技术分享
AI Agent革命:从“注意力经济”到“无注意力时代”的范式跃迁

我们正处于人工智能范式跃迁的前夜。从AI Agent引领的“无注意力时代”,到AI for Science加速科学进步、赋能人类福祉,这场变革注定深刻且广泛。AI技术不仅将重构商业模式、重塑社会经济,还将重新定义人类与技术、人与社会的关系。未来充满挑战,更充满希望。我们有幸见证、参与并引领这一时代转折,借助AI的力量,创造出更具创造力、更高效、更富有人性关怀的文明图景。

拾人牙慧—关于提示词的洞察【李继刚】

与大模型互动中,我们逐渐认识到提示词的核心在于精准表达与对问题本质的深刻理解。清晰表达是基础,角色设定、示例引导与思维链是关键技巧。提示词不仅是工具,更是思想的延伸。有效提示词源于扎实输入、深入思考和表达能力,最终实现人机协作中的高效沟通与创新探索。

AI Agent技术、能力与未来形态

人工智能代理(AI Agent)是利用AI技术代表用户完成任务的软件系统,大型语言模型(LLM)的进步极大推动了AI Agent的发展。AI Agent具备自主性、推理、规划、记忆等关键特征,通过与外部工具互动,实现复杂功能。它们按智能和自主性分为不同层级,从简单反射到完全自主。技术栈包括模型服务、存储记忆、工具库和框架等。未来,AI Agent将在各领域展现更高自主性、更强记忆和多模态能力,但也需重视伦理和安全问题。

人机共生时代的创新与竞争力:以DeepSeek为例探索AI协作的深度与未来

本文以DeepSeek为例,探讨了人工智能(AGI)在人机共生时代对个体竞争力的影响。DeepSeek的核心产品DeepSeek-R1凭借开源、免费、高性能等特点,在推理、逻辑分析和多模态支持方面表现出色。文章通过对比推理模型与通用模型,分析了不同模型的优势与适用场景,并提出了基于提示语设计的AI交互策略,强调了提示语链在复杂任务分解和系统化创意生成中的关键作用。 文章进一步阐述了人机共生的四大核心能力:AI思维、引导力、整合力和判断力,指出这些能力对提升个体竞争力的重要性。通过知识唤醒、整合与创新生成的过程,AI在认知激活、经验映射和创造性重组中发挥重要作用,助力个体实现从AI使用者到创新者的转变。 最后,文章强调,未来人机共生的核心竞争力在于如何借助AI深化认知和创新能力,实现知识的深度积累与创新突破,以适应社会发展的需求。

构建「足够快」的网络服务:从延迟指标到 QUIC 实践

在当今的互联网应用中,「网络速度」往往是影响用户体验的关键因素之一。即使后端服务器处理能力和程序性能再强大,如果网络本身的延迟过高或可靠性不足,也会导致用户体验“卡顿”甚至无法访问。本篇文章从多维度探讨如何构建“足够快”的网络服务,既包含可量化的延迟指标,也涵盖 HTTPS 加密、现代拥塞控制、域名解析和 QUIC 等方方面面。

深入Linux内核网络技术

整个 Linux 网络世界就像一座充满规则的“城市”:操作系统是城市的法律,Netfilter/iptables 是警察与交通管制,eBPF/XDP 则是高速专用快车道,VLAN/VXLAN 则是城市内部和城际间的虚拟“道路扩展”方案。它们共同构筑了现代云原生和大规模网络的坚实根基。祝你在学习和实践中掌握并灵活运用这些“规则”与“道路”!

云原生技术概论

从解决问题的角度出发,解释云原生技术的变革,介绍云原生代表技术。接下来将基于“良好的架构设计思想”主题层层推进,深入讨论设计一套兼具稳定(高可用)、成本(少花钱)和效率(敏捷开发)的系统时,所面临的抉择和权衡。

Go脚手架&工具链创建标准项目

为了提升开发效率、规范项目结构,推荐使用 sponge 和 Kratos 两种 Go 生态下的脚手架工具。以下将详细介绍这两种工具的安装、使用方法及其在项目开发中的应用流程。此外,还将简要比较 Python 生态中的 pdm 和 poetry,并提供从开发到部署的完整流程示例

Go项目目录规范及工具链标准文档

整合了社区广泛认可的 Project Layout、bilibili QCon 实践、Kratos/sponge 脚手架经验,以及对单体与微服务模式的多方位支持。整体分为8章。希望能帮助团队快速落地、持续迭代

Gradio功能详解

Gradio 是一个强大的工具,可以帮助开发者快速搭建机器学习模型的用户界面,便于进行测试、演示以及获取反馈。无论你是研究人员、开发者,还是希望让自己的模型被更多人使用的爱好者,Gradio 都是一个值得考虑的选择。它允许开发者快速创建用户界面,让用户能够与模型进行交互,进行测试和展示。

Exo人工智能集群项目源码分析

Exo 是一个高性能的分布式推理引擎,旨在支持跨平台的模型推理与分布式计算。项目包含核心推理引擎、节点发现服务、拓扑管理与 API 接口,支持 MLX、TinyGrad 等多种推理后端。目录结构清晰,涵盖核心代码、示例应用、文档与测试模块,适用于高并发和大规模模型部署场景。