为什么现在越来越多的开源模型，都"毕业"于 Qwen？ 作者：吴佳浩 Alben 引子：信息传播的速度，正在超过技术理解的速度 最近一年，AI 领域的信息量大到有点失控。 每天打开手机，扑面而来的都是

同一个模型 30% 到 100%？拆解 Harness 工程的 5 个机制，附 8 个坑的自检清单.模型之外的那一圈东西，比模型本身更决定结果上限。

前段时间，Meta Superintelligence Labs 发布了一个对端侧智能体意义明确的新模型：Muse Glimmer。这是一个 30B 参数的稠密多模态开源模型，官方给它的定位就一句话—

本文以需求分析 Agent 为例，介绍 State、Node、Edge、Checkpoint、Interrupt、Resume 和人工审批机制，并结合 LangGraph 展示如何把自由 Agent

先说结论 早期赛道、格式、风格全硬编码在代码里 — 加一个"北漂"赛道要改 3 个文件：Python 枚举加一个值、前端 JS 加一个选项、人设模板加一个文件。改完还要重启服务。 在 self-med

从声学信号到工具阻断：实时语音安全决策门的系统设计 关键词：实时语音 Agent、工具调用安全、可撤销授权、TOCTOU、幂等、Outbox 开篇：让生成模型“更加注意语气”不是控制系统 当实时语音代

本文探讨了AI Agent架构的演化趋势，指出随着复杂度增加，Agent框架正在向操作系统形态收敛。文章分析了OpenClaw、Codex和Hermes三个独立发展的项目，发现它们最终都形成了相似的架

本文探讨了AI时代前线部署工程师(FDE)的角色演变，指出其核心职责已从系统部署转变为构建企业AI知识架构。文章分析了企业AI落地面临的核心困境——知识难以复用，导致每个项目都需从头开始。真正的FDE

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。

一个所有人都遇到过的瞬间 你让 AI 帮你规划了一次"给爸妈买保险"的方案，聊了半个小时，它甚至记得你爸爸的年纪、你们家的预算。然后你不小心刷新了页面，新开一个会话，问它："上次说的那个重疾险，我们比

先回答一个最底层的问题：大模型输出的到底是什么？ 大模型是"打字机"，不是"数据库" 大模型的本质是逐 token 预测：根据已有文本，按概率预测下一个 token，拼成完整回复。token 解码出来

上一篇的结论在这里变成现实：既然记忆 = "把历史塞回输入"，那"历史"在代码里必须是某种能被规整地追加、读取、再塞回的东西。很多人的第一版（包括我自己）都是最朴素的： 能用，而且确实能让模型"看起来

大模型是怎么来的：从数据到 Foundation Model 作者：吴佳浩Alben 撰稿时间：2026.5.1 更新时间：2026.8.17 今天的内容会比较长能够帮助你更好的理解你天天用的大模型到

Transformer (decoder-only) 模型实现 现代 Transformer 架构与超参数的工程默认值 开始从零写出一个 decoder-only Transformer 之前，真正难

用 AI 写得更快，上线却容易炸？拆解 AI 编码生产力悖论的 5 个机制，附 9 个坑的自检清单。三条曲线同时发生，说明这不是"工具不好"也不是"你不会用"，而是我们对"生产力"的记账方式失效了。

中文 Prosody-Aware Eval：从四象限样本到可诊断的实时语音评测 关键词：中文语音评测、Prosody-Aware Eval、副语言、反事实配对、实时语音安全 开篇：不要再把“正确转写”

“斗之力，三段！” 望着测验魔石碑上面闪亮得甚至有些刺眼的五个大字，豆包面无表情，唇角有着一抹自嘲，紧握的手掌，因为大力，而导致略微尖锐的指甲深深的刺进了掌心之中，带来一阵阵钻心的疼痛……

前言 什么是混合精度训练？ 混合精度训练（Mixed Precision Training）是一种在模型训练中同时使用多种数值精度（如FP32 + FP16/BF16）的技术。核心思路：前向传播和反向

图像生成为什么需要独立的 Gateway 抽象：参数、重试与幂等设计 开篇：一个 generateImage()，可能不是一次供应商请求 调用方看到一次 generateImage()，供应商侧却未必