微软开源Flint语义驱动的图表项目
微软开源Flint 是一种语义驱动的可视化中间语言，它让 AI Agent 和开发者能够通过紧凑且易于人工编辑的规范，创建出表现力强且精致的图表。你无需手动调整冗长的配置细节——比例尺、坐标轴、间距、标签、颜色和布局——只需声明每个字段的含义以及所需的图表类型，Flint 编译器便会推导出其余一切。 ...
15天学会AI应用开发（十二）从PDF、WORD、网页构建RAG
上一篇文章介绍了如何从TXT文件读取文本信息，可是日常办公很少使用纯文本的TXT格式，而采用专业的PDF格式或者WORD格式，有时还需要通过网页抓取知识。 接下来就介绍如何从PDF、WORD、HTML等文件中读取文本内容。 一、从PDF文件读取文本 PDF是一种常用的文档格式，常用于只读的通知文件 ...
用了 GitZip 这么多年，我动手做了一个「Pro」版
GitZip Pro 是一款 Chrome 扩展，在 GitZip 的基础上增加了智能忽略规则、五种下载场景、文件大小显示、自定义命名、通知提示和下载统计等功能，已开源并上架 Chrome 商店。 ...
人机协作的工程化进化路线与落地案例
从 “人控 AI” 到 “AI 产线”：人机协作的工程化进化路线与落地案例摘要 当 ChatGPT、GitHub Copilot 等 AI 工具从 “办公辅助选项” 变为 “研发流程刚需”，软件工程乃至整个知识生产行业，都在经历从 “AI 辅助人” 到 “AI 为中心、人工辅助” 的范式跃迁。这场变 ...
长视频如何实现信息压缩与细节
视频生成的"超强记忆术"：揭秘长视频如何实现信息压缩与细节还原1. 引言：视频生成的"健忘症"挑战AI 视频生成有个根本问题：模型记不住东西。想象一下，让你同时记住 1000 张照片里每个细节，在第 1001 张时还能完全还原第一张的内容，窗台上的花盆纹路、地毯的颜色分毫不差，这根本做不到。计算机也 ...
当 AI 进入推荐系统：从“推什么”到“怎么选”
推荐系统擅长回答“推什么”，用户却卡在“怎么选”。
本文探索：不改排序，补上排序之后的“表达与决策”——把游戏理解透，让同类多款可比较、可解释、可追溯。做法是让大模型放开探索、用工程约束收住，使生成稳定进生产。目标不是替代排序，而是帮用户从“给结果”走向“帮决策”。 ...
「装闭」-AI驱动的开源装修闭坑系统
「装闭」是一款AI装修审查工具，上传设计图纸、合同及报价单即可生成报告，逐条指出设计缺陷、合同猫腻、费用偏高及潜在增项。它内置踩坑知识库并支持联网搜索，完全站在消费者立场。 ...
vibe coding（三）InboxOrganizer：把文件整理集成进右键菜单
依旧是需求导向的简单应用，甚至比上一次的全屏浮窗还简单。相比之前，这次的主要尝试是加入注册表相关操作，以及对需求本身的分析。 1.总结 用时：半小时。 配置：Reasonix 接 dsV4-flash 花费： 成果：最终版是一个 275 KB 的 Rust 后端 exe 文件和两个用于写入和删除注册 ...
AI 站点可靠性工程 (SRE) Agent
背景SRE 自动化的演进：从手动干预到 Agent 驱动在现代复杂的微服务与多云生产环境中，传统的监控手段（Monitoring）往往只能在故障发生时触发零散的告警。然而，从感知告警到确定根因（RCA）的路径依然处于“人工黑盒”状态，高度依赖工程师的手动调查。OpenSRE 的核心价值在于其通过自动 ...
Hermes Agent安装踩坑复盘
网上很多手把手安装的教程已经很详细了，大多数都是一把过，但都没有把其中每一步安装的问题暴露出来，都是贴出成功的截图，真实的是由于环境的复杂性从第一步就碰到了问题，其中大部分都是贴问题给deepseek或kimi来一步一个坑的来解决，反复折腾，现在复盘记录下大部分的问题。 一、环境准备：WSL2 安装 ...
上下文工程：AI 智能体为什么离不开它？
说白了，上下文工程就是研究"怎么给AI喂对的信息"。以前大家觉得会写提示词就够了，但现在AI越来越复杂，光靠静态的提示词根本不够用。你得学会怎么管好上下文，不然AI就会乱跑、乱说、乱花钱。 ...
告别 AI“草台班子”：一文读懂 Hermes Kanban 多智能体协同设计
最近圈子里大家都在疯狂折腾 “Vibe Coding”，不管是用 Claude Code 还是在本地部署 OpenClaw 搞多智能体工作区，最终目的都是想让 AI 们自己打配合，把整个开发流水线或者业务闭环跑通。 但现实往往很骨感。当你满怀期待地看着几个 AI 开始“开会”时，经常会遇到让人高血压 ...
AI与被回应的权利
AI 与被回应的权利 你正在看一篇新闻，遇到一个词——"量化宽松"。你隐约知道它跟钱有关，但说不上来是什么。以前你会怎么做？划过去。因为搞清楚这个词的成本太高了——搜索、翻找、点开、看不懂、关掉。算了。 提问从来不需要许可，但"被回应"需要——不是指搜到一条链接、翻到一页书那种回应，而是有人听懂你的 ...
训练 Agent 最怕什么？不是模型笨，是环境烂。
训练 Agent 最怕什么？不是模型笨，是环境烂。外卖这类业务场景里，直接在真实环境训练 Agent 基本行不通。原因就两个：第一,你真分不清它是蒙对的还是真会了。Agent 成功完成一单外卖退款,是因为推理正确,还是碰巧参数没报错?这种信号没法教它什么是对的。第二,真实数据又少又贵。靠人工标注喂一 ...
iNeuOS 发布人工智能助手：小i助手，所问即所答，面向运维、工艺、管理人员提供一站式 AI 赋能
小 i 助手是搭载在 iNeuOS 平台上的面向工业专属大模型智能应用，依托平台内置的大模型能力深度融合生产业务场景，面向运维、工艺、管理人员提供一站式 AI 赋能。 ...
高光谱拼接算法（六）RANSAC 误匹配剔除
本篇算法仓位：RANSAC 1. 特征匹配中的几何约束 上一篇我们梳理了 SIFT 的多种变体与改进方向，现在再回到拼接管线本身： 之前我们利用 SIFT 完成了特征匹配，拿到了初步的匹配点对，但即使经过比率测试，结果中仍然存在误匹配。原因是： 比率测试只关心描述子空间的"数值接近性"，不关心两张图 ...
用 GPT Researcher 前，先验证“资料来源合同”
把 GPT Researcher 当成研究流水线，而不是更会写的搜索框：先验证 retriever、source URLs、citation、local document、MCP 与 backend 边界。 ...
大语言模型自我验证机制与环境鲁棒性前沿技术研究报告
大语言模型自我验证与环境鲁棒性研究问题背景大模型的应用正在从单次问答走向长程执行。当上下文扩展到几千甚至几万个 token 时，模型需要在更长的推理链中保持决策一致性。但链路越长，状态空间越大，轨迹越容易偏离原始目标。一旦外部工具返回延迟、格式错误或残缺的响应，模型就可能走偏，而长上下文中的冗余信息 ...
突发！阿里全面禁用 Claude Code！！
大家好，我是R哥。 Claude Code 最近是风光无限啊，一方面 Fable 5 回归，一方面是给中国用户提示词代码下毒，还在邮件里留定位后门，被全网唾弃。 国内终于有大厂出手了，阿里宣布全面禁用 Claude Code，而且不只是禁 Claude Code，是 Anthropic 全系列产品都 ...
