歌南

四个数字，定义了这篇文章要讨论的问题： 这四个数字的张力，就是 AI 基础设施最核心的工程问题：用户要求即时响应，模型需要漫长思考，算力必须精确调度，而传统流量层对这一切一无所知。 目录 一个请求的生

背景 在LLM涌现的早期已经有大量的研发人员开始思考、讨论和推广Multi-Agent的概念。它的基本实现逻辑就是：利用LLLM的归纳推理能力，通过为不同的Agent分配角色与任务，并配合相应的工具（

大模型发展这两年，应用型 AI 的焦点一直在 “提示工程”（prompt engineering），但随着更强大的大语言模型（LLM）走向多轮、长时间的自主行动，一个更关键的概念开始走到台前：上下文工

Google最近发布了一篇关于Agent长达60页的文件： 《初创公司技术指南：AI Agents》 ，这份报告从宣传来说表达了自己与之前偏理论的文章不一样，他还是暴露了不少细节技巧，对正在做Agen

Claude的金主爸爸亚马逊（AWS）偷偷发布了一款AI编程工具，Kiro。 我用它做了三个公司的生产级项目需求，深度体验3天后发现： Kiro现在完全免费，可以免费使用Claude-Sonnet-4

简介 HelloGitHub 分享 GitHub 上有趣、入门级的开源项目。 这里有实战项目、入门教程、黑科技、开源书籍、大厂开源项目等，涵盖多种编程语言 Python、Java、Go、C/C++、S

2025 年 11 月 18 日，Cloudflare 发生了 2019 年以来最严重的一次全球网络故障。大批依赖 Cloudflare 的网站和服务（包括 ChatGPT、X、游戏、各类 SaaS）

模型蒸馏是一种模型压缩技术，就像把一个大厨的精湛厨艺教给一个学徒，让学徒也能做出差不多的美味佳肴，但学徒需要的食材和工具都更少，速度也更快。 具体来说，就是用一个已经训练好的大模型（称为“教师模型”）

现在仔细回想24年过往，忙忙碌碌，却想不出可以总结的话语，如果非要一个概括，我想那就是："凡事全力以赴，而后顺其自然"