“环境重置即可”，基于快照机制，10秒崭…
在上两篇系列文章中，我们分别探讨了增量式 SfM 的核心骨架实现与多源信息融合策略。在第 18 篇《最小二乘问题详解18：增量式SFM核心流程实现》中，我们构建了算法的逻辑基座；而在第 19 篇《带先验约束的增量式 SFM 优化与实现》中，我们引入了 INS/GNSS 等外部位姿先验，构建了工业级稳健的重建系统。 回顾第 19 篇的带先验约束流程，我们不难发现，虽然该方案对数据采集设备提出了更高要求，但它实际上简化了 SfM 的核心难题。借助高精度的位姿先验，我们绕过了繁琐且脆弱的初始化步骤，能够直接基于已知的相机…
andrej-karpathy-skills - 用于改进 Claude 代码行为的单个 CLAUDE.m... | claude-mem - 一个 Claude 代码插件，可自动捕获 Claude... | dive-into-llms - 《动手学大模型Dive into LLMs》系列编程实践... | voicebox - 开源语音合成工作室 Voicebox 开源语音合成工作室... | GenericAgent - 自进化代理：从 3.3K 行种子中生长技能树，以减少 6... 【01】a…
2025 年下半年以来，AI Agent 工程师已经成为大厂最热门的岗位之一。蚂蚁 AI Coding、阿里 Agent 研发、字节 Infra Agent、腾讯 LLM 应用开发——几乎每一家头部公司都在疯狂招人。 但现实是：会调 API 不等于会做 Agent，能跑 Demo 不等于能上生产。 面试官问你"Tool Calling 的完整机制是什么"、"多 Agent 协作怎么做容错"、"Memory 怎么设计才能不爆 Context"，你能答上来吗？ zero2Agent 就是为了解决这个问题而生的——一个面…
最近评论
宝宝 发布于 8 年前（02月27日）
GPU Mining 发布于 8 年前（02月19日）
Timothynix 发布于 8 年前（02月08日）
xing1982 发布于 8 年前（02月04日）
additional info 发布于 8 年前（01月28日）
