第1期-LLM扫盲 🔍 AI进化之路 · 第1期 LLM是什么？一篇文章把AI的底裤看穿 AI进化之路系列 | 从LLM到Agent，带你渐进式通关AI世界 🧠 大模型到底是个啥？ 每

四种工作流方案的本质差异：Prompt-based、LangGraph、Temporal、n8n，不是哪个更好，而是不同场景下的最优解不同。

从无状态到持久记忆：LangChain的Memory机制让AI摆脱“金鱼记忆”，通过滑动窗口、文件存储和RAG构建分层记忆系统，实现真正的智能对话。

涵盖 Codex 的入门学习视频、常用插件的使用场景，介绍了三款实用 Skill 与两个完整实战案例，对比了它和 Hermes 的用法差异，顺带提了 MCP 与自动化玩法。

Zleap-AI 开源的 Structured Agentic Graph RAG 框架，把每个文档 chunk 提取成一个语义事件和多个实体，查询时用 SQL JOIN 做多跳扩展，无需构建全局图谱

Claude Code的简单入门，零基础学习使用claude code，并快速用claude code开发一款小游戏吧

Human Engineering：我们一直在给 AI 造 harness，却忘了给人写一份新的岗位说明书 一个越来越常见的场景 你的 AI agent 现在能做的事情，已经不是"回答问题"这么简单了

在双卡 16GB 显存上跑通 LTX Video 2.3 —— 踩坑全记录 背景 LTX Video 2.3 是一个 22B 参数的视频生成模型，完整加载需要 40GB+ 显存。单张 16GB 消费级

现在很多 AI 编程工具都开始支持 skills / plugins / prompts，但有一个很现实的问题： 我做了一个本地优先的开源工具：Skill Tracker。 它会扫描本机 AI cod

开头 前一篇里，我给 QQ 机器人加了一层 RootGraph。 它的目标不是替代聊天模型，也不是把所有逻辑都塞进一个万能 Agent，而是把 QQ 消息进入系统后的几个关键问题讲清楚： 做到这里以后

AI系统训练的工程笔记 · #042 在Agent自优化设计中，一个常见的隐含假设是：系统识别到自身的模式偏差后，应当自动进入修正流程。但这个假设本身值得审视——因为"识别"和"修正"是两种不同的能力

🔖 标签：# 算法 #堆结构 #C++ #面试题 #数据结构 Bilibili 同步视频 一、前言💡 在算法刷题与面试场景中，求解数组 / 数据流中的第 K 大元素，是一道出镜率极高的经典题型。不少初

上个月公司决定把AI服务从OpenAI切到国产模型，CTO给我一周时间。本以为改个base_url就完事，结果踩了5个大坑： 坑1：接口格式不完全兼容 OpenAI的streaming返回格式跟Dee

2026 年 6 月底，Reddit 开发者逆向 Claude Code 客户端，发现 Anthropic 用隐写术在中国用户请求里嵌入隐藏标记...

你可能会遇到这样的问题 当你尝试构建一个基于人工智能的对话程序时，你可能会遇到一个令人困惑的现象：当你向程序提问“青岛啤酒今天的收盘价是多少？”或者“上海今天的天气怎么样？”时

Skill 已经成为 Agent能力的核心，但如何设计一个更好的 Skill？我的经验分享给大家，覆盖规划、设计、安装、测试、发布的全流程

用 SQLite + FTS5 做了个本地检索引擎，7 个版本迭代后，同一套 15 条黄金查询的排序准确率从 77.8% 干到 100%。记录三轮迭代踩的坑：trigram 不索引 2 字 token

7月2日，2026全球数字经济大会智能体互联网论坛在北京国家会议中心成功举办。论坛汇聚工业和信息化部、北京市经济和信息化局、中国信息通信研究院、高校科研院所、头部科技企业等政产学研生态代表。

今日AI要闻：Anthropic发布Sonnet 5，Fable全球回归；GPT-5.6 Sol Ultra将集成Codex；扎克伯格承认AI Agent开发慢于预期；Meta以Watermelon对

上周和一个在大模型公司做工程的朋友聊天，他说了一句话让我印象深刻： 这个反差很有意思。不是大家不理解 agent swarm的概念——把一个复杂任务拆给多个 AI Agent 协作完成。