DeepSeek 宣布下调 Flash 系列 API 价格，并释放约 150 个工程岗位。本文梳理降价幅度、V4.1 Flash 进展与算力投入，讨论 Agent 产品、多模态能力和 AI 岗位转型。

1. 引言：为什么 Agent 需要 Skill 在过去一段时间里，Agent 开发的关注点主要集中在几个方向： 如何让 LLM 调用 Tool 如何构建 RAG 如何设计 Agent Workflo

前面，我们从零训练了一个小语言模型，也看到了它怎么一步步生成文字。 接着就遇到了一个很容易混淆的参数：temperature，温度。 有人把它叫作“创意参数”：温度低，回答稳定；温度高，回答发散。于是

ChatGPT Images 2.5：延迟砍半、多轮编辑不退化，Sketch 手绘与评论式编辑上手指南。

前面聊大模型生成文字时，我们已经知道：输入 token 变成向量，经过多层 Attention 和 FFN，最后给词表里的候选 token 打分，再选出一个新 token。 接着遇到一个很容易理解错的

一个format函数，AI写的10条测试全部通过，上线后传入null直接报错。排查发现AI生成的测试用例全部基于函数签名推导，只覆盖了"正常输入"路径，没有null/undefined/边界值。

我们已经知道，大模型里有很多参数，训练时会调整它们，平常聊天时通常不会。 但这还没回答一个最直观的问题： 一堆固定的数字，怎么就能变成一句新话？ “经过注意力、FFN，最后预测下一个 token”这句

开篇 开始使用 AI 编程后，很多开发者最常问的问题是： 哪个 AI 工具更适合写代码？ 哪个模型生成代码更准确？ 有没有万能 Prompt？ 用什么插件能自动帮我完成更多事情？ 这些问题当然有价值。

开篇 当 AI 可以生成代码、解释报错、补齐测试时，很多开发者的第一反应是： 答案是：有可能。 但前提是，你没有掉进下面这些常见陷阱： AI 明明生成了代码，为什么接入项目后问题更多了？ 同一个问题问

OpenAI 的王炸旗舰模型来了，那就是 GPT-6 Astra。Astra 的讨论热度蹭蹭往上涨。OpenAI 总裁 Greg Brockman 及多位资深技术研究员将 Astra 定位为迈向通用人

OpenAI 毫无预告地发布 GPT-6 Astra，以 ARC-AGI-3 满分、Lean 4 验证的数学突破、像素级 Computer Use 和递归自我改进四大跃升，将行业推到 AGI 门槛前。

这是掘金为 AI 时代的开发者们打造的一个专属作品展示空间。为了庆祝新板块上线，我们准备了一场 「Vibe作品广场首发挑战」 活动，发布作品就有机会赢取丰厚实物奖品

携程员工爆料4年月薪3万没涨薪但满足，14道Coding Agent面试题全解：Prompt组装、上下文三层压缩、Tool与Skill区别、多Agent编排、Plan设计，附源码级回答。

15.对SKILL进行一次全新尝试，改为框架+细节方式的实践及验证：三次联调（4）——第一次测试与事故 测试脚本编写完成后，按理说就是按部就班地测试了。但实际跑起来，AI 完全不听指挥——反复弹出确认

GPT-6-Astra 上手有哪些设置值得检查？本文结合 Codex 的实际使用，整理子 Agent 模型分工、规则冲突、确认时机、推理强度、防休眠和实验性上下文管理，并附可直接参考的配置示例。

前面的文章分别介绍了需求拆分、代码生成、测试、优化和代码审查。 但在真实开发中，我们很少只做其中一件事。一个功能通常要经历： 如果每一步都临时提问，AI 给出的内容可能互相矛盾，自己也容易忘记验证哪些

前面学习大模型时，我一直有几个疑问： token 到底怎么进入模型？ 4 层、256 维、4 个注意力头，分别体现在哪里？ 训练时，究竟是哪行代码改了权重？ 训练完保存的东西，又怎么拿来回答问题？ 光

AI 开始改进 AI：OpenAI 公布自我改进时间表，同一天自家首席科学家喊停 引子：飞轮开始自转了 先摆这周几组关键数字，它们分属不同领域，但指向同一件事： 时间 事件 关键数字 9.6 Open

这是《AI 编程提效实战》的第 30 篇，也是入门阶段的总结篇。 过去 30 天，我们没有从“让 AI 一次生成完整项目”开始，而是从最基础的问题出发，逐步学习了： 如果你已经读过前面的文章，接下来最