AI

发布时间：2026‑04‑24 模型名：deepseek‑v4‑pro / deepseek‑v4‑flash 上下文：1 M token（百万级） 核心技术：混合注意力、多维压缩、流形约束超连接、Muon优化器 1️⃣ 一览 版本 参数量 激活量 目标 亮点 V4‑Pro 1.6 T 49 B 最高端开源模型 V4‑Flash 284 B 13 B 极致效率/低成本 备注：两版均支持 1 M token 上下文，思考模式 (reasoning‑effort) 可调高/把握成本。 2️⃣ 技术回顾 2.1 混合注意力机制（CSA + HCA） CSA：在 KV 维度进行 4 : 1 压缩，结合 DSA 稀疏注意力，利用 Lightning‑Indexer 仅保留 top‑1024 KV 项。 HCA：压缩率 128 : 1，全部 KV 参与计算，滑动窗口‐512 tokens 跨层捕捉全局依赖。 优势：相比前代仅 27 % 的算力、10 % 的 KV 缓存，显存与训练成本大幅下降。 2.2 流形约束超连接（mHC） 采用双随机矩形流形（Birkhoff‑Polytope）约束残差映射，确保谱范数 ≤ 1，信息在深层网络不发散，训练稳定性上升 6.7 % 成本。 2.3 Muon 优化器 对梯度动量进行 Newton‑Schulz 正交化，10 次混合迭代实现快速收敛。 结合 Anticipatory‑Routing 与 SwiGLU‑Clamping，进一步提升训练速度与模型收敛稳定性。 3️⃣ 性能表现 指标 V3‑2 V4‑Pro V4‑Flash Agent‑Coding 开源前列 最高 接近 Pro 世界知识 较差 仅微距差距 次佳 推理速度 1.43× 3.80× 4.14× 1M KV 缓存 49 B 6.2 B 5.5 B 结论：V4‑Pro 以与 Gemini‑Pro‑3.1 并驾齐驱的性能，处理复杂 Agent 任务如代码生成、文档翻译等表现尤为出色；V4‑Flash 则以 13 B 激活实现极低成本、最快速度的 1 M‑上下文使用场景。 ...

老板们，公司有在用OpenAI GPT-5.5吗？员工必须用上codex！ 最近很多公司在问：OpenAI GPT-5.5 来了，我们公司要不要赶紧用上？ 我的建议是：用，但不是让员工去用 ChatGPT 聊天，而是必须把 Codex 集成进开发流程！ 什么是 Codex？ Codex 是 OpenAI 专门为代码任务优化的大模型，是 GPT-5.5 系列中的"程序员专属版本"。它不是用来聊天的，是直接嵌入到你的 IDE、CI/CD 流水线、代码审查系统里的。 为什么老板们必须重视？ 效率提升 3-5 倍：重复性代码、单元测试、代码审查，AI 帮你搞定 减少低级 Bug：Codex 可以在提交前自动检查常见错误 加速新人上手：新人问 AI 比问老员工更快，项目启动速度翻倍 怎么落地？ 不是让每个人去开一个 ChatGPT 账号，而是： DevOps 集成：把 Codex 接到 GitLab/GitHub Actions，代码提交自动审查 IDE 插件：给团队装上 Cursor、Windsurf 等 AI 编程工具 内部知识库：把公司代码规范、架构文档喂给 AI，做成本地化的编码助手 老板们的行动清单 ✅ 现在就评估团队目前的 AI 工具使用情况 ✅ 联系技术负责人，规划 Codex 集成路线图 ✅ 先从 1-2 个项目试点，看看效率提升数据 ✅ 3 个月后复盘，决定是否全面推广 结论：GPT-5.5 不可怕，可怕的是你的竞争对手用上了 Codex，你还在手动写代码。 赶紧动起来！

开源的AI设计灵感收集网站 awesome-design-md 收集和提供现成的 能被 AI 理解的设计规范,Awesome DESIGN.md 为开发者提供了一个优雅的解决方案 —— 复制一个 DESIGN.md 文件到项目根目录，告诉 AI 代理"给我一个这样的页面"，就能得到像素级完美的 UI。 关键词：#AI #awesome-desgin-md 实际效果演示：用AI复刻Wise风格的网站 Wise 复刻 网站地址：https://vi-wealth.com 什么是 DESIGN.md？ DESIGN.md 是 Google Stitch 推出的一个创新概念。它是一个纯文本的设计系统文档，AI 代理可以通过阅读这个文档来生成一致的 UI。 与传统的设计交付方式相比： 传统方式 DESIGN.md Figma 导出（复杂、需要解析） 纯 Markdown（LLM 原生理解） JSON Schema（需要配置） 零配置，即插即用 设计文档（难以代码化） 语义化描述，代码可直接生成 简单来说，DESIGN.md 就是给 AI 看的设计文档。它用 LLM 最擅长阅读的 Markdown 格式，完整描述了项目的视觉风格。 Awesome DESIGN.md 提供了什么？ 这个仓库收集了 58 个知名网站的 DESIGN.md 文件，全部从真实网站提取，覆盖了多个领域： AI & 机器学习（12 个） Claude - Anthropic 的 AI 助手，温暖的陶土色调 ElevenLabs - AI 语音平台，深色电影级 UI Ollama - 本地 LLM 运行，终端极简主义 xAI - Elon Musk 的 AI 实验室，未来派单色设计 开发者工具（14 个） Cursor - AI 优先代码编辑器，流畅深色界面 Linear - 工程师项目管理，极致精确的紫色点缀 Vercel - 前端部署平台，黑白精确度，Geist 字体 Supabase - 开源 Firebase 替代品，深色祖母绿主题 基础设施（6 个） ClickHouse - 快速分析数据库，黄色点缀技术文档风格 Stripe - 支付基础设施，标志性紫色渐变 MongoDB - 文档数据库，绿色叶子品牌 设计与生产力（10 个） Figma - 协作设计工具，生动多彩，专业而有趣 Notion - 一体化工作区，温暖极简主义，衬线标题 Framer - 网站构建器，大胆黑蓝，运动优先 企业与消费品牌（7 个） Apple - 消费电子， premium 留白，SF Pro 字体 Tesla - 电动汽车，极致减法，电影级全屏摄影 SpaceX - 航天技术，纯粹黑白，未来感 汽车品牌（5 个） Ferrari - 奢华汽车，明暗黑白社论式，法拉利红极度简约 Lamborghini - 奢华汽车，纯黑大教堂，金色点缀 Tesla - 电动汽车，极致减法，电影级全屏摄影 每个 DESIGN.md 包含什么？ 每个文件都遵循 Stitch DESIGN.md 格式，包含 9 个核心部分： ...

"本地LLM" "AI开发" categories: "人工智能" "技术教程" Ollama 与 MLX：在 Apple Silicon 上本地运行大语言模型的全新体验 最近在模型调用经常遇到限流问题，导致任务频繁失败，模型商的coding plan价格实在是不便宜，于是准备在本地mac部署ollama的小模型，然后给任务能力要求不高的场景使用。 标签：#AppleSilicon #MLX #Ollama #本地LLM# #AI开发 我本地部署以Qwen微调的模型为主，毕竟内存有限 1. 背景 在过去两年里，本地大语言模型（LLM）在开发者社区迅速兴起。 LM Studio 通过 GGUF、MLX 等格式让 Mac 用户能够离线跑模型。 Ollama 则以轻量的 CLI / API 为核心，强调易于集成的开发者体验。 2024 年 Apple 推出 MLX 框架后，Ollama 在 2026 年完成了对 MLX 的深度集成，并针对 M5 系列（M5、M5 Pro、M5 Max） 进行专门优化，配合 NVFP4 量化格式，显著提升了在 Apple Silicon 上的推理性能与效率。 2. 什么是 MLX？ 特性 说明 Python‑first import mlx 即可使用，无需写 Metal 代码。 硬件感知 自动在 CPU、GPU、Apple Neural Engine 之间调度。 即时编译 JIT 编译把算子映射到 Metal GPU/Neural Engine，延迟低、内存占用小。 模型兼容 支持 ONNX、PyTorch (torch.save) 与 Core ML (.mlmodel)。 微调 API mlx.train、mlx.optim 等高层 API，适合设备端微调。 隐私本地化 所有计算均在本机完成，数据不离网。 示例（在 macOS 终端） ...

可信 AI 代理落地实战——Anthropic《Trustworthy agents in practice》解读，4层安全体系保障业务场景安全 "AI agents 已从简单问答工具进化为能自主执行代码、管理文件、跨应用完成任务的系统。" ——Anthropic 官方博客 1️⃣ 什么是"可信 AI 代理" AI 代理（Agent）已不再是单纯的聊天机器人，而是 模型 + Harness + Tool + Environment 四层体系的有机组合【原文】： 组件 作用 模型 提供推理与决策能力 Harness（指令护栏） 安全约束、行为边界 Tool 代码编辑、文件管理、API 调用等外部能力 Environment 工作空间、运行时隔离、资源限制 这四层缺一不可，才能在真实业务场景中保证 可控性 与 安全性。 2️⃣ Plan Mode：从"逐步确认"到"一键批准" 传统方式下，用户需要对每一步操作都进行确认，导致 频繁中断、低效。 Plan Mode 则让代理 提前展示完整执行计划，用户可一次性审阅、编辑并批准，随后自动执行。 "用户可预先查看并批准整个执行计划而非逐个确认。"【原文】 这种 计划‑先‑批准‑后执行 的模式，显著提升生产力，同时保留了人类的最终决策权。 3️⃣ 不确定性处理：Pause‑Ask（暂停询问） Anthropic 在模型训练阶段强化了"先停下来再行动"的本能，使其在面对不确定时优先 暂停询问，而非自行猜测。 • 错误示例："我不确定这个文件是什么，但先删除试试。" • 正确示例："我不确定这个文件是否重要，删除前请确认：可以删除吗？" "模型在面对不确定性时的正确行为是暂停询问，而非擅自行动。"【原文】 这正是 Human‑in‑the‑Loop 的关键一步，防止了误删、误改等安全事故。 4️⃣ 多层防线：Prompt Injection 防御 Prompt Injection 是通过隐藏在内容中的恶意指令劫持模型的主要威胁。Anthropic 采取 纵深防御（defense‑in‑depth） 策略，分层防护： ...

"如果要支持消费者级别的 Agent，每个用户有多个 Agent，每个 Agent 都写代码，容器是不够的。我们需要更轻量的东西。" — Kenton Varda, Cloudflare 引言：AI Agent 的代码执行困境 AI Agent 正在改变软件开发的方式。从简单的工具调用到自主编写代码执行任务，Agent 的能力边界不断拓展。但这里有一个核心问题：AI 生成的代码在哪里执行？ 直接 eval()？不行——恶意用户可以诱导 AI 注入漏洞。 用容器？太重——启动慢、内存大、需要预热。 Cloudflare 在 2026 年 3 月给出的答案是 Dynamic Workers：基于 Isolate 的轻量级沙箱，比容器快 100 倍，内存效率高 10-100 倍。 本文将深入解析 Dynamic Workers 的技术原理、架构设计、实际应用和最佳实践。 一、问题溯源：为什么容器不够用？ 1.1 传统容器方案的技术瓶颈 容器（Docker、containerd 等）是目前最主流的代码隔离方案。但在 AI Agent 场景下，它存在根本性问题： 问题 技术原因 实际影响 启动慢 需要启动完整 Linux 用户空间、初始化进程树、加载运行时 300-500ms 冷启动 内存大 每个容器需要独立的内核命名空间、文件系统层 100-300MB/容器 需要预热 冷启动延迟不可接受，必须保持池化 成本增加、资源浪费 安全妥协 预热池复用容器，破坏隔离性 安全风险 1.2 规模化困境的计算 假设一个消费者级 AI 应用： ...

「Pi ships with powerful defaults but skips features like sub agents and plan mode.」 — Mario Zechner 引言 在 AI Agent 领域，Claude Code、Cursor、Windsurf 等工具往往内置了大量功能——MCP、Sub-agent、Plan Mode、权限弹窗等。然而，有一个项目反其道而行之：只带 4 个默认工具，却获得了 23,000+ Stars。这就是 Pi。 本文基于 Pi 官方源码（badlogic/pi-mono），深入解析其架构设计与技术实现。 一、Pi 是什么？ Pi 是一个终端编码 Agent 工具包，由独立开发者 Mario Zechner（@badlogic）开发和维护。 npm install -g @mariozechner/pi-coding-agent pi 项目信息 GitHub badlogic/pi-mono Stars 23,391 语言 TypeScript 定位 Minimal terminal coding harness 核心理念 "Pi is aggressively extensible so it doesn't have to dictate your workflow." ...

OpenClaw: 配置多agent全团队一起干活！ 🦞单个 Agent 处理多类任务会带来非常严重的记忆负担，导致巨额token开销，单独agent应该处理特定类型工作而不是各种杂七杂八的工作全部都要干！ 🐳系统复杂度提高：各自agent处理不同类型的任务，分工明确、职能分化。有独立的记忆、技能和工作空间 每个助手对应不同的agent，分工明确，干活不累 关键词：#openclaw #glm #minimax #龙虾 #多agent 参考文档： OpenClaw 多 Agent 架构配置指南 - 把这份文档发给你的 OpenClaw，它会引导你选择最适合的多 Agent 架构配置 OpenClaw 多 Bot 团队协作教程 - 开发调优 - LINUX DO 新增agent 命令说明 openclaw agents add --workspace 工作空间路径 新Agent的名称（ID） ℹ️ 说明：命令参数说明： • --workspace：指定独立的数据空间路径，建议格式为 /root/.openclaw/workspace-{} • 新Agent的名称（ID） • --model：如果需要使用自定义模型，可以添加此参数并填写模型 ID，否则将使用默认模型 演示如下： ~/.openclaw » openclaw agents add --workspace ~/.openclaw/workspace-coder coder ~/.openclaw » openclaw agents list gudaixin@Mac 🦞 OpenClaw 2026.3.8 (3caab92) — Somewhere between 'hello world' and 'oh god what have I built.' │ ◇ Doctor warnings ──────────────────────────────────────────────────────────────────────────╮ │ │ │ - channels.telegram.groupPolicy is "allowlist" but groupAllowFrom (and allowFrom) is │ │ empty — all group messages will be silently dropped. Add sender IDs to │ │ channels.telegram.groupAllowFrom or channels.telegram.allowFrom, or set groupPolicy to │ │ "open". │ │ │ ├────────────────────────────────────────────────────────────────────────────────────────────╯ Agents: - main (default) Identity: 🦔 OpenClaw CEO (IDENTITY.md) Workspace: ~/.openclaw/workspace Agent dir: ~/.openclaw/agents/main/agent Model: minimax-portal/MiniMax-M2.5 Routing rules: 0 Routing: default (no explicit rules) - coder Workspace: ~/.openclaw/workspace-coder Agent dir: ~/.openclaw/agents/coder/agent Model: minimax-portal/MiniMax-M2.5 Routing rules: 0 配置telegram bot 对应不同agent，并安全检查 ...

AI 在 2025 年是生产力革命性提高的一年 AI 工具集 AI 催生了一股快速创新的浪潮，而且这股浪潮的速度没有任何放缓的迹象。今天，主要是总结我在过去一年里使用的高价值 AI 产品，包含编程和办公 AI。不论你是学生还是上班族，或者是投资者，都应该积极拥抱 AI，AI 已经在重塑我们的就业岗位、工作环境和成长方式。 如果说 2024 年是 AI 开始普及的元年，那2025 就是 AI 真正上岗干活的一年且百花齐放互相竞争的一年。 推荐查询-AI 工具集：50+ AI 编程工具和助手（2025 年最新整理） | AI 工具集 盘点我在 2025 年使用的 AI 产品：编程 AI 模型和 IDE Cursor 我最爱的 AI 编程工具 编程是 AI 应用的热门场景，我也试过很多 IDE，但是效果最好的依旧是 Cursor。唯一的心疼就是最低每月 20 美金 💵，心疼但是好用。 网上好评如潮 好评：“Cursor 是一款由 AI 驱动的代码编辑器，能够理解你的代码库，并通过自然语言助你更快编写代码。 只需描述你想要构建或修改的内容，Cursor 就会为你生成相应的代码。” Vscode + Kilo Code 我最喜欢的开源免费 AI 编程插件，可以直接在 vscode 使用，且可以使用免费模型或者使用任意一家模型来进行 AI 编程开发。 ...

超强的Agent能力和思考推理：DeepSeek V3.2 12月01日，deepseek发布了2款新模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。对比结果相当惊艳，我们可以低成本的推理获得高质量的输出。DS为AI创业者带来越来越好的基座模型。官方原文：https://mp.weixin.qq.com/s/ohsU1xRrYu9xcVD7qu5lNw?click_id=2 评测得分 DeepSeek-V3.2 与其他模型在各类数学、代码与通用领域评测集上的得分（括号内为消耗 Tokens 总量约数） 模型场景 DeepSeek-V3.2 的目标是平衡推理能力与输出长度，适合日常使用，例如问答场景和通用 Agent 任务场景。 DeepSeek-V3.2-Speciale 的目标是将开源模型的推理能力推向极致，探索模型能力的边界。V3.2-Speciale 是 DeepSeek-V3.2 的长思考增强版，同时结合了 DeepSeek-Math-V2 的定理证明能力。DeepSeek-V3.2-Speciale 的目标是将开源模型的推理能力推向极致，探索模型能力的边界。V3.2-Speciale 是 DeepSeek-V3.2 的长思考增强版，同时结合了 DeepSeek-Math-V2 的定理证明能力。 思考模式 DeepSeek-V3.2 思考模式下的工具调用能力！非常重要的功能。模型名称：deepseek-reasoner，思考模式未充分适配 Cline、RooCode 等使用非标准工具调用的组件。 如何使用 **模型使用：官网，app，API都是V3.2，不管怎么用都是V3.2，通过参数控制是否启用深度思考！ 谢谢关注收藏 ⏰ 刚刷到的朋友注意啦！点击【关注】锁定宝藏库，从此升职加薪不迷路 ✨ 我的投资理财博客：MakeMoney，https://funkygod.vip/ 我的技术分享博客：Tesla，https://funkygod.vip/ 轻量云主机限时优惠 RackNerd ☁ 主机显示特惠：只要80元（3TB流量，1vcpu，50GB硬盘） 购买地址：https://my.racknerd.com/aff.php?aff=14942 CloudCone CloudCone 特惠轻量云主机：购买地址：https://app.cloudcone.com/?ref=12332 📢 腾讯云资源限时福利 有云服务器、CDN、对象存储、网络防护等需求的朋友，欢迎联系下方腾讯云官方销售 👇 ✔️ 内部专属折扣，价格更优 ✔️ 量大可谈，支持定制方案 ✔️ 技术咨询与售后无忧