AI大模型学习

AI 时代，你变成了流水线上的工人 一、一个让我后背发凉的发现 去年有一天，我正在审 Code Review。 一个刚入职半年的同事提了个 PR，代码写得相当漂亮——逻辑清晰、命名规范、边界处理也到位

引言：编程从来不是一个人的事 程序员总被认为是在独立工作的群体，但实际上，编程从来都是一项社交活动。从早期的黑客文化，到结对编程的兴起与衰落，再到如今AI Agent的爆发——我们一直在探索「几个人写

先说结论 如果你最近在关注 AI 编程圈，应该已经感受到一个非常反直觉的趋势： 一边，过去几十年软件世界都在努力把一切做成 GUI——按钮更大、交互更顺、拖拽更丝滑； 另一边，到了 AI Agent

🚨 事件概述 2026年3月31日，Anthropic 公司的 Claude Code CLI 工具因 npm 注册表中的一个 .map 文件配置错误，意外泄露了超过 51.2万行 TypeScrip

一、全文概览 这份指南是 Anthropic 官方发布的 Claude Skill 构建完全手册，覆盖从概念理解、规划设计、测试迭代到分发共享的全生命周期。Skill 是 Claude 生态中一种轻量

从"同步等待"到"流式更新" 上篇的实现有一个明显的问题：/tasks/send 是同步接口，发出任务后需要等待 Agent 处理完毕才返回结果。 但现实中很多任务耗时较长： 数据分析 Agent 处

Agent 的定义 Agent 的本质可以用一个公式表达： LLM：提供推理和决策能力 工具：突破 LLM 的纯文本边界（读文件、写文件、执行命令） 循环：不是一次性的问答，而是多步骤迭代直到任务完成

从一个真实的协作场景说起 想象这样一个任务： 一个 Agent 独立完成这个任务，需要： 连接数据库读数据 做数据分析 生成可视化图表 写报告文字 调用 Slack API 发消息 这五件事，每件都有

先说结论 两者不是替代关系，而是不同层次的解决方案： Function Calling 是什么 Function Calling 是 OpenAI 在 2023 年引入的功能，让 LLM 能够以结构化

为什么要手写而不是直接用现成的？ ClawHub 上已经有数千个现成的 MCP Server，你不需要从头写。 但手写一次能给你带来用成品永远无法得到的东西： 真正理解 @mcp.tool() 装饰器

从一个问题开始 学完 MCP 基础之后，你可能会有一个疑问： 官方文档语焉不详。不同的 Host 实现方式不一样，Cline 怎么做的，只有一种方法能知道——抓包。 搭建中间人服务器 思路很简单：在

从一个反直觉的例子开始 同样一个问题："帮我起一个创业公司的名字" temperature = 0：每次给你同样的答案 temperature = 1：每次给你不同的答案 temperature =

先从一个账单问题开始 你用 GPT-4 或 Claude API，账单是按什么算的？ 答案是 Token。不是按字数，不是按请求次数，是 Token。 那 Token 是什么？很多人的理解停留在"大概

买东西总是刚下单就降价？本文以 **`price-watch`（商品降价监控器）** 为例，手把手带你写一个真正有用的 OpenClaw Skill，从零开始到发布 ClawHub，全流程跑通。

文件即真理：深度解析 OpenClaw 的 Markdown 记忆系统 一、问题的起点：AI Agent 为什么会"失忆"？ 用过 AI Agent 的人都有过这种体验—— 你昨天跟它聊了两个小时，把

最近只要在技术群里待着，十句话里至少有两句提到"龙虾"。 朋友圈里也开始出现一种新的晒图方式——截一张 OpenClaw 自动帮你处理完某件事的图，下面配一行字："我已经不用手动做这个了。" 我承认，

事情是怎么起来的？ 最近"养龙虾"（就是玩 OpenClaw，一个开源 AI 智能体工具）的朋友应该都知道了这件事。 3月11日，腾讯上线了一个叫 SkillHub 的平台，定位是"专为中国用户优化的

杠杆和拐杖，表面像，本质反 杠杆和拐杖看起来很像：都是借助外力完成自己单独做不到的事。但有一个根本区别： 杠杆放大你已有的力量。拐杖补偿你缺失的力量。 用杠杆撬石头，你需要先有力气、找到支点、选好角度

一、什么是 AI Agents？ 1.1 AI Agent 的定义 AI Agent（AI 代理）是一种能够自主感知环境、做出决策并采取行动以实现特定目标的智能系统。与传统的AI模型不同，AI Age

Tokenization实战:从BPE到Hugging Face应用 | 吴恩达2025最新课程笔记 一、为什么分词如此重要? 1.1 分词是LLM的"眼睛" 核心作用: 将文本转换为模型可处理的数字