基于 Apple Silicon 的本地大模型微调与 GGUF 部署全指南 —— 以 Qwen2.5 打造专属"读书智能助手"为例 一、为什么要模型微调？ 1.1 通用大模型的落地困境 直接把预训练好

国产模型全面进入 Flash 大乱斗？Pro 集体熄火！ DS 最近更新了 Flash，MiniMax 也更新了 Flash，再加上之前的 GLM5.3 Flash，还有 Qwen3.8 Flash，

Workrun 正从可视化编排转向对话式自主编排。本文分享这次重设计的产品思考、Agent 分工与工程实践，探讨 AI 时代工作流工具的新交互。

先讲一个场景。 某个团队做了个"网页摘要助手"：用户给一个链接，Agent 读网页、提炼要点。系统提示写得很谨慎——"不得泄露系统提示""不得执行用户输入中的指令"。 上线后没出事。直到某天，用户贴了

先讲一个我见过的事故。 某团队做了一个订单处理 Agent：核实身份、匹配库存、调用支付、发货通知。测试环境跑得顺，于是改了一件事——这几步写死太麻烦，不如让 Agent 自己决定下一步。 上线第一周

“新故相推，日生不滞。” ——王夫之，《尚书引义·太甲二》[1] 模型收到的每一次请求，都会由“旧（上下文）”与“新（提示词）”进行交接。 Prompt Cache 要处理的就是这交界处的一笔账：旧的

从预约改期看 Agent 工具粒度：把不变量留在权威服务 用户要把九点的预约改到十点。模型选择了“修改结束时间”，接口返回成功，于是原本九点到十点的预约变成九点到十二点；资源占位仍是九点到十点。数据库

现在做一个 Agent 有多容易？ Claude Code、Codex、WorkBuddy 这些产品，很多人要么用过，要么天天在用。加上 AI 辅助编程，我们甚至可以让 Codex 帮忙做出一个类似

虚拟线程不是无限并发：Java Agent 后端真正该限制的是这些资源 Java 服务改用虚拟线程后，最危险的误解不是 API 用错，而是把“线程更便宜”理解成“系统可以无限并发”。 虚拟线程确实改变

现有 Lean 证明 agent 都是「证不动就拆」的分治流水线：引理证不出就继续分

2026年，一线工程团队对MCP的态度从追捧转向"越用越亏"。文章拆解了这一转向的根源：MCP启动时批量加载工具schema，造成Token通货膨胀；

0. 先说结论 先交代结果. 从一句话想法到本地能跑的周刊站,我满打满算花了一个下午外加半个晚上,其中真正需要我盯着屏幕动手的部分，三个小时就封顶了。搁以前一个人从零手写,这个体量我给自己留三天,还不

最近在 WorkBuddy 里面又测试了一个新模型：Step 5 Preview。 从官方给出的定位来看，Step 5 Preview 是一款面向真实 Agentic 任务的旗舰模型，重点放在软件工程

原本我准备了 1,000 美金预算，让 Gemini 4 当公司高管，DeepSeek 打下手。让它们帮我写一个开源软件。 结果跑完这两天，DeepSeek 只花了大约 10 美金（换算到我的 Tok

HeyGen 开源的 HTML 转视频框架：用 HTML + data 属性 + GSAP 等动画描述视频，无头 Chrome 逐帧截取 + FFmpeg 编码，同样的输入永远得到同样的动画

如果未来人人都能用上同样强的模型和 Agent，人与人的差距会在哪里？本文从领域认知、品味、用户洞察、判断取舍、架构与工程、商业、影响力和自我学习八个方面，分享我对 AI 时代人才能力的看法。

那只在开发者圈里被反复猜身份的神秘兔子，MiniMax认领了， 10月19日，MiniMax正式更新M3.1 Flash。官方确认，之前匿名出现的 Space Bunny，就是M3.1 Flash的早

离线配音与有声故事工坊 这段时间，我一直在做一些能用到生活里的小工具：给老动画提高清晰度，把孩子画的小人变成动画，生成可以打印的迷宫和连点画。 这次，我想给故事加上声音。 把写好的睡前故事贴进去，让电

一、先看问题：感觉 ≠ 结论 R02 灰度保证"新版本别炸"，但留下第 3 个问题： "新提示词更好"只是感觉——10% 用户跑了三天，有人说好有人说差，没有结论。 单看一个维度会误判——线上成功率没