从静态 benchmark 到活的 eval：Vincent Koc 这场分享，真正戳中的不是评测，而是 agent 软件的变形速度
很多人现在一提 eval，脑子里冒出来的还是老三样：题库、benchmark、离线跑分、回归测试。这个思路在过去不是错的。问题是，今天的 agent 系统已经越来越不像“一个发布后基本不动的程序”了。它会接工具、会吃上下文、会随着用户习惯漂移，甚至连 harness 自己都可能被改写。你还拿一套静态题库去盯它，基本等于
Toy的文章
Toy
把 OpenClaw Coding Agent 塞进产品里，难点其实在接口设计
这篇文章拆的是一个很具体、也很快会变成共性的问题：当团队开始把 OpenClaw / Pi 这类 coding agent 往真实产品里塞时，真正先卡住你的，通常不是模型能力，而是 CRM、ERP、邮件、session 和 CLI 接口有没有被整理成 Agent 也能顺手工作的系统。 这场分享我挺喜欢，因为它没继续停在
阿里云全线云产品特惠 · 一站采购
ECS / OSS / CDN / 云数据库一站采购,常用云资源集中选配;新用户与续费均有专场优惠,适合个人开发者与小团队长期使用。
告别手动维护API！开发者开源WeCom CLI，利用CI实现企业微信接口自动同步
针对企业微信API数量庞大且文档频繁变更的痛点，一位开发者开源了WeCom CLI工具。该项目创新性地利用GitHub Actions构建自动化流程，每日爬取API文档树，一旦发现接口变更，自动触发PR并更新代码，实现了300多个接口的“零...
苹果绝不会打造的“家庭版Siri”：打破数据孤岛的理想与现实
本文深入探讨了当前Siri在家庭场景应用中的局限性，并构想了一个理想的“家庭版Siri”模型。作者指出，现有的家庭共享功能过于基础，真正的家庭AI应当能打破个人隐私壁垒，统筹全家日程、待办事项与偏好，像一位全能管家。然而，出于对隐私数据的极...
Claude Code “外挂”来了：开源套件 Remy 解决长会话记忆与依赖追踪难题
针对 Claude Code 在处理中大型项目时出现的指令遗忘和依赖分析缺失问题，开发者 MyPeacefulValentine 开源了工程约束套件 Remy。该工具通过规则自动注入、语义代码索引（基于 AST/Tree-sitter）以及...
开发者厌倦GPT代码过度工程化，尝试转用DeepSeek V4
一位开发者在社区反馈，长期使用 OpenAI 的 Codex 编写代码，发现其生成的代码风格往往存在“过度工程化”的问题，函数嵌套层级过深，即使通过提示词限制也难以改善。为了优化代码质量，该开发者计划借鉴 Cursor 的编排思路（CCG）...
LLM Agent 工程实践：如何将 Prompt 缓存命中率提升至 90%+ 并大幅降低成本
本文深入探讨了 LLM Agent 开发中的核心痛点——成本与效率，详细解析了如何通过精细化的 Prompt 缓存策略，将缓存命中率提升至 90% 以上。文章基于 OpenClacky 的工程重构经验，对比了包括 Claude Code 在...
开源版“苹果隐私中继”？Numa推出无需账号的匿名DNS工具及全球第二个公共ODoH中继
针对传统DNS查询暴露用户IP的隐私痛点，开发者推出了基于Rust的DNS工具Numa v0.14。该工具集成了ODoH（Oblivious DNS over HTTPS）协议，通过将“中继”与“目标解析”分离，确保中继仅见IP而不知查询内...
遭遇ChatGPT“废话文学”？用户寻求提示词调教以解决AI输出冗余痛点
随着大模型应用的深入，AI回答“车轱辘话”多、输出冗长的问题日益凸显。近日在技术社区Linux.do，有用户吐槽ChatGPT回答重复且篇幅过长，导致难以快速捕捉核心信息。这一话题引发了广泛共鸣，反映出用户对AI交互效率的焦虑。目前，通过优...
谷歌 Gemini 3.2 Pro 惊现 3D 基准测试，空间推理能力或迎重大突破
谷歌尚未正式发布的下一代模型 “Gemini 3.2 Pro” 近期在 VoxelBench 基准测试库中短暂曝光。VoxelBench 专注于评估大模型根据指令生成 3D 体素结构的能力，这不仅是文本生成的延伸，更...
Claude 订阅模式生变：编程额度耗尽后将强制按 API 价格计费
Anthropic 宣布将从 2026 年中旬调整 Claude 订阅方案，主要针对程式化及 Agent 使用场景。新规规定，付费用户虽拥有独立的每月编程额度，但一旦耗尽，后续使用将直接按照完整的 API 费率计费，而非订阅制的“无限”或模...
挑战纯AI开发3A游戏：代码生成流畅，但AI生成的动画“抽象”到被迫改做像素风
一位开发者记录了全流程使用AI工具（GPT、Codex、绘图模型）制作游戏的第三天进展。虽然在创意脑暴、代码编写和图层拆分上展现了惊人的效率，设计出了一款类似蜘蛛人连线的平台跳跃玩法，但在素材制作环节遭遇“滑铁卢”。AI生成的Spine骨骼...
社区热议 Claude 模型“降智”：过度对齐致只会道歉，用户体验引发担忧
近期，在技术社区 Linux.do 上，关于 Claude AI 模型出现“降智”现象的讨论引发热议。多位用户反馈，最新版本的 Claude 表现出明显的“反向优化”倾向：面对复杂或简单问题时，模型往往陷入过度道歉，拒绝执行指令，甚至表现出...
开源神器BiliSum：支持RAG知识库与思维导图的AI视频总结助手
开发者推出了一款名为“BiliSum”的桌面端开源AI工具，旨在解决视频学习效率低下的问题。该工具支持对Bilibili、YouTube及本地视频进行语音识别，并能自动生成思维导图和知识笔记。其核心亮点在于引入了RAG（检索增强生成）技术，...
用 DeepSeek 驱动 Claude Code：一键搞定中文正式文件的“抠细节”审核
针对正式中文文件审核痛点，如日期逻辑冲突、旧模板残留及表述过度承诺等，作者开发了一款 Claude Code Skill。该工具通过构建严谨的审核流程，利用 DeepSeek 模型强大的中文理解能力，对合同、标书、验收报告等材料进行全方位“...
实测：同模型不同命，OpenAI 官方客户端为何远超开源工具速度？
本文对比了 OpenAI 官方客户端 Codex CLI 与开源工具 OpenCode 在使用相同模型（GPT 5.5 Xhigh）时的性能表现。实测发现，Codex CLI 响应极快，而 OpenCode 存在明显延迟，且上下文窗口计算显...
一人团队如何驾驭AI？揭秘“堡垒+通道”架构应对大型项目维护难题
本文探讨了个人开发者如何利用Claude、Coze等AI工具构建和维护如“AI跑团主持人”这类复杂项目。针对个人认知负载过高和AI生成代码质量难以把控（屎山）的问题，作者提出了一种三层架构思路：一是建立基于TDD的“堡垒”层，确保核心模块的...
告别低效 Chatbot：开发者构建具备“心跳”与记忆的 AI 投研 Agent
一位 V2EX 开发者为提升投研效率，开发了名为“赛博投研”的 AI Agent。他发现传统 Chatbot 缺乏连续性，无法应对动态市场，因此构建了一个具备长期记忆、任务调度及“心跳机制”的自主研究员。该 Agent 能自动完成盘中盯盘、...
清华系AI算力公司急招：H800随意用，面试拒绝八股文
AI算力基础设施企业共绩科技（清华团队）在北京开放AI产品及全栈开发实习岗位，薪资240-300元/天。岗位硬性要求需熟练掌握Cursor、Claude等AI编程工具及前后端框架，强调全栈实战能力与产品思维。公司特色在于提供RTX 4090...
DeepSeek“薅羊毛”指南曝光：利用国外IP实现无限免费API调用
科技论坛Linux.do上出现关于获取DeepSeek V4免费账号的热门讨论。用户分享了一种利用国外IP地址配合无限邮箱进行批量注册的方法，并将这些账号挂载到ds2api等第三方项目中实现API调用。这一现象虽然展示了开发者群体对低成本、...