本文提出 SAGE，让 Challenger/Planner/Solver/Critic 四智能体共享同一 LLM 骨干闭环共进化，仅用 500 条种子即在 Qwen-2.5-7B 上 LiveCodeBench 提升 8.9%、OlympiadBench 提升 10.7%。

想拥有自己的专属 AI 模型，却被动辄数百 GB 的显存需求劝退？

这周我把 Unsloth Studio 这个新工具试了下，结论是：**真的可以零代码跑通一次完整微调**。从加载模型、上传数据集、调超参到导出模型，全在浏览器界面里点。我用 Qwen3.5-4B 跑了一个"客服话术"风格化微调，整个流程不到一小时，显存峰值才 6GB 多一点。

其实，这个问题非常考验候选人的实践能力，如果一上来就聊向量数据库选型，然后直接说我调用API做解析和切片，那就属于没有理解面试官的意思了。

我以前看 Codex，体感上很容易把它理解成一个更强的 CLI，或者一个带 GUI 的代码助手，但把这三份资料和 OpenAI 官方 App Server 文档放在一起看完后，我的判断变了：Codex 真正要做的不是某一个端，而是一套围绕 agent runtime 展开的多端系统。

你有没有过这样的感觉：看到人工智能大神 Karpathy在4月初 提的那个 LLM Wiki 理念（让每一次对知识库的检索，都成为一次对知识库的进化），心里特别痒，觉得“这才是我想要的智能知识库”——然后上网一搜，发现要落地它，得先下载 Claude Code，或者折腾Hermes，还要再装个 Obsidian……

很多人以为提示词工程被淘汰了。其实被淘汰的从来不是提示词，而是提示词背后要解决的问题。

这个问题有一个坑，很多人都踩过却浑然不觉：给Agent写系统提示词时，当"自我介绍"来写，而非当"行为契约"来设计。结果就是边界失控，测试亮了红灯，模型却在聊天框里回复"全部通过"。

其实准确的来说，Claude Code 的上下文压缩有5级流水线，不是网上说的4级，也不是3级别。而且，有2个是没有源码的，后面我会介绍到。如果你没有看过源码，可能误以为5级的源码都有。

有位读者私信我，说他去面阿里大模型应用架构方向的岗位，被P9问了一道题，卡住了。题目是这样的："你研究过 Claude Code 的源码，那你说下它的系统提示词是怎么写的？"他回答说就是静态内容和动态内容拼在一起，静态的放前面，动态的放后面。P9听完笑了笑，说"你说对了一部分，但实际上没这么简单，建议回去仔细看看"。