📰 来源: 博客园 核心洞察：过去四年，从大模型产品形态的所有重要突破来看，真正驱动体验的并非模型参数量的增长，而是 token 在系统内流动方式的重新设计。CoT/PAL 在决定「不确定性放在哪里」；ReAct/CodeAct 在决定「一次 forward 写多少」；Voyager/Skills 在决定「跑过的东西如何复用」；Code Execution with MCP 在决定「上下文如何按需加载」。2025-2026 年，这场「IO 架构的设计游戏」已经升级为 Agent 框架、协议标准与编排范式的全面竞争。…
📰 来源: 博客园 这篇文章带你搞懂 Skill 是什么、怎么用、怎么设计。全是干货，看完你也能自己写 Skill。 别再每次都手动敲指令了 你有没有这种经历：每个月都要汇总一遍客户反馈。打开 Claude Code，打一串差不多的指令，等结果，发现忘了指定输出格式，又改一下，勉强能用。下个月再来一次，又不记得上次怎么写的了，花20分钟重新试出正确的指令，输出跟上个月还不一样，想对比都没法比。 这就是提示词跑步机效应——反复做同样的事，但每次都在重复劳动，没有积累。 Skill 就是来解决这个问题的。 Skill …
📰 来源: 博客园 Oracle PAF（Private Agent Factory）是甲骨文官方推出的一款“零代码”AI平台。它能让企业在不写代码的情况下，几分钟内把自家的数据和工具安全接入，快速打造出专属的 AI 智能体和自动化工作流。重点是：如果你已经是 Oracle 数据库的客户，可以直接免费下载使用，没有任何额外软件费用。 下面我们就先来安装配置好这个PAF。 01 | 安装 Private Agent Factory 详细安装步骤也可以参考官方文档手册(目前最新版已经更新到26.4)： https://…
📰 来源: 博客园 摘要：本文深入剖析 Gliding Horse（流马）AI Agent 操作系统的四层记忆架构（L0-L3），借鉴 CPU 多级缓存与 MESI 一致性协议，实现近乎无限的“虚拟记忆”与极致的 Token 经济性。涵盖持久化存储、会话摘要链、多 Agent 共享黑板、投影引擎及 Hyperspace 向量引擎等核心组件，揭示其如何让 Agent 像操作系统管理内存一样管理记忆。 关键词：AI Agent；记忆系统；Gliding Horse；流马；多级缓存；MESI 协议；向量引擎；图数据库；T…
📰 来源: 博客园 本文是【GoF设计模式】系列第14篇，更多内容欢迎关注公众号：咖啡八杯 电商网站结算时常常要算优惠：新用户满减、不同等级会员打折、节日活动满减。最直觉的写法是把所有规则塞进一个方法里用 if-else 区分： class Cashier { public int calc(int total, String type) { if ("打九折".equals(type)) { return (int) (total * 0.9); } else if ("满300减40".equals(type)…
📰 来源: 博客园 在数据库校验和修复工具中，连接串几乎是最敏感的配置之一。过去为了使用方便，很多配置文件会直接写入数据库明文密码。 gt-checksum v4.0.0 起，srcDSN / dstDSN 中的 password 必须使用 ENC[...] 密文，并新增独立工具 gt-dsn-crypt 生成 32 字节 base64 key 与 AES-256-GCM 密文，让连接串密码保护从“建议项”变成“强约束”。 [yejr@db160 gt-checksum]$ cat docs/gt-checksum…
📰 来源: 博客园 如果你第一次打开 codex-main 这个源码目录，很容易被它的规模吓住：顶层有 npm 包、Rust workspace、SDK、app-server、MCP、插件、技能、沙箱、TUI、云任务、线程存储、模型提供商、登录认证等大量模块。它不像一个传统命令行工具，也不像一个简单的 ChatGPT 包装器。更准确地说，Codex CLI 是一个“本地运行的智能软件工程代理”：它能理解用户目标，读取项目上下文，调用模型推理，决定是否执行命令或修改文件，把工具结果回传给模型，再持续推进任务直到给出最…
📰 来源: 博客园 一、重要的桥接Python库 rpy2# pip install rpy2 我的R语言版本为 4.1.3 ，需要rpy2 3.5.X版本去对应 确保你电脑已安装 R，并在 R 里装好相关包：# install.packages(c("ggplot2", "ggstatsplot", "patchwork","ggpmisc")) 注意：这里可能遇到几个问题： 1.rpy2同python同R的版本兼容问题 可能有报错：ffi.error: symbol 'R_getVar' not found i…
📰 来源: 博客园 理解Agent规划、任务拆解核心思想，掌握ReAct、Plan-Solve标准推理框架 基于前3天代码，实现自主任务拆解Agent（复杂问题自动拆分多子任务） 实现多工具串行/并行调度、任务状态管理、失败子任务重试机制 整合RAG知识库+Function Calling+任务规划，完成全能基础智能体 每日时长分配（全天8h） 理论笔记阅读+理解：2.5h 复盘+面试背诵：1.5h 1. Agent规划核心概念 1.1 什么是任务规划 当用户提出复合型复杂问题（多步骤、多工具、多知识库查询），大模…
📰 来源: 博客园 在微积分的世界里，最深刻的思想往往隐藏在最短暂的瞬间。当时间趋近于零、距离无限缩小、分割不断细化时，一个充满连续性与变化性的数学宇宙逐渐显现。导数诞生于割线向切线逼近的瞬间，积分形成于无数微小面积不断累积的过程，而极限则是连接有限与无限、离散与连续的核心桥梁。然而，这些过程往往被压缩成静态公式，难以真正建立直观理解。Limit Manifestation Instantaneity Lab（瞬时极限性实验室）以动态可视化、交互实验与AI智能解析为核心，通过微分学、积分学、微积互证、知识导引与AI…
📰 来源: 博客园 从偶然困难到本质困难，从抽象红利到赤脚行走能力——一个开源 PR 如何诠释 Fred Brooks 的《没有银弹》。早上刚读到软件工程的第一性原理是什么？, 正好以此写一篇总结文章我的最近的一个开源项目实践。 一、制造业与软件业的分野 制造业的第一性原理是打穿中间人的抽象和黑盒，回归基本物理原则。一块钢板为什么断裂？你要穿透供应商的质检报告，回到晶体结构和应力分布的物理真相。 软件工程的第一性原理却恰恰相反：管理复杂度，使其永远不超过人类大脑的认知带宽。 Fred Brooks 在《没有银弹》中…
📰 来源: 博客园 这次我把《动手学深度学习》第一章读完了。 先说一下,我为什么会突然翻这本书。 更直接的原因是,前面我在做一个从零学习 AI 的小项目。 写一个小项目去用,去学习ai(所谓干中学) 写到训练循环时,代码里开始出现这些东西: _, loss = model(x, y) loss.backward() optimizer.step() loss 到底是什么? 为什么 loss 低就代表模型预测得更好? loss.backward() 到底在根据什么更新参数? 再具体一点,是为了看懂这行代码: loss…
📰 来源: 博客园 大家对 Hermes Agent 应该不陌生了。 Nous Research 开源的 AI 智能体项目，MIT 协议，GitHub 上 star 已经突破了 18 万。OpenRouter 应用排行榜上也是断层第一。 GitHub：https://github.com/NousResearch/hermes-agent 官网：https://hermes-agent.nousresearch.com/ 核心卖点就三个词：持久记忆 + 自我进化 + 全平台消息接入。支持 Telegram、Disc…
📰 来源: 博客园 引言：那些年我们写过的“面条代码” 痛点场景： 你一定经历过这样的噩梦：系统最初用 MySQL 存储数据，后来为了性能要迁移到 MongoDB。结果你发现，业务代码里密密麻麻全是对 MySQL 驱动的直接调用。或者，老板突发奇想，要求把原本的 Web 页面功能，原封不动地搬到一个新的命令行工具（CLI）里，你却发现业务逻辑和 HTTP 的 Request / Response 对象死死绑定在一起。 “牵一发而动全身”，修改一行代码，整个系统崩溃。这是因为我们的核心业务逻辑被外部框架、数据库和 U…
📰 来源: 博客园 探讨领域驱动设计（DDD）与本体论建模（Ontology）之间的本质差异，搞清其背后的理论体系和运行机制。 一、双维建模：逻辑深度与语义广度 复杂业务系统的建模方法与开发方式可以分为两条路线： DDD 范式：以应用代码开发为主，利用充血对象与限界上下文，在微服务内部构建精确的业务规则。其核心在于“逻辑的深度”。目前的主流开发范式。 Ontology 范式：以平台语义层为载体，通过 ObjectType、LinkType 与 ActionType 构建跨系统的全局知识图谱。其核心在于“语义的广度”…
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 9 年前（02月08日）
xing1982 发布于 9 年前（02月04日）
additional info 发布于 9 年前（01月28日）
