课能力AI 的角色第一课跑通对话一个会说话的模型第二课一个会换角色的模型第三课结构化输出一个能输出稳定格式数据的模型但不管怎样，AI 都只是在被动回答你的问题。你问什么，它答什么。这节课开始不一样了：AI 要学会自己做选择。用户说："帮我总结一下这篇文章"普通AI：直接开始总结（不管你说什么，它都回答）带决策的AI：1. 分析用户的意图 → 识别出"总结"2. 从可选动作中选一个 → 选择了"su

摘要： 第六课将AI从单次问答升级为循环执行模式，引入Agent Loop机制。通过状态追踪（记录步骤、结果和完成状态）和终止条件（AI主动结束、步数限制、解析失败），使AI能观察上一步结果并决策下一步行动，实现多步任务处理。核心代码包含状态管理类AgentState，维护执行进度并提供安全退出机制。该循环结构简单高效，是主流Agent框架的基础模式，解决了前五课单步执行的局限性。

坐在特斯拉车里的人，不会关心自己喊的那声“你好”，背后跑的是豆包还是GPT。他们只关心一件事：AI听不听得懂我说的话，回得准不准确，体验顺不顺畅。而在这个最朴素的评判标准下，中国AI赢了。赢的不是口号，不是情怀，是实打实的产品力。当技术真正好用的时候，连竞争对手都会成为你的客户。制裁是一把锁。但锁得住门，锁不住风。风从哪来？从深夜亮着的代码窗口来，从一行一行重写的算子来，从被逼到墙角时爆发出的创造

摘要：当AI博主将"洗车店离家100米该开车还是走路"这个生活常识问题抛给各大模型时，结果令人啼笑皆非。测试显示，Kimi、DeepSeek等模型给出"走着去"的荒诞答案，完全忽略了洗车需要带车的基本逻辑；而ChatGPT、Gemini则陷入过度分析。相比之下，Grok和国产三强（腾讯混元、智谱GLM、MiniMax）准确抓住了"洗车必须开车去&q

这篇文章分享了作者使用AI工具OpenCode和DeepSeek快速开发登录页面的经历。原本需要半天时间完成的工作，通过AI仅用10分钟、花费5分钱就完成了，包括Vue3项目搭建、主题切换、响应式设计和第三方登录集成等功能。作者对比了ClaudeCode的高昂费用（200美元/月），认为DeepSeek+OpenCode的组合实现了"AI民主化"，让普通开发者也能低成本使用顶级

OpenCode是一款开源免费的终端AI编程代理工具，采用Go语言开发，支持75+模型提供商和国产大模型。它提供全键盘操作的TUI界面，支持多会话管理、代码修改和命令执行，无需鼠标操作。与Cursor等商业工具相比，OpenCode支持本地模型部署和国产模型接入，且完全免费。安装简单，可通过curl或npm一键安装，内置免费模型无需API Key。使用时可通过自然语言指令完成编码任务，支持撤销、会

出口管制刀刀见骨，结果却像个黑色幽默——被封死的企业苦不堪言，被"保护"的对手反而借势崛起。DeepSeek V4 对华为昇腾950系列的适配，让"国产大模型 + 国产算力"的闭环变得更清晰。华为昇腾 + DeepSeek 这类组合，已经可以覆盖一部分企业AI真实场景——。但——数据不出境、供应不受制于人——这个价值，在2026年，已经很难用钱衡量。生态还不如CUDA成熟，但在一部分场景里，已经能

摘要：本文探讨如何让AI输出结构化数据（如JSON）以便程序处理。针对自由文本输出的三大痛点（格式不定、内容冗杂、字段缺失），提出解决方案：1）在系统提示词中强制规定JSON格式；2）通过提取和验证机制确保数据可用性；3）设置重试容错机制。文章强调工程化思维，将LLM视为可能出错的组件，通过temperature=0降低随机性，并建立完整处理流程（提示词构造→模型调用→JSON提取→字段验证→重试

课能力AI 的角色第一课跑通对话一个会说话的模型第二课一个会换角色的模型第三课结构化输出一个能输出稳定格式数据的模型但不管怎样，AI 都只是在被动回答你的问题。你问什么，它答什么。这节课开始不一样了：AI 要学会自己做选择。用户说："帮我总结一下这篇文章"普通AI：直接开始总结（不管你说什么，它都回答）带决策的AI：1. 分析用户的意图 → 识别出"总结"2. 从可选动作中选一个 → 选择了"su

上节课，我们让 AI 学会了做决策。现在它能分析用户的输入，从一组选项中选出最合适的动作。比如用户说"帮我总结这篇文章"，AI 选了。能用。但你仔细想想——它只告诉了你"要做什么"，没告诉你"怎么做"。decision = agent.decide("帮我总结这篇文章", choices=["answer", "summarize", "translate"])summarize(???) # 总