登录社区云，与社区用户共同成长
邀请您加入社区
摘要：Skilljar公司推出代理技能培训课程，指导用户如何在Claude Code中创建、配置和共享可重复使用的Markdown指令技能。课程涵盖从基础技能构建到团队分发及问题排查的全流程。同时，Skilljar更新了隐私声明（2025年6月10日版），详细说明数据收集范围（包括个人身份信息、网络活动数据等）、使用目的（服务优化、营销等）及用户权利（访问/删除/携带数据请求）。特别强调遵守加州C
Claude Code + DeepSeek V4 项目实战保姆级教程！手把手带你用最新 AI 编程工具开发「提肛助手」全栈网站，覆盖环境配置、MCP 和 Agent Skills 扩展安装、AI 自主测试全流程，感受 Claude Code + 国产模型的完整开发体验。
今日精选 20 条 IT 科技热点，覆盖 AI 大模型、开源工具、工程实践、业界动态等领域。
大语言模型（LLM）驱动的 Agent 正朝着具备长期记忆、能够进行连贯交互的理想形态演进。然而，一个根本性的矛盾始终困扰着所有 Agent 的记忆系统：如何在快速吸收新信息（可塑性）和保护已有知识不受干扰（稳定性）之间取得平衡？这就像要求一个人既能过目不忘地记住每一个瞬间的细节，又能条理清晰地构建稳固的知识体系，不受无关噪音的干扰。 ArXiv URL：http://arxiv.org/abs/
AIGC作为企业数字化转型的得力助手，正不断拓宽商业边界，激发无限可能。但其潜能远不止于此，从内容创作到决策支持，从产品创新到服务优化，每一步都蕴含着变革的力量。我们不禁思考，AIGC的下一个奇迹将在哪里绽放？它又将如何重塑我们的工作与生活？欢迎在评论区分享您的见解，让我们共同预见智能时代的璀璨未来。欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得
本文利用 DeepSeek V4 的推理能力，构建了一个“自然语言 → SQL → 执行计划 → 优化建议”的自动化工具。元数据驱动：让 AI “理解”你的数据库结构，减少幻觉。闭环验证：基于真实 EXPLAIN，而不是理论分析。成本可控：生成用 Pro 保证质量，优化用 Flash 降低成本。开箱即用：H5 页面 + Spring Boot，一键启动。从“写 SQL”到“描述业务”，AI 负责翻
你一定遇到过这种情况——凌晨 2 点，线上告警响起，你睡眼惺忪地打开手机。AI 助手告诉你"服务挂了"，但你不知道是哪里的问题，因为日志分散在 5 个不同的系统里。更糟糕的是，你需要同时协调 3 个不同的 AI API 来诊断问题，它们各自返回了一堆互不相关的碎片信息。这就是当前 AI 开发的真实困境：AI 很强，但 AI Agent 之间的协作是一团糟。现在，有 1 万名开发者用"小龙虾"解决了
大型语言模型（LLM）在处理和生成文本方面展现了惊人的能力，但它们的一个核心瓶颈始终挥之不去：有限的上下文窗口（Context Window）。尽管我们已经见证了百万甚至千万级 Token 上下文长度的发布，但这更像是一种“暴力美学”，不仅成本高昂，而且在实际应用中常常面临“大海捞针”的难题。传统的检索增强生成（RAG）试图通过从外部知识库中检索相关信息来缓解这一问题，但它本质上只是将原始数据块（
「极客头条」—— 技术人员的新闻圈！
你有没有想过一个问题——当你随手打开手机，向ChatGPT或豆包问一句“帮我写一封辞职信”，或者“明天北京会下雨吗”，然后几乎是瞬间，屏幕里就蹦出了一段通顺自然的回答。这个过程中，到底发生了什么？不是魔法，也不是神仙。在你按下发送键的那一秒，地球上某个角落——可能是挪威峡湾的水下数据中心，也可能是贵州大山里的一个超算机房——一台嗡嗡作响的金属柜子，正在以近乎疯狂的速率计算着你那几个字的含义。这台柜
🔍【技术动态速览】 1️⃣ RISC-V车规芯片加速落地：中国汽车芯片联盟成立RISC-V专委会，东风、比亚迪等车企牵头推动智能汽车芯片自主化，产业链协同效应显著。 2️⃣ 高性能RISC-V MCU融资突破：先楫半导体获国资3亿元注资，重点研发机器人专用芯片，国产RISC-V生态持续深化。 3️⃣ AI开源模型密集发布：英伟达推出全模态模型Nemotron3（性能提升9倍），小米开源MiMo-
2026年，在云端调用大模型API已经是再普通不过的事。但越来越多的工程实践场景，让"端侧推理"变成了一个认真的技术方向，而不是实验室里的玩具。。产线上的视觉检测系统，需要在毫秒级内给出判断。云端API的网络延迟（通常50-200ms）是不可接受的，而且生产环境网络可靠性难以保证。。医疗设备、工业控制系统的数据，很多时候不能上传到第三方云服务。数据必须在本地处理。。农业监测、矿山安全、海洋探测等场
MCP（模型上下文协议）是一套让AI安全调用外部服务的通用标准，为AI提供操作数据、调用工具的能力。通过MCP接口，项目可快速接入AI功能，如商城系统实现智能订单处理、运营分析等。使用支持MCP的开发工具（如Trae、Cursor等），开发者只需配置简单JSON即可生成接口，并兼容各类AI工作流工具。该技术显著提升项目智能化水平，实现自动化运营管理，支持数据自动同步至主流办公平台。文中提供了CMR
从零搭建完全本地、无依赖、可离线的个人知识库---Ollama+RAGFlow 保姆级教程
本文详细介绍了如何利用RK3588的NPU运行YOLOv5模型，实现本地视频流实时分析，并结合FPGA加速AD采集配置。通过RKNN-Toolkit2工具链进行模型转换和优化，配合FPGA实现多路视频采集与预处理，显著降低系统延迟。文章还提供了工业级部署的实战经验，包括电磁干扰处理、温度稳定性方案和系统可靠性增强，适用于智能安防、工业质检等多种场景。
本文是AMD ROCm GPU计算平台的入门指南，基于ROCm 7.2.1版本编写。主要内容包括：1) ROCm简介及其生态系统，支持AMD Instinct和Radeon GPU系列；2) 环境安装与验证方法，涵盖Linux/Docker/Windows平台；3) HIP编程基础，包括线程模型、内存管理和优化技巧；4) GPU架构与性能优化原则；5) ROCm核心库(rocBLAS/rocFFT
摘要： Claude Code的Skills功能通过智能自动化提升开发效率，将重复流程转化为一键操作。文章介绍了5个实用Skills： pr-summary：自动生成PR说明，基于代码差异智能总结。 fix-issue：从定位到修复Issue全流程自动化。 deep-research：深度分析代码库，生成系统性报告。 commit：免确认完成暂存、提交及规范化Commit信息。 explain-c
此命令将生成与“春雨”主题相关的歌词，并使用这些歌词生成一首软流行风格的歌曲。通过结合 Claude Code 和 Suno MCP，您可以在终端中轻松创作音乐。这种工具不仅提高了音乐创作的效率，也为创作者提供了更多的灵活性。无论是初学者还是有经验的音乐人，都可以利用此工具来激发灵感，创作出个性化的音乐作品。
BERT技术解析：双向Transformer如何重塑NLP 摘要 本文深入解析BERT(Bidirectional Encoder Representations from Transformers)的核心技术。作为NLP领域的里程碑模型，BERT通过双向Transformer编码器和创新的预训练任务，实现了上下文深度理解。文章首先对比BERT与ELMo、GPT的架构差异，指出传统单向模型的局限性
<p><h2>摘要</h2></p> <p>本文整理了2026年最新的程序员AI提效工具、分阶学习路径和可直接落地的实操技巧，不用死磕复杂的AI原理，照着做就能至少提升30%的工作效率，适合所有想要用AI减负的新手程序员、资深开发以及个人独立开发者群体。</p> <p><h2>一、先选对工具：不同场
与其内耗自己, 不如责备他人
摘要： 随着移动办公需求激增，手机端AI内容导出成为效率瓶颈。《2026年移动端AI应用洞察报告》显示68%用户受困于对话转PDF的"最后一公里"问题。本文对比四种主流方案：直接复制（易乱码）、WPS智能文档（依赖生态）、AI自主转换（兼容性差）和Pandoc命令行（高门槛），指出格式损耗率高达40%。专家建议采用轻量化工具如"DS随心转"，其自研引擎能实现
SpringAIAgentUtils是由SpringAI社区开发的开源Java智能体工具库，提供构建自主智能体的标准化方案。核心功能包括：1）系统交互工具集（文件操作、Shell执行、网页搜索）；2）智能工作流模式（用户询问、任务列表管理）；3）可复用技能系统（Markdown格式定义领域知识）；4）多智能体编排框架（主代理与专用子代理协作）。该库支持安全系统交互、长期记忆保持和远程代理通信，适用
本文解析了AI Agent构建中Sub-Agents与Agent Teams的核心区别：Sub-Agents作为独立助手执行专项任务，强调隔离性与信息压缩；Agent Teams则通过通信协作解决复杂问题。文章指出设计应基于上下文边界而非角色拆分，提出了五大协作模式，并建议根据任务需求选择合适方式——简单任务用Sub-Agents，复杂协作用Teams。最后强调应从简单架构开始逐步增加复杂度，避免
《Harness Engineering：从上下文工程到AI工作空间的构建》 摘要：本文重新诠释了Harness Engineering的核心价值，指出其本质是通过上下文工程为AI模型构建有效工作空间而非简单控制。文章揭示了传统"Reasoning"思维与新兴"Agentic"思维的关键差异：前者侧重静态推理链，后者强调模型与环境交互中的动态调整能力。作者提
大模型就业前景与学习建议：机遇与挑战并存 摘要：大模型作为AI领域前沿技术，就业前景广阔但竞争激烈。文章分析了大模型方向的特点、就业门槛（需硕士学历及扎实编程能力）、薪资水平（年薪可达40万+），并给出实用建议：1）提升深度学习、NLP等技术能力；2）积累项目实践经验；3）持续关注行业动态；4）培养跨领域能力。针对保研学生，建议明确研究方向、选择合适院校/导师、强化科研背景。文章还提供了大模型学习
摘要： Harness是LLM外部的运行时控制系统，负责计划、测试、重试等模型无法处理的事务。文章通过类比模型（发动机）与Harness（底盘），指出AI工程重点从指令转向环境控制。分析Claude Code源码提炼出六条Harness工程原则，包括Prompt即控制面、默认安全失败等，与开发者日常实践高度契合。强调需将文档约束升级为代码强制规则，引入独立Evaluator Agent评估产出质量
AI时代下普通人的生存与发展指南 随着AI技术快速发展，普通人面临挑战也迎来机遇。文章建议采取三步策略：首先通过攒钱增强抗风险能力；其次尝试轻资产创业如自媒体、独立开发等，借助AI工具实现价值；最关键的是积极拥抱AI，利用其提升工作效率和竞争力。作者还提供了AI学习资源包，包含教程、路线图、面试题等，帮助零基础者快速入门。面对AI浪潮，普通人应主动适应变化，掌握新技能以抓住时代机遇。
为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单，这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张，也让人才供需矛盾愈发突出。
AI岗位在2026年春招中需求激增，成为就业市场最大热点。数据显示，AI相关岗位单月同比增幅超11倍，字节跳动、百度等大厂纷纷扩招，核心岗位年薪突破百万。麦肯锡预测，到2030年中国AI人才缺口将达400万。AI技术已渗透医疗、金融等行业，创造大量新岗位。普通人可通过系统学习AI技能实现职业转型，零基础者也有机会进入这一高薪领域。目前各大厂提前启动春招，重点招募大模型、算法等方向人才，为求职者提供
新经济行业招聘市场回暖，AI岗位需求激增12倍 2026年初新经济行业招聘数据显示，岗位量同比增长12.77%，平均月薪上涨9.2%。AI领域成为最大亮点，相关岗位占比从2.29%飙升至26.23%，平均月薪达60738元，高出行业均值26%。AI科学家岗位以137153元月薪登顶高薪榜，高性能计算工程师呈现7:1的供需缺口。 招聘市场呈现两大趋势：岗位"去初级化"，73%岗位
摘要： 2026年春招季，新质生产力相关行业岗位需求激增。人工智能赛道薪资领跑，AI科学家月薪超13.7万元，复合型人才年薪可达150万；高端制造业岗位增速20%-30%，半导体、机器人领域年薪30-100万；低空经济催生无人机飞手、eVTOL工程师等新职业；新能源与储能赛道人才缺口显著，储能工程师供需比达1:9；现代服务业中宠物经济、银发经济岗位增长迅猛。AI大模型领域人才缺口预计2030年达4
大模型开发远非简单的API调用和Prompt编写，而是一套涵盖LLM本质理解、Token机制、RAG知识库增强、Agent智能体开发等完整技术体系。文章指出程序员需要从工具使用者升级为智能系统设计者，掌握Transformer架构、Prompt工程、向量检索、函数调用等核心技术，并强调RAG和Agent开发是企业级应用的关键。大模型开发的核心在于工程落地能力，包括推理优化、部署实施和异常处理，而非
OpenAI 与 AWS 达成里程碑合作、结束微软独家协议，云端 AI 格局迈向多极化；英伟达开源多模态 Agent 专用模型 Nemotron 3 Nano Omni，效率提升 9 倍；大模型"对齐过度"问题浮出水面，用户开始怀念"有灵魂"的 AI。
（本文借助 AI 大模型及工具辅助整理）
这里我想做的是把这一次的对话，包括这一次的代码改动，全部回滚掉，最好是当做无事发生。这里介绍一个技巧，当我们输入一行命令的时候，如果想换行，我们不能点回车，点回车就直接发送了。remotion 是一个让 AI 用编程的方式来创建动画视频的工具，我们看到这里面只包含一个 remotion best practice 技能，它也没有任何的软件包，但是它还是归到插件里面的。Windows 跟 Mac 电
AI代理的有效上下文工程强调优化有限上下文资源的重要性。随着AI应用从简单的提示工程转向更复杂的上下文管理，文章提出上下文工程是构建高效AI代理的关键。由于语言模型存在注意力预算限制，必须精心选择高价值token来最大化期望结果。文中探讨了系统提示优化、工具设计、示例选择等策略，并介绍了长时任务中的压缩、结构化笔记和多代理架构等技术。这些方法帮助AI代理在有限上下文窗口内保持高性能，同时适应更复杂
本文探讨了长期运行AI智能体在多上下文窗口工作中的挑战及解决方案。研究借鉴人类工程师轮班工作模式，开发了双重智能体框架：初始化智能体负责环境配置和功能清单创建，编码智能体则专注于渐进式开发。关键创新包括通过JSON格式功能清单明确任务目标、强制git提交确保代码状态可追溯，以及引入自动化测试验证功能完整性。实验表明，这种方法能有效解决智能体一次性尝试过多、过早宣布完成等问题，显著提升了在复杂任务（
《构建高效智能体的实践指南》摘要 本文系统阐述了构建大语言模型智能体的核心原则与方法。研究基于Anthropic团队与数十个行业客户合作的经验，揭示了成功智能体系统的关键特征：采用简单可组合模式而非复杂框架。文章详细分析了五种典型工作流模式（提示链/路由/并行化/协调器-工作者/评估者-优化者）的适用场景与实施要点，特别强调智能体在开放式复杂任务中的独特价值。通过客户支持与编程代理两个典型案例，展
本文介绍了Claude Code中用于处理长对话上下文的Pipeline压缩机制。该系统通过四层压缩策略(Snip截断、Microcompact去重、ContextCollapse折叠、AutoCompact摘要)有效解决长对话历史导致的token膨胀问题。文章重点阐述了Pipeline架构模式与压缩功能的关系：Pipeline作为数据流转框架，支持条件跳站、参数传递和错误恢复，而压缩是各处理站的
摘要： AI在分析代码时往往缺乏对业务背景、技术决策历史和隐形契约的理解，因为这些关键信息通常未系统记录，而是散落在邮件、讨论或开发者记忆中。文章指出，软件工程的核心挑战在于管理复杂性和传递理解，而非单纯编写代码。为此，团队需建立知识沉淀机制，如记录决策原因、维护迭代历史、构建领域知识图谱，并将AI纳入流程以结构化知识。AI的局限性恰恰揭示了团队知识管理的不足，而填补这些漏洞才是构建真正技术护城河
在设施设备出现告警的时候，如何最快速地让合适的人去到正确的地方。腾讯位置服务提供了路线规划和周边搜索的能力基座，DeepSeek-V3 负责理解业务上下文并编排工具调用，两者通过标准化的 Tool Calling 接口连接起来，最终在地图大屏上实时可视化结果。AI 不是万能的，但把 AI 放在合适的位置上做它真正擅长的事——理解语义、多步推理、工具编排——它确实能把原来依赖大量人工判断的环节自动化
AI
——AI
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
DeepSeek技术社区
深开鸿 技术专区
AtomGit AI 社区
openvela
葡萄城开发者空间
AMD开发者中国社区
2048 AI社区
