每日AI动态 - 2025-12-08

Mon, 08 Dec 2025 08:00:00 +0800

2025-12-08的AI技术动态汇总

每日AI动态 - 2025-12-07

Sun, 07 Dec 2025 08:00:00 +0800

2025-12-07的AI技术动态汇总

每日AI动态 - 2025-12-06

Sat, 06 Dec 2025 08:00:00 +0800

2025-12-06的AI技术动态汇总

Thinking Machine Lab的定位与商业模式

Fri, 05 Dec 2025 20:10:00 +0800

前OpenAI首席技术官穆拉蒂创立的初创公司Thinking Machines Lab，其核心战略就是：**Commoditize the Base Model, Monetize the Customization.**（让基座模型商品化/基础设施化，通过定制化服务来变现。）

每日AI动态 - 2025-12-05

Fri, 05 Dec 2025 08:00:00 +0800

2025-12-05的AI技术动态汇总

TrendRadar - 多平台热点聚合和AI智能分析

Fri, 05 Dec 2025 00:00:00 +0800

TrendRadar 是一个用于多平台热点聚合和AI智能分析的开源项目，主要功能包括热点新闻监控、智能筛选及推送，同时支持基于MCP协议的深度分析。

OpenEnv: 智能体安全执行环境

Thu, 04 Dec 2025 22:10:00 +0800

Meta和Hugging Face正在合作推出**OpenEnv Hub**，这是一个共享和开放的社区中心，用于开发、分享和探索兼容OpenEnv的智能体环境，以支持下一波智能体开发浪潮。这些环境可以用于训练和部署，并作为可扩展智能体开发的基石。

OpenSkills 使用指南

Thu, 04 Dec 2025 20:00:00 +0800

OpenSkills 是一个用于在 Cursor 和 Trae 中使用 Claude Skills 的开源工具，提供了详细的安装和使用指南。

每日AI动态 - 2025-12-04

Thu, 04 Dec 2025 08:00:00 +0800

2025-12-04的AI技术动态汇总

每日AI动态 - 2025-12-03

Wed, 03 Dec 2025 08:00:00 +0800

2025-12-03的AI技术动态汇总

Gabriel Petersson 的学习方法论和职业发展策略

Tue, 02 Dec 2025 20:10:00 +0800

**Gabriel Petersson**（从高中辍学生到 OpenAI 研究员）分享的核心学习方法论和职业发展策略

每日AI动态 - 2025-12-02

Tue, 02 Dec 2025 08:00:00 +0800

2025-12-02的AI技术动态汇总

每日AI动态 - 2025-12-01

Mon, 01 Dec 2025 08:00:00 +0800

2025-12-01的AI技术动态汇总

Google Nested Learning原理剖析与Hope架构：迈向持续学习的新范式

Mon, 01 Dec 2025 00:00:00 +0800

Google Nested Learning原理剖析与Hope架构：迈向持续学习的新范式

OpenAI Codex

Sun, 30 Nov 2025 09:10:00 +0800

Codex是OpenAI发布的一个轻量级编码代理工具，可以在终端本地运行，同时支持与ChatGPT账户或API密钥集成。项目主要由**Rust**开发,支持MCP服务器、非交互模式、沙盒及审批规则等功能，还支持TypeScript SDK和GitHub Action等扩展使用方式。

每日AI动态 - 2025-11-30

Sun, 30 Nov 2025 08:00:00 +0800

2025-11-30的AI技术动态汇总

【翻译】打造 AI 原生工程团队：编码智能体如何加速软件开发生命周期

Sat, 29 Nov 2025 23:14:00 +0800

OpenAI关于通过将复杂的编码智能体集成到软件开发生命周期（SDLC）中，来实现构建人工智能原生工程团队的转变。涵盖了从规划和设计蓝图到生成完整的构建实施、测试以及操作维护。通过将起草测试、处理样板代码和进行初步代码审查等机械性工作授权给智能体，团队的工作效率得到大幅提升。这种转变使工程师能够将注意力集中于高级架构、系统推理和产品意图，保持对关键战略决策和最终代码质量的最终所有权。

GitHub Copilot 优化工具数量，如何保证大模型推理效率和准确性？

Sat, 29 Nov 2025 22:20:00 +0800

deep dive into LLMs like ChatGPT相关资源链接

DeepSeekMath-V2 技术白皮书：迈向自验证数学推理

Sat, 29 Nov 2025 12:10:00 +0800

本文介绍了DeepSeekMath-V2，旨在克服传统上依赖最终答案的数学推理奖励机制的局限性。其核心创新在于通过训练一个专门的证明验证器来评估推导的逻辑严谨性，从而实现自我可验证的数学推理能力。该系统引入了元验证过程，以确保验证器识别的错误是准确的，并利用此验证器作为奖励模型来训练生成器进行自我评估和迭代优化。这种生成与验证的协同作用创建了一个循环，通过扩展计算规模来自动标注难以验证的新证明，从而提高了系统的能力。

每日AI动态 - 2025-11-29

Sat, 29 Nov 2025 08:00:00 +0800

2025-11-29的AI技术动态汇总

沈向洋

Fri, 28 Nov 2025 20:00:00 +0800

沈向洋的观点搜集

每日AI动态 - 2025-11-28

Fri, 28 Nov 2025 08:00:00 +0800

2025-11-28的AI技术动态汇总

每日AI动态 - 2025-11-27

Thu, 27 Nov 2025 08:00:00 +0800

2025-11-27的AI技术动态汇总

每日AI动态 - 2025-11-26

Wed, 26 Nov 2025 08:00:00 +0800

2025-11-26的AI技术动态汇总

每日AI动态 - 2025-11-25

Tue, 25 Nov 2025 08:00:00 +0800

2025-11-25的AI技术动态汇总

每日AI动态 - 2025-11-24

Mon, 24 Nov 2025 08:00:00 +0800

2025-11-24的AI技术动态汇总

每日AI动态 - 2025-11-23

Sun, 23 Nov 2025 08:00:00 +0800

2025-11-23的AI技术动态汇总

Gemini Nano Banana Pro：技术奇点、生态重构与行业影响全景解析

Sat, 22 Nov 2025 20:10:00 +0800

Google Gemini Nano Banana Pro（Gemini 3 Pro Image）把图像生成从“凭感觉出图”提升为“有推理、有规划的工业级生产工具”：它基于 Gemini 3 的多模态推理和实时搜索能力，在生成前先理解语义与布局、保证细节一致性，同时支持 4K 画质、强文本渲染和多图参考控制，重点服务品牌物料、信息图表、教育与游戏等专业生产场景，并通过云端算力、Workspace/Vertex AI/Adobe 等生态整合与合规水印，把 AI 出图真正变成企业级内容生产基础设施。

每日AI动态 - 2025-11-22

Sat, 22 Nov 2025 08:00:00 +0800

2025-11-22的AI技术动态汇总

每日AI动态 - 2025-11-21

Fri, 21 Nov 2025 08:00:00 +0800

2025-11-21的AI技术动态汇总

芮勇博士介绍

Thu, 20 Nov 2025 16:10:00 +0800

芮勇博士介绍

深入理解AI Agent：芮勇博士的九个核心问题解析

Thu, 20 Nov 2025 16:10:00 +0800

联想芮勇博士对AI Agent的未来提出了九个深刻而关键的问题

每日AI动态 - 2025-11-20

Thu, 20 Nov 2025 08:00:00 +0800

2025-11-20的AI技术动态汇总

每日AI动态 - 2025-11-19

Wed, 19 Nov 2025 08:00:00 +0800

2025-11-19的AI技术动态汇总

每日AI动态 - 2025-11-18

Tue, 18 Nov 2025 08:00:00 +0800

2025-11-18的AI技术动态汇总

每日AI动态 - 2025-11-17

Mon, 17 Nov 2025 08:00:00 +0800

2025-11-17的AI技术动态汇总

每日AI动态 - 2025-11-16

Sun, 16 Nov 2025 08:00:00 +0800

2025-11-16的AI技术动态汇总

AI课程集合（持续更新中...）

Sat, 15 Nov 2025 16:10:00 +0800

搜集到的网络上的各种AI课程合集

⚔️ React UI 库江湖大比拼：全栈选型指南

Sat, 15 Nov 2025 14:03:00 +0800

本文基于深度技术视角，分析 Fluent UI、MUI、Ant Design、Shadcn/ui 以及新兴势力 Mantine、HeroUI（原NextUI）的江湖地位、核心优劣势及未来 AI 驱动的 UI 演进方向。

每日AI动态 - 2025-11-15

Sat, 15 Nov 2025 08:00:00 +0800

2025-11-15的AI技术动态汇总

每日AI动态 - 2025-11-14

Fri, 14 Nov 2025 08:00:00 +0800

2025-11-14的AI技术动态汇总

每日AI动态 - 2025-11-13

Thu, 13 Nov 2025 08:00:00 +0800

2025-11-13的AI技术动态汇总

每日AI动态 - 2025-11-12

Wed, 12 Nov 2025 08:00:00 +0800

2025-11-12的AI技术动态汇总

每日AI动态 - 2025-11-11

Tue, 11 Nov 2025 08:00:00 +0800

2025-11-11的AI技术动态汇总

通过代码执行提高模型上下文协议（MCP）效率的机制

Mon, 10 Nov 2025 21:10:00 +0800

通过代码执行提高模型上下文协议（MCP）效率的机制，主要在于优化了上下文窗口的使用、降低了Token消耗、加速了复杂任务的执行，并提高了代理处理工具的能力。

每日AI动态 - 2025-11-10

Mon, 10 Nov 2025 08:00:00 +0800

2025-11-10的AI技术动态汇总

每日AI动态 - 2025-11-09

Sun, 09 Nov 2025 08:00:00 +0800

2025-11-09的AI技术动态汇总

Oolong

Sun, 09 Nov 2025 00:00:00 +0800

Oolong 是一个针对长上下文模型的挑战性聚合基准测试项目，包括相关代码和评估脚本（完整版本即将发布）。其目标是评估模型的长上下文推理和聚合能力。

每日AI动态 - 2025-11-08

Sat, 08 Nov 2025 08:00:00 +0800

2025-11-08的AI技术动态汇总

多智能体并行化与聚合模式详解

Fri, 07 Nov 2025 10:10:00 +0800

多智能体并行化与聚合模式详解: 多智能体并行化与聚合模式是一种高效的多智能体协作模式，其核心思想是将大型任务分解为可独立执行的子任务，并利用多个智能体同时处理这些子任务，以显著提高系统的处理速度、可扩展性和响应能力。在所有子任务完成后，一个或多个聚合智能体将所有并行结果进行整合，得出最终的统一输出。

多智能体群组对话与辩论模式详解

Fri, 07 Nov 2025 10:10:00 +0800

多智能体群组对话与辩论模式详解: 多智能体群组对话与辩论模式旨在通过模拟人类团队的讨论和辩论过程，利用多个专业智能体之间的相互批判和协作，共同解决复杂问题或达成高置信度的决策。该模式的核心价值在于冗余验证和多角度论证，从而显著提升最终输出的质量和可靠性。

多智能体装配线与角色分工模式详解

Fri, 07 Nov 2025 10:10:00 +0800

多智能体装配线与角色分工模式详解: 多智能体装配线与角色分工模式是一种高效的多智能体协作模式，其核心思想是模仿人类团队或工业装配线的工作流：将复杂任务分解为一系列固定顺序的阶段，并由具备高度专业化角色的智能体负责各自的阶段。在这种模式中，上游智能体生成标准化输出，作为下游智能体的输入，以确保阶段隔离和流程的可靠性。

每日AI动态 - 2025-11-07

Fri, 07 Nov 2025 08:00:00 +0800

2025-11-07的AI技术动态汇总

Agentic设计模式：Router

Thu, 06 Nov 2025 22:10:00 +0800

Router模式为智能体操作框架引入了**条件逻辑**，使其能够根据**环境状态、用户输入或前序操作结果**等因素，在多个潜在的专用函数、工具或子流程之间进行**仲裁和动态决策**。

Agentic设计模式：Tool Use

Thu, 06 Nov 2025 18:10:00 +0800

Tool Use模式使智能体能够通过集成外部能力来执行超越其训练数据范围的行动。

每日AI动态 - 2025-11-06

Thu, 06 Nov 2025 08:00:00 +0800

2025-11-06的AI技术动态汇总

Agentic设计模式：Human-in-the-Loop

Wed, 05 Nov 2025 18:10:00 +0800

Human-in-the-Loop模式是一种智能系统设计，它将人类输入直接集成到智能体的自主工作流程中。

OpenAI学院

Wed, 05 Nov 2025 14:10:00 +0800

OpenAI Academy 是由 OpenAI 官方创建的一个综合性学习与社区平台。通过系统性的知识传授和技能培养，帮助个人和组织解锁人工智能时代的巨大潜力，有效利用 AI 技术应对现实世界的挑战。

智能体元设计与元优化设计模式详解

Wed, 05 Nov 2025 10:10:00 +0800

智能体元设计与元优化设计模式详解: 智能体元设计与元优化模式是一种元模式，它超越了传统智能体的执行层面，将大型语言模型（LLM）的推理能力提升到架构设计师和提示工程师的层级。该模式的核心在于让 AI 系统具备自主生成、评估、优化其内部多智能体（MAS）架构和协作配置的能力，以实现针对每个问题实例的自适应和最优性能。

每日AI动态 - 2025-11-05

Wed, 05 Nov 2025 08:00:00 +0800

2025-11-05的AI技术动态汇总

Agentic设计模式：Planning

Tue, 04 Nov 2025 18:10:00 +0800

Planning模式要求智能体在执行开始之前，先将一个复杂的目标分解为结构化的路线图或有序的步骤序列。它将智能体从简单的反应者升级为主动的战略执行者。

每日AI动态 - 2025-11-04

Tue, 04 Nov 2025 08:00:00 +0800

2025-11-04的AI技术动态汇总

Agentic设计模式：Agentic RAG

Mon, 03 Nov 2025 20:10:00 +0800

Agentic RAG模式是基础检索增强生成（RAG）模式的**高级演进**，它在传统的检索-生成流程中**嵌入了推理和决策层**（即智能体），从而将 RAG 从一个被动的数据管道转变为一个**主动的问题解决框架**。它显著提升了信息提取的**可靠性和深度**。

Agentic设计模式：Reflection

Mon, 03 Nov 2025 19:10:00 +0800

Reflection模式为智能体增加了一个**自我评估和迭代改进的层次**，使其能够对其自身的工作、输出或内部状态进行批判性审查，并利用评估结果来提升性能或优化响应。

Agentic设计模式：ReAct

Mon, 03 Nov 2025 18:10:00 +0800

ReAct设计模式将智能体的行为结构化为**显式的推理循环**，将思维链（CoT）推理与智能体的工具交互结合起来，让智能体在思考和行动之间交替进行，从而实现复杂、自适应的问题求解。

每日AI动态 - 2025-11-03

Mon, 03 Nov 2025 08:00:00 +0800

2025-11-03的AI技术动态汇总

每周一个MCP：Skill Seekers

Sun, 02 Nov 2025 20:10:00 +0800

Skill Seekers 是一个自动化工具，可以将文档网站、GitHub 仓库和 PDF 文件快速转换为 Claude Skills，通过自动化冲突检测和AI增强技术，大幅减少手工整理和理解文档所需的时间（20-40 分钟内生成生产就绪的Claude技能）。

每日AI动态 - 2025-11-02

Sun, 02 Nov 2025 08:00:00 +0800

2025-11-02的AI技术动态汇总

每日AI动态 - 2025-11-01

Sat, 01 Nov 2025 08:00:00 +0800

2025-11-01的AI技术动态汇总

每日AI动态 - 2025-10-31

Fri, 31 Oct 2025 08:00:00 +0800

2025-10-31的AI技术动态汇总

Cursor 2.0 重大更新：AI 编程的新纪元

Thu, 30 Oct 2025 10:00:00 +0800

深入解析 Cursor 2.0 的重大更新，包括 Composer 模型、多代理并行、多模型同时处理同一任务、全新界面设计等革命性功能

每日AI动态 - 2025-10-30

Thu, 30 Oct 2025 08:00:00 +0800

2025-10-30的AI技术动态汇总

AI的“知识僵化症”有救了？揭秘MIT自适应大模型SEAL

Wed, 29 Oct 2025 14:20:00 +0800

麻省理工学院（MIT）的一项开创性研究，为我们揭示了这场进化的具体路径。他们推出了一个名为 **SEAL (Self-Adapting Large Language Models，自适应大语言模型)** 的框架。这套框架首次赋予了AI模型一种前所未有的能力：它们可以“自己教自己”，通过生成和应用自己的学习材料，来持续进化其内部的知识体系。

CCManager：多AI编码助手会话管理工具

Wed, 29 Oct 2025 14:20:00 +0800

CCManager：多AI编码助手会话管理工具，无需借助tmux，完全独立运行

Claudable：基于Next.js的强大网页应用构建工具

Wed, 29 Oct 2025 14:20:00 +0800

Claudable：基于Next.js的强大网页应用构建工具

每日AI动态 - 2025-10-29

Wed, 29 Oct 2025 08:00:00 +0800

2025-10-29的AI技术动态汇总

每日AI动态 - 2025-10-28

Tue, 28 Oct 2025 08:00:00 +0800

2025-10-28的AI技术动态汇总

Verbalized Sampling: 言语采样提升模型多样性

Mon, 27 Oct 2025 20:22:48 +0800

Verbalized Sampling: 言语采样提升模型多样性

每日AI动态 - 2025-10-27

Mon, 27 Oct 2025 08:00:00 +0800

2025-10-27的AI技术动态汇总

Meta: 提示词对决优化器 (PDO)

Sun, 26 Oct 2025 20:22:48 +0800

这篇由Meta和宾夕法尼亚州立大学的研究者发布的论文提出了一种创新的、无需人工标注数据的提示词优化方法。

每日AI动态 - 2025-10-26

Sun, 26 Oct 2025 08:00:00 +0800

2025-10-26的AI技术动态汇总

SuperClaude: 打造Claude Code成一个企业级的开发团队

Sat, 25 Oct 2025 11:30:00 +0800

SuperClaude: 打造Claude Code成一个全副武装的团队

每日AI动态 - 2025-10-25

Sat, 25 Oct 2025 08:00:00 +0800

2025-10-25的AI技术动态汇总

每日AI动态 - 2025-10-24

Fri, 24 Oct 2025 08:00:00 +0800

2025-10-24的AI技术动态汇总

每日AI动态 - 2025-10-23

Thu, 23 Oct 2025 08:00:00 +0800

2025-10-23的AI技术动态汇总

DeepSeek-OCR：重塑AI长文本处理

Tue, 21 Oct 2025 20:10:00 +0800

本文介绍了DeepSeek-OCR，一种革命性的AI模型，能够将长文本处理效率提升数十倍，从而实现对超长文档的快速处理。

每周一个MCP：Serena MCP

Tue, 21 Oct 2025 15:03:00 +0800

Serena MCP 是一个功能强大且开源的编码代理工具包，旨在将大型语言模型（LLMs）转化为具备完整功能的智能代码助手，专注于语义代码检索和编辑，模拟集成开发环境（IDE）的能力。

Jason Wei在各个场合的观点

Sun, 19 Oct 2025 22:30:00 +0800

Jason wei在各个场合的观点

Claude Skills

Sat, 18 Oct 2025 20:10:00 +0800

Claude Skills 是一种模块化的、可重复使用的能力包。你可以把它看作一个文件夹，里面封装了针对特定任务的指令、知识、甚至是可执行的代码脚本。它的核心价值在于，能将通用的 Claude 模型，转变为能够精准执行特定领域任务的“专家”。

Pavel Durov 的成功密码：深度解析自由、自律与商业哲学的融合

Wed, 15 Oct 2025 16:10:00 +0800

Pavel Durov 的成功密码：深度解析自由、自律与商业哲学的融合

Groq创始人Jonathan Ross访谈核心洞察：计算力、能源与AI的未来

Tue, 14 Oct 2025 23:01:00 +0800

Groq创始人Jonathan Ross访谈核心洞察：计算力、能源与AI的未来

Agent训练新范式：Agent Learning via Early Experience

Tue, 14 Oct 2025 18:00:00 +0800

传统AI训练像是把人类所有的知识都强行灌输AI，而Meta的最新论文《Agent Learning via Early Experience》为我们展示了一条训练AI智能体的新路径: 可扩展、无需奖励的实用范式，通过将智能体自身的行为和结果转化为强大的监督信号，显著提升了AI的性能、数据效率和泛化能力。

Anthropic 官方课程

Mon, 13 Oct 2025 17:00:00 +0800

Anthropic 官方课程，覆盖从基础到高级的AI技术与应用

揭秘科学计算新范式：什么是“可评分任务”与“实证软件”？

Mon, 13 Oct 2025 17:00:00 +0800

借助AI，现代计算科学正把“宏大科学问题”变成一场可打分的游戏

每周一个MCP： Windows-MCP

Mon, 13 Oct 2025 15:00:00 +0800

Windows-MCP Server 开源项目分析

AI Context Engineering领域若干重要论文

Sun, 12 Oct 2025 20:10:00 +0800

这里将收集Context Engineering相关的重要文献，具体解读将在其他博客展开。

小模型逆袭：秘密武器竟是给AI一本不断变厚的“攻略”

Sat, 11 Oct 2025 20:10:00 +0800

该论文介绍了一个名为 ACE(Agentic Context Engineering，代理上下文工程) 的框架，该框架旨在通过演化上下文而非微调模型权重的方式，实现大型语言模型（LLMs）的自我改进。ACE将上下文视为不断累积、提炼和组织策略的 “演化剧本”，从而克服了现有上下文适应方法中存在的简洁性偏差和上下文崩溃等主要限制。通过使用生成器、反射器和策展器这三个代理组件，ACE实现了增量更新和“增长与提炼”机制，以保持详细的领域知识并提高可扩展性。实验结果表明，ACE在代理基准测试和金融等领域特定任务中显著优于现有基线方法，同时还能大幅降低适应的延迟和成本。

每周一个MCP：基于Go的自动化运营小红书账号工具xiaohongshu-mcp

Fri, 10 Oct 2025 14:00:00 +0800

xiaohongshu-mcp 是一个开源项目，用于实现对小红书 (xiaohongshu.com) 的 Model Context Protocol (MCP) 支持，基于自动化运营小红书账号。

G2 2025年AI代理洞察报告：和MIT报告相反的关于AI代理的5个惊人发现

Thu, 09 Oct 2025 23:03:00 +0800

G2 Insight Report: AI Agents in 2025

Gemini 2.5 Computer Use Model

Tue, 07 Oct 2025 00:00:00 +0800

Gemini 2.5 Computer Use Model 是基于视觉理解的AI代理，通过持续的感知-行动循环实现自动化任务处理。

RPG：从“对话”到“蓝图”，用图谱指导AI思考

Mon, 06 Oct 2025 20:10:00 +0800

RPG：从“对话”到“蓝图”，用图谱指导AI思考

NVIDIA深度学习学院

Sun, 05 Oct 2025 14:10:00 +0800

NVIDIA深度学习学院提供免费和收费的课程，同时提供了证书。NVIDIA深度学习学院就像一所由世界领先的AI计算公司创办的“技术大学”。它专门为想要提升专业技能的人士提供高质量的实践培训。

智谱AI(GLM)

Fri, 03 Oct 2025 10:10:00 +0800

智谱AI(GLM)产品线收集整理分析

强化学习的奠基人的惊人警告：为什么说LLM可能是一条死胡同？

Thu, 02 Oct 2025 09:10:00 +0800

强化学习的奠基人惊人警告：为什么说LLM可能是一条死胡同？

腾讯AI产品线收集

Mon, 29 Sep 2025 10:10:00 +0800

腾讯AI产品线收集整理分析

Meta颠覆代码AI：新模型CWM不只“读”代码，更能“执行”它

Sun, 28 Sep 2025 21:19:00 +0800

Meta发布的一项名为“代码世界模型”（Code World Model, CWM）的全新研究，正试图从根本上解决当前代码AI面临的一大痛点。

Chrome DevTools MCP：让AI编程助手真正"看见"浏览器

Sat, 27 Sep 2025 20:10:00 +0800

Chrome DevTools MCP是谷歌基于模型上下文协议开发的服务器，它将Chrome浏览器的开发者工具能力开放给AI编码助手。

AI的最终审判：为什么资本主义、GDP和人类智力都将在1000天内失效？

Fri, 19 Sep 2025 22:10:00 +0800

AI的最终审判：为什么资本主义、GDP和人类智力都将在1000天内失效？Emad Mostaque在“Tom Bilyeu”YouTube频道上的访谈，主要探讨了人工智能（AI）将如何从根本上颠覆全球经济。Mostaque认为，在不久的将来，AI不仅会取代大量人类工作，还会使资本主义和国内生产总值（GDP）等传统经济结构变得过时。他提出了一种新的**“心智”（M.I.N.D.）框架来衡量经济健康度，该框架关注物质资本、智能、网络效应和多样性，而不仅仅是GDP。他警告称，人类认知劳动的价值将变为负数，并提出需要重新定义货币和财富的流动方式**，例如通过新型数字资产，以应对AI驱动的生产力爆炸所带来的社会和经济动荡，并确保人类生存与发展。

马斯克的“加速”与“刹车”悖论：我们到底在把世界引向何处？

Thu, 18 Sep 2025 22:10:00 +0800

马斯克的“加速”与“刹车”悖论：我们到底在把世界引向何处？

Claude Code Spec Workflow, 也支持MCP方式

Sun, 14 Sep 2025 22:30:00 +0800

Claude Code Spec Workflow, 也支持MCP方式

Ray Dalio在各个场合的观点

Sun, 14 Sep 2025 22:30:00 +0800

Ray Dalio:在各个场合的观点

Spec Kit：基于规范驱动开发的工具包

Sun, 14 Sep 2025 21:10:00 +0800

Spec Kit：基于规范驱动开发的工具包

Specification-Driven Development (SDD) - 规范驱动开发

Sat, 13 Sep 2025 23:03:00 +0800

Specification-Driven Development (SDD) - 规范驱动开发

通义千问（Qwen）系列模型概览

Sun, 07 Sep 2025 10:10:00 +0800

通义千问（Qwen）系列模型概览

Google Gemini Nano Banana 图像的创意应用案例

Sat, 06 Sep 2025 22:10:00 +0800

本文介绍Google Gemini Nano Banana模型的创意应用案例。

PromptPilot 核心工作原理与方法论详解

Sat, 06 Sep 2025 22:10:00 +0800

PromptPilot 核心工作原理与方法论详解

FastVLM-WebGPU 技术报告解读

Tue, 02 Sep 2025 20:10:00 +0800

本文介绍了苹果公司开源的FastVLM-WebGPU模型，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

OpenAI 官方课程

Tue, 02 Sep 2025 17:00:00 +0800

OpenAI 官方课程，覆盖从基础到高级的AI技术与应用

Agent 相关课程收集

Thu, 28 Aug 2025 20:10:00 +0800

搜集网络上来自各知名机构的Agent相关课程。

Agent Lightning

Wed, 27 Aug 2025 20:10:00 +0800

介绍

微软开源的 Agent Lightning 项目，它的核心价值在于为开发者和研究者提供了一个强大的工具，用于训练和优化 AI Agent（智能代理），特别是几乎不需要修改现有 Agent 代码就能实现显著的性能提升。

这个项目有以下重要作用：

零代码/低代码训练 AI Agent (核心价值)：
- 最大亮点： 它允许你使用强化学习(Reinforcement Learning, RL) 等高级优化算法来训练你现有的 AI Agent，而几乎不需要修改你的 Agent 业务逻辑代码。这意味着你可以保留你用 LangChain, AutoGen, CrewAI, OpenAI SDK 等框架（甚至裸 Python）编写的 Agent 逻辑，然后让 Agent Lightning 负责优化它的决策过程。
- 解决痛点： 传统上，将 RL 等技术应用到现有 Agent 框架中需要大量的工程改造和集成工作。Agent Lightning 极大地简化了这个过程。
强大的优化能力：
- 算法支持： 内置支持强化学习(VERL) 作为核心优化算法，并明确提到支持自动提示优化(Automatic Prompt Optimization, APO)。未来很可能扩展更多算法。
- 提升性能： 通过优化，Agent 在执行任务（如 SQL 生成与修正、工具调用、复杂决策）时的准确性、效率和可靠性可以得到显著提升。
广泛的兼容性和灵活性：
- 框架无关： 明确支持所有主流 Agent 框架（LangChain, OpenAI Agent SDK, AutoGen, CrewAI）以及纯 Python 实现的 Agent。你可以“即插即用”。
- 多 Agent 系统优化： 可以在包含多个 Agent 的复杂系统中，选择性地优化其中一个或几个特定的 Agent，而不是整个系统，提供了更精细的控制。
提供训练基础设施：

AI在商业中的现状2025

Wed, 27 Aug 2025 16:20:00 +0800

AI在商业中的现状2025：学习与转型的鸿沟报告原文

TL.DR

95% 的企业 GenAI 项目未见 ROI，根因在“不会学习”：系统缺少持久记忆、基于反馈的适配与持续改进。
采用多、落地少：从试点到生产仅约 5% 成功；大企业上线需 9 个月+、中型约 90 天；影子 AI 广泛存在。
投资偏见：预算偏向销售/市场，而更高 ROI 常在法务/采购/财务等后台及可替代 BPO 的流程。
制胜之道：购买胜于自建；聚焦狭窄高价值用例，深度嵌入工作流，以反馈闭环驱动学习并明确数据边界。
演进与行动：Agentic AI → Agentic Web（MCP/A2A/NANDA）；优先选择可学习、可集成、可度量改进的系统，将“工作流集成+持续改进”设为 KPI。

I. 报告概述与核心概念

报告标题与作者：《AI在商业中的现状2025》，由MIT NANDA团队（Aditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari）于2025年7月发布。
研究目标：评估企业对生成式AI（GenAI）的投资回报率，并识别其成功或失败的关键因素。
核心发现：尽管企业投入了300-400亿美元，但95%的组织在GenAI投资中未能获得回报，形成了显著的“GenAI鸿沟”。
GenAI鸿沟的定义：极少数（5%）的AI试点项目取得了数百万美元的价值，而绝大多数项目停滞不前，对盈亏没有可衡量影响。这种鸿沟并非由模型质量或法规驱动，而是由方法论决定。
- 研究方法：系统性回顾300多项公开披露的AI倡议。对52家组织的代表进行结构化访谈。收集了来自四场主要行业会议的153位高级领导的调查回复。
主要结论：核心障碍不是基础设施、法规或人才，而是学习能力。大多数GenAI系统不保留反馈、不适应上下文，也无法随时间改进。

II. GenAI鸿沟的表现形式

高采用率，低转型

通用LLM工具（如ChatGPT, Copilot）： 80%的组织已探索或试点，40%已部署，主要提升个人生产力，但对盈亏影响有限。企业级定制或销售工具： 60%的组织评估过，但仅20%进入试点，5%投入生产，主要因工作流脆弱、缺乏上下文学习和与日常操作不符而失败。行业颠覆有限：只有技术和媒体行业显示出有意义的结构性变化，其他七个主要行业（专业服务、医疗健康、消费零售、金融服务、先进工业、能源材料）的转型程度有限。报告使用“AI市场颠覆指数”衡量，该指数考虑了市场份额波动、AI原生公司的营收增长、新AI商业模式的出现、用户行为变化和高管组织变动频率。试点到生产的鸿沟：企业AI解决方案的95%失败率是GenAI鸿沟最清晰的体现。

企业悖论与“影子AI经济”

企业规模与成功率：营收超过1亿美元的企业在试点数量上领先，但在规模化部署方面落后；中型市场公司行动更快，从试点到全面实施平均90天，而企业需要9个月或更长时间。影子AI经济：尽管官方企业倡议停滞不前，但员工通过个人AI工具（如个人ChatGPT账户）私下进行AI转型。90%的受访公司员工报告定期使用个人AI工具进行工作，远超40%的公司官方采购LLM订阅的比例。这表明灵活性和响应式工具的重要性。

投资偏见

GenAI预算的50%（根据高管分配假设）流向销售和市场功能，因为其可衡量性更强，与董事会KPI直接挂钩。投资回报率高的领域被忽视：后台自动化（如法律、采购、财务）通常能带来更好的投资回报率，但由于其效率提升不易量化，往往投资不足。信任与社会认同：采购决策中，推荐、现有关系和风险投资方介绍比产品质量或功能集更重要。

阿里Wan开源大模型

Wed, 27 Aug 2025 00:00:00 +0000

Qwen Wan大模型是阿里云推出的一个通用大模型，旨在提供强大的语言理解和生成能力。

2025-08-27

Wan2.2-S2V开源发布！一个专为电影级音频驱动角色动画设计的140亿参数模型。该模型旨在超越简单的“数字人”对话，提供达到专业电影和电视制作标准的动画效果，现已全面开源。 ✨ 核心特性： 🔹 长视频动态主体一致性：在长视频中保持角色外观和动态特征的高度一致性。 🔹 电影级音视频生成：仅通过音频输入，即可实现精准的口型、表情和动作匹配。 🔹 增强的指令遵循能力：支持通过指令对角色的动作和环境进行精确控制，为创作提供更高的自由度。 🎬 应用领域：电影制作人、内容创作者以及致力于构建 AI 电影感体验的开发者的理想选择。立即体验：通义万相官网：tongyi.aliyun.com/wanxiang/ Hugging Face: huggingface.co/Wan-AI/Wan2.2-S2V-14B 魔搭社区: <www.modelscope.cn/models/Wan-AI/Wan2.2-S2V-14B>

AI Coding向CLI方向发展的深层次原因

Sun, 24 Aug 2025 22:10:00 +0800

AI编程工具正经历从图形化IDE向命令行界面(CLI)的重要转向。这一趋势在2025年尤其明显，各大科技巨头纷纷推出基于终端的AI编程助手。

MIT AI Do Anything

Mon, 18 Aug 2025 20:10:00 +0800

MIT课程《如何用AI（几乎）做任何事》（*How to AI (Almost) Anything*）

每周一个MCP： Magic UI MCP Server

Sat, 16 Aug 2025 23:03:00 +0800

Magic UI MCP Server 开源项目分析

每周一个MCP： Zen MCP Server

Sat, 16 Aug 2025 23:03:00 +0800

Zen MCP Server 开源项目分析

Gemini 2.5 Pro 在 IMO 2025 中的高级数学推理能力评估

Thu, 14 Aug 2025 22:10:00 +0800

Gemini 2.5 Pro 在 IMO 2025 数学奥林匹克竞赛中取得优异成绩，关键在于结合了强大的数学推理能力与自我验证迭代流程，有效避免逻辑错误和表面化思维，实现了接近人类专家的严谨解题表现。

Context Engineering Intro

Thu, 14 Aug 2025 20:10:00 +0800

Context Engineering Intro 是一个全面的模板，用于实现上下文工程，这是通过为 AI 编码助手提供完整上下文来更高效地处理任务的技术。

Claude-Code-Router：AI 时代的智能路由中枢

Tue, 12 Aug 2025 22:10:00 +0800

Claude-Code-Router (CCR) 是一款创新的AI模型智能路由工具，它通过拦截Claude Code 应用对Anthropic Claude模型的请求，进行多维度分析（如Token数量、用户指令、任务类型），然后依据动态路由规则和配置，将请求智能地导向最合适的AI模型（来自如Gemini、DeepSeek、本地Ollama模型等不同的模型服务提供商）。CCR的核心机制包括API格式的自动转换与适配、基于Express.js的中间件架构、异步请求处理，以及完善的错误检测、自动降级到兜底模型和潜在的重试策略，旨在提升AI服务调用的效率、灵活性和成本效益。

深入解析 Claude-Code-Router：AI 时代的智能路由中枢

1. 引言：AI 服务智能路由的新范式

在人工智能（AI）技术飞速发展的今天，大语言模型（LLM）已成为推动各行各业变革的核心引擎。然而，随着模型数量的激增以及它们在能力、性能和成本上的显著差异，如何高效、智能地管理和调度这些模型，以最大化其价值并满足多样化的应用需求，成为了一个亟待解决的关键问题。传统的单一模型服务模式已难以适应日益复杂的应用场景，开发者常常需要在不同模型的 API 之间进行繁琐的切换和适配，这不仅增加了开发成本，也限制了应用的整体性能和灵活性。正是在这样的背景下，Claude-Code-Router (CCR) 应运而生，它代表了一种全新的 AI 服务智能路由范式。CCR 通过其精心设计的核心算法与架构，特别是其智能路由决策机制、请求转换与转发策略以及错误处理与降级策略，为多模型的高效协作与按需调度提供了强大的技术支撑。本文将深入探讨 CCR 的这些核心技术，旨在为资深技术专家和架构师提供一个全面而深入的理解，以便更好地评估和应用此类智能路由解决方案，从而在 AI 时代构建更强大、更灵活、更经济的应用系统。

2. Claude-Code-Router 核心机制总览

Claude-Code-Router (CCR) 的核心机制围绕着如何智能地拦截、分析、路由、转换和转发用户请求到最合适的 AI 模型，并将模型的响应有效地返回给用户。这一过程可以概括为一个精细化的处理流水线，确保了请求在整个生命周期中得到高效和准确的处理。CCR 的设计理念在于解耦用户请求与具体模型服务，通过一个中间层来动态管理请求的流向，从而实现模型选择的灵活性、成本的可控性以及服务的鲁棒性。这个中间层，即 CCR 本身，扮演着 AI 服务智能交通枢纽的角色，根据实时的请求特性和预设的策略，将任务分配给最匹配的模型实例。

2.1. 请求拦截与预处理

CCR 的首要步骤是有效地拦截来自客户端（例如 Claude Code 工具）的 API 请求。这是通过一种巧妙的环境变量劫持机制实现的。具体而言，CCR 利用了 Claude Code 工具本身支持通过环境变量 ANTHROPIC_BASE_URL 来覆盖其默认 API 端点地址的特性。通过设置此环境变量，可以将原本直接发送给 Anthropic 官方 API 的请求，重定向到 CCR 本地运行的服务器地址（例如 http://localhost:3456 ）。这种拦截方式无需修改 Claude Code 工具的源代码，实现了对请求流的无侵入式接管，极大地简化了部署和集成过程。一旦请求被成功拦截到 CCR 的本地服务，预处理阶段随即开始。这个阶段主要包括对传入请求的初步校验、日志记录以及为后续的智能路由决策准备必要的上下文信息。例如，CCR 可能会提取请求头中的关键信息，或者对请求体进行初步解析，以确保请求的完整性和有效性，并为后续的分析步骤提供基础数据。

Context Engineering

Tue, 12 Aug 2025 22:10:00 +0800

Context Engineering 是大型语言模型（LLM）应用中的系统性技术，旨在通过动态构建、管理和优化输入模型的信息负载（包括指令、记忆、工具输出、外部知识等），提升模型在复杂任务中的性能、稳定性和可靠性。

从“念咒语”到“造世界”：提示工程退位，上下文工程登场

Sun, 10 Aug 2025 20:10:00 +0800

从“念咒语”到“造世界”：提示工程退位，上下文工程登场

Anthropic CEO Dario Amodei访谈

Mon, 04 Aug 2025 22:30:00 +0800

Dario Amodei访谈,按“技术 → 市场 → 组织 → 风险 → 行动清单”的逻辑铺开。AI从业者必读

3Blue1Brown - 数学可视化教育

Sat, 02 Aug 2025 16:10:00 +0800

顶尖的数学可视化教育网站，包含Neural Networks系列视频

Python 库学习

Sat, 02 Aug 2025 00:00:00 +0800

Python 库学习

AudioLLM - 李沐亲自解说语音大模型训练的底层思路

Tue, 29 Jul 2025 17:10:00 +0800

李沐亲自解说语音大模型AudioLLM训练的底层思路

一个世界，两种未来：2025世界人工智能大会上的地缘政治、全球治理与技术前沿

Tue, 29 Jul 2025 09:30:00 +0800

一个世界，两种未来：2025世界人工智能大会上的地缘政治、全球治理与技术前沿

Geoffrey Hinton：2025 WAIC主题演讲《数字智能是否会取代生物智能》

Tue, 29 Jul 2025 09:10:00 +0800

Geoffrey Hinton在2025年世界人工智能大会上关于数字智能与生物智能对比的核心观点梳理

Every联合创始人Dan Shipper：AI-first工作流程深度访谈

Sun, 27 Jul 2025 15:00:00 +0800

Every联合创始人兼CEO Dan Shipper分享AI-first工作流程，解析为什么每家公司都需要AI运营主管

Manus项目经验：上下文工程精华内容

Mon, 21 Jul 2025 20:10:00 +0800

本文介绍了Manus项目经验的上下文工程精华内容,总结为6个问题和解决方案。

Claude Code 介绍以及开源生态

Sun, 20 Jul 2025 23:10:00 +0800

Claude Code 是 Claude 的命令行工具，用于代理编码，提供灵活的、可定制的、可脚本化的和安全的编程方式。

Kimi-K2 简介和有意思的用法

Sat, 19 Jul 2025 22:10:00 +0800

本文介绍了MoonshotAI公司Kimi-K2模型简介和相关有意思的用法。

ChatGPT智能体：核心技术解析与应用场景

Thu, 17 Jul 2025 20:10:00 +0800

本文全面梳理了ChatGPT智能体的核心技术架构、功能特点及应用场景，综合自OpenAI官方发布及权威媒体报道。

Taskmaster AI - 通过AI任务管理来提升开发效率

Wed, 09 Jul 2025 09:20:00 +0800

Taskmaster AI - 通过AI任务管理来提升开发效率，支持多种开发工具，如Cursor、Windsurf、VS Code、Claude Code CLI等。

每周一个MCP：抖音视频无水印提取MCP服务器

Mon, 07 Jul 2025 23:03:00 +0800

douyin-mcp-server 开源项目分析

AI for Research Survey

Sun, 06 Jul 2025 23:03:00 +0800

AI for Research Survey. 这篇综述文章概述了人工智能在科学研究（AI4Research）中的应用，强调了大型语言模型（LLMs）在促进科学发现各个阶段的潜力。它建立了一个系统的分类体系，将AI4Research分解为五个主要任务：科学理解、学术调查、科学发现、学术写作和学术同行评审。文章详细介绍了AI在这些领域中的具体应用，例如辅助思想挖掘、实验设计、数据分析、论文撰写和同行评审。此外，该综述还识别了未来的研究方向，包括跨学科AI模型、伦理考量以及多模态和多语言集成，旨在为研究界提供资源并激发AI驱动的科学创新。

Reflect, Retry, Reward: 大型语言模型的自我进化新范式

Fri, 04 Jul 2025 22:30:00 +0800

Reflect, Retry, Reward: 大型语言模型的自我进化新范式

TradingAgents 开源项目分析

Thu, 03 Jul 2025 23:03:00 +0800

TradingAgents 开源项目分析

李飞飞博士的生平与洞见

Wed, 02 Jul 2025 22:03:00 +0800

李飞飞博士的生平与洞见

MiniMax-M1 模型技术报告

Wed, 02 Jul 2025 21:20:00 +0800

MiniMax-M1 模型技术报告

MiniMax

Wed, 02 Jul 2025 14:20:00 +0800

MiniMax

深度研究智能体：系统性审查与路线图

Tue, 01 Jul 2025 23:10:00 +0800

本文介绍了深度研究智能体：系统性审查与路线图。

ERNIE 4.5 技术报告解读

Mon, 30 Jun 2025 22:10:00 +0800

本文介绍了百度开源的ERNIE 4.5模型，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

每周一个MCP：Context7

Sun, 29 Jun 2025 22:30:00 +0800

Context7 是一个用于 LLM 和 AI 编码编辑器的 MCP 服务器，可以提供最新的代码文档和代码示例，使得生成的代码更准确、版本相关且避免过时或虚假信息。非常适合配合AI编码助手使用更新版本的API。

Gemini CLI 开源项目分析

Sat, 28 Jun 2025 23:03:00 +0800

Gemini CLI 开源项目分析

Andrej Karpathy在各个场合的观点

Thu, 19 Jun 2025 22:30:00 +0800

Andrej Karpathy深入解析了软件从1.0到3.0的范式演进，将LLMs类比为公用事业、晶圆厂和操作系统，并探讨了在当前局限下构建'钢铁侠战衣'式部分自主AI应用的策略

Ilya Sutskever在各个场合的观点

Wed, 18 Jun 2025 23:03:00 +0800

Ilya Sutskever在各个场合的观点

SkyworkAI DeepResearchAgent

Mon, 16 Jun 2025 23:03:00 +0800

SkyworkAI DeepResearchAgent

Gemini - 通用智能体是否需要世界模型

Thu, 05 Jun 2025 22:20:00 +0800

本文探讨了通用智能体是否需要世界模型才能实现灵活的、面向目标的行为

OmniThink: Expanding Knowledge Boundaries in Machine Writing through Thinking

Sun, 01 Jun 2025 22:20:00 +0800

本文介绍了OmniThink: Expanding Knowledge Boundaries in Machine Writing through Thinking。

微软/Meta/OpenAI工程师Philip Su访谈

Tue, 27 May 2025 18:30:00 +0800

微软/Meta/OpenAI Distinguished Engineer- Philip Su访谈

从人工标注到自我迭代：大模型工具学习的动态文档优化新范式

Sun, 25 May 2025 22:20:00 +0800

本文介绍了从人工标注到自我迭代：大模型工具学习的动态文档优化新范式。

Google I/O 2025 大会亮点

Wed, 21 May 2025 23:10:00 +0800

本文介绍了Google I/O 2025 大会亮点。

DeerFlow - 字节跳动开源的Deep Research

Wed, 21 May 2025 22:30:00 +0800

DeerFlow - 字节跳动开源的Deep Research

Microsoft Build 2025 趋势洞察

Tue, 20 May 2025 23:10:00 +0800

本文介绍了Microsoft Build 2025 趋势洞察。

昇腾AI芯片与英伟达GPU的技术对比

Tue, 20 May 2025 14:20:00 +0800

昇腾AI芯片与英伟达GPU的技术对比

OpenEvolve - 开源进化算法项目

Tue, 20 May 2025 00:00:00 +0800

OpenEvolve相关开源项目和资源链接

Qwen3 Tech Report解读

Tue, 13 May 2025 23:03:00 +0800

全方位解读Qwen3的论文技术报告

Agent经济：红杉资本2025 AI峰会释放的超级信号

Tue, 13 May 2025 15:10:00 +0800

Agent经济：红杉资本2025 AI峰会释放的超级信号

日常想法随手记-2025

Tue, 13 May 2025 14:20:00 +0800

日常想法随手记

Reinforced Self-play Reasoning with Zero Data 论文解读

Sun, 11 May 2025 20:10:00 +0800

论文介绍了强化自博弈推理的零数据范式，通过自博弈生成任务和验证，实现无需依赖人工标注数据或预设任务的自主学习推理。

Jim Fan在各个场合的观点

Thu, 08 May 2025 23:03:00 +0800

Jim Fan在各个场合的观点

OpenAI: AI in the Enterprise

Tue, 06 May 2025 20:14:00 +0800

OpenAI关于企业级AI应用的详细简报

模型上下文协议（MCP）深度解析：Agent互操作性的新纪元

Tue, 29 Apr 2025 20:10:00 +0800

本文介绍了模型上下文协议（MCP），并对其技术原理、主要贡献、当前优劣、生态系统现状，并与Google A2A等相关技术进行比较，展望其未来发展趋势。

模型上下文协议（MCP）深度解析：Agent互操作性的新纪元

Tue, 29 Apr 2025 20:10:00 +0800

本文介绍了模型上下文协议（MCP），并对其技术原理、主要贡献、当前优劣、生态系统现状，并与Google A2A等相关技术进行比较，展望其未来发展趋势。

多智能体强化学习（MARL）在多智能体系统（MAS）中的应用：理论、算法、应用与展望

Sat, 26 Apr 2025 20:10:00 +0800

本文介绍了多智能体强化学习（MARL）在多智能体系统（MAS）中的应用：理论、算法、应用与展望。

每周一个MCP：FastAPI-MCP

Tue, 22 Apr 2025 15:03:00 +0800

FastAPI-MCP 是一个扩展 FastAPI 的工具，用于将 FastAPI 的端点暴露为具有认证功能的 Model Context Protocol (MCP) 工具。

Python 3.x 高级语法与语言特性深度剖析

Tue, 22 Apr 2025 10:34:00 +0800

Python 3.x 高级语法与语言特性深度剖析

Python 的 orjson 库

Tue, 22 Apr 2025 10:34:00 +0800

Python 的 orjson 库

编程能力对比分析一撇

Sun, 20 Apr 2025 20:10:00 +0800

关于编程能力对比分析一撇

我在AI领域的一些思考

Sun, 20 Apr 2025 20:10:00 +0800

我在AI领域的一些思考

Google: 一种通往技术通用人工智能安全的方法

Thu, 17 Apr 2025 20:20:00 +0800

本文介绍了Google关于AGI安全的技术报告，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

Deep Research 深度研究

Sun, 13 Apr 2025 15:10:00 +0800

Deep Research 深度研究

Cursor AI 最佳实践：提升编码效率与代码质量的权威指南

Sat, 12 Apr 2025 21:10:00 +0800

Cursor AI 最佳实践：提升编码效率与代码质量的权威指南

Agent2Agent (A2A) 协议

Sat, 12 Apr 2025 16:10:00 +0800

Google公司A2A协议是一种旨在实现人工智能代理之间无缝通信和协作的开放标准。它定义了一套通用的消息传递格式和交互模式，使得不同的 AI 代理能够相互发现、协商能力、执行任务并共享结果，从而更有效地完成复杂的最终用户请求。该协议旨在促进构建更强大、更通用的代理系统，这些系统可以跨越不同的环境和平台协同工作

Shunyu Yao: The Second Half (下半场)

Fri, 11 Apr 2025 23:03:00 +0800

AI的下半场

AI Agent Gateway

Thu, 10 Apr 2025 23:03:00 +0800

AI Agent Gateway

Llama 4 模型系列

Thu, 03 Apr 2025 16:10:00 +0800

本文介绍了Llama 4 模型系列详细解读。

CAMEL 工具包

Wed, 19 Mar 2025 23:20:00 +0800

CAMEL Tools

CAMEL工具包是一个模块化框架，旨在通过统一接口扩展AI智能体的能力，使其能够连接外部服务、数据源和计算工具。它提供了多种工具包，涵盖搜索、学术、社交媒体、数据分析、媒体处理、开发、金融和生产力等领域，帮助开发者加速开发、提升可靠性并简化API集成。

CAMEL工具包通过一致的API设计（基于BaseToolkit类）和模型上下文协议（MCP）标准化了工具使用，简化了学习和实施过程。
工具包解决了API集成开销、不一致的接口、网络和错误处理以及维护问题。
主要工具包包括：
- 网络和搜索工具包：支持多种搜索引擎和知识库，提供实时数据访问。
- 学术和研究工具包：如arXiv、Google Scholar、PubMed等，专注于学术文献检索和分析。
- 社交媒体和通信工具包：如Twitter、Reddit、LinkedIn等，支持社交媒体数据分析和交互。
- 数据分析和计算工具包：如数学、SymPy、NetworkX等，支持数学运算、网络分析和数据处理。
- 媒体处理工具包：如DALL-E、音频分析、视频分析等，用于图像、音频和视频内容的生成和分析。
- 开发和编码工具包：如GitHub、终端、代码执行工具包等，支持开发者任务自动化。
- 金融和商业工具包：如Stripe、OpenBB等，支持支付处理和金融数据分析。
- 生产力和集成工具包：如MCP、Notion、Excel等，支持项目管理、文档处理和跨平台集成。
CAMEL工具包的优势包括：加速开发、一致接口、可组合性、可靠性与未来兼容性。
不同工具包适用于不同场景，如信息获取、业务优化、创意生成、开发辅助和复杂AI系统。
CAMEL框架通过模块化设计支持工具包的轻松更新和扩展，满足不断变化的市场需求。

1. 网络和搜索类工具包

工具包名称	主要功能	适用场景
搜索工具包	• Google、Bing、DuckDuckGo等搜索引擎集成 • Tavily、Linkup专业搜索 • Wikipedia、Wolfram Alpha知识库访问	• 事实查询 • 最新信息获取 • 研究助手开发
浏览器工具包	• 网页导航 • 内容提取 • 表单填写 • 会话管理	• 网站数据抓取 • 表单自动化 • 电商助手开发
天气工具包	• 全球天气数据获取 • 天气预报 • 历史记录查询	• 旅行规划 • 物流路线优化 • 环境感知服务

2. 学术和研究类工具包

工具包名称	主要功能	适用场景
Arxiv工具包	• 科学论文搜索 • 按关键词/作者/类别检索	• 研究助手 • 预印本跟踪 • 文献综述
Google Scholar工具包	• 学术出版物检索 • 引用信息分析 • 作者资料查询	• 跨出版商搜索 • 文献计量分析 • 研究影响力追踪
PubMed工具包	• 生物医学文献访问 • 临床研究数据库检索	• 医学研究 • 临床决策支持 • 制药研究
Semantic Scholar工具包	• 语义相关性搜索 • AI驱动的文献分析	• 语义分析 • 跨学科研究 • 趋势识别

3. 社交媒体和通信类工具包

工具包名称	主要功能	适用场景
Twitter工具包	• 推文检索 • 话题跟踪 • 个人资料分析	• 社媒监控 • 品牌声誉管理 • 趋势分析
Reddit工具包	• 帖子检索 • 评论分析 • 讨论跟踪	• 内容聚合 • 情感分析 • 趋势发现
LinkedIn工具包	• 专业资料检索 • 公司数据分析 • 职位信息获取	• 招聘助手 • 职业发展 • 商业智能
Slack工具包	• 消息发送 • 频道管理 • 对话历史记录	• 工作效率工具 • 团队协作 • 工作流集成
WhatsApp工具包	• 消息收发 • 联系人管理 • 聊天记录访问	• 客服机器人 • 预约提醒 • 电商通讯

4. 数据分析和计算类工具包

工具包名称	主要功能	适用场景
数学工具包	• 基础到高级运算 • 单位转换	• 金融计算 • 工程计算 • 数据科学
SymPy工具包	• 符号数学运算 • 微积分计算 • 矩阵处理	• 高级数学教育 • 工程研究 • 定理证明
NetworkX工具包	• 图分析 • 网络结构创建 • 图算法实现	• 社交网络分析 • 路由优化 • 推荐系统
Data Commons工具包	• 公共数据访问 • 统计分析 • 人口统计	• 政策分析 • 社会经济研究 • 公共卫生

5. 媒体处理类工具包

工具包名称	主要功能	适用场景
DALL-E工具包	• 文本生成图像 • 图像修改 • 风格控制	• 创意设计 • 营销原型 • 概念可视化
音频分析工具包	• 语音识别 • 声音分类 • 语音分析	• 语音助手 • 内容审核 • 音乐推荐
视频分析工具包	• 对象检测 • 场景分析 • 动作识别	• 内容管理 • 安全监控 • 运动分析
图像分析工具包	• 对象检测 • 图像分类 • OCR识别	• 文档扫描 • 内容过滤 • 图像搜索
视频下载工具包	• 视频检索 • 格式转换 • 元数据提取	• 内容存档 • 教育培训 • 媒体分析

6. 开发和编码类工具包

工具包名称	主要功能	适用场景
GitHub工具包	• 代码仓库交互 • 提交管理 • 问题跟踪	• 编码助手 • 代码分析 • 项目管理
终端工具包	• 系统命令执行 • 脚本运行 • Shell交互	• DevOps任务 • 环境配置 • 系统管理
代码执行工具包	• 多语言代码运行 • 沙盒环境支持	• 编程教学 • 代码测试 • 算法实验
文件写入工具包	• 文件创建修改 • 权限管理	• 文档生成 • 配置管理 • 内容自动化

7. 金融和商业类工具包

工具包名称	主要功能	适用场景
Stripe工具包	• 支付处理 • 订阅管理 • 客户数据管理	• 电商支付 • 订阅业务 • 财务分析
OpenBB工具包	• 金融数据分析 • 市场可视化	• 投资咨询 • 风险评估 • 投资组合追踪
MinerU工具包	• 文档处理 • OCR识别 • 表格检测	• 内容提取 • 公式识别 • 数据结构化
Dappier工具包	• 实时数据访问 • AI推荐	• 信息检索 • 内容聚合 • 数据分析

8. 生产力和集成类工具包

工具包名称	主要功能	适用场景
MCP工具包	• 多服务器连接管理 • 工具生命周期控制	• 大规模AI系统 • 工作流分解 • 协作环境
Notion工具包	• 页面管理 • 数据库处理 • 内容上传	• 知识库构建 • 项目管理 • 团队协作
Excel工具包	• 电子表格处理 • 格式保留	• 数据提取 • 文档转换 • 数据分析
Zapier工具包	• 自然语言命令 • 工作流自动化	• 流程自动化 • 服务集成 • 任务执行
Open API工具包	• API集成 • 请求处理	• 多API管理 • 服务代理 • API测试
AskNews工具包	• 新闻聚合 • 情感分析	• 新闻摘要 • 媒体监控 • 趋势检测
Meshy工具包	• 3D模型生成 • 模型编辑	• 产品设计 • 建筑可视化 • 游戏内容
Human工具包	• 用户输入管理 • 反馈收集	• 人机协作 • 模型优化 • 决策验证

这些工具包展现了CAMEL框架强大的生态系统，能够满足从基础开发到高级AI应用的各种需求。每个工具包都经过精心设计，既可以独立使用，也可以组合使用以构建更复杂的应用。

QwQ-32B Qwen推理大模型解读

Thu, 06 Mar 2025 20:21:00 +0800

本文介绍了深度求索（DeepSeek）公司推出的新一代推理模型QwQ-32B，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

Chain of Draft 论文解读

Sat, 01 Mar 2025 20:00:00 +0800

本文介绍了Chain of Draft（CoD）论文，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

微调

Wed, 26 Feb 2025 22:14:00 +0800

本文介绍了微调的常见挑战及其克服方法，并详细介绍了如何使用Unsloth在消费级GPU上对DeepSeek-R1进行微调。

DeepSeek FlashMLA 代码解读

Mon, 24 Feb 2025 16:10:00 +0800

本文介绍了深度求索（DeepSeek）公司FlashMLA代码详细解读。

Language Server Protocol (LSP)

Sun, 23 Feb 2025 15:03:00 +0800

Language Server Protocol (LSP) 是一种标准化协议，用于让编辑器和语言能力解耦。

Google AI协同科学家系统

Thu, 20 Feb 2025 22:40:00 +0800

本文介绍了Google开发的AI协同科学家系统（AI co-scientist），并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

Test-Time Scaling 相关论文解读

Wed, 19 Feb 2025 16:40:00 +0800

本文介绍了Test-Time Scaling（测试时扩展）的概念，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

DeepSeek 开源 LLM 对闭源 LLM 的影响

Tue, 18 Feb 2025 23:20:00 +0800

本文介绍了DeepSeek开源LLM对闭源LLM的影响，包括性能基准测试和竞争、成本效益、开源可用性和定制、市场动态和战略转变、创新与社区发展、环境影响以及AI研究和应用的转变。

OpenAI 推理模型最佳实践总结

Fri, 14 Feb 2025 20:54:00 +0800

本文总结了OpenAI推理模型最佳实践。

DeepSeek V3 论文解读

Fri, 14 Feb 2025 18:10:00 +0800

本文介绍了深度求索（DeepSeek）公司推出的新一代推理模型DeepSeek-V3，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

DeepSeek 微调

Fri, 14 Feb 2025 18:10:00 +0800

本文介绍了如何使用合成推理数据集微调DeepSeek-R1模型.

字节跳动OmniHuman-1 开源项目解读

Tue, 11 Feb 2025 20:22:48 +0800

字节跳动开源的OmniHuman-1项目，并对其技术原理、功能特点、应用前景和伦理风险进行了详细解读。

Simple Test-Time Scaling 论文解读

Mon, 10 Feb 2025 21:36:00 +0800

本文介绍了来自李飞飞团队的Simple Test-Time Scaling论文，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

DeepSeek R1 论文解读

Mon, 10 Feb 2025 20:10:00 +0800

本文介绍了深度求索（DeepSeek）公司推出的新一代推理模型DeepSeek-R1，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

BMAD-METHOD vs GitHub Spec Kit：AI 驱动软件开发框架对比

Wed, 01 Jan 2025 00:00:00 +0800

BMAD-METHOD 和 GitHub Spec Kit 两种 AI 驱动软件开发框架的全面对比分析

Cursor Rules 使用指南

Wed, 01 Jan 2025 00:00:00 +0800

Cursor 的 .cursor/rules 使用指南：单一规则文件 vs 目录结构的用法和最佳实践

Gemini CLI 最佳实践

Wed, 01 Jan 2025 00:00:00 +0800

Gemini CLI 使用示例和最佳实践：项目配置、上下文管理、工具偏好设置等

STORM - 通过检索和多视角提问来合成主题大纲和维基百科类文章

Fri, 14 Jun 2024 14:30:00 +0800

STORM - 通过检索和多视角提问来合成主题大纲和维基百科类文章

DeepLearning.AI官网

Wed, 05 Jun 2024 14:10:00 +0800

DeepLearning.AI官网频繁更新来自不同大厂和开源社区领军人的课程。非常值得日常及时跟进学习。

关于作者

Mon, 15 Jan 2024 10:00:00 +0800

谭鹏(Peng Tan) - AI 领域独立研究者与技术博主，专注于大语言模型、多代理系统、上下文工程、Vibe Coding 及 AI 开源生态建设，致力于将前沿技术转化为可落地的工程实践

ai usa impact

Mon, 01 Jan 2024 00:00:00 +0800

ai usa impact相关资源链接

claude mcp server

Mon, 01 Jan 2024 00:00:00 +0800

claude mcp server相关资源链接

claudia

Mon, 01 Jan 2024 00:00:00 +0800

claudia相关资源链接

deep dive into LLMs like ChatGPT

Mon, 01 Jan 2024 00:00:00 +0800

deep dive into LLMs like ChatGPT相关资源链接

emos

Mon, 01 Jan 2024 00:00:00 +0800

emos相关资源链接

google deepresearch

Mon, 01 Jan 2024 00:00:00 +0800

google deepresearch相关资源链接

Karpathy DeepDive LLM

Mon, 01 Jan 2024 00:00:00 +0800

Karpathy DeepDive LLM视频课程

knowledge tools

Mon, 01 Jan 2024 00:00:00 +0800

knowledge tools相关资源链接

openmanus

Mon, 01 Jan 2024 00:00:00 +0800

openmanus相关资源链接

Pangu Deep Dive - 论文深度解析

Mon, 01 Jan 2024 00:00:00 +0800

Pangu相关论文的深度解析和资源链接

samaltman

Mon, 01 Jan 2024 00:00:00 +0800

samaltman相关资源链接

Stephen Wolfram：计算宇宙的拓荒者

Mon, 01 Jan 2024 00:00:00 +0800

Stephen Wolfram的生平、贡献和思想，包括计算不可约性理论和Mathematica等工具

UI-TARS Desktop - 字节跳动桌面应用

Mon, 01 Jan 2024 00:00:00 +0800

字节跳动UI-TARS桌面应用项目

Mon, 01 Jan 0001 00:00:00 +0000

参考

https://tongyi.aliyun.com/efficiency/doc/read?taskId=5036083

Mon, 01 Jan 0001 00:00:00 +0000

Transformer 模型学习指南 I. 复习大纲

引言 •序列转换模型的局限性（循环神经网络和卷积神经网络）。 •Transformer 模型的提出：完全基于注意力机制，摒弃循环和卷积。 •Transformer 模型的优点：并行化能力强，训练时间短，翻译质量高。 •Transformer 模型在机器翻译和英语成分句法分析上的成功应用。
背景 •减少序列计算的必要性。 •卷积神经网络模型（Extended Neural GPU, ByteNet, ConvS2S）的并行计算方式及其局限性。 •自注意力机制的定义和应用。 •Transformer 模型与其他模型的区别和优势。
模型架构 •3.1 编码器和解码器堆栈编码器： •N=6 个相同的层堆叠而成。 •每一层包含两个子层：多头自注意力机制和位置式全连接前馈网络。 •残差连接和层归一化。 •所有子层和嵌入层的输出维度 dmodel = 512。 •解码器： •N=6 个相同的层堆叠而成。 •每一层包含三个子层：多头自注意力机制，编码器输出的多头注意力机制和位置式全连接前馈网络。 •残差连接和层归一化。 •掩码机制防止解码器关注后续位置。 •3.2 注意力机制定义：将查询（query）和键值对（key-value pairs）映射到输出的函数。 •输出是值的加权和，权重由查询与对应键的兼容性函数计算。 •3.2.1 缩放点积注意力（Scaled Dot-Product Attention）：计算查询和所有键的点积，除以 √dk，应用 softmax 函数得到权重。 •公式：Attention(Q, K, V) = softmax(QKT/√dk)V •与加性注意力（additive attention）的比较。 •3.2.2 多头注意力（Multi-Head Attention）：将查询、键和值线性投影 h 次到不同的 dk、dk 和 dv 维度。 •在每个投影版本上并行执行注意力函数。 •将输出连接并再次投影得到最终值。 •公式：MultiHead(Q, K, V) = Concat(head1, …, headh)WO •head_i = Attention(QWQ_i, KWK_i, VWV_i) •优点：允许模型共同关注来自不同表示子空间的信息。 •3.2.3 模型中注意力的应用：编码器-解码器注意力层：查询来自先前的解码器层，键和值来自编码器的输出。 •编码器自注意力层：键、值和查询都来自同一位置，即编码器前一层的输出。 •解码器自注意力层：允许解码器中的每个位置关注到当前位置以及之前的所有位置，防止信息向左流动，保持自回归特性。 •3.3 位置式前馈网络定义：应用于每个位置的全连接前馈网络，包含两个线性变换和一个 ReLU 激活函数。 •公式：FFN(x) = max(0, xW1 + b1)W2 + b2 •3.4 嵌入和 Softmax使用学习到的嵌入将输入和输出标记转换为 dmodel 维度的向量。 •使用线性变换和 softmax 函数将解码器输出转换为预测的下一个标记概率。 •共享嵌入层和预 Softmax 线性变换的权重矩阵，嵌入层乘以 √dmodel。 •3.5 位置编码为了让模型利用序列的顺序信息，添加位置编码到输入嵌入。 •位置编码与嵌入具有相同的维度 dmodel，可以相加。 •使用不同频率的正弦和余弦函数。 •公式：PE(pos, 2i) = sin(pos/10000^(2i/dmodel)) •PE(pos, 2i+1) = cos(pos/10000^(2i/dmodel)) •使用正弦函数的原因：允许模型轻松学习相对位置的注意力。

Mon, 01 Jan 0001 00:00:00 +0000

什么是 Vector 数据库？

Vector 数据库在自然语言处理、Image Recognition、推荐系统和语义搜索等各个领域发挥着举足轻重的作用，并随着 LLM 的日益普及而变得更加重要。

这些数据库具有非凡的价值，因为它们为 LLM 提供了获取实时专有数据的 Accessibility，使得开发 Retrieval Augmentation (RAG) 应用程序成为可能。

矢量数据库的核心是依靠使用 Embedding 来捕捉数据的含义，并衡量不同矢量对之间的相似性，在大量数据集中进行筛选，找出最相似的矢量。

本课程将帮助你获得相关知识，以便就何时在应用程序中应用 Vector 数据库做出明智的决定。你将探索

如何使用 Vector 数据库和 LLM 深入洞察你的数据。

建立实验室，展示如何形成 Embedding 并使用多种搜索技术查找相似的嵌入。

探索在庞大的数据集中进行快速搜索的算法，并构建从 Algorithm 到多语言搜索的各种应用。

Coursera : Vector Database Fundamentals 专项课程

Coursera : Vector Databases from Embeddings to Applications 课程

Mon, 01 Jan 0001 00:00:00 +0000

为什么说神经网络几乎可以学习任何东西？

核心观点： 神经网络之所以被认为几乎能学习任何东西，其核心在于它们的通用近似能力 (Universal Approximation Capability)。这主要由通用近似定理 (Universal Approximation Theorem, UAT) 提供理论支撑。

1. 专业严谨的解释 (基于通用近似定理)

通用近似定理 (UAT) 的核心内容: 最经典的通用近似定理（由 George Cybenko 在1989年针对Sigmoid型激活函数证明，后续 Kurt Hornik 等人扩展到更一般的激活函数）指出：

对于一个具有一个隐藏层、有限数量神经元、并使用非线性激活函数（例如 Sigmoid、Tanh、ReLU 等，只要该函数不是多项式）的前馈神经网络 (Feedforward Neural Network)，只要隐藏层神经元数量足够多，它就可以以任意精度 ($\epsilon > 0$) 去近似定义在输入空间的一个紧集 (Compact Set) 上的任何连续函数 ($f$)。
关键概念分解:
- 前馈神经网络 (Feedforward Neural Network): 信息单向流动，从输入层经过一个或多个隐藏层到达输出层，没有循环连接。
- 一个隐藏层: 定理最初的证明是基于单隐藏层的，但足以证明其表达能力。实践中多层（深度）网络可能在效率和效果上更优。
- 非线性激活函数: 这是至关重要的。如果只有线性激活函数，整个网络无论多少层都等价于一个简单的线性变换，无法拟合复杂的非线性关系。常见的非线性激活函数（如 Sigmoid, Tanh, ReLU）引入了“弯曲”或“折断”的能力。
- 足够多的神经元: 理论上保证存在足够数量的神经元可以达到所需精度，但定理本身不告诉我们具体需要多少个。网络的“宽度”是关键。
- 任意精度 ($\epsilon$): 这意味着只要你愿意增加神经元数量，理论上可以将神经网络的输出与目标连续函数之间的误差（比如均方误差）缩小到任意小的正数 $\epsilon$ 以下。
- 紧集上的连续函数: “紧集”在数学上表示有界闭集（在有限维欧氏空间中）。“连续函数”意味着函数图形没有断裂或跳跃。这个条件覆盖了现实世界中绝大多数我们想要建模的函数关系。
定理的意义: UAT 证明了，从表达能力 (Representational Power) 的角度看，即使是相对简单的单隐藏层神经网络结构，也具备了拟合极其广泛函数类别的潜力。它告诉我们神经网络能够成为一个“万能函数逼近器”。

2. 通俗易懂的解释 (类比与直觉)

Mon, 01 Jan 0001 00:00:00 +0000

查询扩展（Query Expansion）

在信息检索中，**查询扩展（Query Expansion）**的核心作用是通过补充或优化用户原始查询的关键词，提升系统对用户需求的理解范围和匹配精度。简单来说，它像一个“智能助手”，帮助搜索引擎或检索系统更全面地捕捉用户意图，避免因用户表达简略、模糊或词汇局限导致的漏检问题。以下是其具体作用和实现逻辑的通俗解释：

1. 解决用户表达的局限性

场景举例：当用户输入“手机”时，可能实际需要的是“智能手机评测”或“手机品牌推荐”，但原始查询过于简短。
技术逻辑：查询扩展通过分析用户意图，自动补充同义词（如“移动设备”）、近义词（如“终端”）、上下位词（如“安卓手机”是“手机”的下位词）或相关短语（如“5G手机”），将原始查询扩展为更丰富的表达。

2. 提高召回率（Recall）

核心目标：避免因词汇不匹配而遗漏相关结果。例如，某篇网页提到“AI技术”，但用户未使用该术语，仅搜索“人工智能”。通过扩展“人工智能→AI”，系统能召回更多潜在相关网页。
技术实现：
- 基于语义关联：利用词向量（如Word2Vec）或知识图谱（如WordNet）挖掘语义相近的词汇。
- 基于用户行为：分析历史搜索日志，统计高频共现词（如“旅游”常与“攻略”“景点”关联）作为扩展词。

3. 处理歧义性查询

场景举例：用户搜索“苹果”，可能指水果、手机品牌或公司。通过上下文分析（如用户历史点击记录）或结合领域知识，扩展为“iPhone 15”或“红富士苹果”，明确意图。
技术实现：
- 伪相关反馈（PRF）：从初始检索结果中提取高频相关词（如“iPhone”相关网页中出现“iOS”“摄像头”等词）作为扩展词。
- 大语言模型（LLM）：利用LLM生成假设性答案，从中提取关键词（如“苹果公司2023年财报”中的“营收”“供应链”）。

4. 增强时效性与领域适应性

时效性需求：对于时间敏感的查询（如“2024年奥运会最新赛程”），传统检索可能依赖过时数据，而查询扩展可结合实时知识库或网络爬取的最新信息进行补充。
领域适配：在医疗、法律等专业领域，扩展词可能包括术语（如“心肌梗死→心梗”）或行业标准词汇，提升领域相关性。

5. 平衡召回率与精确率

挑战：扩展词过多可能导致无关结果（如“手机”扩展出“手机壳维修”）。
解决方案：
- 动态权重调整：为扩展词分配不同权重（如同义词权重高于上位词）。
- 重排序（Reranking）：通过二级模型对扩展后的结果二次排序，过滤噪声。

总结

查询扩展的本质是弥合用户表达与系统理解之间的鸿沟。它通过语义分析、用户行为挖掘和外部知识融合，将用户的“简短提问”转化为“全面检索指令”，从而在保证结果相关性的同时，尽可能覆盖更多潜在需求。这一技术广泛应用于搜索引擎、智能客服、RAG（检索增强生成）等场景，是提升信息检索效果的关键技术之一。

Mon, 01 Jan 0001 00:00:00 +0000

[1hr Talk] Intro to Large Language Models

https://www.youtube.com/watch?v=zjkBMFhNj_g 该视频讲稿系统地介绍了大型语言模型（LLMs）。首先，它从基本概念入手，解释了LLM的构成（参数文件和运行代码），并以Llama 2为例进行了说明，强调了其开放权重的特点。接着，深入探讨了LLM的训练过程，分为预训练（海量互联网文本、高昂算力成本）和微调（高质量人工标注数据，塑造助手模型）两个阶段，并提及了可选的**通过人类反馈强化学习（RLHF）**进行性能提升。

随后，讲稿展示了LLM的强大能力，例如工具使用（浏览器、计算器、代码执行、图像生成），以及多模态特性（处理文本、图像、音频等）。展望未来，它探讨了LLM的发展方向，包括模拟人类的系统二思维、自我改进的可能性，以及定制化的应用前景，并提出了LLM可能成为新兴操作系统内核的类比。

最后，讲稿也强调了LLM带来的安全挑战，通过越狱攻击、提示注入攻击和数据投毒/后门攻击等实例，揭示了LLM安全领域的攻防博弈。总而言之，该视频旨在为听众提供一个关于LLM的全面入门，既展现了其潜力，也指出了其面临的挑战。

Mon, 01 Jan 0001 00:00:00 +0000

做12张上海像素风图片，竖屏，然后用智能多帧穿起来。

把下面的上海景点做出像素图片，竖屏，然后用智能多帧穿起来。

‌东方明珠广播电视塔‌ 金茂大厦‌ 环球金融中心‌ 上海中心大厦‌ 南京路步行街城隍庙世博会博物馆上海博物馆豫园静安寺五角场前滩华尔道夫酒店‌，上海邮政总局大楼‌ ‌河滨大楼‌（虹口区）环球港朱家角泰晤士小镇申园 ‌上海大厦

Mon, 01 Jan 0001 00:00:00 +0000

https://www.andrewng.org/

Mon, 01 Jan 0001 00:00:00 +0000

https://www.youtube.com/watch?v=1XF-NG_35NE ==> https://gemini.google.com/u/0/app/969d731e099abefe?ref=glasp

Mon, 01 Jan 0001 00:00:00 +0000

Harrison Chase

1. 个人简介

2. 个人经历

Ambient agents listen to an event stream and act on it accordingly, potentially acting on multiple events at a time 环境代理会监听事件流，并据此采取相应的行动，且有可能同时对多个事件进行处理。

Mon, 01 Jan 0001 00:00:00 +0000

林元庆作为Aibee创始人及AI领域资深专家，近年来在多场合阐述了对生成式AI及物理世界智能化的深刻见解，其观点可概括为以下核心脉络：

一、生成式AI的定位：物理世界大模型的基石

从感知到理解的技术跃迁
林元庆认为，生成式AI不应局限于文本或图像的表面创作，而需与物理世界的深度理解结合。他提出“物理世界AI大模型”概念，强调其核心是像素级的3D语义理解能力，能够通过海量视频数据自学习物理规律（如行人过马路时的行为预判），而非依赖人工标注的监督学习。这一过程需要生成式AI具备动态场景重建与多模态推理能力。
数据闭环驱动的自进化框架
在Aibee的实践中，生成式AI的突破依赖于环境静态摄像头（Environmental Camera View）与3D扫描数据的融合。通过“一辈子只盯着一个角落看”的算法设计，生成式模型能利用线下场景积累的80亿帧/天视频数据实现“热启动”，解决第一视角（Egocentric View）数据稀缺的冷启动难题。这种数据闭环机制被视作通向通用人工智能（AGI）的关键路径。

二、生成式AI的落地逻辑：行业驱动的多模态融合

垂直场景的深度赋能
林元庆反对单点技术输出的创业模式，主张生成式AI需以行业痛点为锚点，整合视觉、语音、语义等多模态技术。例如在教育领域，生成式AI需通过学生行为分析（视觉）、课堂互动（语音）与知识点关联（语义）构建“因材施教”的个性化模型。他提出“AI to Industry”策略，强调技术必须与行业运营效率、用户体验提升直接挂钩。
物理AI分身（Physical AI Agent）的终极形态
生成式AI的终极目标被定位为具身智能的实体化，即通过物理世界大模型赋予AI数字分身与真实环境交互的能力。例如在零售场景中，AI不仅能生成营销方案，还能通过空间智能预测客流动态、优化货架布局，实现“决策-执行-反馈”闭环。这种能力将重构人机协作范式，成为“AI赋能人类的高级状态”。

三、未来展望：生成式AI的产业革命与挑战

技术趋势：从信息整理到物理交互
林元庆指出，ChatGPT仅是生成式AI的序章，未来30-40年将聚焦于物理世界数字化与认知构建。他预测生成式AI将突破现有语言模型的局限，在自动驾驶、智慧城市等领域形成可动态更新的“世界模拟器”，成为实体经济的核心基础设施。
商业化路径：飞轮效应的启动关键
他认为生成式AI企业需在行业渗透率与通用技术壁垒间找到平衡：初期通过垂直场景（如商业地产、交通枢纽）积累专属数据，中期沉淀跨行业通用能力（如时空轨迹预测算法），最终形成自我强化的技术-数据闭环。Aibee已验证该路径——通过赋能430家4A/5A景区实现技术迭代，再将算法复用于城市级空间智能。
伦理与效率的协同进化
林元庆特别强调生成式AI的隐私保护设计。例如Aibee的3D时空追踪技术已通过欧盟GDPR认证，通过去生物特征化（如不采集人脸）实现合规性。这种“技术民主化”理念要求生成式AI在提升效率的同时，建立可信赖的伦理框架。

四、对行业生态的深刻洞见

竞争格局判断：生成式AI的窗口期正在收窄，企业需在1-3年内完成关键场景卡位，否则可能错失行业标准化主导权。
资源分配策略：反对“人海战术”，主张以精干团队（如Aibee硅谷-北京双研发中心）专注核心算法突破，通过合作伙伴生态扩展应用边界。
技术评估标准：生成式AI的价值不应仅以准确率衡量，而要看其对行业价值链的重塑程度（如Aibee帮助购物中心将3D重建成本从500万降至10万以下）。

总结

林元庆将生成式AI视为物理世界智能化的操作系统，其发展需经历“行业场景落地→多模态数据沉淀→通用模型进化”的三阶段跃迁。在他看来，这场变革的本质是通过AI大模型将人类对物理世界的经验认知转化为可计算、可预测的系统性规律，最终实现机器与现实的深度协同。这一过程中，兼具技术理想主义与商业实用主义的平衡能力，将成为生成式AI企业的核心竞争壁垒。

Mon, 01 Jan 0001 00:00:00 +0000

当前大模型的春秋战国时代

当前scaling law的情况

当前scaling law的进展

Mon, 01 Jan 0001 00:00:00 +0000

LeCun 的成就

Yann LeCun是人工智能领域的杰出学者，被誉为“卷积神经网络之父”，与Geoffrey Hinton和Yoshua Bengio并称为“深度学习三巨头”，共同获得了2018年图灵奖。他在学术上取得了诸多重大成就，具体如下：

开创卷积神经网络（CNN）：1988年，Yann LeCun在贝尔实验室期间开发了卷积神经网络（CNN），这是一种模仿人类视觉系统的神经网络结构，具有自动提取特征的能力，使得计算机可以从图像中识别出有用的信息。该技术成为计算机视觉和深度学习领域的基石，被广泛应用于手写字符识别、物体识别、医疗影像、自动驾驶、面部识别等多个领域。贝尔实验室曾使用其CNN技术创建了美国邮政系统中的手写数字识别系统，大幅提高了邮件分拣效率。
提出神经网络反向传播学习算法：在1987年的博士论文中，他提出了一种早期形式的神经网络反向传播（Back - Propagation）学习算法。这种算法可以让神经网络根据数据自动调整参数，从而提高性能，为神经网络的训练提供了重要的方法支撑，推动了神经网络技术的发展。
开发DjVu图像压缩技术：1996年，Yann LeCun加入AT&T实验室图像处理研究部门，负责DjVu图像压缩技术的研究。该技术以其高压缩比和图像质量而闻名，被许多网站，尤其是互联网档案馆（Internet Archive），用来分发扫描的文档。
推动自监督学习发展：Yann LeCun是自监督学习的重要倡导者之一。他认为自监督学习将成为未来AI的重要方向，主张让机器通过“观察和预测”来学习世界的结构，而不仅仅依赖于标注数据的训练，为AI的发展提供了新的思路和研究方向。
倡导“世界模型”理念：他提出未来AI的发展需要依赖“世界模型”，即AI需要具备像人类一样理解物理世界的能力，能够预测和规划自己的行为。他指出当前的大型语言模型缺乏真正的理解和推理能力，无法实现通用人工智能，强调AI系统需要“理解”世界，对AI的发展目标和方向产生了深远影响。
培养众多优秀人才：2003年Yann LeCun加入纽约大学担任教授，在此期间培养了大量优秀的研究生，为深度学习领域输送了众多专业人才。他还通过线上课程、讲座和公开演讲等方式，积极推广深度学习和机器学习技术，推动了AI知识的普及。

Mon, 01 Jan 0001 00:00:00 +0000

姚顺雨最新动态

姚顺雨（Shunyu Yao），27岁，清华大学姚班（计算机科学精英班）毕业生、普林斯顿大学计算机科学博士，曾是OpenAI智能体产品（如Operator和Deep Research）的核心贡献者。他于2024年8月加入OpenAI，主要研究语言智能体、强化学习（RL）和代理（Agent）技术。

Mon, 01 Jan 0001 00:00:00 +0000

安全相关

Anthropic的RedTeam有一个新的博客，涵盖了他们在网络、生物、自主性、国家安全等领域的内部研究。

Mon, 01 Jan 0001 00:00:00 +0000

BMAD-METHOD 和 Claude Skills 的结合

BMAD-METHOD（Breakthrough Method for Agile AI-Driven Development）是一种革命性的 AI 驱动敏捷开发框架，旨在通过模拟敏捷团队角色（如分析师、产品经理、架构师、开发者和测试者）来结构化软件开发过程。它使用 Markdown 文件定义 AI 代理，每个代理有特定的角色、个性（persona）和命令，支持从需求分析到代码实现的完整工作流。BMAD 强调迭代式开发、任务分解和跨代理协作，通常与大型语言模型（如 Claude）集成，以实现高效的“敏捷 AI 驱动开发”。

Claude Skills 是 Anthropic 的 Claude AI 的一项功能，它允许用户创建包含指令、脚本和资源的文件夹，这些资源可以动态加载以提升 Claude 在特定任务上的表现。例如，Skills 可以用于处理 Excel、遵循品牌指南或执行代码任务。Skills 是可组合的（可以堆叠使用）、可移植的（跨 Claude 应用、Claude Code 和 API 使用），并且高效（仅加载必要内容）。Claude 会根据任务自动扫描和激活相关 Skills。

为什么结合它们？

BMAD-METHOD 的核心是代理协作和结构化工作流，而 Claude Skills 提供了完美的实现机制：Skills 可以封装 BMAD 的每个代理角色（如 BMAD Master、Business Analyst、Developer），使其成为可重用、可扩展的模块。这种结合可以将 Claude Code 转变为一个完整的 BMAD 驱动开发环境，支持自动检测、内存集成和斜杠命令（slash commands），从而减少令牌消耗（token usage）70-85%，并适应从简单 bug 修复到企业级系统的项目复杂度。这比单纯的“氛围编码”（Vibe Coding）更高效，避免了资源浪费，并将人类专业知识转化为 AI 可访问的格式。

如何结合使用（基于实际实现示例）

一个典型结合方式是通过 GitHub 仓库如 aj-geddes/claude-code-bmad-skills 来实现 BMAD Method v6 与 Claude Skills 的集成。以下是步骤指南：

Mon, 01 Jan 0001 00:00:00 +0000

2025年DeepSeek技术突破与产业生态重构研究

DeepSeek狂潮席卷全球：国家队入场，开启全民AI普惠时代

Mon, 01 Jan 0001 00:00:00 +0000

提示词

不同类别的提示词如下：

个性化写作风格（Personalize your writing style）：
- Analyze the writing style of the text provided below: [text] Now write an essay of [number of words] words on [specific topic]. You do not have to mention anything related to the previous text, it is simply provided to elicit a response that imitates the tone, structure, and vocabulary. Answer me only with the requested essay.
- 分析以下文本的写作风格（示例：学术论文/营销文案/新闻报道）：[text] 现在写一篇关于[特定主题]的[字数]字的文章。你不需要提到与前面文本的任何关系，它只是为了引发一个模仿前面文本的写作风格、结构和词汇的回答。只回答我请求的文章。
通过获取反馈提升写作（Improve your writing by getting feedback）：
- [paste your writing] Please proofread the text above. Correct grammatical and spelling mistakes and offer ideas that will make my writing more lucid.
- 请校对上面的文本。纠正语法和拼写错误，并提出使我的写作更清晰的想法。
生成新想法（Generate new ideas）：
- I need fresh ideas for [topic]. Describe at least 5 innovative and practical ideas that can be implemented. Briefly explain the potential of each idea and how it could be developed to maximize its impact and viability. Don’t be too - long - winded.
- 我需要关于[主题]的新想法。描述至少5个可以实施的创新和实用的想法。简要解释每个想法的潜力以及如何开发它以最大化其影响和可行性。不要过于冗长。
训练AI为你生成提示词（Train AI to generate prompts for you）：
- You are an AI created to assist [insert occupation]. For youself, make a list of the top 10 prompts. The topic of the prompts should be [insert topic].
- 你是一个AI，被创建来帮助[插入职业]。为自己，列出10个最受欢迎的提示词。提示词的主题应该是[插入主题]。
将AI变为你的实习生（Turn AI into your intern）：
- I’m writing a report on [insert subject]. Conduct thorough research and write a comprehensive report that includes a step - by - step guide to help readers [insert outcome].
- 我正在写一篇关于[插入主题]的报告。进行彻底的研究，并写一篇全面的报告，包括一个逐步的指南，帮助读者[插入结果]。
使用80/20原则加快学习（Use the 80/20 principle to learn faster）：
- I want to learn about [insert topic]. Determine and share the 20% of the topic’s lessons that are most crucial to understanding the remaining 80%.
- 我想学习关于[插入主题]。确定并分享这个主题的20%的最重要的课程，以理解剩下的80%。
学习新技能（Learn any new skill）：
- [Insert desired skill] is something I want to learn. Make a 30 - day study schedule that will assist someone like me who is just starting to learn this skill in developing it.
- [插入想要学习的技能]是我想要学习的。为我制作一个30天的学习计划，帮助像我这样的人开始学习这个技能。
总结复杂文本（Summarise complex texts）：
- I need to read a complicated article related to [topic]. Can you help me summarise the key points and takeaways from the text?
- 我需要阅读一篇关于[主题]的复杂文章。你能帮我总结文章的关键点和要点吗？
撰写发布演讲稿（Write a Launch Speech）：
- Write a launch speech for [product/business] that highlights the values of the [company or niche], and addresses a widespread problem or mistake. Product = [Insert yours]
- 为[产品/业务]撰写一个发布演讲稿，强调[公司或利基]的价值，并解决一个普遍存在的问题或错误。产品= [插入你的产品]
提升解决问题的能力（Improve your problem - solving abilities）：
- Your job is to solve problems. Give me a step - by - step guide to solve this problem: [insert].
- 你的工作是解决问题。给我一个解决这个问题的逐步指南：[插入]。
生成PPT（Generate a PPT）：
- I need to create a presentation on [insert topic]. Can you help me generate a list of slides and their content?
- 我需要创建一个关于[插入主题]的演示文稿。你能帮我生成一个幻灯片列表及其内容吗？
制作视频脚本（Make a video script）：
- I’m making a video on [insert topic]. Can you help me create a script that will keep the audience engaged and interested?
- 我正在制作一个关于[插入主题]的视频。你能帮我创建一个脚本，让观众保持兴趣和参与吗？
生成产品描述（Generate a product description）：
- I’m launching a new product. Can you help me create a compelling description that will attract customers?
- 我正在推出一个新产品。你能帮我创建一个吸引顾客的引人入胜的描述吗？
跨模态内容生成：

“我正在设计<产品原型>，请根据<目标用户画像>生成配套的UI界面描述和营销话术”
“基于<技术白皮书>内容，自动生成配套的信息图设计说明”

伦理安全审查：

“请对以下内容进行合规性审查：[内容]，依据<行业规范>和<地区法律法规>”
“识别文本中潜在的偏见/歧视表述：[text]，按<联合国AI伦理准则>分析”

与其他工具集成

Deep Research

PPT制作

视频制作

图片生成

音频生成

代码生成

Mon, 01 Jan 0001 00:00:00 +0000

参考文献

Mon, 01 Jan 0001 00:00:00 +0000

DeepSeek R1 的技术流程

DeepSeek R1 的技术流程可总结为以下范式： 1.DeepSeek R1-Zero 的生成：基于 DeepSeek V3-Base 模型，通过强化学习（RL），直接训练出 DeepSeek R1-Zero 模型。该阶段不进行监督微调 (SFT)，旨在探索模型自主发展推理能力的潜力。 2.推理链可读性增强：

冷启动数据微调：采用高质量的冷启动数据（包括人工专家撰写和模型生成并经过筛选的高质量、符合格式规范的推理数据）对 R1-Zero 进行监督微调。
以推理为中心的强化学习：以微调后的模型为基础，进一步进行强化学习，从而提升推理链的可读性。 3.通用能力和安全性提升：
全领域监督微调：通过拒绝采样 (Rejection Sampling) 筛选高质量数据，并结合全领域数据进行监督微调，提升模型的通用能力。
全领域强化学习：在全领域任务上进行强化学习训练：
推理任务：采用规则奖励。
通用任务 (如聊天)：进行偏好建模。
通过上述措施，在提升模型通用能力的同时，增强其安全性。

DeepSeek R1 Zero 的强化训练过程

DeepSeek R1 Zero 是完全从基础模型（DeepSeek V3)开始构建，完全依赖强化学习，而不使用人类专家标注的监督微调（SFT）。在训练过程中随着训练步骤的增加，模型也是逐渐展现出长文本推理以及长链修复的能力。随着推理路径的逐步增长，模型来表现出自我反思的能力，能够发现并修复之前的错误。DeepSeek R1-Zero 通过直接在基础模型上应用强化学习，并设计基于规则的奖励函数，实现了在没有监督数据的情况下发展强大的推理能力 DeepSeek R1 Zero 的强化训练过程中，设计了奖励机制，以优化模型的推理能力。具体来说，奖励机制的设计主要集中在以下几个方面：没有使用监督微调 (SFT)：DeepSeek R1-Zero 直接应用强化学习 (RL) 到基础模型，而没有依赖于监督微调作为初步步骤。这种方法允许模型探索解决复杂问题的思维链 (CoT)，从而发展 DeepSeek R1-Zero。奖励函数：DeepSeek R1 采用基于规则的奖励系统，而不是神经奖励模型，以避免奖励 “黑客行为” 和过度的计算成本。主要的奖励函数包括：

准确性奖励：确保模型生成在事实上正确且可验证的响应。这对于具有确定性结果的任务（如数学和编码）特别有用。DeepSeek R1 在奖励建模中，采用基于规则的奖励，直接利用程序进行判断正误的奖励信号 [110, see earlier turn].
格式奖励：显式地规劝模型的输出过程必须包含思考的过程，也就是利用一个 sinking token 将思考的过程圈起来 [57, see earlier turn]。

GRPO 算法：DeepSeek R1 的强化学习管线以 GRPO 为中心，GRPO 提供了一种轻量级但功能强大的优化机制。其关键创新包括移除评论家模型，从而显著减少了内存开销；通过基于群组的优势估计来稳定策略更新；以及与基于 PPO 的方法相比，在保持强大性能的同时实现高效训练。自进化过程：DeepSeek R1-Zero 的自进化过程展示了强化学习如何驱动模型自主提高其推理能力。测试时计算：为了提高 DeepSeek R1-Zero 的性能，可以采用多数投票的方式 [45, see earlier turn]。对每个问题采样多个回答，并选择出现频率最高的答案作为最终结果 [45, see earlier turn]。总体而言，DeepSeek R1-Zero 通过直接在基础模型上应用强化学习，并设计基于规则的奖励函数，实现了在没有监督数据的情况下发展强大的推理能力。需要注意的是这部分奖励建模并没有采用先前我们经常讨论的比如说过程奖励模型 PRM 甚至没有采用奖励模型。这里边的主要考量是基于神经网络的奖励模型都有可能遭受奖励攻陷的问题，一旦发生奖励攻陷模型就可能陷入局部最优解，而重新训练奖励模型需要大量的计算资源可能会复杂化整个流程。

Mon, 01 Jan 0001 00:00:00 +0000

多智能体系统：原理、类型与比较研究

来自智谱清言的“沉思”，prompt是“调查并比较不同的人工智能多智能体系统”

引言

多智能体系统(MAS, Multi-Agent Systems)是人工智能领域中的重要研究方向，它由多个具有自主性的智能体组成，这些智能体能够感知环境并通过交互与协作来实现共同目标。随着人工智能技术的快速发展，多智能体系统在游戏开发、机器人技术、经济模拟和人工智能研究等多个领域展现出广泛的应用前景。本报告将深入探讨多智能体系统的基本概念、分类、关键特征及其在不同应用场景中的表现，并对主流框架进行全面比较，以期为相关领域的研究者和开发者提供有价值的参考。

多智能体系统的基本特征

多智能体系统是由多个自主智能体组成的集合，这些智能体能够感知环境并通过交互与协作来实现共同目标。与传统的单一智能体相比，MAS的核心特征可以归纳为以下几点：

自治性

每个智能体都具备独立决策能力，能够在复杂动态的环境中高效运作。这种自治性使智能体能够独立处理其职责范围内的任务，而无需中央控制系统的持续干预。

分布性

多智能体系统通常采用分布式架构，系统功能由多个智能体共同承担，而非依赖于单一的中心节点。这种分布特性增强了系统的灵活性和容错能力，使得系统能够更好地适应复杂环境中的变化[15]。

协作性

通过智能体之间的信息交流与协作，系统能够实现资源优化与任务高效执行。在动态环境中，智能体通过共享信息和协调行动，可以更有效地应对复杂问题[15]。

多智能体系统与传统智能体理论的对比

传统的智能体理论往往集中在单一系统的行为控制上，强调反馈、稳定性和可控性等核心概念。控制方法主要包括PID控制、状态反馈与最优控制等，这些方法适用于模型精确、结构明确的系统。相比之下，多智能体系统的控制目标不仅涉及单个智能体的行为控制，更重要的是系统级的性能优化。在MAS中，智能体之间的协作与竞争关系使得控制策略的设计变得更加复杂。控制策略通常是分布式的，智能体根据自身感知的信息和与其他智能体的交互来决策，这加强了MAS在应对动态环境中的灵活性[15]。在信息处理方面，传统的智能体理论强调集中处理的信息和决策，而多智能体系统则更注重局部信息的共享与融合。每个智能体只能感知部分信息，从而通过信息融合技术(如卡尔曼滤波)降低不确定性，提高决策的准确性[15]。

多智能体系统的类型

按交互类型分类

多智能体系统可以根据智能体之间的交互类型进行分类：

协作型多智能体系统：智能体之间通过协作共同完成任务，例如分布式智能电网系统[2]。
竞争型多智能体系统：智能体之间存在竞争关系，例如金融市场模拟系统，每个智能体代表一个交易者。
中立型多智能体系统：智能体独立工作，没有直接的协作或竞争关系，例如分布式传感器网络。

按系统结构分类

多智能体系统也可以根据其结构进行分类：

集中式多智能体系统：有一个中央控制器协调所有智能体的活动，例如某些机器人协调系统。
分布式多智能体系统：没有中央控制器，智能体独立决策并进行局部通信，例如点对点网络系统。

按智能水平分类

根据智能体的智能水平，多智能体系统可分为：

单一高级智能体系统：系统中有一个智能体拥有与其他人不同的高级智能，负责整体协调和决策。
同质智能体系统：所有智能体都具有类似的智能水平，通过协作完成任务。

按应用领域分类

多智能体系统在不同应用领域有其特定的形式和特点：

游戏开发领域：用于创建具有复杂行为的NPC（非玩家角色）。
机器人技术领域：用于编队控制和协作任务执行。
经济模拟领域：用于建模市场行为和经济动态。
人工智能研究领域：用于研究学习和协作的涌现行为。

多智能体系统的关键组成部分

一个典型的多智能体系统通常包括以下几个关键组成部分：

智能体(Agent)

智能体是多智能体系统的基本单元，它可以被定义为"为了完成某个目标，能够接收输入并执行特定操作的系统"[31]。智能体可以是软件程序、机器人、传感器等，它们各自具备一定的智能和自主性，并处理各自擅长的领域和事情。

交互机制

智能体之间的交互是多智能体系统的核心。交互机制决定了智能体如何通信、共享信息和协调行动。交互机制可以是直接的点对点通信，也可以通过中央控制器进行。

协作机制

协作机制在多智能体系统中的应用尤为关键。通过设置有效的协商协议和博弈策略，智能体能够优化资源分配和任务执行。这在智能交通管理和智能电网等领域表现得尤为明显。在这些环境中，智能体通过互相协作来提高效率，实现整体性能的最优化[20]。

决策机制

决策机制决定了智能体如何根据环境信息和系统目标做出决策。决策机制可以是基于规则的，也可以是基于学习的，或者两者的结合。

环境模型

环境模型描述了智能体所处的环境特征和变化规律。智能体通过感知环境并根据环境模型做出决策，以适应环境变化。

多智能体系统的工作原理

多智能体系统的工作原理可以概括为以下步骤：

环境感知：智能体通过传感器或输入通道感知环境状态。
信息处理：智能体对感知到的信息进行处理和理解，形成对环境的认知。
决策制定：智能体根据环境认知和系统目标，制定行动决策。
行动执行：智能体通过执行器或输出通道执行决策，与环境进行交互。
反馈学习：智能体根据行动结果获取反馈，并通过学习机制改进决策策略。在实际应用中，这些步骤是循环进行的，系统通过不断感知、处理、决策、执行和学习，逐步适应环境变化并优化系统性能。

多智能体系统的设计与实现

系统架构设计

多智能体系统的设计需要考虑系统的整体架构。从架构上，可以将智能体系统分为两类：

工作流系统(Workflows)：人做整体规划的决策，LLM是链路的一个节点。LLM和各类工具通过预定义的代码路径进行编排。这种架构提供可预测性和一致性，适用于明确定义的任务。
智能体系统(Agents)：LLM做决策，决定任务要怎么做。LLM能够动态指导自己的过程和工具使用，保持对任务完成方式的控制。这种架构适用于需要灵活性和模型驱动决策的场景[14]。

开发实现策略

在开发多智能体系统时，可以考虑遵循以下策略：

简单优先：从最简单的解决方案开始，根据需要增加复杂度，避免过度工程。
渐进式发展：先优化单一LLM调用，添加检索和上下文示例。
必要时使用智能体系统：从Workflow到Agents，Workflow为明确定义的任务提供可预测性和一致性，而当大规模需要灵活性和模型驱动的决策时，可以考虑Agents[14]。

多智能体系统中的通信协议

在多智能体系统中，智能体之间的通信是系统正常运行的关键。常用的通信协议包括：

Mon, 01 Jan 0001 00:00:00 +0000

人工智能多智能体系统：架构、交互与应用综合研究报告

1. 引言

1.1 目的与范围

多智能体系统（Multi-Agent Systems, MAS）作为人工智能（AI）和分布式系统领域的一个重要范式，近年来受到了广泛关注 1。本报告旨在基于英文学术文献和技术文档，对不同的人工智能多智能体系统进行全面的调研、分析和比较，并以中文形式呈现研究结果。报告将系统性地探讨MAS的定义、核心概念、关键组件、不同架构类型、典型框架与实例、智能体间的通信机制、协调与协商策略、学习能力（特别是多智能体强化学习）以及主要应用领域，最终进行综合比较分析。

1.2 MAS的重要性

MAS之所以日益重要，在于其独特的解决复杂问题的能力。许多现实世界的问题对于单个智能体或单一的、集成的（monolithic）系统而言过于庞大或复杂，难以有效解决 1。MAS通过将问题分解，利用多个自主智能体的交互与协作，能够应对这种复杂性 3。此外，MAS天然适用于分布式环境，其架构特性使其具备良好的灵活性、可扩展性和鲁棒性，能够适应动态变化的环境 14。这些优势使得MAS在机器人、智能电网、交通管理、电子商务、社会模拟等众多领域展现出巨大的应用潜力 1。

1.3 报告结构

本报告结构如下：第二部分介绍MAS的基础知识，包括定义、核心概念和关键组件；第三部分探讨MAS的不同架构分类；第四部分介绍著名的MAS框架和实例；第五部分分析智能体间的通信语言与协议；第六部分研究MAS中的协调、合作与协商策略；第七部分深入探讨MAS的学习能力，特别是MARL；第八部分识别MAS的主要应用领域；第九部分对不同MAS进行综合比较与分析；最后，第十部分总结研究发现并展望未来发展方向。

2. 多智能体系统基础

2.1 定义与核心概念

定义： 多智能体系统（MAS）通常被定义为由多个交互的、自主的智能体组成的计算或分布式系统 1。这些智能体可以是软件程序、物理机器人、传感器、无人机，甚至是人类或人机混合团队 1。它们共同存在于一个共享的环境中，通过感知环境、进行决策并采取行动来实现各自或集体的目标 1。

智能体： “智能体”（Agent）是MAS的核心构成单元，它是一个能够自主行动的实体 14。智能体能够感知其所处的环境（物理或虚拟），基于感知信息和内部知识进行推理和决策，并执行动作以影响环境，旨在达成其预设的目标或任务 1。根据其能力和行为复杂性，智能体可以被分为不同类型，例如：被动智能体（无目标，如环境中的障碍物）、主动智能体（具有简单目标，如鸟群中的鸟）和认知智能体（能够进行复杂计算和推理）1。

智能体特征： MAS中的智能体通常具备以下关键特征：

自主性（Autonomy）: 智能体至少是部分独立的，能够控制自身的内部状态和行为，无需外部直接干预 1。
局部视角（Local Views）: 通常情况下，没有一个智能体拥有完整的全局信息或系统状态视图，或者系统过于复杂以至于单个智能体无法利用全局知识 1。
去中心化（Decentralization）: 系统中通常没有指定的中心控制器（除非特殊设计，但这可能使其退化为单体系统），控制和决策权分布在各个智能体中 1。
交互性（Interaction）: 智能体之间通过通信、协调、合作或竞争等方式进行交互，以实现个体或集体目标 2。

与其他范式的区别： MAS与传统的软件范式（如面向对象编程）和单体AI系统有所不同。与对象（Object）主要封装状态并通过方法被动调用不同，智能体主动控制自身的行为，决定何时以及如何行动 4。与单体AI系统相比，MAS强调分布式、自主性、智能体间的交互以及可能的专业化分工 14。

MAS作为隐喻与工具： MAS不仅仅是一种工程范式，用于构建复杂的分布式系统，它也提供了一种强大的隐喻和工具，用于建模和理解自然界和社会系统中的复杂现象 1。例如，基于智能体的建模（Agent-Based Modeling, ABM）旨在通过模拟遵守简单规则的个体智能体（不一定需要“智能”）的行为，来探究群体行为的涌现机制，尤其是在自然系统（如鸟群、捕食者-猎物模型）或社会系统（如市场动态、流行病传播、交通流）中 1。这种双重角色——既是解决工程问题的方案，又是理解复杂现象的科学工具——深刻影响着MAS的设计理念和评估标准。用于工程应用的MAS可能更侧重于效率、鲁棒性和任务完成度，而用于科学建模的MAS则可能更注重行为的真实性、模型的解释力和对现象的洞察力 1。

2.2 关键组件

一个典型的MAS由以下几个关键组件构成：

智能体（Agents）: 系统的核心执行者，拥有特定的角色、能力、行为模式和知识模型 1。智能体的智能性体现在其学习、规划、推理和决策能力上 14。
环境（Environment）: 智能体所处的外部世界，可以是物理空间（如工厂、道路、电网）或模拟空间 1。智能体通过传感器感知环境状态，并通过执行器对环境施加影响 14。环境的特性，如可访问性（能否获取完整信息）、确定性（动作效果是否确定）、动态性（环境变化速度和影响因素）、离散性等，都会影响MAS的设计和行为 1。
交互/通信（Interactions/Communication）: 智能体之间进行信息交换和协调的机制。这可以通过标准化的智能体通信语言（ACL）进行显式通信 3，也可以通过环境进行间接通信，例如留下信息素（pheromone）供其他智能体感知 1。
组织/结构（Organization/Structure）: 定义了智能体之间的关系、角色和控制流程。组织结构可以是预定义的，如层级式控制 14，也可以是动态形成的，基于智能体交互和自组织规则 14。

2.3 主要特征与优势

MAS展现出许多优于传统单体系统的特征和优势：

Mon, 01 Jan 0001 00:00:00 +0000

部分工具（如文本浏览器、文本检查器）直接借鉴了Magentic-One的设计，实现了文本文件解析和简易Web浏览。

Mon, 01 Jan 0001 00:00:00 +0000

多智能体社会模拟的最新研究动态

在多智能体系统（MAS）和社会模拟领域，最近有几个重要的项目和研究方向引起了广泛关注。以下是一些关键的项目和研究方向的概述：

1. 斯坦福大学 (Stanford) - “Generative Agents” 项目

核心研究: 这个项目名为 “Generative Agents: Interactive Simulacra of Human Behavior” (生成式智能体：人类行为的交互式模拟)，由斯坦福大学和 Google 的研究人员（包括 Joon Sung Park, Joseph C. O’Brien, Carrie J. Cai, Meredith Ringel Morris, Percy Liang, Michael S. Bernstein）于 2023 年 4 月左右发表（主要通过 arXiv 预印本传播）。
模拟环境: 他们创建了一个名为 “Smallville” 的虚拟小镇沙盒环境，其中包含 25 个由大型语言模型（主要是 GPT-3.5）驱动的智能体。
关键架构: 为了让智能体表现得像真实人类一样具有连贯性和记忆，他们设计了一个创新的智能体架构，主要包括：
- 记忆流 (Memory Stream): 一个长期记忆模块，记录智能体的所有观察和经历。记忆条目会根据近时性 (Recency)、重要性 (Importance) 和相关性 (Relevance) 进行检索。
- 反思 (Reflection): 智能体会周期性地回顾自己的记忆，并生成更高层次的思考和总结，形成更抽象的见解，这些见解也会存入记忆流。
- 规划 (Planning): 智能体能够制定长期目标和日常计划，并根据当前情况动态调整。计划会分解成具体的行动。
目标与成果: 主要目标是探索能否创造出可信的 (believable) 人类社会行为模拟。研究成功展示了这些智能体可以自主地执行日常活动（起床、工作、做饭、社交），形成新的人际关系，协调活动（例如，自发地组织并举办情人节派对），并在小镇中传播信息。
影响: 这项工作被认为是 LLM 驱动的智能体和社会模拟领域的开创性研究，极大地激发了后续的研究热情和框架开发（可能也包括 OASIS 和 TinyTroupe 等），因为它展示了 LLM 在模拟复杂、涌现社会行为方面的潜力。该项目的代码也已公开。

2. 其他大学项目/研究

Mon, 01 Jan 0001 00:00:00 +0000

当然，以下是修改后的技术中文内容，准备发布：

大模型 RAG（检索增强生成）应用演进之路与技术解析：

大型语言模型（LLM）的检索增强生成（RAG）应用，其演进历程是一部不断突破局限、追求卓越性能与灵活性的奋斗史。从最初的朴素检索到如今的模块化智能系统，RAG 应用在每个阶段都取得了显著进展。本文将深入剖析这一演进过程，揭示其技术细节与未来趋势。¹

核心论断：

RAG 应用的演进，可概括为从 Naive RAG 的基础检索生成，到 Advanced RAG 的精细优化，再到 Modular RAG 的灵活组合这三大阶段。每个阶段均致力于提升检索精度、生成内容相关性及系统适应性，以应对日益复杂的应用场景。²

1. 朴素 RAG（Naive RAG）：奠基石

核心框架：索引、检索、生成三大基石，构建了从外部知识库获取信息并生成答案的基本流程。
技术实现细节：
- 索引过程：离线执行，原始文档经过清洗与分块处理，随后通过 Embedding 模型将文本块转化为向量，并构建向量索引。
- 检索过程：用户 Query 的 Embedding 向量与文档块的 Embedding 向量进行相似度计算，遴选出相似度最高的若干文档块作为增强上下文。
- 生成过程：原始 Query 与检索到的相关文档块合并为 Prompt，输入至大型语言模型，生成最终答案。³
挑战：
- 索引质量：关键词易被大量无效信息淹没，导致检索效果欠佳；内容块的语义信息易受分割方式影响，关键信息可能遗失。
- 检索精度：用户 Query 的表达方式与知识库索引内容可能存在偏差，导致检索结果不准确；单纯依赖向量相似度计算，缺乏对 Query 与文档间深层关系的理解。
- 生成幻觉：当检索不到相关知识或检索知识质量较差时，大型语言模型可能自主生成不准确或不相关的内容，即产生“幻觉”。⁴
实际应用案例：
- 智能客服：在简单的客户咨询场景中，通过检索预设知识库，为用户提供常见问题解答。
局限性：无法处理复杂的语义关系和多轮对话，易受噪声信息干扰，生成内容缺乏深度与创新性。

2. 高级 RAG（Advanced RAG）：精雕细琢

核心目标：通过在检索前、检索中、检索后增加优化策略，提升检索精度与生成内容的相关性。
技术实现细节：
- 检索前优化（Pre-Retrieval）：
  - 索引优化：
    - 索引降噪：依据业务特点，剔除索引数据中的无效成分，凸显核心知识。例如，从“如何在 github.com 下载源代码”中提取“下载源代码”、“github”等核心信息。
    - 知识切分：训练专门的语义理解小模型，将较长文本按照语义内聚性切分为更小的块。例如，使用滑动窗口技术，确保上下文信息的完整性。
    - 元数据增强：增加内容摘要、时间戳、关键词等附加信息，丰富知识库，提高检索准确性。例如，添加章节引用、关键信息、小节标题等作为元数据。
  - 查询改写（Query Rewriting）：
    - Query 分解：将复杂问题分解为多个子问题，分别进行检索。例如，将“请详细介绍 RAG”分解为“RAG 的概念是什么？”、“RAG 的原理是怎样的？”等。
    - Query 扩展：将问题转化为多种不同的问法，提高检索覆盖率。例如，使用 LLM 模型对用户初始查询进行改写生成多个查询，再进行多路搜索召回。
- 检索时优化（Retrieval）：
  - 嵌入模型微调（Embedding Fine-tuning）：将 Embedding 模型定制为特定领域的上下文，提高语义相似度计算的准确性。例如，在专业术语浓度高的场景中，对嵌入模型进行微调。
- 检索后优化（Post-Retrieval）：
  - 提示压缩（Prompt Compression）：删除检索到的内容块中的无关信息，凸显重要上下文，减少噪声干扰。
  - 重新排序（Re-ranking）：使用专门的排序模型，重新计算上下文的相关性得分，提高生成内容的质量。例如，使用 Cohere 模型考虑查询意图、词汇多重语义、用户历史行为等特征。
挑战：
- 数据质量：依赖于高质量的原始数据和文档，数据质量欠佳将严重影响优化效果，即“Garbage in, garbage out”。
- 结构化数据处理：难以有效处理表格、数据库等结构化数据，无法捕捉实体间的复杂关系与层次结构。⁵
实际应用案例：
- 金融智能投研：通过优化检索策略，从海量研报和新闻资讯中提取关键信息，为投资者提供更精准的投资建议。
关键技术：
- Query 改写：利用大型语言模型对用户 Query 进行语义分析和转换，使其更符合知识库的检索要求。例如，将“如何评价某公司的新产品”改写为“某公司新产品特点分析”、“某公司新产品市场前景”。
- 嵌入模型微调：使用特定领域的数据对 Embedding 模型进行微调，使其更好地捕捉领域内的语义信息。例如，在医疗领域，使用医学文献对 Embedding 模型进行训练，提高医学术语的识别能力。⁶

3. 模块化 RAG（Modular RAG）：运筹帷幄

核心目标：将 RAG 系统拆分为多个独立模块，实现更高的灵活性和可维护性，并根据不同应用场景和需求，灵活组合和配置这些模块。
框架：在高级 RAG 的基础上，增加编排（Orchestration）环节，实现对整个 RAG 流程的智能控制。
技术实现细节：
- 索引模块：
  - 块优化（Chunk Optimization）：
    - 滑动窗口（Sliding Window）：将文档分割为多个滑动窗口，每个窗口包含多个连续的句子，保证上下文的完整性。
    - 增加元数据（Add Metadata）：为每个内容块增加页码、文件名、作者、时间戳等元数据，提高检索的准确性。
  - 结构组织（Structural Organization）：
    - 多级索引（Multi-Level Indexing）：创建多个索引，例如文档摘要索引和文档块索引，分步进行检索，提高效率。例如，先通过摘要过滤相关文档，再在相关组内搜索。
    - 知识图谱（Knowledge Graph）：利用知识图谱对数据集建立索引，提取实体和实体之间的关系，构建全局性的知识网络。例如，提取实体（Entity）及实体之间的关系（Relationship），构建全局性优势。
- 预检索模块：
  - 查询扩展（Query Expansion）：
    - 多查询（Multi-Query）：将原始 Query 扩展成多个相似的 Query，并行执行检索。例如，借助提示工程通过大型语言模型来扩展查询。
    - 子查询（Sub-Query）：将原始 Query 分解为多个子问题，分别进行检索。例如，将“请详细且全面地介绍 RAG”分解为“RAG 的概念是什么？”、“为什么会产生 RAG？”等。
  - 查询转换（Query Transformation）：
    - 查询重写（Query Rewriting）：利用大型语言模型重新表述问题，使其更符合知识库的检索要求。例如，在多轮对话中，将历史信息和用户提问一并交给 LLM 大模型进行重新表述。
    - 假设文档嵌入（Hypothetical Document Embeddings, HYDE）：让大型语言模型生成一个“假设”答案，将其和问题一起进行检索。
  - 查询构建（Query Construction）：
    - Text-to-SQL：将自然语言 Query 转化为 SQL 语句，进行数据库查询。例如，在 ChatBI 场景下，将用户 Query 转化为 SQL 语句。
- 检索模块：
  - 检索器选择（Retriever Selection）：根据不同的 Query 选择不同的检索器，例如稀疏检索器和密集检索器。
  - 检索器微调（Retriever Fine-tuning）：使用特定领域的数据对检索器进行微调，提高检索的准确性。
- 检索后模块：
  - 重排序（Re-ranking）：使用专门的排序模型，重新计算上下文的相关性得分。⁷
  - 压缩（Compression）：删除无关内容，突出重要上下文。
  - 选择（Selection）：移除无关的文档块。例如，使用 LLM-Critique 通过 LLM 批评机制，过滤掉相关性不高的文档。
- 生成模块：
  - 生成器微调（Generator Fine-tuning）：使用指令微调和强化学习等技术，优化生成器的性能。
  - 验证（Verification）：使用知识库验证和基于模型的验证等技术，验证生成内容的准确性。
- 编排模块：
  - 路由（Routing）：为每个 Query 选择最合适的处理管道。例如，在索引环节引入多重索引技术后，使用多级路由机制，根据 Query 引导至最合适的父级索引。
  - 调度（Scheduling）：控制 RAG 流程的执行顺序和条件。例如，通过规则判断、知识图谱判断、Agentic-Rag 等方式进行调度。
  - 融合（Fusion）：合并多个检索结果，生成最终的答案。例如，使用 LLM 融合和互反排名融合等技术。
实际应用案例：
- 智能投顾：根据客户的风险偏好和投资目标，从多个知识库中检索相关信息，并生成个性化的投资建议。
关键技术：
- 多级索引：通过构建多层索引结构，实现对大规模数据的快速检索。例如，先通过文档类型索引过滤出相关文档，再通过关键词索引定位到具体的段落。
- 知识图谱构建：利用知识图谱技术，将非结构化的文本数据转化为结构化的知识表示，提高检索的准确性和效率。例如，利用知识图谱对数据集建立索引，提取实体（Entity）以及实体之间的关系（Relationship），构建全局性的优势。⁸

4. 未来展望

伴随技术的持续演进，RAG 应用的未来发展趋势将聚焦于以下几个维度：

Mon, 01 Jan 0001 00:00:00 +0000

提示词收集

1
2
3


Create a beautiful 3D visualization of the difference in scale between a sub-atomic particle, an atom, a DNA strand, a beach ball, the Earth, the Sun, the Galaxy, and beyond. The relative scale should be accurate. Use any libraries to achieve the effect and write it as a single block of code that I can open in Chrome

创建一个精美的3D可视化效果，展示亚原子粒子、原子、DNA链、沙滩球、地球、太阳、银河系及其他天体之间的尺度差异。相对比例必须精确。可使用任何库来实现效果，并将其编写为可在Chrome浏览器中打开的单一代码块。

Mon, 01 Jan 0001 00:00:00 +0000

整体概况

产品线分为：模型，AI平台(开发和部署,比如Vertex AI， AI Studio)，AI应用（Gemini app, NotebookLM, Learn about, DeepResearch，Astra）

大模型

多模态大模型： Gemini， Gemma 图像大模型：Imagen， PaLM-E 视频大模型： Veo

开发环境

Google AI Studio
Google Vertex AI
Google Cloud AI

应用

Google Learn about
Google AI Research
Google NotebookLM
Google Gemini App

NotebookLM

https://notebooklm.google/

我主要用它来阅读论文，科技报告，长篇技术文章等等。它的一些新功能不错，比如思维导图，生成双人播客（用户可以随时插入讨论），视频生成

DeepResearch

Astra (Project Astra)

还在内测！

谷歌的Astra是由 DeepMind 开发的先进人工智能代理，旨在通过多模态功能无缝融入日常生活。Astra 处理并响应各种输入 —— 文本、图像、视频和音频 —— 使其成为高度交互和直观的助手。 Astra 的突出特点包括用于上下文理解的实时记忆、高级工具使用（例如谷歌搜索、地图和镜头）以及协助完成诸如识别物体或提供建议等任务的能力。例如，用户可以将手机对准书架并询问 Astra 识别评分最高的书，展示了其连接数字世界和物理世界的独特能力。随着将其部分功能集成到其他谷歌产品的计划，Astra 将在 2025 年及以后重新定义个人人工智能。目前，Project Astra正在由有限数量的受信任用户进行测试，以完善其功能并为通用人工智能助手发现新用途。

人工智能代理结合多模态功能来处理文本、图像、视频和音频，创造出由谷歌 Gemini AI 模型支持的自然对话体验。

Mon, 01 Jan 0001 00:00:00 +0000

graph TD
subgraph GCP ["Google Cloud Platform"]
direction LR
subgraph GlobalInfrastructure ["全球基础设施"]
direction TB
Region1["区域 1 (例如: us-central1)"]
Region2["区域 N (例如: asia-northeast1)"]
Zone1A["可用区 1-A"]
Zone1B["可用区 1-B"]
ZoneNA["可用区 N-A"]
PoP["边缘节点 PoP"]
Region1 --- Zone1A & Zone1B
Region2 --- ZoneNA
GlobalNetwork["全球高速网络"] --- Region1 & Region2 & PoP
end
subgraph CoreServices ["核心服务"]
direction TB
subgraph Compute ["计算服务"]
GCE["Compute Engine (VMs)"]
GKE["Kubernetes Engine (容器)"]
AppEngine["App Engine (PaaS)"]
CloudFunctions["Cloud Functions (FaaS)"]
end
subgraph Storage ["存储服务"]
CloudStorage["Cloud Storage (对象)"]
PersistentDisk["Persistent Disk (块)"]
Filestore["Filestore (文件)"]
CloudSQL["Cloud SQL (关系型DB)"]
Spanner["Spanner (全球DB)"]
Bigtable["Bigtable (NoSQL)"]
end
subgraph Networking ["网络服务"]
VPC["VPC 网络"]
LoadBalancing["Cloud Load Balancing"]
CloudDNS["Cloud DNS"]
CloudCDN["Cloud CDN"]
end
subgraph DataAnalytics ["数据与分析"]
BigQuery["BigQuery (数据仓库)"]
Dataflow["Dataflow (数据处理)"]
PubSub["Pub/Sub (消息传递)"]
end
%% 连接关系 (高层次示意)
Compute -- 使用 --> Storage
Compute -- 连接 --> Networking
Networking -- 连接 --> GlobalInfrastructure
PoP -- 集成 --> CloudCDN
DataAnalytics -- 处理 --> Storage
DataAnalytics -- 交互 --> PubSub
AppEngine & CloudFunctions -- 触发 --> PubSub
end
subgraph ManagementSecurity ["管理与安全 (贯穿各层)"]
direction TB
IAM["Identity & Access Management (IAM)"]
SecurityCommand["Security Command Center"]
CloudArmor["Cloud Armor"]
Monitoring["Cloud Monitoring"]
Logging["Cloud Logging"]
Console["Cloud Console / CLI"]
end
%% 整体关系
CoreServices -- 运行于 --> GlobalInfrastructure
ManagementSecurity -- 管理与保护 --> CoreServices & GlobalInfrastructure
end
User["用户 / 应用"] --> LoadBalancing
User --> CloudCDN
User --> Console
%% 样式 (可选)
classDef default fill:#f9f,stroke:#333,stroke-width:2px;
classDef infra fill:#e6f2ff,stroke:#36c,stroke-width:2px;
classDef compute fill:#fff0e6,stroke:#f60,stroke-width:2px;
classDef storage fill:#e6ffe6,stroke:#090,stroke-width:2px;
classDef network fill:#ffe6e6,stroke:#c00,stroke-width:2px;
classDef data fill:#ffffcc,stroke:#cc0,stroke-width:2px;
classDef mgmt fill:#f0f0f0,stroke:#666,stroke-width:2px;
class GlobalInfrastructure,Region1,Region2,Zone1A,Zone1B,ZoneNA,PoP,GlobalNetwork infra;
class Compute,GCE,GKE,AppEngine,CloudFunctions compute;
class Storage,CloudStorage,PersistentDisk,Filestore,CloudSQL,Spanner,Bigtable storage;
class Networking,VPC,LoadBalancing,CloudDNS,CloudCDN network;
class DataAnalytics,BigQuery,Dataflow,PubSub data;
class ManagementSecurity,IAM,SecurityCommand,CloudArmor,Monitoring,Logging,Console mgmt;

Google Cloud Platform (GCP) 核心基础设施详解

全球基础设施与核心服务概览

Mon, 01 Jan 0001 00:00:00 +0000

Google NotebookLM 模型

Google NotebookLM 模型是Google开发的一种用于处理和生成笔记本内容的基于大型语言模型的笔记类（知识库类）网页应用。它能够理解和生成结构化的笔记本数据，支持代码、文本和图形元素的混合处理。

我的使用流程

论文阅读

导入

导入论文的pdf文件，或者论文所在的网页地址，

’如果只是想深入学习论文的内容，掌握论文的精髓，就只导入论文本身，
如果还想了解这篇论文对业界的影响，已经其他人对这篇论文发表的评论，我还会用“探索”功能，从网络上搜索更多的相关内容，行业评论，不同论坛讨论等等。注意有些搜索到的网页内容并不能直接导入到NotebookLm中，这是由于网站因为版权设置的一些限制，对于这些网页我需要输入自己的账号登录，然后手动获取内容，然后通过“文本导入”的方式导入NotebookLM里。
使用Gemini的DeepResearch生成相关内容的深度报告，然后导入到NotebookLM，作为一个原材料。

生成技术报告

我一般会先生成下面报告类型：

简报：对论文的核心观点和要点进行提炼，并用简洁的语言进行概括。
研究报告：对论文的核心内容进行深入的分析。
学习指南：对自己对材料的内容进行简单测试。

会话讨论

在NotebookLM里面的chatbox进行和Gemini的对话来从多个维度对原材料进行研究。一般包括：

NotebookLM自动生成的主题进行探讨。
要求对其中复杂的概念进行阐述，比如使用通俗易懂的语言进行重新描述，或者使用各种修辞手法进行形象描述。
讨论论文中的研究方法的原理
探讨论文的创新点和可能的应用场景。

生成博客初稿

现在我会使用“博客”模版生成一份博客初稿，进行第一次以便后面进行进一步的修改加工。

了解程度自检

用NotebookLM生成“闪卡”和“测验”。然后逐一进行内容复习和自测。“闪卡”和“测验”都可以设置“数量”和“难度”，这个可以根据自己想对该材料的了解深度的要求进行定制。

内容输出

我一般会输出一篇偏技术类博客。当前NotebookLM的缺省的“博客”Prompt生成的博客不够严肃，技术深度略浅。所以我对其进行了修改。

版本一：面向普通读者

1

作为一名深思熟虑的写作者和观点整合者，你的任务是为一家以简洁美学和深刻内容著称的在线出版平台撰写一篇引人入胜且易于阅读的博客文章。你的目标是从提供的原始材料中提炼出最最深刻、反直觉或具有影响力的要点，并将其整合成一篇逻辑清晰，有理有据，能深挖现象后面的本质的引人瞩目的清单式文章。写作风格应简洁明了、通俗易懂且便于浏览，采用对话式但又不失智慧的语调。创作一个发人深省、值得点击的标题。文章开头用简短的引言吸引读者，通过提出一个能引起共鸣的问题或好奇心，然后将每个要点作为一个独立的部分呈现，并配以清晰、加粗的小标题。在每个部分中，使用简短的段落清晰地解释概念，不要仅仅总结；提供深刻的分析或反思，说明为什么这个要点如此重要或有趣，如果在原始材料中有强有力的引用，可以用块引用强调。文章结束时用简短的、前瞻性的总结，给读者留下一个发人深省的最终问题或一个值得思考的重要观点。

版本二：面向资深专家

1
2


作为一名深思熟虑的写作者和观点整合者，你的任务是为一家以简洁美学和出品关于AI相关技术深刻内容著称的在线出版平台撰写一篇深入浅出的专业技术博客文章。你的目标是从提供的原始材料中提炼出最深刻、富有独特见解，反直觉或最具有影响力的要点，并将其整合成一篇逻辑清晰，有理有据，能深挖现象后面的本质的吸引人的文章。
写作风格应精确，精简但又要包括重要细节、通俗易懂且便于浏览，采用对话式但又不失智慧的语调。创作一个发人深省、值得点击的标题。文章开头用简短的引言吸引读者，通过提出一个能引起共鸣的问题或好奇心，然后将每个要点作为一个独立的部分呈现，并配以清晰、加粗的小标题。在每个部分中，使用简短的段落清晰地解释概念，不要仅仅总结；提供深刻的分析或反思，说明为什么这个要点如此重要或富有洞见，如果在原始材料中有强有力的引用，可以用块引用强调。文章结束时用深刻、前瞻性的总结，给读者留下一个发人深省的最终问题或一个值得思考的重要观点。

版本三：微信公众号。

核心Prompt框架（你可以像填空一样使用）这个框架包含几个关键部分，按顺序组合即可。

# 角色设定（赋予模型一个专业身份）
请扮演一位专业的AI科技领域的内容创作者，擅长将深奥的技术内容转化为通俗易懂、吸引人的微信公众号文章。你的文风兼具专业性和可读性，能够引发读者的兴趣和共鸣。
# 核心任务与背景
我的任务是撰写一篇关于“【此处填入你的具体主题，例如：Agent技术的最新进展】”的微信公众号文章。我手头上有一些相关的资料（包括论文、博客、技术讨论等），需要你帮我整合这些信息，生成文章的初稿。
# 原始资料/核心观点摘要（这是最关键的部分！）
请基于我提供的以下核心信息进行创作：
【此处用分点或段落的形式，清晰地总结你手头资料的核心内容。可以包括：关键发现、重要数据、令人印象深刻的观点、技术原理的简单解释等。信息越具体，模型生成的内容越准确。】
例如，你的资料摘要可能是：
- 论文A指出，新型Agent框架“ABC”在工具调用准确率上提升了30%。
- 博客B提到，该框架的核心创新点是“递归性自我修正”机制。
- 技术讨论C中，开发者们认为这标志着AI从“被动响应”走向“主动规划”的关键一步。
# 文章具体要求
请根据以上信息，撰写一篇公众号文章初稿，需满足以下要求：
1. **标题：** 生成3-5个吸引人且符合微信风格的标题选项，要求有冲击力、引发好奇或包含数字。
2. **结构：**
- **开头（引子）：** 从一个趋势、故事或问题切入，自然引出主题。
- **正文：** 逻辑清晰，层层递进。可以解释技术原理、分析其重要性、展示应用场景或案例。
- **结尾：** 总结核心观点，并提出开放性问题或对未来进行展望，引导读者互动。
3. **风格：**
- **口语化：** 多用“我们”、“你”等代词，拉近与读者距离。
- **专业性：** 在解释概念时准确，但避免过多术语堆砌，必要时用比喻解释。
- **吸引力：** 适当使用加粗、提问、设问等排版技巧（在正文中用【加粗】标注）。
4. **格式：** 直接输出完整的文章内容，无需额外说明。段落之间空一行。
# 额外说明
- 目标读者是对AI感兴趣的普通科技爱好者，不全是技术专家。
- 文章长度控制在1500字左右。

完整示例

Mon, 01 Jan 0001 00:00:00 +0000

介绍

Gemini Veo 3 是谷歌在2025年5月推出的第三代AI视频生成模型，它最引人注目的特点在于能够根据文本或图像提示，同步生成高质量视频和与之匹配的音频，真正让AI视频告别了“无声时代”。

下面这个表格能让你快速了解它的核心功能亮点。

功能亮点	说明
🎬 音画同步生成	能够自动为生成的视频添加环境音效、背景音乐甚至人物对话，并实现精准的唇形同步。
🧠 叙事级理解	依托强大的Gemini大模型，能深刻理解复杂的自然语言描述，生成连贯、富有故事感的视频片段。
🎨 多模态创作	支持通过文字描述或上传图片作为参考来生成视频，提供更灵活的创作路径。
🎥 专业级控制	允许用户在提示词中指定镜头运动（如推拉摇移）、视觉风格和光影效果，实现对画面的精细控制。

💡 如何体验Veo 3

目前，Veo 3主要通过以下渠道向用户开放：

通过Gemini平台：面向个人用户的主要体验渠道。需要订阅 Google AI Pro（每月约20美元，每日有生成次数限制）或 Google AI Ultra（每月249.99美元，享有更高使用限额和早期功能访问权）套餐。
通过Flow电影制作工具：这是谷歌为专业创作者设计的工具，深度整合了Veo 3、Imagen 4（图像生成）和Gemini，支持更复杂的场景构建和故事板创作。
通过Vertex AI平台：主要面向企业和开发者，通过API接口调用Veo 3的能力，集成到自己的应用或工作流中。

目前这些服务在访问区域上可能存在限制（例如首先在美国地区开放），且具体功能和使用条款可能会更新，建议以谷歌官方最新信息为准。

总结

总而言之，Gemini Veo 3的核心突破在于将AI视频生成从单纯的“画面生成”提升到了“完整的视听内容创作”层面。它大幅降低了高质量视频内容的制作门槛，为从普通爱好者到专业创作者的广泛群体提供了强大的工具。

希望这些信息能帮助你全面了解Gemini Veo 3。如果想了解更多关于具体提示词技巧或不同订阅方案的细节，我很乐意继续为你解答。

veo 动画案例

case 1 微缩北京天安门

1

Create a Miniature Landscape-style Animation of Beijing's Tiananmen Square. Start with a scene of an ancient Chinese scroll map made of aged, yellowed rice paper (宣纸). On the map, the central axis of Beijing is clearly marked with a crimson imperial seal stamp (朱砂印章). The marked area clearly delineates the city's grid layout, with distinct details of the paper's fiber texture, traditional ink wash marks (水墨痕迹), and classical Chinese calligraphy annotations. Subsequently, a series of iconic Chinese buildings—including the Tiananmen Gate with its crimson walls and golden-glazed tile roof, the Great Hall of the People with its massive colonnades, the symmetrical National Museum of China, and the central Monument to the People's Heroes—emerge one by one from the marked area on the scroll map, as if growing from the earth. The Tiananmen Gate simulates growth by rising from its white marble base, with the upturned eaves and roof tiles appearing in sequence, and finally, the national emblem materializes above the central gate. The Monument to the People's Heroes extends upward section by section from its base. Next, the vast square area in front of Tiananmen Gate slowly "fills in" and takes shape with the texture of grey paving stones. Chang'an Avenue is drawn across the front, and miniature classic Red Flag limousines (红旗轿车) and city buses appear, moving slowly along the road. On either side of the square and along Chang'an Avenue, sturdy pine and cypress trees, along with rows of ginkgo trees, grow in sequence from the paper texture. In the background, the vast sea of the Forbidden City's golden-tiled roofs ripples into existence behind Tiananmen Gate, while the sky above transitions into a hazy, golden Beijing sunrise, with stylized auspicious clouds (祥云) spreading like an ink wash painting. Finally, the prominent 3D text "BEIJING" (with a surface texture resembling red lacquer or white jade) grows and takes shape from the base of the Monument to the People's Heroes. Throughout the process, it simulates the dynamic rhythm of solemn construction, creating a 3D-rendered miniature model video that combines the classical charm of an ancient scroll, the solemn grandeur of Chinese architecture, and the unique historical significance of the capital's heart, showcasing the magnificent construction process from a seal on a map to the three-dimensional Tiananmen Square.

创作一幅北京天安门的微缩景观风格动画。开篇呈现一幅以泛黄宣纸制成的中国古代舆图，图中北京中轴线以朱砂印章鲜明标注。标记区域清晰勾勒出城市网格布局，纸张纤维肌理、传统水墨晕染痕迹与中式书法批注细节分明。随后，一系列中国标志性建筑——朱墙金瓦的天安门城楼、巨柱林立的人民大会堂、对称布局的中国国家博物馆以及广场中央的人民英雄纪念碑——从舆图标记处逐一拔地而起。天安门城楼模拟生长过程：汉白玉基座率先隆起，层叠飞檐与琉璃瓦依次显现，最终国徽在正中门洞上方凝结成型；人民英雄纪念碑自底座逐段向高空延展。接着，天安门前辽阔的广场区域以灰白色铺路石质感缓慢"填充"成形，长安街横贯前方，微型经典红旗轿车与公交车缓缓驶过。广场两侧与长安街沿线，苍劲松柏与成排银杏树自纸纹肌理中次第生长。背景处，天安门后方浮现紫禁城金色琉璃瓦的连绵海浪，天际则渐变为朦胧鎏金的北京朝霞，祥云图案如水墨般晕染铺展。最终，醒目的立体字"BEIJING"（表面呈现红漆或白玉质感）从人民英雄纪念碑基座处生长定型。全程模拟庄重建设的动态韵律，形成一部融合古卷轴韵味、中式建筑仪轨与首都核心区独特历史意义的3D渲染微缩模型视频，展现从地图印章到立体天安门的壮阔建造历程。

case 2：罗马城

Create a Miniature Landscape-style Animation of Rome's Urban Growth.Start with an unfolded map scene of Rome, where the map texture is clearly visible. Subsequently, groups of Italian ancient buildings-characterized by stone arches, red-tiled roofs, and accompanied by the iconic Colosse- um-emerge one by one from their corresponding positions on the map like the growth of all things, gradually forming the complete main structure of the buildings. Next, the Tiber River slowly takes shape and flows along the river course outline on the map, with vintage gondola-style boats appear- ing on the water surface. Olive trees and cypresses along the riverbank grow in sequence following the green space texture on the map, while the hazy view of the Pantheon in the background spreads simultaneously like an ink wash. Finally, the prominent 3D text "ROMA" grows and takes shape from the area beside the Colosseum on the map. Throughout the process, it simulates the dynamic rhythm of natural growth, creating a 3D-rendered miniature model textured video that embodies a classical, profound, and rich Italian style, showcasing the wonderful construction process from a 2D map to a 3D city.

创作一部罗马城市生长的微缩景观风格动画。首先展开一幅罗马地图场景，地图纹理清晰可见。随后，成群具有石拱门、红瓦顶特征的意大利古建筑伴随着标志性的罗马竞技场，如万物生长般从地图对应位置逐一浮现，逐渐构成完整的建筑主体结构。接着台伯河沿地图河道轮廓缓缓成型流淌，水面上浮现复古的贡多拉风格小船。河岸边的橄榄树与柏树根据地图像上的绿地纹理依次生长，同时背景中朦胧的万神殿景象如墨染般同步晕开。最后，醒目的3D文字"ROMA"从地图竞技场旁的区域生长成型。整个过程模拟自然生长的动态韵律，打造出一部具有古典厚重、意式浓郁风格的3D渲染微缩模型质感视频，展现从二维地图到三维城市的奇妙建造过程。

case 3：悉尼城

Create a Sydney City Growth Animation in Miniature Landscape Style. The animation starts with a scene of an old, yellowed world map with curled edges. The Sydney area is clearly marked with red marker dots on the map, featuring distinct paper textures and retro ink marks. Subsequently, Australian-style build- ings-including light-colored waterfront houses, metal-roofed structures, and the iconic Sydney Opera House-"emerge" one by one from the Sydney marker dots on the map like living things growing, gradually forming complete building structures. Next, Port Jackson slowly "fills and takes shape" along the bay outline of the marked area on the map, with sightseeing yachts "appearing" on the water surface. On the shore, eu- calyptus and palm trees "grow" one after another along the green space texture of the Sydney area on the map, while the hazy background view of the Harbour Bridge gradually spreads out like ink-wash. Finally, the prominent 3D text "SYDNEY" "grows and takes shape" from the Opera House area near the Sydney marker dots on the map. Throughout the process, it simulates the dynamic rhythm of natural growth, creating a 3D-rendered miniature model video that combines retro texture and coastal charm, showcasing the wonder- ful construction process from a marked spot on the world map to a three-dimensional Sydney.

制作一个微缩景观风格的悉尼城市生长动画。动画从一张边缘卷曲的泛黄老式世界地图场景开始，悉尼区域在地图上被红色标记点清晰标注，带有明显的纸张纹理和复古墨迹。随后，澳式建筑——包括浅色水边房屋、金属屋顶结构以及标志性的悉尼歌剧院——像生物生长般从地图上的悉尼标记点"涌现"而出，逐渐形成完整的建筑结构。接着，杰克逊港沿着地图标记区域的湾区轮廓缓慢"填充成型"，观光游艇在水面"浮现"。岸边，桉树和棕榈树沿着地图上悉尼区域的绿地纹理次第"生长"，而海港大桥的朦胧背景视图则如水墨般逐渐晕染开来。最后，突出的立体文字"SYDNEY"从地图悉尼标记点附近的歌剧院区域"生长成形"。整个过程模拟自然生长的动态韵律，打造出融合复古质感与海岸风情的3D渲染微缩模型视频，展现从世界地图标记点到立体悉尼的奇妙建造过程。

case 4：莫斯科城

Create a Moscow City Growth Animation in Miniature Landscape Style. The animation begins with a scene of an old, yellowed world map with curled edges. The Moscow area is clearly marked with red marker dots on the map, where paper textures and retro ink marks are distinct. Afterwards, Russian-style buildings-in- cluding colorful onion-domed churches, stone palaces, and the iconic Kremlin-"emerge" one by one from the Moscow marker dots on the map, just like all things growing in nature, gradually forming complete building structures. Next, the Moskva River slowly "flows and takes shape" along the river course outline of the marked area on the map, and vintage cruise ships "float" on the water surface. On the banks, birch trees and pine trees "grow" one after another along the green space texture of the Moscow area on the map, while the hazy background view of Red Square spreads out like ink-wash simultaneously. Finally, the strik- ing 3D text "MOSCOW" "grows and takes shape" from the Kremlin area near the Moscow marker dots on the map. Throughout the entire process, it simulates the dynamic rhythm of natural growth, creating a 3D-rendered miniature model video that combines retro texture and Russian solemnity, showcasing the wonderful construction process from a marked spot on the world map to a three-dimensional Moscow.

以微缩景观风格创作莫斯科城市生长动画。动画起始于一张边缘卷曲的泛黄老地图场景，莫斯科区域在地图上被红色标记点清晰标注，纸张纹理与复古墨迹清晰可见。随后，俄式建筑群——包括色彩斑斓的洋葱顶教堂、石砌宫殿与标志性克里姆林宫——从地图上的莫斯科标记点处如万物生长般"萌发"而出，逐渐形成完整建筑结构。接着，莫斯科河沿地图标记区域的河道轮廓缓慢"流淌成形"，复古游轮在水面"漂浮"；河岸两侧，白桦树与松树沿地图上莫斯科区域的绿地纹理次第"生长"，而红广场的朦胧背景视效则如水墨般同步晕染展开。最后，醒目的立体文字"MOSCOW"从地图莫斯科标记点附近的克里姆林宫区域"生长成形"。整个过程模拟自然生长的动态韵律，最终形成兼具复古质感与俄式庄严的3D渲染微缩模型视频，展现从世界地图标记点到立体莫斯科的奇妙建造过程。

case 5：伦敦城

Create a London City Growth Animation in Miniature Landscape Style. The animation opens with a scene of an old, yellowed world map with curled edges. The London area is clearly marked with red marker dots on the map, where paper textures and retro ink marks are distinct. Subsequently, British-style buildings-in- cluding red-brick Georgian houses, spired churches, and the iconic Big Ben-"emerge" one by one from the London marker dots on the map, just like all things growing in nature, gradually forming complete building structures. Next, the River Thames slowly "flows and takes shape" along the river course outline of the marked area on the map, and red double-decker sightseeing boats "float" on the water surface. On the banks, plane trees and linden trees "grow" in sequence along the green space texture of the London area on the map, while the hazy background view of the London Eye spreads out like ink-wash simultaneously. Final- ly, the eye-catching 3D text "LONDON" "grows and takes shape" from the Big Ben area near the London marker dots on the map. Throughout the entire process, it simulates the dynamic rhythm of natural growth, creating a 3D-rendered miniature model video that combines retro texture and British elegance, showcasing the wonderful construction process from a marked spot on the world map to a three-dimensional London.

制作一个微型景观风格的伦敦城市发展动画。动画开篇是一幅泛黄的旧世界地图，边缘卷曲。地图上的伦敦地区用红色标记点清晰标出，纸张纹理和复古墨迹十分明显。随后，英式建筑——包括红砖乔治亚风格房屋、带尖顶的教堂以及标志性的大本钟——从地图上的伦敦标记点处一个个“浮现”出来，如同自然界万物生长一般，逐渐形成完整的建筑结构。接着，泰晤士河沿着地图上标记区域的河道轮廓缓缓“流淌成形”，红色双层观光巴士在水面上“漂浮”着。河岸上，悬铃木和椴树顺着地图上伦敦地区的绿地纹理依次“生长”，同时伦敦眼的朦胧远景如墨画般铺展开来。最后，醒目的3D文字“LONDON”从地图上伦敦标记点附近的大本钟区域“生长成形”。整个过程模拟自然生长的动态节奏，打造出一部结合复古质感与英式优雅的3D渲染微型模型视频，展现从世界地图上的一个标记点到立体伦敦的奇妙构建过程。

等距3D动画案例

Isometric 3D animation, showcasing a dazzling and vibrant miniature neon cityscape style, depicting the iconic 3D isometric view of Hong Kong's Victoria Harbour at nightfall. Set on a rounded rectangular base, the scene features a harmonious blend of skyscrapers, mountain landscapes, and local urban charm. The sequence begins with the Star Ferry pier and clock tower, followed by the Peak Tower atop Victoria Peak, and the glass-curtain-walled architectural clusters of Central, including the IFC and Bank of China Tower. Finally, the neon-lit street market of Sham Shui Po and the colorful buildings of Choi Hung Estate unfold in the corners of the model. As the buildings rise, they burst with neon pulse lighting effects accompanied by brief electronic sound effects. The glass facades reflect the dazzling laser show over Victoria Harbour. The harbor waters feature the Star Ferry and the traditional junk boat "Aqua Luna" gliding slowly. Surrounding the base are diner booths, tram stop signs, egg waffle stalls (with steam effects), and neon signs (labeled in traditional Chinese characters). Beyond the base lies the shimmering Victoria Harbour, with cargo ships and helicopters dynamically traversing the scene. Finally, the three-dimensional traditional Chinese characters "HONG KONG" in neon lighting effects flicker in from the right and come to a steady hover beside the model of Two International Finance Centre.

等距3D动画，展现出令人炫目的充满活力的微型霓虹城市景观风格，描绘了标志性的香港维多利亚港黄昏时分的3D等距视图。场景以圆角矩形底座为背景，和谐融合了摩天大楼、山地景观和当地城市魅力。动画序列从天星码头和钟楼开始，接着是位于太平山顶的凌霄阁，以及中环的玻璃幕墙建筑群，包括国际金融中心（IFC）和中国银行大厦。最后，深水埗的霓虹灯街市场和彩虹邨色彩斑斓的楼宇在模型的角落徐徐展开。随着建筑物拔地而起，它们迸发出霓虹脉冲灯光效果，并伴有简短的电子音效。玻璃幕墙反射着维多利亚港上空炫目的激光表演。海港水面上，天星小轮和传统帆船“鸭灵号”缓缓滑过。底座周围设有 diner 餐位、电车站牌、鸡蛋仔摊位（带有蒸汽效果）和霓虹灯招牌（标有繁体中文字样）。底座之外是波光粼粼的维多利亚港，货轮和直升机动态地穿梭其中。最后，带有霓虹灯光效果的立体繁体中文字符“HONG KONG”从右侧闪烁出现，平稳悬浮在国际金融中心二期模型旁。

Mon, 01 Jan 0001 00:00:00 +0000

[

ModelScope

base_url=‘https://api-inference.modelscope.cn/v1',

DeepSeek

模型主页： https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.1 Model Name: deepseek-ai/DeepSeek-V3.1 Context: 128K SDK: 同时支持OpenAI API和Anthropic API

Moonshot

模型主页： https://platform.moonshot.cn/docs/api/ base_url = “https://api.moonshot.cn/v1", model = “kimi-k2-0711-preview”, “kimi-k2-turbo-preview”, 可以通过模型列表获取(GET https://api.moonshot.cn/v1/models) 上下文：128K key： https://platform.moonshot.cn/console/api-keys playground: https://platform.moonshot.cn/playground context: 128K

百度智能云

模型主页： https://cloud.baidu.com/doc/WENXINWORKSHOP/s/aljwzxz5d base_url = “https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions", model: https://console.bce.baidu.com/qianfan/modelcenter/model/buildIn/list

Mon, 01 Jan 0001 00:00:00 +0000

Agent Lightning

https://microsoft.github.io/agent-lightning/latest/

RAGEN

https://gemini.google.com/app/9ece70bdfdaea0dc

RAGEN 是一个利用强化学习训练 LLM 推理代理的系统，旨在解决多回合互动和随机环境中的挑战。该项目通过 StarPO 框架优化轨迹级别的推理和行动策略。RAGEN 的模块化设计包括环境状态管理器、上下文管理器和代理代理，支持多种环境和实验。项目强调了其在不同环境复杂性中的泛化能力，并提供了详细的设置和评估指南。

RAGEN是开源的强化学习框架，用于在交互式、随机环境中训练大型语言模型（LLM）推理Agent。基于StarPO（State-Thinking-Action-Reward Policy Optimization）框架，通过多轮交互优化整个轨迹，支持PPO、GRPO等多种优化策略。RAGEN通过MDP形式化Agent与环境的交互，引入渐进式奖励归一化策略，有效解决了多轮强化学习中的不稳定性。RAGEN的代码结构经过优化，分为环境管理器、上下文管理器和代理代理三个模块，方便扩展和实验。支持多种环境，如Sokoban、FrozenLake等，展示了良好的泛化能力。 RAGEN的主要功能

多轮交互与轨迹优化：RAGEN通过StarPO（State-Thinking-Actions-Reward Policy Optimization）框架，将Agent与环境的交互形式化为马尔可夫决策过程（MDP），优化整个交互轨迹，不仅是单步动作。全轨迹优化策略有助于Agent在复杂环境中做出更合理的决策。强化学习算法支持：RAGEN支持多种强化学习算法，包括PPO、GRPO和BRPO等，为研究者提供了灵活的算法选择。易于扩展的环境支持：RAGEN支持多种环境，包括Sokoban、FrozenLake等，提供了添加自定义环境的接口，方便研究者进行实验。稳定性和效率提升：RAGEN通过基于方差的轨迹过滤、引入“评论家”以及解耦裁剪等技术，有效提高了训练的稳定性和效率。

RAGEN的技术原理

MDP形式化：RAGEN将Agent与环境的交互形式化为马尔可夫决策过程（MDP），其中状态和动作是token序列。支持LLM对环境动态进行推理。 StarPO框架：框架通过两个交替阶段进行训练：

Rollout阶段：给定初始状态，LLM生成多条推理引导的交互轨迹，每一步接收轨迹历史并生成动作。 Update阶段：生成轨迹后，使用重要性采样优化整个轨迹的预期奖励，非单步优化，实现长远推理。

优化策略：StarPO支持多种强化学习算法，如PPO（近端策略优化）和GRPO（归一化奖励策略优化），适应不同的训练需求。渐进式奖励归一化策略：为解决多轮训练中的不稳定性，RAGEN引入了基于不确定性的过滤、移除KL惩罚和不对称PPO裁剪等策略。模块化设计：RAGEN采用模块化架构，包括环境状态管理器、上下文管理器和Agent代理，便于扩展和定制。

RAGEN的项目地址

项目官网：https://ragen-ai.github.io/ Github仓库：https://github.com/RAGEN-AI/RAGEN 技术论文：https://ragen-ai.github.io/pdf/RAGEN.pdf

RAGEN的应用场景

智能对话系统：RAGEN可用于训练对话系统，在与用户的交互中具备更好的推理能力，提供更加自然和准确的回答。游戏AI：在复杂、动态的游戏环境中，RAGEN可以帮助Agent进行合理的策略规划和执行。自动化推理：RAGEN可以应用于数学问题解答、编程任务等自动化推理场景，提高系统解决问题的能力。企业知识管理：RAGEN可以用于企业内部文档助手，从公司Wiki、会议纪要中定位信息，生成项目报告或会议摘要。法律咨询：在法律领域，RAGEN可以匹配相关法律条文和判例，用通俗语言解释法律风险。内容创作：RAGEN可以用于技术博客撰写、新闻报道生成等场景。通过检索GitHub代码示例、技术文档等，RAGEN能整合信息输出结构化的教程。

VAGEN

Code: https://github.com/RAGEN-AI/VAGEN
Blog: https://mll-lab.notion.site/vagen
Experiment Log: https://api.wandb.ai/links/ragen-V/nlb40e7l

VAGEN (框架层面)

VAGEN 本身的主要创新在于它是一个专门为训练视觉语言模型（VLM）代理而设计的多回合强化学习（RL）框架。它认识到现有针对纯语言模型（LLM）代理的 RL 框架（如 RAGEN 等使用的 RICO 算法）在应用于 VLM 代理时存在局限性，特别是在处理视觉信息和多回合交互方面。

TRICO (算法层面)

TRICO (Turn-aware Reason-Interaction Chain Optimization) 是 VAGEN 框架内的核心算法，它在 RICO 的基础上进行了针对 VLM 代理的优化，其主要创新点体现在以下两个方面：

Mon, 01 Jan 0001 00:00:00 +0000

参考

-一份全面的AI Agent知识地图

https://zilliz.com/blog/top-10-ai-agents-to-watch-in-2025 12 Best AI Agents You Need to Try in 2025 https://medium.com/%40elisowski/a-list-of-ai-agents-set-to-dominate-in-2025-028f975c5b99 https://explodingtopics.com/blog/ai-agents

Mon, 01 Jan 0001 00:00:00 +0000

npm install -g @githubnext/github-copilot-cli

copilot auth login

Mon, 01 Jan 0001 00:00:00 +0000

AI Skill Resource 为每个组织、每个岗位以及每位学习者找到合适的成长路径。立即在工作中开启人工智能带来的机遇，为未来热门岗位做好准备。

Artificial Intelligence for Beginners - A Curriculum 通过为期 12 周、包含 24 节课的课程，探索人工智能（AI）的世界！课程包含实践课、测验和实验。该课程适合初学者，涵盖 TensorFlow 和 PyTorch 等工具，以及人工智能伦理等内容。

Microsoft AI Skills Youtube Channel

Mon, 01 Jan 0001 00:00:00 +0000

做手办

绘制这张图中角色的1/7比例商业化手办，写实风格，真实环境。手巾摆放在电脑桌上，配有圆形透明亚克力底座，底座上无文字。电脑桌旁边放置一只印有原画风格插画的精美玩具包装盒。

数字人

transform the image to Ghibli/3D Carton/Chibi Style

Mon, 01 Jan 0001 00:00:00 +0000

This article details a project aiming to recreate the heroes of the Han Dynasty within 15 days, challenging the limits of Wan2.2. It involves various aspects of content creation, including music, scripting, image generation, video production, and the use of robust prompting techniques. Key points include: 1. Creation Motivation: Participate in the competition after the release of Wan2.2, be inspired by film analysis, and experiment with accumulated prompts. 2. Music Creation: Select Suno as the tool, input prompts, edit and remix unsatisfactory segments, and export multi - track music for later use in video editing. 3. Script and Storyboard: Only determine the general framework based on music and theme, and improve through continuous practice. 4. Image Generation: Choose image - to - video for better consistency. Use Midjourney for consistency, design character settings, and experiment with style prompts. 5. Video Production: Understand models from official documents, select videos based on performance and viewing experience, and use tools for high - definition enlargement and frame - filling. 6. Robust Prompting: Construct prompts using the RTF structure, ensure comprehensive and clear information, use positive expressions, and enhance model performance with few - shot examples. 7. Multiple Prompting Assistants: There are different prompting assistants for text - to - image, video generation, and seamless transition design between start and end frames, each with its own workflow and rules.

Mon, 01 Jan 0001 00:00:00 +0000

“AGI is not possible even in 10 years” 听起来像是单纯的情绪化表达，但是当前我们听完一圈真正科技大咖们的观点后，也许就能理解，这是基于当前Transformer架构的物理和数学局限性，提出的非常硬核的论证。

核心论点是：AGI（通用人工智能）在未来10年内都不太可能实现，目前的“2-3年实现论”更多是商业博弈而非技术现实。

以下是相关的论据拆解和逻辑推演：

1. 权威背书：构建者与售卖者的认知割裂

在AI界，有一个有趣的现象：CEO们在画饼，而顶级研究员在预警。

Yann LeCun (Meta首席科学家):
- 论点： 现有的LLM（大语言模型）完全缺失了“世界模型”。
- 论据： 人类的知识大部分来自与物理世界的互动（重力、触感、因果律），而非文本。LLM只是文本的统计学拟合，它们“读过”关于游泳的书，但从未下过水。这不仅是数据缺失，是根本性的认知缺陷。
Ilya Sutskever (OpenAI联合创始人/SSI创始人):
- 论点： “Scaling Law（缩放定律）时代”正在结束，我们回到了“研究时代”。
- 论据： 单纯堆算力和数据已经无法带来质变。AGI现在是一系列未解的科学问题，而不是只要把旋钮调大就能解决的工程问题。
Andrej Karpathy (前Tesla AI总监):
- 论点： 我们面临的是“Agent的十年”，而非“Agent的一年”。
- 论据： 目前的Agent只能处理样板代码，缺乏处理新颖问题的认知能力。它们无法像实习生那样“在工作中学习”，只会死循环地重复错误。

2. 技术瓶颈：Transformer架构的“阿喀琉斯之踵”

当前的Transformer架构无法逾越的三座大山：

A. 二次关注度问题 (The Quadratic Attention Problem)

现象： Transformer的核心机制——注意力机制（Attention）具有二次复杂度（$O(n^2)$）。
推演： 上下文长度翻倍，计算成本是四倍。虽然有稀疏注意力（Sparse Attention）或滑动窗口等优化，但这牺牲了模型捕捉长距离复杂关联的能力。
结论： 无论是处理整个公司的代码库还是全人类的医学知识，现有的上下文窗口（Context Window）在物理算力上是不可持续的。

B. “思考”的伪象 (The Thinking Problem)

现象： LLM本质是“Token预测机”，它是概率性的自动补全，而非逻辑推理。
推演：
- 算力分配不均： 模型计算“2+2=”和“证明黎曼猜想”所消耗的每个Token的算力是一样的。
- 缺乏系统2思维： 人类遇到难题会停下来思考（System 2），而模型无法自主决定“这里我需要多想一会儿”。虽然Chain of Thought (CoT) 是一种补救，但它更像是一种Prompt工程技巧，而非模型内在的认知架构。

C. 学习的停滞 (The Learning Problem)

现象： 模型权重（Weights）在训练后是冻结的。
推演：
- 上下文 $\neq$ 记忆： 你在对话框里教它的东西，只存在于临时的上下文窗口中。窗口一关，记忆即逝。
- 缺乏突触可塑性： 人类实习生犯错后，神经元连接会物理性改变（学习）。AI系统无法在推理阶段（Inference）实时更新权重。这意味着它无法像人类一样进行“持续学习”（Continuous Learning）。

3. 现实差距：“锯齿状”能力 (Jagged Intelligence)

文章引用了Sutskever的术语“Jaggy”（锯齿状）来描述当前AI的状态：

Mon, 01 Jan 0001 00:00:00 +0000

如何使用AI和认知科学来提升工作效率并防止“认知负债”

5W2H分析法：

是什么：认知负债是指由于信息过载、注意力分散、决策失误等原因，导致人们无法有效地处理信息，从而影响工作效率和决策质量。
为什么：信息过载、注意力分散、决策失误等原因，导致人们无法有效地处理信息，从而影响工作效率和决策质量。
谁：人们
何时：在工作中
何地：在工作中
如何：使用AI和认知科学来提升工作效率并防止“认知负债”

什么是认知负债

什么是信息过载

认知负债的来源

信息过载：工作环境中存在大量的信息，导致人们无法及时识别和处理重要信息。
注意力分散：工作环境中存在多个任务或项目，导致人们无法集中注意力只处理当前任务。
决策失误：人们在处理信息时，可能会根据自己的判断或惯性做出错误的决策，导致决策质量下降。
长期依赖：人们在处理信息时，可能会依赖于旧有的知识或技能，导致新的信息无法及时被接受。
工作环境变化：工作环境中存在变化，导致人们需要重新学习和适应新的工作环境。
个人能力限制：人们的能力有限，情绪波动、认知偏差、知识库不完整、经验不足导致无法处理复杂的任务或信息。

为什么AI工具的不正确使用会导致认知负债？

谁在什么情况下如何使用AI工具做什么样的事情会导致认知负债？

如何使用AI和认知科学来提升工作效率并防止“认知负债”

认知负债

认知负债是指由于信息过载、注意力分散、决策失误等原因，导致人们无法有效地处理信息，从而影响工作效率和决策质量。

AI的不正确使用导致的认知负债

Mon, 01 Jan 0001 00:00:00 +0000

WAIC 2025: 洞察信息图 - 一个世界，两种未来

一个世界，两种未来

2025年世界人工智能大会（WAIC）深度洞察

Mon, 01 Jan 0001 00:00:00 +0000

ACE Memory 集成

集成到CAMEL

CAMEL的记忆机制扩展ACE（Agentic Context Engineering）的代码（https://github.com/suzgunmirac/dynamic-cheatsheet）

https://deepwiki.com/search/autogen-langgraph-camel_03592337-a7ca-4328-a29f-66d658f6f1f0

集成到我的DeepResearch项目

STORM based on CAMEL

集成更多MCP

基础Chrome DevTools MCP，Windows MCP？Agentic Context Engineering lib（https://github.com/suzgunmirac/dynamic-cheatsheet）？

CAMEL版Pulse

参考OpenAI Pulse

Mon, 01 Jan 0001 00:00:00 +0000

Trends – Artificial Intelligence (AI) May 30, 2025 Mary Meeker / Jay Simons / Daegwon Chae / Alexander Krey

我们着手整理与人工智能相关的基础趋势。最初收集的几个零散数据点逐渐演变成了庞然大物。我们刚更新完一张图表，往往就得更新另一张——就像一场打地鼠的数据游戏……这种模式毫无停止迹象，而且随着科技巨头、新兴挑战者和主权国家之间的竞争加剧，情况会变得更加复杂。

互联网"创始人"之一文特·瑟夫在1999年曾说："…有人说互联网行业的一年相当于狗年——相当于普通人一生的七年。“当时互联网催化的变革速度已属空前。而现在，AI用户和使用趋势的增速更为惊人…机器很可能会超越我们。

正如数据所示，AI技术演进带来的变革速度和规模确实前所未有。这份报告充斥着持续攀升的用户量、使用量和收入图表——通常还伴随着同步增长的支出数据作为佐证。创作者、投资者和消费者正在利用：覆盖全球55亿网民的互联网基础设施；积累了三十多年的海量数字数据集；以及自2022年11月ChatGPT推出后获得解放的突破性大语言模型——其极简的用户界面带来了前所未有的使用体验。

新兴AI公司的创始人们在创新、产品发布、投资并购和融资方面尤为激进。与此同时，传统科技公司（多由创始人掌舵）也正将巨额自由现金流注入AI领域，以期推动增长并抵御竞争。尤其在中美科技博弈背景下，全球竞争日趋白热化。

报告大纲见下页，随附的十一张图表将佐证我们的观察。希望这份汇编能为探讨这场席卷技术、金融、社会、物理和地缘政治领域的变革提供参考。随着知识以全新方式加速传播，人类（和机器）必将持续完善这些观点，共同适应这场进化之旅。

特别感谢Grant Watson、Keeyan Sanjasaz和BOND团队的同事们，正是他们的创意让本报告得以面世。同时也致敬所有直接或间接推动技术发展的朋友和建设者们。

slide 7

鹏哥，以下是图片内容的逐段中文翻译，便于你快速理解其核心思想：

1. 世界变化的速度

说“世界正以前所未有的速度变化”其实还是低估了现实。
快速且变革性的技术创新与应用，是这些变化的关键支撑。
全球力量的领导格局也在随之演变。

2. 科技巨头的使命

Google的创始使命（1998年）：“组织全球信息，使其普遍可访问且有用。”
阿里巴巴的创始使命（1999年）：“让天下没有难做的生意。”
Facebook的创始使命（2004年）：“赋予人们分享的力量，让世界更加开放和互联。”

3. 信息与AI驱动的变革

快进到今天，全球的信息已被组织、连接并易于获取，而人工智能、算力加速和“半无国界”资本正在为这一切注入新动力，引发巨大变革。

4. 体育与AI进步类比

体育为AI的持续进步提供了良好类比。运动员不断刷新纪录，其背后的天赋越来越多地依赖于更好的数据、输入和训练。

5. 商业智能化的加速

企业同样如此，计算机通过吞吐海量数据变得更智能、更具竞争力。
大模型突破、单位成本下降、开源普及和芯片性能提升，让新技术变得更强大、更易获取、更具经济可行性。

6. ChatGPT的全球现象级崛起

OpenAI的ChatGPT——以用户/使用/变现指标来看——是历史上最大的“突然成功”（成立九年后）。
AI的使用在消费者、开发者、企业和政府间激增。
与互联网1.0不同，后者从美国起步再全球扩散；而ChatGPT则几乎是全球同步爆发，在大多数地区同时增长。

7. AI基础设施的竞赛

与此同时，平台巨头和新兴挑战者正竞相构建和部署AI基础设施的下一层：
Agent型界面、企业协同助手、现实世界的自主系统，以及主权大模型。

8. AI驱动下的工作与资本重塑

人工智能、算力基础设施和全球互联的快速进步，正在根本性地重塑工作方式、资本流动方式以及企业和国家的领导力定义。

9. 全球力量的领导权演变

我们看到世界上最强大的国家，正因不同程度的经济、社会和领土诉求而加速前进。而且，技术力量与地缘政治这两股强大势力正日益交织在一起。

如有需要进一步拆解某一段的技术要点、产业影响或战略启示，随时告诉我！

说世界正在以前所未有的速度变化都算轻描淡写了。快速且颠覆性的技术创新与应用是这些变革的核心驱动力，全球大国领导力的演变同样如此。谷歌（1998年）的创立使命是"整合全球信息，使人皆可访问并从中受益”；阿里巴巴（1999年）立志"让天下没有难做的生意"；Facebook（2004年）则要"赋予人们分享的权力，让世界更开放互联"。时至今日，人工智能、算力爆发和半无国界资本正在为这些已整合、互联且可获取的信息注入超强动能——这一切都在推动着翻天覆地的变革。

体育竞技恰似人工智能持续进化的生动写照。当运动员不断突破人类极限创造奇迹时，他们的天赋正日益得益于更优质的数据、训练方法和营养摄入。商业领域同样如此，计算机通过海量数据学习正变得愈发智能和具备竞争力。大模型突破、单次计算成本下降、开源生态繁荣和芯片性能提升，正在使新技术变得更强大、更普及且更具经济可行性。OpenAI的ChatGPT——根据用户量、使用量和商业化指标衡量——堪称人类历史上最惊人的"一夜成名"神话（尽管其背后是九年的技术积淀）。从消费者、开发者到企业和政府，AI应用正在全球范围激增。与互联网1.0时代技术从美国逐步扩散不同，ChatGPT几乎同时登陆全球各大市场。

当下，行业巨头与新兴挑战者正在竞相构建下一代AI基础设施：智能体界面、企业级AI助手、现实世界自主系统和主权模型。人工智能、算力基础设施和全球互联技术的迅猛发展，正在深刻重塑企业乃至国家层面的工作方式、资本配置和领导力定义。与此同时，全球大国间的领导力博弈正在上演，各方都在挑战彼此的比较优势。我们看到世界上最强大的国家，正因不同程度的经济、社会和领土诉求而加速前进。而且，技术力量与地缘政治这两股强大势力正日益交织在一起。

Mon, 01 Jan 0001 00:00:00 +0000

优秀公共信息源，博主，公众号，小红书，知乎，抖音，up主。小红书：“海外独角兽”，公众号：

Mon, 01 Jan 0001 00:00:00 +0000

英伟达

开源大模型

Mon, 01 Jan 0001 00:00:00 +0000

Paper2All是一个开源项目，由YuhangChen1主导，旨在通过其核心工具PAPER2WEB将科研论文转化为可交互的学术网站，以增强论文传播效果。主要特性包括优化内容与布局生成探索性学术首页，并提供数据集和基准（Paper2Web dataset and benchmark）支持结构化分析和性能提升。此外，该项目还集成了Paper2Video、Paper2Poster和AutoPR等模块，构成了完整的学术推广物料生成流程。

项目提供了详细的安装与使用指南，支持快速生成交互性网站、学术海报及视频，并允许进一步配置如OpenAI API和Google搜索API等。Paper2All还支持包括3D视觉、生成建模、多模态学习等13类论文内容的结构化分类和分析。

开发者和用户可通过贡献指南参与其中，项目依赖Python等多种技术栈，目前整体代码包含Python (80.2%), HTML (13%) 等。

项目的核心贡献包括提出了一个自适应和交互性较强的自动化论文展示解决方案，并计划与EvoPresent等工具整合，提升网站及演示材料的美观和交互性。

参考文献

Mon, 01 Jan 0001 00:00:00 +0000

Recommended papers

The 2025 AI Engineer Reading List

Agentic Context Engineering

参考

https://huggingface.co/spaces?q=paper https://huggingface.co/spaces/Heartsync/Papers-Leaderboard

https://huggingface.co/papers/date/2025-05-19

Mon, 01 Jan 0001 00:00:00 +0000

PPT神器

Mon, 01 Jan 0001 00:00:00 +0000

本文主要介绍一些比较优秀的产品，分析他们有趣的功能，打动人心的地方，为自己开发项目提供灵感。

OpenAI

openai pulse GPT store Chatgpt语音视频app DeepResearch CodeX

Claude

claude code， Claude SDK

Google：

NotebookLM

ByteDance

Coze

Mon, 01 Jan 0001 00:00:00 +0000

多媒体神器

Mon, 01 Jan 0001 00:00:00 +0000

AutoGen 0.4 版本

根据我搜索到的信息，AutoGen 最新版本（特别是 0.4 版本及更高版本）引入了许多新特性和改进，主要集中在以下几个方面：

核心架构和 API (Core & API)

异步架构 (Asynchronous Architecture): AutoGen 0.4 完全转向异步架构，所有操作都使用 async/await。这提高了性能和可伸缩性，尤其是在处理 I/O 密集型任务（如网络请求）时。
模块化和解耦 (Modularity and Decoupling):
- 核心抽象（如 IAgent）被移至 AutoGen.Core 包，去除了对 OpenAI 的直接依赖。
- OpenAI 特定的组件（如 GPTAgent, OpenAIChatAgent）被移至独立的 AutoGen.OpenAI 包。
- 这种模块化设计使得集成其他模型提供商（如 Anthropic, Ollama）变得更加容易。
消息类型 (Message Types): 引入了更具体的消息类型，如 TextMessage, ImageMessage, 和 MultiModalMessage，以更好地支持多模态应用。
流式处理 (Streaming): 增强了对流式响应的支持，IStreamingAgent 和 IStreamingMiddleware 的 API 也得到了简化，可以直接返回 IAsyncEnumerable。

智能体和工作流 (Agents & Workflows)
图聊天 (Graph Chat): 引入了 GraphFlow 和 DiGraphBuilder，允许创建复杂的、有条件的对话工作流。这使得可以构建更精细的多智能体协作模式，例如带有条件分支和循环的流程。
多模态智能体 (Multimodal Agents): 增强了对多模态输入的支持。例如，AssistantAgent 现在可以处理包含文本和图像的 MultiModalMessage。MultimodalWebSurfer 智能体可以浏览网页并处理多模态内容。

Mon, 01 Jan 0001 00:00:00 +0000

LangChain 技术架构与实现详解

LangChain 是一个强大的框架，旨在简化和加速基于大型语言模型 (LLM) 的应用程序的开发。它的技术架构和实现围绕着模块化、可组合性和标准化接口的核心思想。

以下是对 LangChain 技术架构与实现的详解：

一、核心设计理念与目标

模块化 (Modularity): 将 LLM 应用开发中常见的组件（如 LLM 封装、Prompt 管理、数据连接、记忆、Agent 等）抽象为独立的模块。开发者可以按需选用和组合。
可组合性 (Composability): 通过LangChain 表达式语言 (LCEL) 和 Runnable 协议，可以像搭乐高积木一样将这些模块轻松连接起来，形成复杂的“链 (Chains)”或“图 (Graphs, via LangGraph)”。
标准化接口 (Standardization): 为不同 LLM 提供商、向量数据库等提供统一的接口，降低切换成本和学习曲线。
端到端应用支持 (End-to-End): 提供从数据加载、处理、LLM 调用、状态管理到 Agent 决策的全流程支持。
生态系统 (Ecosystem): 积极集成大量第三方工具、API 和服务。

二、核心架构组件 (Pillars of LangChain)

LangChain 的架构可以看作由以下几个核心支柱构成：

Schema (模式/接口定义):
- 作用： 定义了 LangChain 中各种数据结构和接口的基本规范。
- 实现：
  - Messages: (AIMessage, HumanMessage, SystemMessage, ToolMessage, FunctionMessage) - 定义了与聊天模型交互的消息类型。
  - Document: 包含 page_content (文本内容) 和 metadata (元数据) 的标准文档对象。
  - PromptValue: Prompt 模板格式化后的输出，作为 LLM 的输入。
  - LLMResult, ChatResult: LLM 和聊天模型调用的标准输出格式，包含生成内容、token 使用情况等。
- 技术： 大量使用 Pydantic 进行数据校验和序列化。
Models (模型接口):

Mon, 01 Jan 0001 00:00:00 +0000

项目基本信息名称: nanochat - “最便宜的$100 ChatGPT克隆” 用途: 完整的LLM训练和推理流程，从数据到Web UI 规模: ~8K行代码，45个文件，单个 8XH100 节点上 4 小时完成训练成本: ~$100 (d20 模型，561M 参数) 🛠️ 技术栈 Python 3.10+ + PyTorch 2.8+ Rust tokenizer (rustbpe via PyO3) FastAPI + Uvicorn 用于 Web 服务 HuggingFace datasets + wandb 实验追踪 uv 作为依赖管理器

Mon, 01 Jan 0001 00:00:00 +0000

Zen MCP (Zread.ai) Supabase MCP (https://github.com/supabase-community/supabase-mcp) Browser MCP(It’s like having Google built into your editor. No more jumping between tabs.) Claude Taskmaster Exa MCP(https://github.com/exa-labs/exa-mcp-server)

Lastmile MCP: https://github.com/lastmile-ai/mcp-agent (Lastmile MCP提供生产级框架，支持多代理协调与人类参与工作流，简化MCP服务器生命周期管理。)它对 Anthropic 的“构建有效代理”研究中每一种模式的实施，再加上 OpenAI 的 Swarm 多代理编排，树立了标准。该框架处理所有繁琐的 MCP 服务器生命周期管理工作，同时为您提供强大的工作流模式，例如评估器 - 优化器、编排器 - 工作者以及并行执行。 Claude Code MCP Server : https://github.com/steipete/claude-code-mcp (其与众不同之处在于能够绕过权限中断，并一次性执行复杂的编码工作流。,对于那些想要利用 Claude 的系统级访问权限来完成其他集成开发环境无法处理的任务的开发者来说，这是很有价值的。)

The Figma MCP Server: From Design to Code in a Click Stripe MCP 服务器：打造坚不可摧的支付系统 Sentry MCP 服务器：在您发现漏洞之前就将其修复

GitHub Copilot、VS Code 团队以及微软开源项目办公室（OSPO）共同资助了这九个开源 MCP 项目，这些项目提供了新的框架、工具和助手，以开启原生人工智能工作流、智能代理工具和创新。link：

Mon, 01 Jan 0001 00:00:00 +0000

21st Dev Magic AI Agent making your app look pro,

Mon, 01 Jan 0001 00:00:00 +0000

Exa MCP Server 是一个由 Exa Labs 开发的开源工具，主要用于为 AI 助手（如 Claude）提供高效的代码搜索与网络搜索服务。其核心功能包括：

代码上下文搜索：快速检索代码片段、API 用法和最佳实践，从 GitHub 库及其他资源中提供相关代码参考。
实时网络搜索与爬取：支持实时爬取网页内容（如 URL、文章、PDF 等），并优化搜索结果。
其他工具：包括公司信息爬取、LinkedIn 搜索、深度研究等功能。
多种集成方式：支持通过 Smithery、Claude Desktop、Codex、Claude Code 插件等平台进行配置与集成。
简单配置：通过 API 密钥及多种工具参数选择，用户可自定义启用功能模块。

项目支持远程或本地部署，核心搜索功能由 Exa 的搜索引擎驱动，适合开发者和研究者使用。技术栈以 TypeScript 为主，采用 MIT 开源协议，目前拥有 3.1k Star 和 231 Fork，可通过 NPM 或源码直接安装使用。

用法

1

"What's the current rate limit for the GitHub API?"

它会自动回复

1
2
3
4
5


GitHub API Rate Limits (May 2025)

Unauthenticated requests: 60 per hour.
Authenticated requests: 5,000 per hour.
Source: Official GitHub API docs.

参考

https://github.com/exa-labs/exa-mcp-server

Mon, 01 Jan 0001 00:00:00 +0000

Graphiti 是一个用于 AI 代理构建和查询动态图时序知识图的开源框架。相较传统的检索增强生成（RAG）方法，Graphiti 提供实时增量数据更新、双时间轴数据模型和高效的混合检索功能，可处理动态用户交互、企业数据和外部信息的整合。它支持精准历史查询、语义搜索、关键词搜索和图遍历，适合构建交互式、上下文感知的 AI 应用。

Graphiti 核心特性包括：

实时增量更新，无需重新计算完整图数据。
明确的事件时间和引入时间支持精准的历史查询。
多模式混合检索，支持低延迟查询。
开发者自定义实体定义和灵活的本体创建。
高并发支持和适合大规模数据场景。

Graphiti 与 Zep 平台集成，用于 AI 上下文工程，为 AI 代理提供记忆支持和动态数据管理。

安装要求包括 Python 3.10+、Neo4j、FalkorDB 或 Amazon Neptune 数据库。支持 OpenAI 与其他 LLM 服务进行集成。同时，Graphiti 提供详细的快速入门指南和 MCP 服务，支持用户管理关系和检索操作。

Mon, 01 Jan 0001 00:00:00 +0000

ALLWEONE® Presentation AI 是一个开源、AI驱动的演示文稿生成工具，灵感来源于 Gamma.app，可快速生成美观且可定制的幻灯片。其主要功能包括：AI内容生成、多个内置主题、实时生成、实时编辑、自动保存、图像生成及演示模式等。支持使用本地模型（如 Ollama 和 LM Studio）进行生成。技术栈涵盖 Next.js、React、PostgreSQL 等。项目规划包括支持 PDF 导出、实时协作、多设备响应、插件系统等新功能。用户可通过贡献代码、报告问题或加入 Discord 社区提供支持。项目采用 MIT 许可证开源，主站为 presentation.allweone.com。

Mon, 01 Jan 0001 00:00:00 +0000

TLDR

RD-Agent是一个数据驱动的AI研发自动化框架，其核心理念是将研发过程分解为两个关键组件：

R (Research)：主动探索，提出新想法
D (Development)：实现想法，将概念转化为可执行的代码

qlib

rdagent

RD-Agent 工作原理与实现架构详解

基于对代码库的深入分析，我来为你详细解释RD-Agent的工作原理和实现架构。

🎯 核心设计理念

RD-Agent是一个数据驱动的AI研发自动化框架，其核心理念是将研发过程分解为两个关键组件：

R (Research): 主动探索，提出新想法
D (Development): 实现想法，将概念转化为可执行的代码

��️ 系统架构概览

1. 核心框架组件

核心抽象层 (Core Layer)

Scenario: 定义具体应用场景（如量化交易、数据科学、Kaggle竞赛等）
Experiment: 表示一个完整的实验，包含假设、任务序列和实现
Hypothesis: 表示研究假设，包含想法、原因和观察
Trace: 记录实验历史，支持DAG结构的实验追踪
Feedback: 实验执行后的反馈信息

进化框架 (Evolving Framework)

EvolvingStrategy: 定义如何基于历史经验进化
RAGEvoAgent: 结合RAG（检索增强生成）的进化智能体
EvolvingKnowledgeBase: 知识库，存储和检索历史经验

工作流引擎 (Workflow Engine)

LoopBase: 异步工作流基础类，支持并行执行
RDLoop: R&D循环的具体实现
Developer: 开发者抽象，负责代码实现

🔄 R&D循环工作流程

主要步骤

假设生成 (Hypothesis Generation)
1

hypothesis = self.hypothesis_gen.gen(self.trace)
- 基于历史实验记录生成新的研究假设
- 分析当前问题和数据特征
实验设计 (Experiment Generation)

Mon, 01 Jan 0001 00:00:00 +0000

Neo4j LLM Knowledge Graph Builder

Neo4j推出了2025年首个版本的LLM知识图谱构建器（LLM Knowledge Graph Builder），这是一个开源工具，旨在从非结构化数据中提取知识并构建知识图谱。该工具通过将文档分块、生成文本嵌入、提取实体及其关系，并存储在Neo4j图数据库中来实现更高效的数据交互和检索。新版本增加了多项功能，包括社区摘要生成、多检索器并行运行、支持自定义提取指令以及用户体验改进等。

关键点

Neo4j发布了LLM知识图谱构建器的2025年首个版本，提供了从非结构化数据中提取知识的解决方案。
工具支持将文档分块、生成文本嵌入、提取实体及其关系，并存储在Neo4j图数据库中。
新增功能包括社区摘要生成、全局和局部检索器、多检索器并行运行以及检索器评估。
支持用户自定义提取指令，允许更精确地提取特定主题或部分内容。
提供了用户体验改进，如只读数据库访问、图谱可视化优化以及实验性的图谱合并功能。
工具支持多种最新的LLM模型，如OpenAI GPT-4o、Google Gemini等，并进行了内部测试和集成。
用户可以通过Neo4j的AuraDB免费版或专业版试用该工具，并参与其相关博客系列了解更多技术细节。

Neo4j LLM Knowledge Graph Builder

Mon, 01 Jan 0001 00:00:00 +0000

Rankify摘要

一个模块化且高效的检索、重排序和 RAG 框架，专为最新的检索、排序和 RAG 任务模型设计。

Rankify 是一个 Python 工具包，专为统一的检索、重排序和检索增强生成（RAG）研究而构建。该工具包集成了 40 个预检索的基准数据集，支持 7 种检索技术，包含 24 种最先进的重排序模型，并支持多种 RAG 方法。Rankify 提供一个模块化且可扩展的框架，使研究人员和实践者能够轻松进行实验和基准测试，涵盖完整的检索流程。详细的文档、开源实现和预构建的评估工具，使 Rankify 成为该领域研究者和工程师的强大工具。

参考

Mon, 01 Jan 0001 00:00:00 +0000

py-spy

py-spy 是一个专为 Python 设计的采样型性能分析器（sampling profiler），它的主要作用是：

在不中断、无侵入、不修改代码的情况下，实时分析正在运行的 Python 程序的性能瓶颈！

核心用途

1. 实时性能分析

可以对“正在运行”的 Python 程序进行采样分析，无需重启、无需插桩。
支持抓取 CPU 占用高的代码片段，快速定位慢点、死循环、锁等待等问题。

2. 零侵入、无性能损耗

不需要在代码里加任何import或装饰器，对性能影响极小（<1%）。
支持分析生产环境、Docker 容器、Kubernetes 等多种部署方式下的进程。

3. 多种可视化输出

支持生成火焰图（flamegraph）、Top 统计、原始采样数据等多种格式，便于分析和汇报。

常见用法举例

1. 分析指定进程的性能瓶颈

1

py-spy top --pid 12345

实时显示当前最消耗 CPU 的函数调用栈。

2. 生成火焰图（Flamegraph）

1

py-spy record -o profile.svg --pid 12345

采样一段时间后，生成 SVG 格式的火焰图，直观展示各函数耗时比例。

3. 分析 Docker 容器里的 Python 程序

1
2
3


docker run --rm -it --pid=host --privileged \
 -v /tmp:/tmp your-python-app
py-spy top --pid <容器内Python进程号>

典型应用场景

生产环境排查性能瓶颈：线上服务卡顿时，直接分析正在跑的进程，无需重启。
数据科学/AI训练任务：分析大规模数据处理、模型训练的慢点。
多线程/多进程程序：支持 GIL 监控，能看到线程切换和锁等待情况。
和 CI/CD、监控平台联动：自动抓取性能数据，生成历史趋势报告。

与其它分析器对比

工具	侵入性	性能损耗	支持生产环境	可视化能力	备注
py-spy	无	极低	强	强	推荐
cProfile	有	中	弱	一般	需改代码
yappi	有	低	一般	一般	需改代码
perf	无	极低	强	一般	需C扩展配合

脑洞扩展建议

AI驱动的自动瓶颈定位
结合 LLM 自动解读火焰图，给出优化建议、重构方案，甚至自动生成 PR。

Mon, 01 Jan 0001 00:00:00 +0000

Chatbot 元宝

安装腾讯元宝app，OS 应用，小程序。外网访问：https://llm.hunyuan.tencent.com/#/chat/hy-t1

Mon, 01 Jan 0001 00:00:00 +0000

Scaling Laws

下面是一张表格，总结了scaling law各种曲线和相关参数之间的关系，有助于对比它们各自的设计理念和重点关注的参数。

2. Chinchilla 理论曲线

订正说明：Chinchilla模型由DeepMind团队在论文《Training Compute-Optimal Large Language Models》中提出，发表于2022年，论文ID为arxiv:2203.15556。
更正后信息：
- 论文ID：2203.15556
- 发表时间：2022

3. Deep Scaling Laws

订正说明：该理论通常与OpenAI的缩放定律研究相关，但表格中的描述更接近Chinchilla的结论。若特指参数、数据、计算复杂度三者的联合优化，可能对应论文《Scaling Laws for Neural Language Models》（2020年，ID:2001.08361）。
更正后信息：
- 论文ID：2001.08361
- 发表时间：2020

5. Scaling Laws for Transfer Learning

订正说明：该领域的研究分散，但Google与OpenAI合作的论文《Scaling Laws for Transfer》发表于2021年，ID为arxiv:2102.01293（需核实具体内容是否匹配）。
更正后信息：
- 论文ID：2102.01293（示例，需进一步验证）
- 发表时间：2021

6. Data Scaling Laws

订正说明：Google的PaLM项目相关论文《PaLM: Scaling Language Modeling with Pathways》发表于2022年，ID为arxiv:2204.02311。
更正后信息：
- 论文ID：2204.02311
- 发表时间：2022

7. Lottery Ticket Hypothesis

订正说明：原始论文由Frankle & Carbin于2018年发表，ID为arxiv:1803.03635，信息准确。
无需更正。

8. Scaling Laws for Multimodal Models

订正说明：OpenAI的CLIP模型论文《Learning Transferable Visual Models From Natural Language Supervision》发表于2021年，ID为arxiv:2103.00020。
更正后信息：
- 论文ID：2103.00020
- 发表时间：2021

9. FLOP-Efficiency Scaling Laws

订正说明：NVIDIA与Meta的联合研究可能指向《FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness》（2022年，ID:2205.14135）。
更正后信息：
- 论文ID：2205.14135
- 发表时间：2022

10. Emergent Scaling Laws

订正说明：Anthropic团队关于涌现现象的论文《Emergent Abilities of Large Language Models》发表于2022年，ID为arxiv:2206.07682。
更正后信息：
- 论文ID：2206.07682
- 发表时间：2022

修订后表格

理论名称	提出者/研究团队	主要关注参数 / 关系	核心思想及说明	论文ID（arXiv）	发表时间
Kaplan 理论/曲线	OpenAI	参数数量 ≫ 数据量	主张在固定计算量（FLOPs）下优先扩展模型参数。增加模型参数数量能够显著提升性能；因而设计了超大规模模型（例如 GPT-3 的 175B 参数）但训练数据相对较少。	Scaling Laws for Neural Language Models	待确认
Chinchilla 理论曲线	DeepMind	参数与数据平衡	在相同计算预算下，参数数量与训练数据应达到最佳平衡，避免参数过大导致资源浪费；实验表明减少参数并增加数据能够提升泛化能力。	2203.15556	2022
Deep Scaling Laws	OpenAI	参数、数据、计算复杂度	提出了模型性能（Loss）与 [N^{-a} + D^{-b} + C^{-c}] 的幂次关系，强调三者联合优化的重要性。	2001.08361	2020
Optimal Compute Allocation	DeepMind	参数与数据反比配置	研究在固定 FLOPs 下如何分配参数和训练数据，指出应该采用反比配置以充分利用计算资源，成为 Chinchilla 理论形成的基础。	2203.15556	2022
Scaling Laws for Transfer Learning	Google & OpenAI	预训练与微调资源分配	着眼于迁移学习阶段，探讨预训练和微调资源如何协同作用，展示如何通过调整两阶段的数据与参数协调优化模型在特定任务上的表现。	2102.01293（示例）	2021
Data Scaling Laws	Google Research	数据质量与多样性	专注于训练数据的重要性，指出数据量增加对小模型提升更显著，同时强调高质量与多样化数据对大模型泛化能力的关键作用。	2204.02311	2022
Lottery Ticket Hypothesis	Jonathan Frankle 与 Michael Carbin	参数稀疏性与子网络训练	提出在大规模网络中存在可单独训练且表现稳定的子网络（“彩票”），暗示在大模型中并非所有参数都是必要的，从侧面支持减少有效参数以达到高效训练。	1803.03635	2018
Scaling Laws for Multimodal Models	OpenAI（CLIP团队）	多模态数据对齐	探讨不同模态数据如何协同优化模型性能，强调各模态间的比例与对齐关系是提升多模态模型效果的关键。	2103.00020	2021
FLOP-Efficiency Scaling Laws	NVIDIA & Meta	计算资源高效利用	注重硬件与算法的协调优化，提出通过混合精度、稀疏矩阵运算等技术，在固定 FLOPs 下提升模型训练与推理的资源效率。	2205.14135	2022
Emergent Scaling Laws	Anthropic	临界规模下的能力涌现	研究当模型规模增大超过某个临界值时，突然涌现出复杂能力（如推理、编程等），强调了超大规模模型在特定临界点后的能力突变现象。	2206.07682	«Emergent Abilities of Large Language Models》

Chinchilla 理论曲线

该理论是由 DeepMind 在 2022 年提出的一种关于 大规模语言模型（LLMs）训练效率的理论框架，它解决了早期 LLM 中普遍存在的 参数规模和训练数据量不平衡 的问题。简单来说，这个理论为 LLM 的 参数数量、训练数据量（tokens）和计算资源（FLOPs） 提供了一个优化指导，帮助模型在相同计算预算下实现更高效的性能

Mon, 01 Jan 0001 00:00:00 +0000

The Surprising Effectiveness of Test-Time Training for Abstract Reasoning

MIT: The Surprising Effectiveness of Test-Time Training for Abstract Reasoning

Mon, 01 Jan 0001 00:00:00 +0000

世界生成统一评估基准：WorldScore

WorldScore 对 AI 业界的特殊贡献

WorldScore 是首个统一评估基准，专注于评估 3D、4D 和视频模型在世界生成任务中的表现。它的出现填补了现有基准在多场景、多序列长度和动态性评估方面的空白，对 AI 业界的贡献具有以下几个关键点：

1. 统一评估标准

核心贡献：WorldScore 提供了一个统一的框架，将世界生成任务分解为一系列基于显式相机轨迹的下一场景生成任务。
意义：这一方法让 3D、4D 和视频生成模型可以在同一基准下进行比较，解决了以往基准无法覆盖多模态、多任务模型的局限性。

2. 多维度评估指标

WorldScore 提出了三个核心评估维度：

可控性（Controllability）：评估模型是否能够根据指令生成符合布局和内容的场景。
质量（Quality）：包括 3D 一致性、光度一致性、风格一致性和主观质量等。
动态性（Dynamics）：评估模型生成动态场景的运动准确性、平滑性和幅度。

这些指标全面覆盖了世界生成任务的关键挑战，为模型开发者提供了多层次的性能反馈。

3. 弥补现有基准的不足

与现有基准（如 TC-Bench、EvalCrafter、VBench 等）相比，WorldScore 在以下方面表现出独特优势：

多场景与长序列支持：评估生成模型是否能处理复杂的多场景任务。
精确的相机控制：评估模型是否能够严格遵循相机轨迹指令。
3D 一致性评估：确保模型生成的场景在几何和纹理上保持一致。
覆盖动态场景生成：现有基准大多仅关注静态场景，而 WorldScore 引入了动态性评估，填补了这一重要领域的空白。

4. 推动多模态生成技术发展

WorldScore 支持对 3D、4D、I2V（图像到视频）和 T2V（文本到视频）模型的统一评估。这种广泛的适用性直接推动了多模态生成技术的研究和发展，为学术界和工业界提供了一个通用的测试基准。

5. 提升模型实际应用能力

通过对 19 个代表性模型的评估，WorldScore 揭示了当前模型在可控性、动态性和质量上的不足。例如：

某些模型在动态场景生成中表现较弱（如运动平滑性不足）。
部分模型在复杂场景生成中无法保持 3D 一致性。这些洞察帮助开发者更有针对性地优化模型，从而提升模型在实际应用中的可靠性。

6. 丰富的公开资源

数据集：WorldScore 提供了一个包含 3,000 个多样化场景的高质量数据集，涵盖静态与动态、室内与室外、写实与风格化等多种场景。
排行榜：通过 Hugging Face 平台提供实时更新的模型排名，方便研究者和开发者了解最新的模型性能。

7. 学术与工业影响力

学术价值：作为一项开创性工作，WorldScore 为世界生成领域提供了系统化的研究工具，促进了该领域的进一步探索。
工业价值：在虚拟现实（VR）、增强现实（AR）、影视制作、游戏开发等应用场景中，生成高质量的动态世界是关键需求。WorldScore 的评估标准为这些行业提供了可靠的参考。

脑洞建议：未来的可能方向

扩展至实时生成能力评估：
- 增加对模型实时生成能力的测试，特别是在交互式场景中的表现。
引入多模态交互评估：
- 例如，结合语音、手势等多模态输入，评估模型的响应能力。
自动化优化反馈：
- 基于 WorldScore 的评估结果，开发自动化调优工具，为模型开发者提供优化建议。
与元宇宙结合：
- 将 WorldScore 评估框架嵌入元宇宙平台，实时测试生成模型在虚拟世界中的表现。

总之，WorldScore 的推出为世界生成领域树立了新的标杆，其统一评估框架和多维度指标将持续推动 AI 技术在生成式任务上的进步。

Mon, 01 Jan 0001 00:00:00 +0000

特性	描述
可用性	Grok 4.1现已在grok.com、𝕏以及iOS和Android应用上向所有用户开放。立即在自动模式下推出，并可以在模型选择器中明确选择“Grok 4.1”。
改进点	在创意、情感和协作互动方面表现出色；对细微意图更加敏感；对话更具吸引力；个性更加一致，同时完全保留了前代产品的敏锐智能与可靠性。
技术进步	使用了与Grok 4相同的大型强化学习基础设施来优化模型的风格、个性、帮助性和一致性。开发了新方法，允许使用前沿代理推理模型作为奖励模型，以自主地大规模评估和迭代响应。
静默部署	从2025年11月1日至14日，逐步向越来越多的生产流量推出了初步的Grok 4.1版本。期间进行了连续的盲配对评估。
用户偏好	相比之前的生产模型，在流量中的偏好率为64.78%。
通用能力	在盲人偏好评估中设定了新的标准。
LMArena Text Leaderboard表现	思考模式（代号：quasarflux）排名第一，得分为1483 Elo；非思考模式（代号：tensor）排名第二，得分为1465 Elo。
情商	在EQ-Bench3测试中展示了卓越的情感智能能力，包括理解力、洞察力、同理心及人际交往技巧。
创造性写作	在Creative Writing v3基准测试中取得了高分，证明了其在创作性内容生成方面的强大能力。
减少幻觉现象	通过专注于减少信息查询提示中的事实错误，显著降低了快速（非推理）模型的幻觉率。

LangGraph技术底座

Mon, 01 Jan 0001 00:00:00 +0000

LangGraph 技术架构与实现详解

本文档旨在全面剖析 LangGraph 的技术架构与底层实现。LangGraph 是一个用于构建有状态、可循环、多参与者（Multi-agent）应用的强大框架，它作为 LangChain 生态的关键扩展，为复杂的 AI 工作流提供了图计算的能力。

1. 顶层架构与设计哲学 (High-Level Architecture)

从最高层面看，LangGraph 的设计目标是将复杂的 AI 应用逻辑，特别是那些包含循环、条件分支和状态依赖的 Agentic 工作流，抽象为一个可计算、可观测、可持久化的有向图。其核心架构思想可以概括为以下几点：

图即应用 (Graph as Application)：将整个应用程序的工作流程建模为一个有向图（Directed Graph）。图中的节点 (Node) 代表计算单元（如调用 LLM、执行工具、处理数据），而边 (Edge) 代表控制流和数据流的方向。
状态机范式 (State Machine Paradigm)：整个图的执行过程被视为一个状态机。存在一个全局共享的状态 (State) 对象，在整个图的执行过程中被持久化和传递。每个节点接收当前状态，执行其逻辑，然后返回对状态的更新。这种模式使得应用的状态变迁清晰可追溯。
声明式定义 (Declarative Definition)：开发者通过声明式的 API 来“绘制”这张图——定义节点、定义边、设置入口和出口。开发者更关注“做什么”(What)，而不是“如何执行”(How)，具体的调度、并发和状态管理由框架处理。
人机协同原生支持 (Human-in-the-Loop Native Support)：架构层面内置了中断和恢复的能力。图可以在任意节点暂停，等待外部（如人工审批）输入，然后再从断点处无缝恢复执行，这对于构建需要人工干预的复杂流程至关重要。

下图描绘了 LangGraph 的高层逻辑视图：

+-------------------------------------------------+
| Application Layer |
| (e.g., Multi-agent System, ReAct Loop, CoT) |
+----------------------+--------------------------+
| (Defines the flow)
v
+-------------------------------------------------+
| LangGraph API & Core Logic |
| +-----------------+ +-----------------------+ |
| | Graph Builder | | Execution Engine | |
| | (Nodes, Edges) | | (Scheduler, Executor) | |
| +-----------------+ +-----------------------+ |
| +-----------------+ +-----------------------+ |
| | State Manager | | Checkpoint & Persist | |
| +-----------------+ +-----------------------+ |
+----------------------+--------------------------+
| (Leverages & Extends)
v
+-------------------------------------------------+
| LangChain Ecosystem (LCEL, etc.) |
| +-------+ +-------+ +---------+ +------+ |
| | LLMs | | Tools | | Prompts | | Memory |
| +-------+ +-------+ +---------+ +------+ |
+-------------------------------------------------+
| (Built Upon)
v
+-------------------------------------------------+
| Core Libraries & Python Runtime |
| (NetworkX, Pydantic, Asyncio, etc.) |
+-------------------------------------------------+

┌─────────────────────────────────────────────────────┐
│ Application Layer │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Agents │ │ Workflows │ │ Tools │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
├─────────────────────────────────────────────────────┤
│ Execution Layer │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Graph │ │ State │ │ Checkpoints│ │
│ │ Executor │ │ Manager │ │ Manager │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
├─────────────────────────────────────────────────────┤
│ Core Layer │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Node │ │ Edge │ │ Channel │ │
│ │ Registry │ │ Resolver │ │ System │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
├─────────────────────────────────────────────────────┤
│ Infrastructure Layer │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Persistence │ │ Concurrency │ │ Observability│ │
│ │ Layer │ │ Control │ │ System │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
└─────────────────────────────────────────────────────┘

2. 核心组件与技术栈 (Core Components & Tech Stack)

为了实现上述顶层设计，LangGraph 精心选择并整合了一系列成熟的技术组件，形成了一个分层、解耦的技术栈。

最新文章 on Peng Tan's AI Blog

每日AI动态 - 2025-12-08

每日AI动态 - 2025-12-07

每日AI动态 - 2025-12-06

Thinking Machine Lab的定位与商业模式

每日AI动态 - 2025-12-05

TrendRadar - 多平台热点聚合和AI智能分析

OpenEnv: 智能体安全执行环境

OpenSkills 使用指南

每日AI动态 - 2025-12-04

每日AI动态 - 2025-12-03

Gabriel Petersson 的学习方法论和职业发展策略

每日AI动态 - 2025-12-02

每日AI动态 - 2025-12-01

Google Nested Learning原理剖析与Hope架构：迈向持续学习的新范式

OpenAI Codex

每日AI动态 - 2025-11-30

【翻译】打造 AI 原生工程团队：编码智能体如何加速软件开发生命周期

GitHub Copilot 优化工具数量，如何保证大模型推理效率和准确性？

DeepSeekMath-V2 技术白皮书：迈向自验证数学推理

每日AI动态 - 2025-11-29

沈向洋

每日AI动态 - 2025-11-28

每日AI动态 - 2025-11-27

每日AI动态 - 2025-11-26

每日AI动态 - 2025-11-25

每日AI动态 - 2025-11-24

每日AI动态 - 2025-11-23

Gemini Nano Banana Pro：技术奇点、生态重构与行业影响全景解析

每日AI动态 - 2025-11-22

每日AI动态 - 2025-11-21

芮勇博士介绍

深入理解AI Agent：芮勇博士的九个核心问题解析

每日AI动态 - 2025-11-20

每日AI动态 - 2025-11-19

每日AI动态 - 2025-11-18

每日AI动态 - 2025-11-17

每日AI动态 - 2025-11-16

AI课程集合（持续更新中...）

⚔️ React UI 库江湖大比拼：全栈选型指南

每日AI动态 - 2025-11-15

每日AI动态 - 2025-11-14

每日AI动态 - 2025-11-13

每日AI动态 - 2025-11-12

每日AI动态 - 2025-11-11

通过代码执行提高模型上下文协议（MCP）效率的机制

每日AI动态 - 2025-11-10

每日AI动态 - 2025-11-09

Oolong

每日AI动态 - 2025-11-08

多智能体并行化与聚合模式详解

多智能体群组对话与辩论模式详解

多智能体装配线与角色分工模式详解

每日AI动态 - 2025-11-07

Agentic设计模式：Router

Agentic设计模式：Tool Use

每日AI动态 - 2025-11-06

Agentic设计模式：Human-in-the-Loop

OpenAI学院

智能体元设计与元优化设计模式详解

每日AI动态 - 2025-11-05

Agentic设计模式：Planning

每日AI动态 - 2025-11-04

Agentic设计模式：Agentic RAG

Agentic设计模式：Reflection

Agentic设计模式：ReAct

每日AI动态 - 2025-11-03

每周一个MCP：Skill Seekers

每日AI动态 - 2025-11-02

每日AI动态 - 2025-11-01

每日AI动态 - 2025-10-31

Cursor 2.0 重大更新：AI 编程的新纪元

每日AI动态 - 2025-10-30

AI的“知识僵化症”有救了？揭秘MIT自适应大模型SEAL

CCManager：多AI编码助手会话管理工具

Claudable：基于Next.js的强大网页应用构建工具

每日AI动态 - 2025-10-29

每日AI动态 - 2025-10-28

Verbalized Sampling: 言语采样提升模型多样性

每日AI动态 - 2025-10-27