- @m0_37755875
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
本文探讨了AI Agent在开发过程中如何高效节省Token而不降低模型智能的关键策略。核心思路是**“删噪声，不删证据”**，即保留关键决策依据，减少重复与无关信息。文章分析了多个开源方案： Aider RepoMap：通过仓库地图（关键符号、调用关系）替代整仓硬塞，按需展开代码。 Repomix/Gitingest：将仓库打包为AI友好格式，过滤无关文件，控制Token规模。 LangChai
本文探讨了AI Agent在开发过程中如何高效节省Token而不降低模型智能的关键策略。核心思路是**“删噪声，不删证据”**，即保留关键决策依据，减少重复与无关信息。文章分析了多个开源方案： Aider RepoMap：通过仓库地图（关键符号、调用关系）替代整仓硬塞，按需展开代码。 Repomix/Gitingest：将仓库打包为AI友好格式，过滤无关文件，控制Token规模。 LangChai
本文探讨了AI Agent在开发过程中如何高效节省Token而不降低模型智能的关键策略。核心思路是**“删噪声，不删证据”**，即保留关键决策依据，减少重复与无关信息。文章分析了多个开源方案： Aider RepoMap：通过仓库地图（关键符号、调用关系）替代整仓硬塞，按需展开代码。 Repomix/Gitingest：将仓库打包为AI友好格式，过滤无关文件，控制Token规模。 LangChai
本文探讨了AI Agent在开发过程中如何高效节省Token而不降低模型智能的关键策略。核心思路是**“删噪声，不删证据”**，即保留关键决策依据，减少重复与无关信息。文章分析了多个开源方案： Aider RepoMap：通过仓库地图（关键符号、调用关系）替代整仓硬塞，按需展开代码。 Repomix/Gitingest：将仓库打包为AI友好格式，过滤无关文件，控制Token规模。 LangChai
本文探讨了AI Agent在开发过程中如何高效节省Token而不降低模型智能的关键策略。核心思路是**“删噪声，不删证据”**，即保留关键决策依据，减少重复与无关信息。文章分析了多个开源方案： Aider RepoMap：通过仓库地图（关键符号、调用关系）替代整仓硬塞，按需展开代码。 Repomix/Gitingest：将仓库打包为AI友好格式，过滤无关文件，控制Token规模。 LangChai
本文探讨了AI Agent在开发过程中如何高效节省Token而不降低模型智能的关键策略。核心思路是**“删噪声，不删证据”**，即保留关键决策依据，减少重复与无关信息。文章分析了多个开源方案： Aider RepoMap：通过仓库地图（关键符号、调用关系）替代整仓硬塞，按需展开代码。 Repomix/Gitingest：将仓库打包为AI友好格式，过滤无关文件，控制Token规模。 LangChai
【开源项目humanize-chinese-writing：降低AI中文写作的机械感】该项目针对Codex、Claude等本地AI工具生成技术文档时的"回答者惯性"问题（如模板化结构、空泛表达），通过预设写作约束实现：1）生成前判断文体与读者需求；2）转换用户提示为写作框架；3）优化站位/结构/句式/节奏。目前重点处理五类问题：开篇问答姿态、固定分段模式、抽象表述、纠正式句型和
【开源项目humanize-chinese-writing：降低AI中文写作的机械感】该项目针对Codex、Claude等本地AI工具生成技术文档时的"回答者惯性"问题（如模板化结构、空泛表达），通过预设写作约束实现：1）生成前判断文体与读者需求；2）转换用户提示为写作框架；3）优化站位/结构/句式/节奏。目前重点处理五类问题：开篇问答姿态、固定分段模式、抽象表述、纠正式句型和
本教程将详细介绍如何使用LM Studio在本地部署DeepSeek大模型，并构建一个带图形界面的聊天应用。教程从模型导入到客户端开发，适合零基础用户跟随操作。
一直以来我想创建一个属于自己的私有知识库，何一般知识库不同，我还希望能够连接互联网让AI能判断我的知识库内容并且提供有效补充，之前也尝试了不少开源知识库，感觉从灵活性来说还是自己搭建下来更方便，因为现在编写代码借助AI也很方便，所以就自己搭了一个基于PYTHON的完整知识库，通过webui调用，最后的效果是这样的用户提供一个正则表达式，匹配每个 chunk 的起始行。适用于1.1 焦距计算Q12:
