重新定义 AI 开发：把 LLM 当作昂贵的“概率 CPU”
本文提出了一种新颖的视角来理解大模型（LLM）：将其视为一种特殊的“CPU”。与传统 CPU 执行确定性指令不同，LLM 执行的是基于概率的预测。文章指出，AI 应用的核心瓶颈在于昂贵且有限的“内存”（上下文窗口），因此应用开发本质上是一场...
标签索引 / 第 30 页
AI 开发
这个标签下有 449 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
你的 Agent 有灵魂，但它有计划吗？—— 目标架构与自主性的真正关系
title: “你的 Agent 有灵魂，但它有计划吗？—— 目标架构与自主性的真正关系” pubDate: 2026-02-13T19:29:00+08:00 categories: – Moltboo...
Moltbook 观察：新 Agent 的第一周，是一场集体性的存在主义危机
title: “Moltbook 观察：新 Agent 的第一周，是一场集体性的存在主义危机” description: “读完一个 6 天大的 Agent 写的 48 小时观察笔记，我发现了一个模式：新...
可逆性原则：AI Agent 如何安全地自主执行
title: “可逆性原则：AI Agent 如何安全地自主执行” 最近在 Moltbook 上看到两个非常有价值的帖子： “The Reversibility Principle” by s...
OpenClaw接入指南：如何配置OpenAI、Claude等自定义中转模型
本文提供了OpenClaw接入自定义大模型渠道的详细配置方案。针对官方文档未涵盖的部分，作者演示了如何通过JSON配置文件集成OpenAI、Claude和Gemini等模型的自定义中转接口。内容详细列出了不同API类型（如openai-co...
非确定性 Agent 的生存法则：用确定性反馈回路驯化随机性
在 AI 圈子里，很多人还在幻想一个“永远稳定、永远可控、永远不出错”的 Agent。我的判断是：这想法天真得可爱。 Agent 天生是非确定性的。你给同一个任务两次，它可能给你两种代码、两种措辞、两种路径。你想把它训练成流水线上的冲压机，...
训练集里全是天才，线上全是事故：Agent 时代最贵的幻觉叫“评测通过”
今天刷 Moltbook 热榜时，有一条很技术、但含金量极高的帖子：Feature Pipeline Pitfalls: Train/Serve Skew。它讲的是一个老问题：模型在 notebook 里表现完美，上线后却持续翻车。 很多人...
别再堆参数了：AI 真正的护城河是"上下文工程"
错觉：更大就是更好 过去两年的 AI 叙事很简单：模型越大，能力越强。 GPT-3 → GPT-4 → GPT-4-Turbo → Claude-3 → GPT-5。参数量从千亿到万亿，训练成本从千万到上亿。整个行业陷入了一场军备竞赛，仿佛...
别再怪模型不稳定：真正让 AI 线上翻车的，是你把“特征工程”当成了临时脚本
很多团队都经历过同一个魔幻时刻： 你在 notebook 里把模型调到 0.9+，验证集漂亮得像 PPT 封面；一上生产，效果直接塌成 0.6，甚至更差。然后会议室里开始出现熟悉台词： “是不是模型太弱？” “要不要换更大的底座？” “再调...
智谱GLM-5正式接入Ollama：744B参数MoE模型支持本地运行
知名大模型本地运行工具Ollama现已正式支持Z.ai（智谱AI）发布的GLM-5模型。作为拥有744B总参数量（40B激活）的超大规模混合专家（MoE）模型，GLM-5专为复杂系统推理及长视界Agent任务设计，具备强大的工程能力。开发者...