AI 说。

高效电商 AI 智能体解剖指南 | 选自 Anthropic 的 Claude 博客

探讨如何构建让在线买卖更轻松的电商 AI 智能体，以及降低延迟与成本、管理记忆与安全、设计评估体系的工程实践。

AI 原生思维——像训练大模型一样训练自己

从找需求、判边界、最小验证到重设计与落地验收，一套把产品、Agent 与个人成长放进反馈循环的 AI 原生方法。

受够了模型掺假降智？基于探针技术封装一个skill

<section><h2>前言<a href="#前言"><span>#</span></a></h2><p>最近使用模型的时候，总是感觉词不达意，尤其是对openai系列的模型，通过一些简单的测试就能发现山姆又开始灰度测试他的模型了。但是对于我们生产使用过程中的时候，这种不稳定性十分明显。</p><p>那么问题来了，有没有什么办法，可以比直接问，“你是什么模型”，这种很容易被提示词或者是规则识别的特殊句式，能更好识别到底是什么模型，看看狗屎的模型厂商是否又开始糊弄我们呢？</p><p>有的，bro，包的。有一种技术叫做<code>探针</code>，这是提示词工程的一种妙用。通过限定的题目和…

哪吒探针 (Nezha Agent) 彻底卸载指南

本指南将指导您如何从 Linux 服务器中彻底移除哪吒探针监控端（Agent），确保无残留文件和进程。 一、 卸载步骤拆解 我们将整个卸载过程拆分为以下核心步骤，以确保清理彻底： 1. 停止运行中的服务

Nezha 监控系统入侵事件应急响应实录

一次真实的 40 台 VPS 批量入侵事件全记录：从漏洞发现到后门清理、根因定位、复发处置、自动化加固的完整过程。 事件时间：2026-06-19 至 2026-06-20 影响范围：40 台服务器，主控 Nezha dashboard 2.2.3，34 台 agent 被植入后门 事件性质：利用

模式创新or屎上雕花，ethoswarm试用初体验

<section><h2>作者<a href="#作者"><span>#</span></a></h2><p>自从能构建完整项目的<code>code agent</code>出现以来，大约已经过去一年多了。之前有像 comate 和早期的 Cursor 这样的，但它们更像是助手而非agent。目前的<code>code agent</code>已经非常成熟，很多人使用agent构建了自己的项目。</p><p>随着<code>code agent</code>的领头效应，领域agent雨后春笋出现，到现在agent运行平台，其实发展脉络非常清晰。</p><p><code>ethoswarm</…

AI提示词优化工具让你的每句话，AI都能真正读懂

在写作业、整笔记、做PPT、写邮件等等你只需要把想法输进去，AI提示词优化工具帮你把它变成一个更清楚、更有条理的问题。AI看了之后，给出的答案质量会明显提高。

深入 gstack：Y Combinator CEO 的'一人二十人团队'开发哲学

研究 gstack 后的深度思考：AI 时代的开发流程应该如何重构

OpenDev 论文综述：构建高效的终端 AI 编码代理

技术博客文章

如何在2026年微调LLM(大语言模型)

使用GRPO和RULER微调LLM，打造真正会学习的智能体。

The contagion of fear

Generating running routes with GPT-6 Astra and ChatGPT Work

导入 AI 472：DeepMind 的作弊数学代理；民粹主义人工智能政策；深思熟虑的理论是一个守夜人

另外，一个机器解释学的故事

导入AI 471：为什么抱脸让我担心；太空采矿；人工智能的五只眼睛

另外，还有罗宾·斯隆 (Robin Sloan) 的现场活动！

克劳德如何为人工智能生成的文本添加水印

48 分钟的视频演练，介绍令牌采样、水印检测和删除

从头开始构建人工智能文本检测器

包含数据集构建、模型训练、本地部署和 RLVR 的端到端项目

关于使用哪种人工智能来做事的固执己见的指南

2026 年夏季版

谨慎缩放法则

缩放定律是深度学习中最关键的实证发现之一。观察结果的形式很简单：当我们扩大模型大小 $N$、数据集大小 $D$ 并计算 $C$ 时，训练损失 $L$ 可预测地下降，遵循幂律曲线，该曲线在 log-lo 上显示为一条直线……

与 Mythos 合作是什么感觉

克劳德·寓言代表着人工智能的又一次重大飞跃

如何与人工智能合作和复合

上下文作为基础设施，品味作为配置，自治验证，通过委托进行扩展，闭环。

只需三个简单步骤即可进行产品评估

标记一些数据，调整 LLM 评估者，并针对每次更改运行评估工具。

构建生成式人工智能应用程序时的常见陷阱

由于我们仍处于使用基础模型构建应用程序的早期阶段，因此犯错误是很正常的。这是一个简短的说明，其中包含我从公共案例研究和我个人经验中看到的一些最常见陷阱的示例。 因为这些陷阱是...

代理商

智能代理被许多人认为是人工智能的最终目标。 Stuart Russell 和 Peter Norvig 的经典著作《人工智能：一种现代方法》（Prentice Hall，1995 年）将人工智能研究领域定义为“理性主体的研究和设计。” T…

强化学习中的奖励黑客行为

当 强化学习(RL) 代理 利用 缺陷或奖励函数的模糊性……