文章归档

第 4 页。归档页按时间倒序展示,每页只加载一组文章封面,减少首屏压力。

文章列表

别再盲飞:Anthropic 的 Agent 评估方法论,与它没说的那一半
原创 人工智能 · 工程实践 · 阅读 —

别再盲飞:Anthropic 的 Agent 评估方法论,与它没说的那一半

Anthropic 工程博客 2026 年 1 月发布《Demystifying evals for AI agents》,把「怎么知道 agent 到底行不行」拆成可执行的工程流程:task/trial/transcript/outcome/grader/harness 八个词的定义、三类评分器的分层组合、能力评估与回归评估的分工、pass@k 与 pass^k 的区别。本文做完整解读,并补上社区的四盆冷水(基准数据污染、统计功效不足、harness 自身失控、只做离线不做线上),以及四类真实业务场景(知识库研究、客服对话、编码、无人值守自动化)的落地做法。

给 AI Agent 造笼子的人,正在卷到 60 毫秒
原创 人工智能 · 工程实践 · 阅读 —

给 AI Agent 造笼子的人,正在卷到 60 毫秒

腾讯云 CubeSandbox 全栈开源之后,重新盘了一遍 2026 还在活跃的开源 AI Agent 沙箱:腾讯 CubeSandbox、阿里 OpenSandbox、CNCF agent-sandbox、E2B、Daytona,以及被忽略的本地进程级派(bubblewrap/Landlock/srt)和 WASM 边缘。结论:接口层正在收敛到 E2B,沙箱从“选型”走向“换 driver”。

AI 会写小说、会谱曲了吗?
原创 人工智能 · 工程实践 · 阅读 —

AI 会写小说、会谱曲了吗?

短篇能打、长篇会飘;Suno v5.5 与 Mureka V9.5 跨过了像不像,正撞上可控、可编辑、可确权三道墙。把'能生成'和'能创作'拆开看,会发现小说和音乐卡在同一道坎上——有状态的迭代。

循环深度:给 Agent 装一个「思考预算」旋钮
原创 人工智能 · 工程实践 · 阅读 —

循环深度:给 Agent 装一个「思考预算」旋钮

GPT-6 Astra 被扒出可能用了 recurrent depth(循环深度)。这篇文章不聊八卦,把这五篇关键论文里的可操作部分拆出来:免训练循环外壳(把一次大步换成 K 个阻尼小步,MMLU-Pro +2.64pp)、「循环两次就够了」的增益-成本剪刀差(SWE-bench 43→64.4 后第三圈掉回 27.6)、以及它对 agent 开发的四条直接映射——reflection 轮次的两次定律、潜在推理与显式 CoT 的超加性(+26.9)、把循环窗口对准 agent 的深思区、KV cache 是多轮 agent 的隐形税。

用 WorkBuddy 一句话生成教育触摸屏网页,并一键部署公网 Demo
原创 工程实践 · 阅读 —

用 WorkBuddy 一句话生成教育触摸屏网页,并一键部署公网 Demo

用 WorkBuddy 一个对话就做出单文件教育触摸屏首页 Demo(轮播/导航/视频弹窗/通知/时钟),并一键部署成公网链接;含实拍截图、公开体验地址,详解还能部署到哪、当前分享链接部署在哪、是否支持后端、是否永久有效。

HarpScore:我做了一个开源的布鲁斯口琴乐谱软件
原创 人工智能 · 工程实践 · 阅读 —

HarpScore:我做了一个开源的布鲁斯口琴乐谱软件

HarpScore 是一个开源的跨平台布鲁斯口琴乐谱软件,用 Vite+React+TypeScript 实现,内置 14 首经可吹性验证的曲谱,支持简谱与十孔口琴孔位同步显示、导出 PNG/SVG/PDF/JSON。

WSL 里的 node 不是你装的那个
原创 工程实践 · Linux · 阅读 —

WSL 里的 node 不是你装的那个

WSL 终端里 node 版本对不上、npm 跑到 Windows 路径去了?一次从 which node 开始的 PATH 排查实录,附带彻底修复方案和最佳实践清单。

Agent 开始动真实世界了:离开沙箱前,它必须拿到三把钥匙
原创 人工智能 · 工程实践 · 阅读 —

Agent 开始动真实世界了:离开沙箱前,它必须拿到三把钥匙

8 月最后一周 AI 信号:Anthropic 模型硬件标准、Pasqal 量子 Vibe Coding(仿真→真机)、OpenAI 常驻 Agent 与失控事故、具身智能标尺切换。Agent 的下一关不是更聪明,是敢不敢动真实世界——取决于接口标准、验证闸门、可信边界三把钥匙。

RRL 入门:让大模型不再忘记好点子
原创 人工智能 · 工程实践 · 阅读 —

RRL 入门:让大模型不再忘记好点子

RRL(Retrospective Replay-based RL)通过价值模型识别、重放缓冲区和周期性重放,把在线强化学习训练中被遗忘的高质量探索样本重新利用,解决模型训练后期探索退化的难题。

后训练入门:让大模型从「懂语言」到「会干活」
原创 人工智能 · 工程实践 · 阅读 —

后训练入门:让大模型从「懂语言」到「会干活」

后训练(Post-training)入门教程:预训练 vs 后训练的区别、SFT/RLHF/DPO 三种主流方法、什么场景适合做后训练(配 6 个真实案例)、什么场景不该做、工具推荐与最小可跑案例,面向工程师的速查指南。

Agent 拿到了钱包和写权限:2026 下半年的真战场是「授权」
原创 人工智能 · 工程实践 · 阅读 —

Agent 拿到了钱包和写权限:2026 下半年的真战场是「授权」

AWS AgentCore Payments 转 GA、Cloudflare WriteGuard 私测、人形机器人全自主竞技——本周 AI Agent 同时拿到经济自治与写权限,爆炸半径三变量被同时推高。确定性围栏定律、授权阶梯框架与独立分析。

Agent 的胜负手,已经不在模型里
原创 人工智能 · 工程实践 · 阅读 —

Agent 的胜负手,已经不在模型里

72 小时内 5 条新闻、3 个战场,2026 的工程共识:Agent = Model + Harness。从 Slack Code、Qwen-UI-Agent、Pelican-Unify 到腾讯降本 50%-65%,看 Harness 怎么成了 AI 真正的胜负手。

AliExpress 首页静默运行 WebAudio 指纹识别:零音量音频图如何抢走你的蓝牙耳机
原创 工程实践 · 阅读 —

AliExpress 首页静默运行 WebAudio 指纹识别:零音量音频图如何抢走你的蓝牙耳机

AliExpress 首页静默创建两个 WebAudio 音频上下文、用零增益音频图做设备指纹,副作用是占住系统音频路径、让 multipoint 蓝牙耳机切不回手机。拆解取证过程、音频指纹原理、行业对照(eBay 端口扫描、Reddit DRM 内省),并补充各浏览器缓解机制(Brave farbling、Firefox RFP、Safari iOS 26 噪声注入)与对 Web 权限模型的独立观点。