本瓜手上的是一台 M4 32G 内存的 mac，我看了一篇关于：4090 跑 Qwen 35b 模型（MoE）-0限制版本 的实战文章，所以，便想着记录一下，相关的对比情况： 项目 Apple M4

调多个LLM模型越来越像运维？我写了个零依赖TypeScript网关库：JSON声明式路由、多步降级链、每日预算硬限制、内置成本追踪，npm install即用。

背景： 最近开始尝试做自媒体，录点视频。刚开始就遇到了字幕的问题，于是想先搞个字幕生成工具（为了这点醋才包的这顿饺子😄）：SubGen。 这个工具用 Tauri + Rust 做外壳，把 FFmpeg

感觉在手机就能用，私密性拉满。今天，百度悄悄发布并开源了一款多模态文档解析模型：PaddleOCR-VL。 我看的第一眼，注意力全被它的参数量吸引了，0.9B。

前言 在AI技术爆发的这两年，我发现了一个有趣的现象。 当大家都在讨论大模型有多强大时，真正落地的AI应用却往往卡在一个看似不起眼的环节：数据的检索和记忆。 你有没有想过，为什么智能客服能记住你之前的

最后，想跟大家说：不要怕被 AI 淘汰。真正的竞争不是你 vs AI，而是会用AI的你 vs 不会用AI的你。

本文基于 Anthropic 官方工程博客发布的《Equipping agents for the real world with Agent Skills》进行解读，结合货拉拉数据场景实战做一些探讨

Harness 不是一个新技术发明。它更像是 Agent 工程里那部分一直存在、但过去没有被完整命名的“软件工程现实”。

大家好，我是拭心。 最近 Harness Engineering 很火，国内外都在谈论它，我们也来简单聊聊。 起因是 OpenAI 的这篇 《Harness engineering