AI应用领域从业者赶FDE风口教程
本文科普FDE（现场部署工程师）定义，即深入企业落地AI、助其降本增效，并从技能准备、能力证明、入行接活与项目流程三方面，为AI从业者提供赶FDE风口的实操指南。 ...
大模型学习笔记 06：数据越多越好吗？规模、质量与多样性的取舍
“数据越多越好”听起来很有道理，但读到数据章节时，我觉得更准确的说法应该是：数据规模只是一个维度。数量、质量、来源结构和任务覆盖要一起看。盲目增加重复或低质量文本，收益可能很小，甚至会把某些能力带偏。 三个维度不是同一件事 规模：可用于学习的 token 总量，以及不同来源的采样比例。 质量：文本是 ...
装好 AI 编码工具后先让它干什么？Caravel 新手 20 分钟 6 步：从下载到第一次验收 AI 改动
一句话答案：第一次用 AI 编码 Agent，别急着让它「重构整个项目」——先装好一个 Agent、加一个你熟悉的项目，发一个一句话就能说清的小任务，然后看 Diff 决定留不留。在 Caravel 里这对应 6 步：认识界面 → 下载安装 → 安装并登录 Agent → 添加项目 → 发出第一个任 ...
基于 vLLM 搭建高吞吐私有化大模型推理集群：PagedAttention 与量化实战 (生产高阶进阶实战)
本文深入剖析企业级 vLLM 大模型推理集群架构，详解 PagedAttention 内存管理机制与 FP8/AWQ 量化调优，结合 Ray 分布式集群、API 调度网关与容灾治理，实现高并发、低延迟的私有化 LLM 服务落地。 ...
2026-10-29 梯度下降到底在做什么
数据是 100 个点，它们背后其实是 y = 3x + 2 加了一点噪声。但程序不知道 3 和 2，它只能从数据里一点点逼近。我想看清楚"逼近"这个动作具体发生在哪一步上。 一、先说清楚在优化什么 猜一组 (w, b)，用它算预测值，跟真实 y 比，误差平方求平均： loss(w, b) = (1/ ...
某AI行业研究员访谈概要
某AI行业研究员访谈概要 关于AI行为、工具链及工作流变革的访谈进行的深度文本分析与结构化梳理。本次梳理重点提炼了其中具有实际价值的“AI行为与操作”信息，并从内容识别、价值评估及结构化呈现三个维度展开：一、 核心AI行为的分类与重要性排序根据访谈中提及的AI技术应用深度、高阶交互形态及对实际生产力 ...
从知识沉淀到编程范式：AI Coding 项目冷启动落地实践
本文基于 SmartFlow 实践，提出存量业务 AI Coding 冷启动方法：从历史代码和需求中沉淀可复用 Skill，新需求通过规格化、评审、受控实现、验证联调与知识回写闭环交付，降低协同开发成本，推动 AI 成为持续积累的团队资产。 ...
苹果如何把30亿参数的模型装进了你的iPhone
苹果如何把30亿参数的模型装进了你的iPhone大语言模型（LLM）是一种神经网络。你可以用它来理解和生成语言。模型的行为取决于你在训练时教给它的数值。这些数值被称为参数。苹果把一个 30 亿参数的模型装进了你的 iPhone。这意味着该模型需要大约 30 亿个数值才能正常工作。这些数值决定了模型如 ...
科学AI插件化：从蛋白质结构到古籍修复
当你让一个AI编码助手去给人类基因组非编码变异打分、把错义突变映射到AlphaFold的3D结构上、从ChEMBL筛选纳摩尔级小分子抑制剂，或者用DeepMind的Aeneas模型复原一块两千年前的罗马铭文时，会发生什么？如果试图把40个科学API、限流器、临床安全护栏和3D WebGL可视化器塞进... ...
从零开发企业级 MCP Server：打通大模型与内部数据库的实战指南 (生产高阶进阶实战)
本文聚焦企业级 MCP Server（Model Context Protocol）演进路线，针对大模型（LLM）直连内部数据库时的 SQL 注入、连接池爆满与高并发雪崩等生产痛点，基于 Spring Boot 3.x 深度剖析安全熔断、AST 语法沙箱与高并发架构设计，并提供完整的生产级源码与避... ...
Zvec v0.8.0 正式发布
Zvec v0.8.0 发布啦！
这次围绕「平台扩展 + 查询提速 + 建图降本 + 开箱即用」做了一轮升级，欢迎大家更新试用～ ...
AIGC实践之运用姿势图
AIGC实践之运用姿势图示例姿势图x.com有一个博主正在建立database我们在豆包试一下原图单张图片SeeDream 4.5模型多图生成这一类女性人偶 pose 线稿，核心价值：统一姿势模板、给 AI 绘图 / 画师 / 3D 建模做姿态约束、人像拍摄动作脚本 美术、动漫、内容创作行业插画 / ...
用 AI 编程 Agent 会不会把公司代码传出去？「本地优先」到底哪些在本地、哪些会出网
一句话答案：用 AI 编程 Agent 时，真正离开你电脑的是「发给模型的上下文」——你的提示词、Agent 读过的文件片段、它执行命令的输出（包括查库结果和日志）；项目文件本身不会被整包上传，但 Agent 读到什么，什么就可能出网。守住代码和数据靠三件事：密钥不放进 Agent 能读到的地方，数 ...
月底看账单之前：AI 编码一个月花了多少、换来了什么？洞察台看成本，复盘台看交付
一句话答案：只看 Token 是记账，配上交付才是复盘。厂商账单往往只有总数；要说清「钱花在哪」，需要按 Agent / 模型 / 工作区拆开看消耗，并且费用只认 Agent 自报金额、不按 Token 瞎估；要说清「换来了什么」，需要把任务数、已交付、代码增减行等硬指标本地统计出来，再配上可点开核 ...
AI让写代码变快，但交付成本没降
用AI生成一个完整的认证流程，包括数据库结构、API路由和单元测试，不到半分钟就能完成。把一个混乱的组件重构成干净的React Hooks，也只需要一段提示词。写代码这件事，看起来已经接近免费了。
但一个“简单”功能从开发到上线仍然要花三周。这中间的落差，几乎每个用AI写代码的团队都遇到过。问题不在... ...
只用一个 Claude Code，有必要上多 Agent 工作台吗？Caravel 适合谁、不适合谁的 1 分钟自检
一句话答案：多 Agent 工作台不是人人都需要。如果你一次只做一件事、一个终端就够，继续用 Claude Code 或 Codex 的命令行就好；当瓶颈从「AI 写得慢」变成「我管不过来」——同时推进两个以上项目、常开好几个 Agent 终端、记不清谁在跑谁在等你、想让 Agent 放手改但合并权 ...
当同事变成AI的复读机
技术讨论里，有一种回复越来越常见：你抛出一个问题，对方隔了几秒，发来一段结构工整、面面俱到的文字，列了三个权衡，末尾还附上推荐方案。你追问其中一点，又等来一段同样工整的回应。来回几次，你意识到自己不是在和同事讨论，而是在和一个套着人皮的聊天窗口对话。
如果我想和AI辩论，我自己会打开浏览器，十秒钟就... ...
Codex 接入 KiCad 配置实录：用 kicad-mcp 连接原理图与 PCB 编辑器
本文基于 Huaqiu-Electronics/kicad-mcp 与 Codex 官方 MCP 配置，整理 Windows 接入 KiCad 的完整流程，涵盖 IPC、uvx、config.toml、启动顺序、只读验证、故障排查与安全使用边界。 ...
