大家好，我是玄姐。做AI開發時，你是否遇到過這些痛點？想搭建AI應用卻不知從模型選型開始；好不容易整合了工具鏈，上線后性能、可觀測性又掉鏈子；業務跑起來了，數據迭代和安全合規又成了新難題？阿里云在云棲大會后發布的《AI原生應用架構白皮書》文末有下載鏈接，恰好為這些問題提供了系統解法。這份白皮書從架構演進、核心要素到落地實踐，完整拆解了AI原生應用的構建邏輯，尤其對JavaPython開發者、企業架構師極具參考價...

Manus是蝴蝶效應公司（ButterflyEffect）推出的全球首款通用型AI智能體產品，其名稱源自拉丁語“MensetManus”（意為“手腦并用”），強調將思考轉化為實際行動的能力；近期，該公司因投資方壓力撤離中國，引發廣泛關注。2025年AIAgent賽道涌現大量同類產品，但多數存在"Demo能飛、落地常摔"的現象。用戶試用一次即放棄的比例居高不下，市場存在過度炒作現象。例如，內測邀請碼曾被炒至數萬元高價，但團隊否認參與炒作。Manus作...

四鏈融合是指創新鏈、產業鏈、資金鏈、人才鏈的深度融合，是中國在新時代推動高質量發展、培育新質生產力的重要理論創新。本文先梳理“四鏈融合”發展脈絡論、再提出量知“四鏈融合+數字化系統”融合的整體框架、最后以案例驗證其落地路徑。一、“四鏈融合”理論政策淵源與發展脈絡其發展歷程可分為4個階段：圖片理論萌芽期（2013—2018）：從“兩鏈融合”到“三鏈協同”2013年9月：十八屆中央政治局第九次集體學習上，習近平首...

編輯聽雨從記事本到Excel，從任務欄到Office，AI已經無處不在——近日，微軟正式宣布，Windows11正在向AI原生操作系統進化。這一消息由微軟副總裁StefanKinnestrand親口闡述，其核心并非簡單疊加Copilot功能，而是要對Windows進行根本性重塑。Kinnestrand強調，未來的Windows11將把AI模型、上下文理解能力及用戶意圖識別，提升為與任務欄、鼠標同等重要的“核心系統特性”。這意味著AI將不再是附著于系統表面的輔助工具，而是深...

文章鏈接：https:arxiv.orgpdf2510.09608Git鏈接：https:github.commithanlabstreamingvlmDemo鏈接：https:streamingvlm.hanlab.ai亮點直擊訓練與推理統一的流式架構：通過重疊窗口全注意力SFT，將有限長度訓練與無限長度推理自然對齊。高效KV緩存復用機制：結合attentionsink、短窗口視覺緩存與長窗口文本緩存，實現低延遲、高穩定的實時視頻理解。真實長時評測基準構建：構建了首個平均時長超2小時的實時視頻評測集InfStreams...

“在初始化場景下，讓AI離開人類的干擾，讓AI自主的生活將會是一個什么樣的場景。”最近斯坦福的實驗室開源了一個名為“GenerativeAgents”的項目，別名又為“斯坦福小鎮”，主要核心在于"AI與AI的智能交互"，這個項目包含25個由AI驅動的智能體（代理）。這些智能體只有預設的身份和初始記憶，其所有的行為都是由AI驅動產生。這是一個非常有趣的idea。即便是目前AI大火的趨勢下，大部分人做的Ai產品都只圍繞著人與AI之間的交互...

“搜索技術既是一項獨立的技術，也是RAG技術的基礎。”最近了解到一個新技術，當然這個新技術是對作者來說，其技術已經存在一段時間了；它就是深度搜索技術——DeepSearch。作者最近一段時間主要從事的方向是RAG和Agent領域，然后這幾天突然了解到深度搜索這項技術，然后就很好奇它和rag有什么區別和聯系。DeepSearch和RAG學習一項新技術，我們首先要搞明白這個技術是干啥的，它有什么用，因此先不糾結其概念。顧名思義，從名稱...

ProximalPolicyOptimization(PPO)，這個名字在近幾年的強化學習(ReinforcementLearning,RL)領域中，幾乎等同于“默認選項”和“黃金標準”。無論是訓練機械臂完成復雜操作，讓AI智能體在游戲中橫掃千軍，還是為ChatGPT這樣的大型語言模型(LLM)進行RLHF（基于人類反饋的強化學習）微調，你都繞不開它。OpenAI開發的PPO，巧妙地在策略梯度方法的框架上進行了升級，解決了經典策略梯度算法最大的痛點——不穩定性。它如何做到既高...

10月份，Anthropic發布了一個更小、更快、更便宜，但能力卻“離譜”地接近前輩的ClaudeHaiku4.5。這次并不是一個簡單的版本升級，而是Anthropic對AI應用效率、成本和速度的一次突破性重構。它不僅重新定義了“小模型”的邊界，更給所有開發者和企業提供了一個全新的“性價比之王”。你可能會問：這個Haiku4.5到底有多強？它能取代Sonnet4嗎？又將如何改變我們開發AIAgent的方式？本文將深度拆解Anthropic發布的這款“性價比殺手...

10月中旬，Anthropic再次出手。在Claude3.5系列穩定占據高端市場之后，他們推出了一個令人意外的新品：ClaudeHaiku4.5。這次更新的關鍵詞只有三個：更快、更便宜、更強。雖然它被定位為“小模型”（smallmodel），但性能已經逼近旗艦級ClaudeSonnet4。在編程、推理、文檔理解等核心能力上，它不僅沒有明顯短板，反而在速度和成本上實現了質的飛躍。一、Haiku4.5是什么？一款“小而強”的AI模型Anthropic在2025年的產品矩陣已經...

現在是“Agent十年”而不是“Agent的元年”Karpathy提出“這是智能體的十年”，是對先前行業內“這是智能體之年”的回應。他認為“代理的十年”才是對當前情況更準確的描述，行業內存在一定程度的過度預測（overprediction）。ClaudeCode和Codex，這些都是由大語言模型演變而來的早期代理。它們確實是令人深刻的。Karpathy自己每天都在使用這些代理。但是，他強調距離真正成熟的代理，仍有“很多工作要做”理想的代理應該可以像...

AndrejKarpathy核心思想核心觀點：實現真正可靠、能勝任知識型工作的通用人工智能代理（Agent），是一個需要大約十年（20252035年）才能成熟的工程挑戰，而非短期內可以實現的飛躍。第一部分：核心論斷——為什么是“代理的十年”？定義“成熟的代理”：“代理”不是一個好玩的玩具或演示，而是一個可以被“雇傭”來完成實際工作的“員工”或“實習生”。它必須足夠可靠、智能，并且具備多模態能力來操作真實世界的數字工具。對...

或許你已是一名AI應用提示工程高手，但隨著對話的推進，你的聊天機器人常常會忘記你最初且最重要的指令內容，你的代碼助手會丟失項目架構的線索，而你的檢索增強生成（RAG）工具無法在復雜文檔與不同領域間建立信息關聯。隨著AI應用場景日益復雜，編寫精妙的提示詞只是更大挑戰中的一小部分——這個挑戰就是上下文工程。在本指南中，我將闡釋什么是上下文工程、它如何運作、何時應替代常規提示工程使用它，以及能讓AI系統更智能...

當你看到機器人能精準識別物體并完成復雜操作，AI能根據文字描述生成幾乎以假亂真的圖像時，是否好奇背后的技術如何實現？其實，這背后離不開強化學習與視覺智能的深度融合。但視覺信息的復雜性、“獎勵”設計的難題、長時程任務的穩定性挑戰，一直讓研究者頭疼。而新加坡國立大學、浙江大學、香港中文大學的聯合團隊最新發布的《ReinforcementLearninginVision:ASurvey》，不僅梳理了200+研究成果，還拆解了四大核心領域的關鍵...

ClaudeSkills的本質，是把你的工作流打包成可復用的技能文件。本文將帶你拆解其核心原理與三大應用場景，看它如何終結繁瑣的提示詞調試，讓AI成為你真正懂流程、可協同的生產力資產。別再迷信那些神乎其神的“提示詞工程”了。真正的生產力變革，從來不是靠一句句臨場發揮的咒語，而是把你的專業能力——你的流程、你的規范、你的方法論——沉淀為一套可隨時調用的標準化工具。這正是ClaudeSkills正在做的事。過去一年，我們每...

連特斯拉前AI總監Karpathy都在關注的“模型坍塌”究竟是什么？頂刊《自然》證實，用AI生成的數據喂養AI，不出幾代就會“心智退化”，遺忘真實世界。這場隱秘的危機，正讓我們的數字未來變得無比脆弱。本文為你揭示AI自我毀滅的真相。最近，連特斯拉前AI總監、AI圈大神級人物AndrejKarpathy都在播客里聊起了一個現象：“模型坍塌”（ModelCollapse）。這個聽起來有些學術的名詞，背后卻是一個足以顛覆我們對AI認知、甚至引發行業...

AI處理長文本的計算瓶頸，正被一種“光學壓縮”技術顛覆。DeepSeekOCR模型能將數千字的文檔“拍”成一張圖，用不到十分之一的成本實現97%的精準還原。本文將拆解其背后原理，以及它如何模擬人類的記憶遺忘機制，為無限上下文的未來指明方向。AI處理長文本的成本與效率難題，可能迎來了一個終極答案——光學壓縮。簡單說，就是別再逐字逐句地用文字喂給AI了，直接讓它“看圖說話”。過去，所有大模型都面臨一個共同的噩夢：上下...

我喜歡把AI當同事用，而不是當工具。這篇文章記錄我和AI一起工作的過程，不只是測評，而是實驗。我一直在探索一個問題：AI到底能在創作中承擔多大角色？前兩天用CC（ClaudeCodeCLI）跑了一個AI產品設計工作流，我發現跑下來效果還不錯，不僅僅工作效率提升了，生成的UX原型更加完善了，基本省去了大半的時間和精力。于是我決定升級：把工作流擴展成一個完整的AI“虛擬研發團隊”，新增了架構師、測試工程師和多層次的UX設計師。...

 昨天，DeepSeek開源了全新的DeepSeekOCR模型，采用“上下文光學壓縮”技術，為解決長文本處理中的算力瓶頸提供了全新的思路。  DeepSeekOCR的核心創新在于它驗證了一個直觀卻從未被系統論證過的假設：一張包含文檔文本的圖像，可以用比等效數字文本少得多的token來表示豐富信息。 簡單來說，這個模型的核心思想是：用一張包含文檔的圖片，以比原始文本少得多的token數來表示相同的信息。 它不是在傳...

?編輯云昭?出品51CTO技術棧（微信號：blog51cto）“現在是AI最糟糕的階段！”如果你去翻看OpenAI、Anthropic這兩家的Top10token消耗的玩家排行榜、無一例外都會發現，各種Code工具都會名列前茅。如今各種AICoding工具大行其道！不管是開發者、還是“外行人”，都在這股洪流中親自給這個賽道做出了注解，這已經是不可逆轉的大趨勢。不懂編程的“外行人”，難掩興奮：大家問我怎么實現的，我也答不上來——只是想做一個“外星終...