-
图解Manus产品/技术/体验的最新思考
内容简介 Manus内部如何看待通用Agent？看下最新的内部讨论核心议题：（1）产品哲学：“无所不能的通用智能体”与“精通特定领域的垂直专家”之间，Manus如何定位？产品核心发展路径的“百度模式”与“Hao123模式”的战略类比。（2）技术架构：如何构建真正具备Agency能力的云端环境？重点探讨“云端浏览器”的实现路径、跨会话的“状态持久化”核心痛点，以及安全与易用性的…- 0
- 0
-
使用Claude Code编排子代理！5个让你AI开发效率翻倍的技巧
你是否也遇到过这种情况：让 AI 助手帮你实现一个复杂功能，结果做到一半它就"跑偏"了？这不是你的问题，而是单一对话窗口的根本性限制——上下文腐烂（Context Rot）。好消息是，Claude Code 有一个隐藏的超能力可以解决这个问题：子代理编排（Sub-Agents Orchestration）。什么是子代理？简单说，你可以让 Claude 生成多个"分身&…- 0
- 0
-
让 AI 在 Claude Code 里跑到天荒地老
👀 在网上看到一个案例，震撼到我了。有人用 Claude Code 跑了一个 while true 循环，整整三个月，最后造出了一门编程语言。对，你没看错，一门完整的编程语言，还是用 Gen Z 黑话写的那种（关键字包括 slay、sus、based）。我第一反应：这人是不是疯了？仔细一想，这不就是软件工程吗——不断迭代，不断失败，不断改进，直到成功。只不过…- 0
- 0
-
告别"AI 套路美学"：Claude Skills 如何让前端设计重获灵魂
当AI也开始"撞衫"：一场美学危机不知道你有没有发现，最近让 AI 生成的网页，好像都长得差不多？Inter 字体、紫白渐变背景、规规矩矩的卡片布局——如果你让 GPT、Claude 或者其他大模型帮你做个落地页，十有八九会得到这样一个"安全但无聊"的设计。就像参加聚会发现大家都穿了优衣库基本款，尴尬又无奈。这可不是你的错觉。Anthropic 的工程师们给…- 0
- 0
-
别问skill怎么写，生产级skill 直接喂到你嘴里
每次有人问"怎么写 SKILL.md？"，脑子里都会冒出一句话： 又要重复造轮子了。Agent Skills 从一个"曲高和寡的奢侈品"，正在悄悄变成大模型的**"标配接口"**：Claude 有了，ChatGPT 有了，CodeX 也上了，接下来就是——你会不会用、写得好不好看了。先别问"怎么写"，先抄一…- 0
- 0
-
Claude-Mem：让 Claude 像人一样记住我说过的话
写在前面3 个月前，我在用 Claude Code 开发一个项目。一切都很顺利，直到我关掉终端，第二天回来继续干活。我打开 Claude Code，输入："继续昨天的工作，把那个 API 优化一下。"Claude 愣了："什么 API？我们用的什么技术栈？"我：？？？于是我花了 20 分钟，重新给 Claude 讲了一遍整个项目架构：Expres…- 0
- 0
-
Google的王牌拓展功能！使用Gemini CLI 的上下文驱动开发
本文虽然是讲的上下文驱动开发，但是还不建议把Gemini CLI用作直接的编程工具，它更合适的场景是工作流。使用Gemini CLI打造企业级工作流目前，Gemini CLI完全下放了Gemini 3的免费使用权限，用来做工作流是最合适不过的了。100 万的上下文窗口，完全免费的使用量。而且Gemini CLI官方提供了大量优质的扩展和工作流。Google大善人再发福利! 所有用户可免费使用 Ge…- 0
- 0
-
AI圈发生9级地震：大神 Karpathy 的一条推文，戳破了所有人的幻想
这几天我的 X 时间线，被 Andrej Karpathy（前特斯拉AI总监，OpenAI联合创始人）的一条推文疯狂刷屏。这位被无数程序员奉为神坛“大神”的人物，竟然在深夜破防了：“作为一名程序员，我从未感觉自己如此落后。”图：Andrej Karpathy 引起强烈反响的推文你没看错。哪怕是 Karpathy 这种定义了深度学习的大佬，面对日新月异的 AI，也感到了深深的无力感。这不仅仅是一条吐…- 0
- 0
-
吴恩达：构建企业级AI Agent的最佳实践
新手做 Agent，80% 时间搭建，20% 时间分析问题，老手正好反过来。我最近看了吴恩达的 Agentic AI 课程，这是他的观察。新手往往会踩一种坑：花两周搭完系统，联调时发现第一步就错了，后面所有模块，都建在错误的地基上。推倒重来。以前我就是这么干的：拿到需求 → 脑子里过一遍思路 → 各模块逐个做完 → 最后串起来测试。出现的问题是：你要到最后一步才知道前面哪里错了。更惨的…- 0
- 0
-
【附实战案例】claude skills 生成神器：Skill Seeker让AI变身全栈专家
Claude Skills 简介Claude Skills 是 Claude AI 的一项重要功能，被认为是 AI 定制化领域的重大突破。相比之前的 MCP（Model Context Protocol）功能，Skills 具有显著优势：高效性：Skills 只需加载 30-50 Token 的描述，仅在需要特定功能时才拉取完整信息无限容量：理论上具有无限的能力容量简化架构：只需要一个 Markd…- 0
- 0
-
手把手教你创建Claude Skills 照着做就能跑
上篇文章有详细介绍了claude skills是什么，与MCP、subAgent差别，以及在网页端和终端如何使用官方内置的skillsClaude Skills 超实用指南 从0到1带你用好 Skills；这篇文章再来分享下如何自定义创建skills，核心分手动创建、借助skill-creator ai创建、注意事项3部分，下面依次介绍下：手动创建首先，之前已经了解到skills本身就…- 0
- 0
-
Claude Skills实用大全
什么是 Agent Skills？Agent Skills 将专业知识打包成可发现的功能。每个 Skill 包含一个 SKILL.md 文件，其中包含 Claude 在相关时读取的说明，以及可选的支持文件，如脚本和模板。Skills 如何被调用：Skills 是模型调用的——Claude 根据您的请求和 Skill 的描述自主决定何时使用它们。这与斜杠命令不同，斜杠…- 0
- 0
-
GPT-6 明年 Q1 突袭？OpenAI 战略大转向：这不仅是模型战，更是“生存战”！
导读：就在大家还在纠结 GPT-5 到底什么时候发布时，Sam Altman 带着他的“红色警报”又来刷屏了。这一次，他不仅剧透了 GPT-6 的发布节奏，还彻底摊牌了 OpenAI 的未来野心：从“聊天机器人”到“AI 硬件”，从“工具”到“超级智能体”。信息量大到爆炸，建议先收藏再看！一、 红色警报拉响：OpenAI 真的急了？最近，AI 圈的空气里充满了火药味。谷歌的 Gemini 3 步步…- 0
- 0
-
推理LLM模型正在放弃temperature参数
temperature参数大概是大部分人最了解的LLM decode的参数了，但目前看起来temperature参数大限将至。1、推理模型与temperature开始水土不服1.1、OpenAI在前沿模型中，最早开始限制temperature参数的是OpenAI的o1模型，从o1-preview开始就是如此。一度以为可能是有一些技术问题没有解决，但想不到OpenAI从此以后，推理模型都不能设置te…- 0
- 0
-
AgentScope AutoContextMemory：告别Agent上下文焦虑
一、前言你是否遇到过这样的场景：构建了一个智能 Agent，能够与用户进行多轮对话，处理复杂的任务。但随着对话的深入，你发现了一个严重的问题——对话进行到第 100 轮时，每次 API 调用需要发送 10 万 tokens，成本是初始对话的 10 倍！在长对话场景中，随着对话历史的不断累积，你会面临以下困境：成本线性增长：每次 API 调用需要为所有历史 tokens 付费，成本随对话增长而线性上…- 0
- 0
-
非技术小白专用指南，5分钟学会Claude Code Skills
Claude Code Skills其实很简单。没有MCP那些恶心的配置格式转换调试，它可以简单到只有一个Markdown文件。如果你对于Markdown不了解，可以看下面的入门小册子：其中和Skills关系最大的是元信息，看起来很复杂，其实说白了就是用来解释标注这个文本的内容，它就类似于Skill技能包的身份证，Claude后面之所以能够查找到这个Skill， 完全依赖于这些元信息的标注。Mar…- 0
- 0
-
三种AI记忆让智能体真正“长大”
当你的AI助手不仅能记住你的喜好，还能从失败中学习，甚至在思考中自我优化，这意味着记忆系统已经进化出了完整的心智层次。过去一年，AI行业经历了一场记忆觉醒。然而行业仍面临一个关键问题：大多数记忆系统仍停留在“记住什么”的层面，而非“如何利用记忆成长”。智能体记忆正在分化为三个清晰的认知层次：事实性记忆建立身份、经验性记忆沉淀能力、工作记忆优化思考。这种分化不仅是一种技术架构，更是AI从工具进化为伙…- 0
- 0
-
AI Agent 记忆系统：从短期到长期的技术架构与实践
前言Cloud Native随着 AI Agent 应用的快速发展，智能体需要处理越来越复杂的任务和更长的对话历史。然而，LLM 的上下文窗口限制、不断增长的 token 成本，以及如何让 AI“记住”用户偏好和历史交互，都成为了构建实用 AI Agent 系统面临的核心挑战。记忆系统（Memory System）正是为了解决这些问题而诞生的关键技术。记忆系统使 AI Agent 能够像人类一样，…- 0
- 0
-
构建企业级智能体AI系统的七层架构
服务层、中间件、上下文管理及更多内容现代智能体AI系统，无论运行于开发、预发布还是生产环境，均采用分层架构构建，而非单一服务。每一层各司其职，分别负责智能体编排、内存管理、安全控制、可扩展性与故障处理等核心功能。企业级智能体系统需整合这些层级，确保智能体在真实业务负载下保持高可靠性、可观测性与安全性- 0
- 0
-
史上最最通俗的，AI发展历程综述！
本文将追根溯源，从历史发展的时间线视角，深入探究AI的诞生历程，以及其在诞生后的几十年间所经历的变革与演进。在阐述演进过程时，我会详细介绍大量相关的细分技术模块，期望大家能对AI整体的技术模块及其相互关系形成系统化的认知。（鉴于篇幅限制，不会对某一技术进行极为深入的探讨，若大家对任一细分技术感兴趣，可单独交流。）最后，我将结合自身亲身参与的一些AI案例，探讨如何更有效地运用AI提升业务价值，同时展…- 0
- 0
-
为什么大多数 Agent 项目，最终都没能跑进核心业务系统？
过去一年，企业在AI上的投入正在迅速拉开差距：有的企业，AI应用仍停留在Demo和试点阶段；而有的企业，已经开始用Agent重构研究、运营与决策流程。表面上看，大家采用的或许都是“大模型”，但真正拉开差距的，并不在于模型能力本身，而是源于一个最根本的问题：即企业是否具备支撑AI长期稳定运行、并持续放大价值的基础设施？当AI开始切实影响组织效率、成本结构与决策速度时，Agent能否规模化落地，已不再…- 0
- 0
-
PNAS：大语言模型如何在不同语言中加剧知识鸿沟
导语一项于12月18日发布在PNAS的研究聚焦于大型语言模型（LLM）在不同语言环境下学习新知识时的不平等现象。研究团队针对 19 种语言和 4 个主流模型（包括 GPT-4o-Mini、Llama-3.1-8B 等）构建了多语言平行数据集，通过上下文学习和微调两种方式，系统性地观测了基于语言的性能差异。研究发现，LLM 在处理低资源语言时，在新知识学习的效率、跨语言迁移、知识冲突的优先级处理以及…- 0
- 0
-
一口气看完了200+企业的300多个AI案例，我发现了什么？
过去两个月时间，InfoQ 发起了中国技术力量年终榜单的案例征集（评选结果请戳【阅读原文】），最终一共征集到了来自 200+ 企业的 300 多个 AI 案例，根据对这些提报案例的分析，我们发现当前中国人工智能产业正处于一场深刻而务实的转型之中，从早期对模型参数规模、技术指标和算力堆砌的模型竞赛，逐步转向以业务价值、落地效率与合规性为核心的落地竞赛。通过对这些案例的系统梳理，可以清晰地看到，真正实…- 0
- 0
-
Kubernetes 会成为 AI Agent 的最佳运行平台吗？
📄 文章摘要从云原生演进视角出发，系统阐述为什么 AI Agent 需要 Kubernetes 级别的基础设施，以及如何通过 Agent 编排、MCP 服务化与 AI 原生网关，构建真正生产级的 AI 原生架构。作为一个长期在云原生领域工作的实践者，我越来越确信一件事：AI Agent 不只是一个应用形态的变化，而是基础设施范式的迁移。随着人工智能从 Demo、Copilot 逐步走向真正承担任务…- 0
- 0
扫码打开当前页
联系我们
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×