人们正在用Jev审查代码、控制电脑、玩游戏和组织研究。以下是我最喜欢的几个用例。最近Jev一直在我的社交媒体上刷屏。如果你像我一样关注生成式AI新闻，你可能也注意到了它占据了你的时间线。这个新模型便宜得离谱，速度快得惊人。但它到底能干什么？简单解释一下：Jev接收信息，然后回答关于这些信息的结构化问题，返回决策和概率，软件可以直接使用。TypeSafe说它并行生成这些概率，这解释了它的速度：不需要

执行优先的上下文工程系统，每个子代理具有新鲜上下文隔离。

构建物理AI系统的主要挑战是数据可用性。大型语言模型（LLMs）和视觉语言模型（VLMs）可以在互联网规模的数据集上训练，但机器人和物理AI系统没有同样的优势。要训练物理AI系统，机器人必须学习与物理世界交互的后果。例如，它需要理解当杯子滑落、电缆弯曲或夹爪以错误角度接触物体时会发生什么。在现实世界中收集这类数据缓慢、昂贵、有风险，有时由于任务的破坏性本质而不切实际。仿真通过使开发人员能够生成大量

Blender 是首选的开源3D动画软件之一。令人惊讶的是，开始创建简单的角色动画并不需要太多时间。一旦获得最终的 3D 角色模型，你就可以使用该软件的众多动画功能和工具将其变为现实。快速搭建可编程3D场景例如，Blender 的绑定工具将帮助你实现角色所需的动作。还可以使用软件的姿势编辑功能添加和操作姿势。或者，你可以使用非线性动画编辑器来创建各种独立的运动。在本文中，我们将介绍 Blender

PyBullet是一个基于Bullet Physics SDK构建的Python可访问物理仿真库，广泛用于机器人研究、强化学习（RL）训练以及操作和运动控制器的快速原型开发。与更重量级的仿真平台不同，PyBullet优先考虑速度和可编程性，当研究者需要运行数千个并行训练 episode 或快速迭代控制器设计而无需完整GUI驱动仿真器的开销时，它成为了首选。

AI代理正在改变组织的工作方式——但它们有记忆问题。询问代理关于上周的对话，你会得到一片空白。在整个组织部署多个代理，它们无法分享它们学到的东西。当出现问题时，没有审计轨迹解释代理为什么做出那个决定。业界认识到图数据库对于AI代理记忆至关重要。像Zep、Cognee、Mem0和其他公司已经使用Neo4j构建了令人印象深刻的系统来存储对话和实体知识。今天我们发布，这是一个Neo4j实验室项目，提供所

在对象模式下，首先选择网格（你可以在大纲中执行此操作），然后选择骨架（按住 Shift 键单击）并使用自动权重将对象作为骨架的父级。如果我们以“正确的方式”这样做，我们将创建顶点组，并让每个骨骼控制不同的顶点组。然后，在属性面板中，选择对象窗格（小立方体），向下滚动到显示组，然后单击 X-Ray：。从我们的初始立方体开始，进入编辑模式，切换到面选择，然后选择任何面：。看起来不错，然后点击动作名称旁

很少会看到没有动画的现代游戏。这是因为动画是传达运动的关键。如果没有动画，角色看起来就像是在滑动而不是在奔跑。幸运的是，虚幻引擎可以让我们轻松轻松地立即为角色制作动画！在本教程中，我们将学习如何：请注意，我们将在本教程中使用蓝图。下载启动项目并解压缩。在根目录中，我们将看到一个名为Animation Assets的文件夹。此文件夹包含将要导入的角色和动画。通过导航到项目文件夹并打开SkywardM

我们已经通过图形管线的不同阶段跟踪了顶点数据。这是典型图形管道的一般概述。请注意，可能存在不同的管道，它们具有我们忽略的附加步骤。在开始之前，我想提一下多年来图形管道的某些变化。早期版本的图形库提供了“固定”管道。这意味着该过程具有预定义的阶段和操作。具体来说，就是顶点和片段着色器。开发人员对这些特定阶段的行为方式的控制有限。对于较旧的管道，我们只需定义顶点数据、材质数据和照明。然后，我们将这些数

是我在业余时间创建的一个基于 WebGL 的前端项目。它的目的是显示 BIM（建筑信息模型）模型，它支持 gltf、obj、fbx、ifc、dae 等。由于它是基于 Three.js 构建的，因此你可以轻松扩展它以支持这三种格式的任何格式。这个项目还不成熟，它更像是一个演示。有很多 TODO，如下所示。不幸的是我无法继续研究它，这就是我将其开源的原因，我希望它能够使 BIM/AEC 行业的其他人受