logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

大模型编程助手的底层逻辑与实战

大模型编程助手WorkBuddy通过智能代理架构实现代码生成与自主执行一体化,突破传统工具仅提供补全建议的局限。其核心技术在于项目上下文感知与系统操作能力,支持从分析到执行的全链路自动化。企业案例显示,部署后日均文章产出提升4倍,处理时间缩减至1分钟/篇,并实现多平台同步发布。未来演进将聚焦业务意图理解、自主纠错及企业工具链集成,推动开发效率从代码生成转向时间节省的实质性跨越。

文章图片
#机器人#java#算法 +3
Python 原生封装 Llama.cpp 大模型推理接口

description”: “获取系统当前日期和时间,不需要参数”,},“description”: “计算器,执行数学运算”,“expression”: {“type”: “string”, “description”: “数学表达式,例如 100+200”}},“”“获取系统当前日期时间”“”return f"当前系统时间:{now.strftime(‘%Y‑%m‑%d %H:%M:%S’)}

文章图片
#python#人工智能#前端 +3
从 Claude Code 搬到 Codex,现在只要一条命令

桌面 App,进 Settings → General,点 “Import other agent setup”,它自动扫你本机的 Claude Code 配置。真正赚到的是那些把 Claude Code 玩出花的人——他们的 skills 和 MCP,才是大半年的心血。如果是你,你会因为"一键搬家"从 Claude Code 切到 Codex 试试,还是继续用熟的那个?现在配置能带走,剩下的,就

文章图片
#开发语言#算法#人工智能 +3
AI 的三个浏览器:in-app Browser、DevTools MCP、真实 Chrome,哪个更好用?

要是只让它干点最基础的活(开页面、跑脚本、截图),别用全家桶,加个 --slim,只留 3 个工具,省 token。让 AI 帮你开浏览器,你大概碰到过这三个:Codex 自带的 in-app Browser、Chrome DevTools MCP、还有"连上你自己的 Chrome"。举个例子,页面白屏了,它能直接帮你扒出来:是哪个请求挂了、哪段 JS 报错了、首屏卡在哪——这些靠"点"是点不出来

文章图片
#人工智能#chrome#前端 +4
DeepSeek Harness 设计解析:从 Agent Harness 的六个关键讲起

本文探讨了如何设计高效可靠的长程Agent系统,提出了六个关键设计面:Loop驱动、工具暴露、上下文组装、状态恢复、权限设防和任务验收。以DeepSeek Harness为例,详细分析了长程任务中的执行生命周期管理、工具接口设计、上下文水位控制、持久状态机制和权限边界设置。特别指出提示词约束与实际权限需要分离,并强调文件系统和网络边界应在操作系统层实施。文章为构建能够处理复杂任务的Agent系统提

#java#前端#数据库 +4
DeepSeek Harness 设计解析:从 Agent Harness 的六个关键讲起

本文探讨了如何设计高效可靠的长程Agent系统,提出了六个关键设计面:Loop驱动、工具暴露、上下文组装、状态恢复、权限设防和任务验收。以DeepSeek Harness为例,详细分析了长程任务中的执行生命周期管理、工具接口设计、上下文水位控制、持久状态机制和权限边界设置。特别指出提示词约束与实际权限需要分离,并强调文件系统和网络边界应在操作系统层实施。文章为构建能够处理复杂任务的Agent系统提

#java#前端#数据库 +4
生成式 AI、AIGC、多模态 --AI 相关概念之(大模型与生成式 AI)

本文系统介绍了生成式AI领域的核心概念:生成式AI(Generative AI)、AIGC(人工智能生成内容)和多模态(Multimodal)。生成式AI通过学习数据规律创造全新内容,主要模型包括大型语言模型、扩散模型等;AIGC是生成式AI的具体应用成果,正在变革内容生产方式;多模态AI则能同时处理文本、图像、音频等多种信息形式,使AI认知更接近人类。文章详细解析了三者的技术原理、应用场景及挑战

文章图片
#人工智能#AIGC#机器学习 +4
生成式 AI、AIGC、多模态 --AI 相关概念之(大模型与生成式 AI)

本文系统介绍了生成式AI领域的核心概念:生成式AI(Generative AI)、AIGC(人工智能生成内容)和多模态(Multimodal)。生成式AI通过学习数据规律创造全新内容,主要模型包括大型语言模型、扩散模型等;AIGC是生成式AI的具体应用成果,正在变革内容生产方式;多模态AI则能同时处理文本、图像、音频等多种信息形式,使AI认知更接近人类。文章详细解析了三者的技术原理、应用场景及挑战

文章图片
#人工智能#AIGC#机器学习 +4
Agent 自进化为什么难:约束系统比自我反思更重要

Agent自进化的核心挑战不在于生成改进建议,而在于建立有效的约束、验证和拒绝机制以提高有效改进建议的比例。本文通过分析六种自进化系统(如Voyager、SkillOpt等),指出成功系统都具备以下特征:限定任务领域、基于完整执行轨迹生成改进、严格控制候选空间、设置验证门槛、保留历史记忆、优化器积累跨轮经验。其中SkillOpt的创新在于将自然语言技能视为可优化参数,通过有界编辑和慢更新机制实现稳

文章图片
#人工智能#算法#网络 +3
DeepSeek Harness 为什么能热换模型:插件依赖、事件日志与回滚机制

本文探讨了DeepSeek Harness(dsh)作为Agent系统运行时的核心设计理念与工程实现。dsh通过插件化架构将模型、工具、上下文等组件解耦,构建了一个可动态装配的运行时环境。文章详细分析了dsh的分层架构(Launcher、Composition、Runtime等六层),重点阐述了插件系统的三大特征:1)基于服务名的依赖管理,实现局部替换而不影响全局;2)完整的生命周期管理,包括初始

文章图片
#java#数据库#服务器 +4
    共 17 条
  • 1
  • 2
  • 请选择