本次从openspec（需求）开始，Claude Code连接Penpot MCP server, 用需求spec去驱动Penpot系统进行原型设计， 在用Claude Code连接Penpot MCP server导出Penpot生成的资产（设计）到git仓库目录penpot-assets里，最后Claude Code利用openspec和penpot-assets进行编码，生成基于Vite+V

本次从openspec（需求）开始，Claude Code连接Penpot MCP server, 用需求spec去驱动Penpot系统进行原型设计， 在用Claude Code连接Penpot MCP server导出Penpot生成的资产（设计）到git仓库目录penpot-assets里，最后Claude Code利用openspec和penpot-assets进行编码，生成基于Vite+V

文章摘要： 本文对比了阿里云开源的两个大模型Qwen3.8-27B和Qwen3.6-35B-A3B-FP8的性能差异。Qwen3.8-27B是2026年8月发布的新一代27B参数稠密模型，在编码、推理和多模态能力上全面领先，8个基准测试得分高出3.2-12.9分。而Qwen3.6-35B-A3B-FP8是4月发布的35B参数MoE模型，采用FP8量化，每token仅激活3B参数，在推理效率、部署成

在AI + 时代怎么保证软件工程中需要坚守的东西，如代码质量、可读性、可维护性、性能、一定的系统设计文档，需要我们去不断尝试和反思，找到合适可靠的方法论。

开源视频分析大模型综述 本文全面梳理了当前主流的开源视频分析大模型，包括Qwen3-VL、GLM-4V、CogVLM/CogAgent、LLaVA等，从模型架构、核心能力、参数规模等维度进行对比分析。其中，阿里云通义千问的Qwen3-VL系列凭借256K上下文支持、秒级视频索引、多分辨率自适应等特性，成为当前开源界最强的多模态模型之一；GLM-4V系列在中文优化和GUI Agent能力上表现突出；

2026年开源语音识别（ASR）领域涌现多个主流模型：OpenAI的Whisper支持99种语言，生态成熟；阿里通义的Qwen3-ASR覆盖22种中文方言，精度达SOTA；阿里达摩院的Paraformer采用非自回归架构，速度快10倍；SenseVoice集成ASR、情感识别和事件检测；小红书的FireRedASR中文CER仅0.57%，精度最高；NVIDIA NeMo适合企业级流式服务。这些模型

OpenSpec是一个面向AI编程助手的规范驱动开发框架，旨在解决传统AI编程中需求分散、修改记录缺失、协作冲突等问题。其核心是通过结构化的规范文档（Specs）和变更管理（Changes）分离系统意图与实现细节，确保AI与开发者对系统行为的共识。OpenSpec采用标记差异（Delta）的方式管理变更，避免直接修改主规范文件，支持并行开发。典型工作流包括探索、提案、审查、实施和归档阶段，所有变更

OpenCode 1.x版本面临诸多历史问题，包括中文支持薄弱、内存泄漏、响应延迟、文件写入卡顿等性能问题，以及跨平台兼容性和API稳定性不足。这些问题导致用户使用体验不佳，尤其对中文开发者造成额外障碍。尽管项目在GitHub上拥有18.8万Star和活跃社区，但核心问题长期未解决，与Claude Code等竞品相比进步有限。官方虽尝试通过重写架构（迁移至Node.js和Electron）来改善，

摘要 本文系统分析了CUDA与国产AI软件栈SAIL、CANN、MXMACA的技术架构与发展现状。CUDA作为NVIDIA构建的行业标准，通过完整的编程模型和生态体系形成技术壁垒。SAIL（阿里平头哥）采用开源插件式架构，试图构建开放的异构计算平台；CANN（华为昇腾）是国内最成熟的AI软件栈，已形成完整生态；MXMACA（沐曦）则为国产GPGPU提供加速支持。国产软件栈在特定领域取得进展，但整体

摘要 本文系统分析了CUDA与国产AI软件栈SAIL、CANN、MXMACA的技术架构与发展现状。CUDA作为NVIDIA构建的行业标准，通过完整的编程模型和生态体系形成技术壁垒。SAIL（阿里平头哥）采用开源插件式架构，试图构建开放的异构计算平台；CANN（华为昇腾）是国内最成熟的AI软件栈，已形成完整生态；MXMACA（沐曦）则为国产GPGPU提供加速支持。国产软件栈在特定领域取得进展，但整体