AI相关

99% of our production code is written by AI. Last Tuesday, we shipped a new feature at 10 AM, A/B tested it by noon, and killed it by 3 PM because the data said no. We shipped a better version at 5 PM. Three months ago, a cycle like that would have taken six weeks. We didn’t get here by adding Copilot to our IDE. We dismantled our engineering process and rebuilt it around AI. We changed how we plan, build, test, deploy, and organize the team. We changed the role of everyone in the company. ...

4 个工作 Skill + 2 个运维 Skill，装完 Claude 直接变工作搭档 必装 Skill 推荐，你刷过多少篇了？ 装了几个，打开 Claude 还是不知道该用哪个 装了跟没装，感觉差不太多 其实不是 skill 的问题 ...

你的第二大脑死过几次了？ 我死过三次 第一次搭的时候特认真。标签打好，结构理清，交叉链接也做了 两个月后标签过时了没人改，断链了没人修。新笔记往里一扔就不管了 ...

原文来源：@linyishan 一天时间，Google 的开源大模型 Gemma-4-31B 就被彻底破解，被完全移除安全限制。 没错，大模型也可以破解，也叫作越狱。 对开源大语言模型进行越狱，在技术社区中通常被称为 Abliteration（消融法）或权重对齐抹除。 ...

太长也要读 在写完《你不知道的 Claude Code：架构、治理与工程实践》、《你不知道的 Agent：原理、架构与工程实践》后，我想着继续来写第三篇，这次打算挑战下自己来梳理一下大模型训练到底怎么回事，这篇文章争取让非专业背景的人也能读得懂。 ...

RAG 消失之路 总结 新结构 M-FLOW 倒锥图路由 免嵌入 Embedding Free 文件检索 树状推理 PageIndex 无检索 【2026-2-27】阿里 Sirchmunk 结束 rag 终会消失 RAG 每个环节都藏着工程”暗伤”： 切片策略是玄学：按段落切？按 Token 数切？重叠多少？切片粒度直接影响检索质量，却没有银弹。 Embedding 是黑盒：换个 Embedding 模型，检索效果可能天差地别。而且向量只是原文的一个”有损压缩”，信息必然丢失。 索引更新是噩梦：文档改一行，可能需要重新切片、重新 Embedding、重新写入。实时性？基本别想。 基础设施是成本：Milvus、Qdrant、Pinecone……光是向量数据库的选型、部署、运维就能消耗大量精力。 详见站内专题： 大模型应用技术之RAG，检索增强生成 ...

同一个游戏，$9 做出来的核心玩法是坏的，$200 做出来的能玩。 Anthropic 工程师用实战告诉你，多智能体协作框架是怎么工作的。 同一个任务，两种做法，结果让人无法忽视。 ...

我的AI采用之旅 核心洞察：Mitchell Hashimoto——一位曾对AI持深度怀疑态度的资深技术专家——通过一套六步系统化实践，完成了从抗拒到有效使用的转变。他发现，真正的价值不在于聊天机器人，而在于能够读取文件、执行程序、发起网络请求的智能体（Agent）。关键在于刻意练习、模式转变和工程化约束，而非盲目追随炒作。 ...

前几篇教程教大家装好了 Obsidian，接上了 AI，笔记终于有了个家。 但用着用着你会发现一个问题：刷 Twitter 或者网站看到一篇好文章，想存到 Obsidian 里 — 怎么弄？ ...

你有没有遇到过这种情况：每次让 AI 写代码，都要从头解释一遍背景。“这个功能是给谁用的？” “为什么要这样设计？” “上次客户怎么说的？” 解释完一轮，AI 写出来的代码还是不对，你又得重新调整。反反复复，还不如自己写。 ...