首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
关注
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
排行榜
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
全部
面试
前端
后端
程序员
算法
人工智能
测试
单元测试
LLM
展开
全部
面试
前端
后端
程序员
算法
人工智能
测试
单元测试
LLM
AIGC
AB测试
架构
C++
运维
低代码
暂无数据
推荐
最新
【✍️ 入营考核】AI 加码,青训营 X 豆包MarsCode 技术训练营
👏 欢迎各位同学报名“AI 加码,青训营 X 豆包MarsCode 技术训练营”,完成指定任务通过审核即可获得入营资格!
OpenAI-API 接口文档(中文版)
OpenAI的接口文档中文版,基于OpenAI官网的API作的一个翻译,编译参考辅助。想要全面的学习还得去看英文文档,毕竟出处在那!
分享一些“氛围编程”的工程化技巧
作者 | Amazon Web Services - Labs 编译 | 岳扬 01 “氛围编程” 根据 wikipedia 介绍[1],氛围编程(vibe coding)是一种现代软件开发方式,用户
GPU 网络通信基础,Part 1(横向与纵向扩展;训练中的通信环节...)
作者 | Austin Lyons 编译 | 岳扬 本系列文章将用轻松的方式聊聊网络与 GPU。这个话题很重要,但可能显得有些枯燥或深奥。请耐心听我道来! 01 训练动机 训练大语言模型需要海量的浮点
【🎁 请领取打卡礼】你的 AI 代码陪练已就位,带你横扫算法修炼场!
是否渴望提升自己的编程技能? 是否想要在众多求职者中脱颖而出? 豆包 MarsCode 特推出代码练习活动,AI 代码陪练携硬核奖品已就位,带你横扫算法修炼场!速来~
「Memene 摸鱼日报 2025.9.24」阿里 Qwen 团队放出 Qwen3-Next、Qwen-VL 等多个大招,Sam 提出“丰盛智能”愿景
Sam 提出“丰盛智能”愿景,NVDIA 与 OpenAI 达成 10GW GPU 战略合作,阿里 Qwen 团队放出多个大招
AI Agents 能自己开发工具自己使用吗?一项智能体自迭代能力研究
作者 | Alessio Fanelli 编译 | 岳扬 在 AI 安全领域,“自我改进(Self-Improving)”是个令人不安的术语,它暗含着“机器将以人类无法理解的方式超越人类智慧”的意思。
DeepSeek冲击(含本地化部署实践)
DeepSeek无疑是春节档最火爆的话题,上线不足一月,其全球累计下载量已达4000万,反超ChatGPT成为全球增长最快的AI应用,并且完全开源。那么究竟DeepSeek有什么魔力,能够让大家趋之若
「Memene 摸鱼日报 2025.9.16」OpenAI 推出 GPT-5-Codex 编程模型,xAI 发布 Grok 4 Fast
OpenAI 推出 GPT-5-Codex 编程模型,xAI 发布 Grok 4 Fast, 快手推出可灵 AI 数字人技术
MCP 是为开发者设计的工具,而非为 LLM 而设
作者 | Roy Derks 编译 | 岳扬 Model Context Protocol (MCP) 已成为构建智能体时使用工具调用(tool calling)的标准,但恰恰相反,你的 LLM 并不
端倪无际 —— cursor 配置 mcp 保姆级攻略
MCP(Model Context Protocol)开放协议旨在解决大型语言模型与工具的通信标准化问题,通过在 cursor 引入 mcp 可以解决很多此类需求场景
上下文工程实施过程中会遇到什么挑战?有哪些优化策略?
作者 | Paul Iusztin 编译 | 岳扬 开门见山地说:如果你现在还在只谈论“提示词工程”,那你就已经落后了。 在大语言模型(LLM)的发展初期,精心设计提示词确实是核心任务。 对于 202
当 AI SaaS 的边际成本不再为零,Cursor 是如何设计定价策略的?
作者 | Finn 编译 | 岳扬 Cursor 大概是过去几年里最令人印象深刻的初创公司: 12 个月内年度经常性收入(ARR)突破 1 亿美元, 据报道不久后便突破了 2 亿美元, 紧接着 Tec
Java已死,大模型才是未来?
在数字技术的浪潮中,编程语言始终扮演着至关重要的角色。Java,自1995年诞生以来,便以其跨平台的特性和丰富的生态系统,成为了全球范围内开发者们最为青睐的编程语言之一 然而,随着技术的不断进步
构建 AI 智能体的实用开源技术栈(框架、计算机与浏览器操控、语音功能、文档理解...)
作者 | Paolo Perrone 编译 | 岳扬 还记得在某个周末,我坐下来,坚信自己终于能构建一个像样的研究助手智能体原型了。不需要多么高大上 —— 只要它能读取 PDF、提取关键信息、也许还能
RAG 文档解析工具选型指南
作者 | Florian June 编译 | 岳扬 对于 RAG 系统而言,从文档中提取信息是一个不可避免的情况。最终系统输出的质量很大程度上取决于从源内容中提取信息的效果。 过去,我曾从不同角度探讨
强化学习的“GPT-3 时刻”即将到来
作者 | Matthew Barnett, Tamay Besiroglu, Ege Erdil 编译 | 岳扬 GPT-3 证明了,仅仅通过扩大语言模型的规模,就能带来强大的、task-agnost
上传视频太麻烦?看我如何用动图代替视频
文章简述了作者如何在写文章时用动图替代视频的过程。给新手读者带来一定的新知识,可以帮助它们更好的写文章。
告别提示词工程,「上下文工程」才是 AI Agent 的核心竞争力
作者 | Philipp Schmid 编译 | 岳扬 上下文工程(Context Engineering)是一个在人工智能领域逐渐走红的新术语。行业内讨论的焦点正从“提示词工程”(prompt en
RAG实操教程: langchain+Milvus向量数据库创建你的本地知识库
RAG实操教程: langchain+Milvus向量数据库创建你的本地知识库 本篇文章是 Milvus 向量数据库学习的总结篇,打造自己的知识库系统。 RAG是什么 RAG 是retrieval-a