AI 会分析用户指令中的描述，比如“右上角的”“绿色的”“带购物车图标的”，然后结合 OCR 识别出的文字、元素位置、视觉特征进行匹配。它不是生成一串动作就结束，而是在“观察、决策、执行、再观察”的循环里，直到任务完成、失败退出，或者遇到必须交给人的节点。Computer Use 是 Anthropic 在 Claude 3.5 Sonnet 中推出的一项能力，让 AI 能够直接操作计算机，通过模

今天鸭鸭刷到一段挺扎心的发言：5 月 13 日，一家头部大厂的创始人在 AI 开发者大会上抛出一句让所有写代码的人心里咯噔一下的判断：“代码能力越来越重要，但代码本身正在变得不值钱。同一场演讲里他还往前推了一句：软件正在成为快消品，软件行业被重新定义。他还顺手亮了一组数字。大会上同期发布的代码智能体产品，号称 90% 的代码都是 AI 自动生成的，累计服务用户超过 1000 万，对外标的应用价值

很多人说自己会 LoRA，其实只是会写一段配置。比如简历上写：熟悉 LoRA / QLoRA 微调，使用 PEFT 完成大模型适配。面试官一般不会停在这。他会继续问：“LoRA 为什么叫低秩？“A 和 B 两个矩阵分别干什么？“为什么常见配置只挂 q_proj、v_proj？“推理时合并权重和不合并权重，差别是什么？这时候，只答一句“LoRA 省显存”，就不够了。省显存只是结果。面试官想听的是你知

它最后的回答可能没有直接泄密，但它发出去的一串搜索 query，拼在一起，反而能把内部信息暴露出来。Meta 的 Llama Guard 4 是开源的多模态安全分类模型，基于 Llama 4 Scout 裁剪微调，原生支持文本和图像安全分类，也采用了更标准化的风险分类体系。AI 护栏也是一样，它不该让模型什么都不敢答，重点是在遇到异常输入、恶意指令、敏感信息、违规输出时，把风险挡住。没有护栏的 A

LLM 推理是靠批处理把多个请求打包一起算——GPU 一次 forward 给 batch 里所有请求各算一个 token，100 个请求的 batch 和 1 个请求耗时差不多，吞吐直接翻几十倍。1）把同时到达的请求按 token 长度打包，比如用户 A 发 2 个 token、用户 B 发 4 个、用户 C 发 6 个，聚合器会把短的补齐到相同长度，打成一个矩阵扔给 GPU 一次算完。GPU

LLM 的上下文窗口是有限的，比如 Claude 的上下文是 200K token，一个 Skill 文件如果写了好几千 token，再加上用户的对话历史和系统提示词，很容易把上下文撑满。”她说，“判断一个 Skill，得看它教 Agent 怎么做事，还要看它带了哪些材料和门禁。当 Agent 碰到某类任务，就去读对应的 Skill，按里面的步骤一步步执行，不用你每次从头教它。“生成一张能看的页面

以自动化客服为例，客服 Agent 可以通过 A2A 把“核对账单”和“判断退款资格”分别委派给账务 Agent、退款 Agent；这些专业 Agent 再通过 MCP 访问 CRM、订单数据库和公司知识库。Agent 与 Agent 横向协作，Agent 与工具纵向连接。这不是协议强制规定的画法，但很适合快速讲清二者职责。

今天这场面试，一进门我就觉得不太对。桌上没有常见的算法题白板，也没有让我手写代码。面试官把一副耳机推到我面前，说：“先听一下。我戴上耳机，里面是一段实时语音 AI 的演示。用户刚说到一半，AI 已经开始接话；用户突然插嘴打断，它又能立刻停下来重新听。那种感觉不像以前的语音助手，等你说完一句，转成文字，再慢悠悠回复。它更像一个正在和你抢话的人。她说：“最近 GPT-Live 这类实时语音系统又被讨论

归一化可以理解成统一格式。工具注册时只维护一份标准 JSON Schema，真正调用模型前，系统根据目标 Provider 自动清洗和转换，把 OpenAI、Anthropic、Gemini、xAI 等模型提供商的差异挡在适配层里。这样一来，上层工具只需要描述自己叫什么、接收哪些参数、参数类型是什么。至于某家不支持。

今天鸭鸭刷到一条挺有意思的招聘新闻。外媒 Business Insider 报道称，谷歌内部文件显示，从今年下半年起，计划在软件工程师招聘的“代码理解”面试环节，允许候选人使用谷歌官方认证的 AI 助手；试点阶段将统一使用自研模型 Gemini。谷歌发言人向媒体证实了这一安排。报道里写得很具体：候选人要在现有代码库里做阅读、排错和优化；面试官会重点看“AI 应用熟练度”，包括提示词工程、对 AI