首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
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
登录
注册
ChatGPT与大模型研究
数据智能老司机
创建于2023-05-22
订阅专栏
生成式AI探索和研究,场景落地。
等 151 人订阅
共883篇文章
创建于2023-05-22
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
使用 Claude Code 进行 Agentic 编码——理解 Deep Agents
在本章中,我们将深入讨论 Deep Agents。Deep Agents 指的是这样一类 agent:它们有能力、真正有用,并且被设计来执行多种任务,尤其是那些需要在多个步骤中持续推理与行动的长时程任
使用 Claude Code 进行 Agentic 编码——使用 Claude Code 桌面版
在本章中,你将学习如何在 Claude 桌面应用中使用 Claude Code,如何在本地模式与云端模式之间切换,以及如何借助 Git Worktrees 并行运行多个编码 agent。你会看到:如何
使用 Claude Code 进行 Agentic 编码——理解 Agent Skills
Agent skills 是 Anthropic 团队在 2025 年 10 月引入的一种机制,用来扩展 AI agent 的能力。Skills 允许把能力打包成结构化单元,其中既可以包含自定义工作流
使用 Claude Code 进行 Agentic 编码——创建与自定义输出风格
输出风格(Output Styles) 是 Claude Code 中最强大、同时也最容易被低估的功能之一。它们定义了响应是如何被组织和呈现的,本质上是在塑造用户与模型之间的通信协议。 本章将探讨输出
使用 Claude Code 进行 Agentic 编码——使用 Claude Code 子智能体
在本章中,我们将探讨 Claude Code 的 subagents(子智能体) ,以及它们如何支持更结构化、可扩展的工作流。我们会先理解 subagent 是什么、它们与 Claude Code 主
使用 Claude Code 进行 Agentic 编码——Claude Code 规划模式与多智能体工作流
Agentic coding workflow 的效果,高度依赖结构、规划与受控执行。随着系统变得越来越复杂,工具和自动化能力不断增多,如果仍然依赖临时式(ad hoc)的 prompting,就会明
使用 Claude Code 进行 Agentic 编码——使用 Claude Code 与 GitHub 自动化你的开发工作流
在本章中,我们将深入讨论 Claude Code 与 GitHub 的集成。这项集成涉及一系列配置步骤,包括安装 GitHub CLI、把它配置到 Claude Code 工作流中,以及选择 Clau
使用 Claude Code 进行 Agentic 编码——通过 MCP 服务器与插件扩展 Claude Code
Model Context Protocol(MCP) 提供了一种标准化方式,让 AI 应用能够通过统一接口连接到工具、数据源和服务。开发者不再需要为每一个宿主应用单独构建一套集成逻辑,而是只需要在一
使用 Claude Code 进行 Agentic 编码——Claude Code 快速上手:核心命令一览
在本章中,我们将从“如何开始使用 Claude Code”进一步过渡到“如何把它配置成一个适合日常使用的工具”。目标是帮助你真正熟悉 Claude Code 在实际工作中的行为方式、你如何在会话中控制
使用 Claude Code 进行 Agentic 编码——Claude Code 精髓
本章的目标,是通过带你一步步走过 Claude Code 在实践中的实际工作方式,帮助你真正熟悉 Claude Code。我们不会一上来就直接跳进高级功能,而是先建立起对这个系统本身、它所使用的术语,
使用 Claude Code 进行 Agentic 编码——上下文工程
本章将介绍上下文工程(Context Engineering) ,并解释为什么它已经成为构建和使用现代 AI 智能体时的一个关键概念。很多 AI 系统常被描述为“不过是包了一层 Prompt 的大语言
RAG 不一定非得靠向量库:一套更偏工程落地的“结构化推理检索”方案
这两年只要聊 RAG,大家脑子里默认浮现出来的,基本都是同一套流程: 切 chunk。 做 embedding。 进向量库。 top-k 检索。 必要时 rerank。 最后把上下文塞给 LLM。 这
当 AI 自己写不好代码时,问题可能出在你的"工具架"上
最近 Anthropic 工程团队发了一篇博文,标题叫《Harness design for long-running application development》。这篇文章表面上是在讲他们怎么让
AI Agent 的记忆力之战:为什么架构比模型大小更重要
最近在做一个跨会话的客服 Agent 项目时,我踩了一个大坑。Agent 在单轮对话里表现很好,但一旦对话跨越多个 session——用户上周提过的偏好、三天前反馈的 bug、上个月确认的需求——Ag
MLX-LM 深度拆解:苹果亲儿子框架凭什么比 Ollama 快一倍
第一次对 MLX 产生"这东西不一样"的感觉,是在 M4 Max 上跑 Qwen 3.5 35B-A3B 那个 MoE 模型的时候。同一个模型,Ollama 跑出来大概 35 tok/s,切到 MLX
Ollama 深度拆解:从一行命令跑大模型到本地 AI 基础设施
2023 年中,我第一次在终端里敲下 ollama run llama2 的时候,其实没什么特别的期待——当时本地跑大模型的工具一大把,大部分都需要你跟 Python 环境、CUDA 版本、模型格式转
GEO 深度拆解:当 AI 重写搜索规则,你的内容如何被"选中"
我最早注意到 GEO 这个词,是 2024 年初在 arXiv 上读到普林斯顿那篇论文的时候。当时觉得"又一个造词运动",没太当回事。直到 2025 年下半年,我负责的一个技术博客流量开始出现诡异的变
2026 年 AI 编程的真正分水岭:不是“更会想”,而是“能在环境里持续行动”
很多人还在用 2024 年的视角理解 AI 编程:谁补全更准,谁解释代码更快,谁能把函数一次写对。这个视角已经不够用了。到了 2026 年,行业真正的分水岭,已经不是“模型会不会推理”,而是模型能不能
通用机器人基础模型走不通?VLA 的数据死结与模块化破局之路
一、VLA 是什么:机器人的"大语言模型时刻" 1.1 从感知到行动的范式跃迁 传统机器人系统是模块化管线:感知模块识别物体 → 规划模块计算路径 → 控制模块执行动作。每个模块之间用手工定义的接口连
Claude Code 实战笔记:能力边界、使用方法和团队落地建议
过去一年,如果你经常写代码,大概率已经被各种 AI Coding 工具教育过一轮了。 最开始大家关注的是补全。 后来开始比谁能改代码、谁能解释报错、谁能生成函数。 再往后,工具开始支持 Agent、支
下一页