多Agent开发笔记:为什么4个Codex加1个Claude会把cpu跑满
多Agent开发笔记:为什么4个Codex加1个Claude会把9700X跑满 好家伙, vscode里开了四个codex拓展 + 一个 claude把我cpu吃满了,不是哥们,我9700X啊 按理说,8 核 16 线程的桌面 CPU,日常开发应该不算弱. 但我同时开了: 4 个 Codex 1 个 ...
对于Prompt的思考：从“手写”到提示词采样、A/B Test 与自动化评测
tldr: 1、好 prompt 是激活正确分布：底层原理 2、对于强 agentic 模型，过度规则会造成模型开始“执行规则”，而不是进入状态：不同模型，不同策略 3、编写prompt的采样也是在挖掘自己的真正需求：模型可以走多远、现在这个路径是不是正确的？ 4、模型采样输出prompt和对应回答 ...
LLM 数据可视化：从“硬编码”到“Generative UI”的五种范式
声明：本文在写作过程中使用了AI辅助工具进行资料整理、结构优化与语言润色。核心观点、技术判断与工程经验均为作者原创。 一、问题：卡在渲染层 项目里有这样一条链路：用 LLM 按指定的 schema 抽取领域数据（structured output），拿到结构化数据后，前端写代码把它渲染出来： typ ...
基于大模型、AiInsight问数框架的高炉冶炼智能体研究与应用（面向高炉历史诊断、目标优化与生产决策辅助）
AiInsight 问数框架将大模型、技能包、数据源、工艺知识库和工具执行统一到一个智能体流程中。用户可以用自然语言或明确命令发起任务，系统根据已选大模型、技能、数据源、文件和知识库构造上下文，分步骤完成数据查询、工艺推理、脚本分析和报告生成等过程。 ...
测试人必备的用例评审SKILL，采纳率提升至95%以上
做测试的同学都知道，用例评审是个"苦力活"。 每次需求变更，都要手动对比：现有用例覆盖了哪些功能点？需求里的功能是否还有遗漏？边界条件考虑了吗？异常场景测了吗？ 拿着Excel用例，对着几十页的PRD文档，一条一条核对，眼睛看花了不说，还容易漏。更要命的是——评审结果全靠人工判断，不同人评审标准还不 ...
用SymPy自动计算抛物线求根、判别式与顶点
做 Manim 动画时，我想让抛物线 $ y=x^2+bx+2 $随着系数 b 的变化，自动、精准地显示它与 x 轴的交点。 手写求根公式不仅繁琐，还要自己处理判别式为负的情况，稍不注意 math.sqrt 就会让整个动画崩溃。 本文我们就用 SymPy 彻底解决这个痛点。 1. 痛点场景还原 假设 ...
自建 Copilot Cli 代理：让 GitHub Copilot 真正"Bring Your Own Key"
自建 Copilot Cli 代理：让 GitHub Copilot 真正"Bring Your Own Key" Github: https://github.com/wosledon/copilot-auto-byok 一个基于 .NET 10 的轻量级模型代理，解决 Copilot Cli 只 ...
JuiceFS 1.4｜大规模元数据操作优化：批量删除、克隆与 Redis 缓存全解析
在 AI 训练、数据集管理等大规模文件访问场景中，随着文件数量和访问并发增加，元数据层往往更早成为性能瓶颈。无论是删除百万级小文件、克隆大规模数据集，还是高并发目录遍历，元数据引擎的响应能力都会直接影响上层业务效率。 JuiceFS 社区版 1.4 在元数据引擎层面引入了三项优化：批量删除（Batc ...
大话电容传感器和电容SOC芯片，看这一篇就够了
从口袋里的手机屏幕，到工厂里不知疲倦的生产线；从农田里监测土壤的探头，到管道中识别介质的开关，电容传感器早已成为现代社会中 “看不见的感知触手”。它无需物理接触，却能感知万物的细微变化，以多样的形态适配着消费电子、工业控制、农业监测等无数场景，渗透到我们生活与生产的每一个角落。 ...
旧手机别扔！用 Termux 搭个私人云盘，比网盘香多了
你是不是也有台旧安卓在抽屉里吃灰？其实只要装上Termux，再跑个FileBrowser，十分钟就能变成一台7×24小时在线的私人云盘，再也不用忍受网盘限速和和谐。这篇文章不仅手把手带你实战搭建，还会横向对比几种常见方案，把我踩过的坑、最稳的配置一次讲清楚，让你少走冤枉路。 ...
Docker--搭建私有镜像中心Harbor
公网镜像中心 Docker Hub 和阿里云都是Docker 的公网镜像中心，用户可以将镜像push到镜像中心的镜像仓库里，可以将仓库设为私有库，他人无法访问，保证镜像安全。 但是，实际工作中，一般在公司内部搭建一个私有镜像中心。 发布镜像到阿里云 注册一个阿里云账号，并完成实名认证 创建镜像中心实 ...
Claude Code v2.1.139 深度解读：Agent 视图 + /goal 命令的架构逻辑
说实话，我第一次看到 Claude Code v2.1.139 的 changelog，以为只是个普通版本更新——新功能扫了一眼，Agent 视图和 /goal 命令，感觉不就是「任务管理器」和「批量执行」嘛，有什么大惊小怪的。 结果真正用了两天，才发现自己浅了。 这次更新不是在 Claude Co ...
我有一点隐隐的不安：AI时代，知识会不会被少数人“圈养”起来？
我有一点隐隐的不安：AI时代，知识会不会被少数人“圈养”起来？ 引言 在这个大模型发展日新月异的时代，国内外的模型层出不穷——国外有GPT、Claude、Gemini，国内有GLM、Qwen、Minimax等等。它们帮我们处理很多事情，让我们能更高效地应对生活。 但大模型越来越强大，人们也越来越依赖 ...
沪漂五周年了：我越来越迷茫了
今天，是我来上海沪漂的第五年。 五年前刚来上海的时候，我心里更多是兴奋。那时候觉得，只要自己肯学、肯卷、肯熬夜，把 Vue、React、Node、小程序、工程化这些东西学明白，在大城市站稳脚跟应该不是一件特别难的事。 现在五年过去了，我从前端做到全栈，又开始往 AI 应用方向转。我做过 AI 查询、 ...
Agentic Skill Routing 实战：别再把所有 Skill 塞进 AI Agent 上下文
把低频 Skill 变成可检索冷存储，让 Agent 按需找回能力，省上下文也更稳。 原文链接：AI小老六 导语 Agent 的能力越来越像一个小型操作系统：它能读文件、调接口、写代码、查日历，也能按团队经验执行一套固定流程。Skill 就是把这些经验沉淀下来的常见方式。 问题也随之出现。Skill ...
MySQL-Seconds_behind_master的精度误差
MySQL-Seconds_behind_master的精度误差 前言 Seconds_behind_master是我们观察主从延迟的一个重要指标。但任何指标所能表示的精度都是有限的。例如用精度只能到秒的指标去衡量毫秒级的表现就会产生非常大的误差。如果再以此误差去分析问题，就会让思维走上弯路。例如用 ...
[MAF预定义ChatClient中间件-03]CachingChatClient——利用缓存省钱省时间
我们知道LLM的调用不仅仅是一个耗时的操作，还会产生一定的费用，所以我们希望能够尽可能地减少不必要的调用。`CachingChatClient`就是为此而生的一个中间件实现，它通过在内存中维护一个缓存来存储之前调用LLM的输入和输出，从而避免了对相同输入的重复调用。当我们调用`GetResponse... ...
AI的至暗历史：从万众期待到被政府撤资，AI的两次死亡徘徊
从AlphaGo的棋局到日常的对话与绘画，我们正享受着AI带来的便利，但你是否想过，这位无所不能的‘大脑’，是如何从七十年前那个夏天的纸上谈兵，一步步成长起来的？ ...
Agent OS ：五种驯服不确定性的范式
Agent OS ：五种驯服不确定性的范式 目录Agent OS ：五种驯服不确定性的范式0x00 概要0x01 Part 1: 问题空间1.1 不确定性的六个来源1.2 三个独有问题1.3 跨领域全景：计算机中"驯服不确定性"的经典实践1.4 分布式系统深度对标1.4.1 8 个经典问题全景对照1 ...
数据库即时编译JIT
JIT 是 Just-In-Time Compilation，即“即时编译”。意思是：程序运行到某段代码时，才把原本解释执行的逻辑编译成 CPU 可以直接执行的本机机器码。PostgreSQL 文档给的典型例子是：不用一个通用表达式解释器去判断 WHERE a.col = 3，而是为这个具体条件生成 ...
