● 最新博客
全部文章 →Maybe 死了,Sure 活了:一个开源理财应用的社区复活案例
烧掉近百万美元的 Maybe Finance 停摆归档,社区 fork 出 Sure,482 天攒下 16k 星。拆解怎么自托管、怎么把 LLM agent 当客户端,以及可抄的复活 playbook。
Claude Code 团队怎么做 code review:七层检查与收敛教训
90% 代码由 Agent 写的团队怎么 review?拆解 Claude Code 团队的七层流水线:AI 评审投票、风险分层审批、事故变 eval,还有 50 轮不收敛的教训。
Claude Code 团队怎么看待验证:三类测试与诚实的检查器
Claude Code 团队 90% 的代码由 Claude 写成。译文拆解他们的验证体系:三类值得投入的测试、verify skill、REVIEW.md 与 observe mode 门禁。
Laminar 拆解:Agent 观测平台卷到了 coding agent 和沙箱评测
开源 Agent 观测平台 Laminar:一行 init 自动埋点、一条命令给 Claude Code 装插件、harbor run 加一个 flag 回放评测轨迹,还能和 Langfuse 双写共存。
SkillEvaluator 拆解:给 Agent 技能做质检,量化技能到底有没有用
NVIDIA 开源的 SkillEvaluator 用三层流水线给 Agent 技能做质检:无模型静态打分、embedding 去重,再用有技能/无技能 A/B 实测算出 Skill Lift。
FrontierHarness v1.1:21 组 Harness 跑平同行,跑不赢 100 行基线
26040 次运行、21 组 Harness、5 个模型、17842 美元账单:冠军 62.3% 与 100 行基线在统计上无差别,模型单价差 7 倍,64% 的钱烧在失败上。
Chrome 团队把 Web 最佳实践塞进 Agent:拆解 modern-web-guidance
Chrome 官方 Agent 技能拆解:208 篇 Web 指南、29,165 词本地向量检索、33 条 legacy 规则,附实测输出与三个边界。
Agent 越跑越笨?Deep Agents 上下文工程的检索与记忆
汇总 LangChain 两篇官方指南:用检索把对的信息挡在窗口外,用 offloading、summarization、skills、subagents 和 memory 管理已进窗口的上下文。
什么是评测驱动开发 EDD:如何改进 AI Agent
LangChain 官方博客译文:定义好、先写评测、改完对比,用三步循环把 Agent 开发变成可度量的爬山过程。
Codex Security 拆解:值钱的不是模型,是那份封条
12k 星的 Codex Security,最硬的设计不是哪个模型,而是 SHA-256 封条、不写行号的指纹、以及把 89% 误报当主场的评测。
HarnessMM 拆解:80% 的 token 省在输入里,不在输出里
HarnessMM 在 MBPP 上省 80.35% token、准确率升 1.56 点。拆开聚合文件后发现省的全是输入侧,而相对 CoT 对照准确率反而低。
Omarchy 深度拆解:4.7 万星的 Arch 桌面,把 23 个 Agent 装成第一公民
Omarchy 是 DHH 的 Arch + Hyprland 桌面方案,自带快照回滚与 23 个 Agent CLI。本文拆安装流程、更新机制、主题流水线,也讲清关掉 Secure Boot 的代价。
RSI 不一定改模型:Harness² 与 Dream-RSI 的两条递归路线
Harness² 在没有标准答案时用对比式反馈改执行脚手架,Dream-RSI 把探索历史当回放模拟器评估策略。两篇论文的方法、数字和边界。
agent-browser:一条命令一步操作,Vercel 的浏览器 CLI 拿下 4.8 万星
Vercel Labs 的 Rust 浏览器 CLI:把页面压成 accessibility tree 加 ref,一步一条命令,daemon 常驻复用会话,技能文档随二进制发版。
Claude Code Game Studios:49 个 AI agent 凑成一家游戏工作室
拆解 3.7 万星模板仓库 Claude Code Game Studios:用 49 个岗位化 agent、75 个 skill 和 18 个 hook 把 Claude Code 编排成虚拟游戏工作室,含 rigor 三档流程、强制治理钩子与框架自测体系。
NVIDIA Auto Ontology:让 agent 先证明能回答,再写 SQL
拆解 NVIDIA 开源的 Auto Ontology:从企业元数据自动生成本体、人工认证后再让 agent 写 SQL,含 answerability 拒答、SQL attributes 指标复用与 MCP 只读设计,以及和 Vanna/WrenAI/dbt 的分工。
Scrapling:10 万星爬虫框架,选择器失效后能自己找回来
拆解 10 万星 Python 爬虫框架 Scrapling:无 AI 的自适应元素跟踪、双 Fetcher 反检测分层、Spider 断点续爬与 MCP 接入,以及它和 Scrapy/Playwright/BeautifulSoup 的真实分工。
VibeVoice 删了 TTS 之后还剩什么:从安装到 60 分钟会议转写
微软 VibeVoice 现在的真身是会议 ASR:四种部署跑法、LoRA 微调、7.5 Hz 帧率与 64K 上下文预算的设计拆解,以及与 Whisper、SenseVoice 的同口径横评。
Anthropic 拆解 Agent 记忆:该记什么比怎么存更重要,Opus 5 首次闭环
Anthropic 用 CL-Bench 1.0 与《宝可梦 红》测量 agent 记忆:判断该记什么比怎么存更重要,Opus 5 首次闭合从错误到规则的学习闭环。
词光 Word Atlas:7,298 个词的星图,和 679 MB 的代价
4,409 星、932 fork、14 个 commit:四个生成脚本产出的雅思词库,7,298 个词配 22,905 段录音,和外部团队挑出的 31 个 bug。
《小王子》16 天做成能逛的 3D 世界:littleprince.dev 创建全拆解
16 天、Opus 5.5、Tripo 与 Blender 做出来的浏览器 3D 世界:八章切片、Unity WebGPU、115 个 Addressables 包、流式 SHA-256 与坏缓存自愈的真实代码拆解。
江山时序源码拆解:数据从哪来,26MB 疆域怎么压成 2MB
源码级拆解江山时序:CHGIS V6 三层数据来源、跨快照引用的 GeoJSON schema、VLQ 把 26MB 压到 2MB、自研 Mercator 与标注防碰撞、只降不升的拓扑审计棘轮。
expression-trainer 拆解:确定性词库打底,AI 只做判断层
1309 star 的本地表达训练器:Sherpa-ONNX 离线转写+词库实时高亮+AI 八字教练提示。拆它的两层架构与 prompt 规则机,也拆'27000 词库'的水分。
📢 广告位招租
通过公众号「AI人工智能时代」留言联系作者
关注公众号入群聊