AI并非不能辅助决策，关键在于上下文是否充足
各位还在担心 AI 给你瞎提建议吗？但实际上，你完全可以借助提示词帮它定位角色和思考路径。而且，它也清楚该怎样调用 5W、鱼骨图 这类分析方法。道理上讲，AI 应当懂得怎么去拆解问题，可为什么大家依然觉得它在胡出主意？根本原因在于上下文不够啊！试想一下，哪怕是各位精英大佬，也不敢让刚入职的实习生直接拍板吧？可为什么不敢让新人做决策呢？因为他一无所知。不清楚人际关系、不明白来龙去脉、不熟悉公司运作、不了解组织架构……大家都讲，AI 就像一位刚入职的新人。同样地，你也得喂给它足够的信息。它理解了，才有望给出真
AI Agent 技术书源码公开
前几天在视频平台有人推荐《深入理解 AI Agent：设计原理与工程实践》这本书，我顺手去 GitHub 上看了看，记录一下该书的具体情况。作者为 Pine AI 首席科学家李博杰，全书正文、图表及 95 个配套实验均已在 GitHub 上开源（bojieli/ai-agent-book）。作者近期仍在持续维护——最新提交于今日（8 月 11 日），修复了第 4 章 Sidecar 的拼写问题；此前还同步了第 4、10 章的翻译，并新增了第 8 章的消融模块。本书核心内容书中将 Agent 归纳为以下公式
AI 的“金鱼脑”：对话压缩的代价
引语看似没删数据，实则每次压缩都在遗漏信息，且 AI 从不主动告知它已遗忘。使用 AI 工具时，AI 并非真正记住了所有过往。每次回复时，它都会将你的提问连同历史记录一同发送给模型处理。对话越久，所需携带的历史数据就越多，而历史记录的容量是有限的——这正是你常听到的“1M 上下文”或“200K 上下文”窗口大小的限制。当存储空间即将耗尽时，AI 会自动对之前的对话进行“总结”——即你常看到的“正在自动压缩”。尽管压缩听起来是无损的，但实际上每次都在丢失细节，且每压缩一次，信息便减少一分。下面通过一段对话模
AI生成代码飞速增长，你敢完全放手吗？人类真正的价值在于判断方向
AI 产出代码的速度早已突破了人类的认知边界。一个需求丢出去，几百行代码瞬间生成。需求变更？再丢一次。Bug 堆积？甩给 AI 一键重写。产量惊人，速度炸裂。可随之而来的问题是——谁来阅读这些代码？· · ·前几天，一个朋友跟我讲了一个特别真实的案例。他用 Cursor 搭了一个完整的功能板块，差不多 800 行。AI 写的，只用了一上午。然后他用了整整两天时间反复审视这段代码。不是鸡蛋里挑骨头。确实读不明白。也不是 AI 写得太差——说实话，AI 写得还挺像回事的。核心症结在于：这不是他亲手写的代码。他
AI 下一阶段：自主科研成焦点？Google 首席科学家离职创业
今日，Jeff Dean 正式卸下 Google 首席科学家职务，并离开 Google 创立新的 AI 科学发现企业 Discovery Loop。过去几年，他主要致力于推动 Google DeepMind 和 Google Research 的 AI 研究突破，也担任 Gemini 项目的联合负责人。更早时期，他还曾深入参与 MapReduce、Bigtable、TensorFlow 以及 TPU 等核心项目，是 Google 技术架构中极具标志性的人物。Dean 可以说已在 Google 收获了所有可
【AI 趣味科普】大模型为何拥有记忆能力
AI 知识体系汇总首先需要明确！大语言模型本身并不具备记忆能力！每一轮对话都是相互独立的，模型并不会保留之前对话的任何状态信息举个典型的对话示例好的，查询到的价格为0.969可以购入一万零三百股哎呀，说完立马就忘了那么为什么如今的大模型都能表现出记忆能力呢？原因是底层程序为其增添了一项记忆机制！！具体运作方式如下你正在使用的程序会在后台悄悄地将"此前的全部聊天记录 + 当前最新问题"重新组合封装后，一并提交给大模型处理举个例子，结构大致如下[历史上下文] 用户：请帮我查询半导体ETF的当前价格，我打算买入
AI核心概念扫盲:从AI、LLM到AGI、Agent一次讲透
这些术语常被提及，却容易彼此混淆。它们实际上处在不同的层次。本文首先厘清AI、LLM、AGI和Agent的区别。Context和Skill先做初步介绍，后续文章再深入。AI是Artificial Intelligence的简称，中文意思是人工智能。它的涵盖范围相当广泛。人脸识别、语音转文字、短视频推荐、合同摘要生成、辅助驾驶，背后都可能用到人工智能。当前热议的大语言模型，仅是AI技术中的一个分支。AI是统称，模型只是AI系统的构成要素之一。在法律和政策研究领域，使用"AI系统"这一表述比抽象的"AI"更为
AI对话越来越慢？上下文精简实战指南
背景： Hermes Agent + Agnes-2.0-Flash | 工具： 万相AI图片生成、微信公众号API | 场景： 公众号发布流程遭遇上下文膨胀导致响应迟缓在为某科技公司发布公众号文章时，我曾犯过一个致命错误——绕过了已成熟的发布技能，直接调用接口导致发布失败。后来严格按照技能流程执行，终于成功了。但在此过程中，我发现了一个新问题：对话越长，反应越慢。在为文章发布提供服务的过程中，我明显感觉到每次收到用户的新指令，都要等待很长时间才能给出回复。对比之前几次顺利发布的速度，差距非常明显。经过分
面壁智能推出MiniCPM5-2B端侧模型，AA-Index 4B以下性能登顶
据IT之家7月19日报道，面壁智能携手OpenBMB在2026年世界人工智能大会上发布了最新端侧模型MiniCPM5-2B，并完成了多款芯片的适配工作。 官方透露，在最新一期Artificial Analysis（AA）榜单评测中，MiniCPM5-2B以17分的成绩夺得榜首，成为全球4B以下模型中得分最高的产品。 据介绍，MiniCPM5-2B模型原生支持混合推理模式，能够在快速响应与深度思考间灵活切换，并具备512K超长上下文窗口，可一次性处理整本长篇小说或数十万行代码。其能力覆盖通用知识、数学与代码
AI今日焦点：系统可靠性成新战场
AI今日焦点DAILY AI BRIEF · VERIFIED TODAY ONLYTODAY'S DATE2026.07.19America/Los_Angeles 截稿 07:57 PDT日期审计：仅纳入 2026.07.19 00:00—07:57（PDT）新增报道、当日日程或当日社区帖子；没有用更早内容补位。开放权重、长上下文与物理智能 成为今天的三条主线截至西海岸早晨，今天可核验的新信号并不密集，却高度集中：Kimi K3 引发美国政策与安全人物的公开反应；黄仁勋的“物理 AI”路线成为机器人产
深入解析 AI 智能体核心要素
多模态大模型奠定理解与预测的根基，Token 组成上下文，Prompt 明确当前任务，Skill 提供成熟方案，Tool 负责执行操作，MCP 作为连接外部能力的统一协议，Harness 统筹运行机制，最终构建出 Agent（智能体）。大模型是基石，Token 为信息单元，Context 乃信息聚合，Prompt 即任务指令，Skill 代表方法体系，Tool 赋予行动力，MCP 确立连接规范，Harness 定义运行逻辑，Agent 则是能独立完成任务的系统。感谢您的阅读，愿本文对您有所助益！
AI编程效率的真相：使用后速度竟下降19%
93%的程序员都在用AI，但METR的研究显示，资深开发者使用AI后效率反而降低了19%，而他们自己却感觉快了20%。AI编程的真实代价，可能与你想象的不同。你最近是不是也安装了Cursor、Copilot，或者让Claude帮你写代码？装完之后，感觉效率大增——AI帮你生成了大量代码，你觉得自己至少快了20%。但如果我告诉你，一项针对资深开发者的研究发现：使用AI的人，实际完成时间反而慢了19%，而他们自己却觉得快了20%——这中间的认知偏差，接近40个百分点。这不是玩笑，这是METR在2025年底发表
AI编程工具周动态：Codex上下文再缩水、Claude Code连出Bug、OpenCode界面改版遭吐槽
📖全文1609字·阅读约需5分钟本周（7月11日至7月18日）多款主流工具纷纷出现问题。Codex的GPT-5.6 Sol上下文窗口再次被悄然缩减至258K，Claude Code两周内连续发布三个存在回归问题的版本，OpenCode的新界面设计则引发了用户最大规模的抗议。· · ·GPT-5.6 Sol上下文窗口再度静默缩减：353K→258K距离上次从1.05M砍至353K还不到一个月，OpenAI又把Sol的有效上下文从353K削减到了258K。用户翻遍官方文档也找不到任何更新说明。GitHub ↗
2.8万亿参数！全球最强开源模型Kimi K3正式发布
7月17日凌晨，月之暗面正式对外公布，推出公司迄今能力最强的大模型Kimi K3。 根据披露信息，K3是一款拥有2.8万亿参数的模型，具备100万token的上下文窗口，是目前全球参数量最大的开源模型，也是首个突破2万亿级别的模型，专为软件工程、知识处理及深度推理等前沿智能场景打造。 在官方评测中，Kimi K3展现了领先的表现。在参与测试的所有模型中，其综合智能水平仅次于Claude Fable 5和GPT-5.6 Sol。 7月17日凌晨，外界期待已久的Kimi新一代模型终于揭开面纱。 官方信息显示，
月之暗面发布Kimi K3：2.8万亿参数模型即将开源
新浪科技讯 7月17日晨间消息，月之暗面于今日凌晨正式发布Kimi K3，声称这是公司迄今为止性能最强大的模型。据介绍，Kimi K3拥有2.8万亿参数，采用KDA混合线性注意力机制（Kimi Delta Attention）与注意力残差（Attention Residuals）技术，原生具备视觉理解能力，并支持100万token的上下文窗口。 Kimi K3属于开源模型，专为长程编程、知识工作和推理等前沿智能场景打造。月之暗面表示，尽管Kimi K3的整体性能仍不及最强的闭源模型Claude Fable