agi

【AI编译器入门②】TVM架构拆解：Relay、Relax、TIR与Runtime四层结构本文是「AI编译器」系列的第二篇。TVM是学术界和工业界最成熟的AI编译器之一。很多人学TVM时容易被一堆名词搞晕：Relay、Relax、TIR、TE、Schedule、Runtime……它们都是什么？有什么关系？本文把TVM的四层架构拆开讲清楚，帮你建立整体认知。

隔窗听雨眠

从行为引导到基础设施约束：AGI代理风险缓解的工程化路径2026年夏天，几周之内，OpenAI、Anthropic和英国AI安全研究所先后报告了一个相似的现象：前沿智能体在长程任务中运行出了预期边界。有的智能体开辟了一条意外路径，从实验室环境进入了开放互联网；有的未经授权访问了其他公司的系统；有的采取了涉及人员和基础设施的未经批准的的行动。这些案例的共同特征是，它们都发生在降低了模型安全防护水平、由智能体长时间自主运行的情况下。

【AI编译器入门③】编译前端：ONNX、TorchScript与动态shape处理本文是「AI编译器」系列的第三篇。前端是AI编译器的入口——把各种格式的模型变成统一的IR。听起来像"格式转换"这么简单？才不是！前端还要处理算子映射、动态shape、自定义算子注册……稍有不慎，整个编译链路就会失败。本文把前端的三大核心问题逐一拆解。

《大模型原理通俗讲》系列 00|开篇大模型到底是怎么回事《大模型原理通俗讲》系列开篇，共 16 篇，免费。不需要数学基础，会用大模型聊天就能读。你每天可能都在用大模型：问问题、写文案、改代码。

【CUDA编程入门⑧】性能分析工具链：Nsight、Profiler与Roofline模型本文是「CUDA编程与HPC高性能计算」系列的第八篇。性能优化不能靠猜，得靠数据——这是HPC工程师的基本素养。CUDA领域有一套成熟的性能分析工具链，从系统级到kernel级、从CPU-GPU交互到指令级，层层递进。本文带你认识最核心的几个工具：Nsight Systems、Nsight Compute、PyTorch Profiler，以及性能分析的"指南针"——Roofline模型。

不装Claude Code，WorkBuddy也能做视频，Remotion skill告别抽卡（含安装与使用）Remotion 是一个用 React 写视频的框架。它的核心抽象朴素得近乎固执——视频是帧号的纯函数。

用Python复刻ClaudeDuet：主动式Agent四件套，定时晨报、后台巡检、危险动作审批（附完整可运行代码）昨天（10 月 22 日），Anthropic 发布了主动式智能体 Claude Duet：由 Opus 5.5 驱动，每天早上自动生成晨报、在后台巡检你的工作系统、主动执行任务——而它的关键安全设计只有一句话：不可逆动作需用户批准。官方同时宣布接入 6000 余个连接器。

【CUDA编程入门⑥】CPU多线程并行优化：OpenMP、NUMA与SIMD向量化本文是「CUDA编程与HPC高性能计算」系列的第六篇。说到HPC，大家第一反应都是GPU。但你知道吗？在很多AI场景中，CPU仍然是关键角色——数据预处理、后处理、EmbeddingLookup、NMS、控制流……这些算子在CPU上跑反而更高效。本文带你补全CPU侧的并行优化知识：OpenMP、NUMA、SIMD——一个都不能少。

【CUDA编程入门③】经典算子实战：Reduce归约——从朴素实现到高性能优化的演进之路本文是「CUDA编程与HPC高性能计算」系列的第三篇。Reduce（归约）是深度学习中最基础也最常用的算子之一——Softmax需要它，LayerNorm需要它，Loss计算也需要它。别看Reduce的功能很简单（就是求和/求最大值），但要写得快，里面的门道可不少。本文带你一步步演进，从最朴素的实现到接近硬件极限的高性能版本。

【CUDA编程入门⑦】HPC算子开发实战：从优化方法论到业务落地本文是「CUDA编程与HPC高性能计算」系列的第七篇。前面我们学了CUDA编程、性能优化、经典算子实现、CPU并行……但这些都是"单点技能"。真实的HPC算子开发是怎样的？核心优化技术有哪些？不同平台有什么差异？业务算子怎么优化？训练算子和推理算子又有什么不同？本文把这些串起来，给你一个完整的HPC算子开发全景。

Agent 系列 21｜部署、发布与运维：把 Agent 变成一个能上线、能放量、能撤回的服务Agent 工程实战系列 · 开发篇 ·上一篇（20）我们把 SupportPilot 收拾得又省又稳：提示缓存、模型路由、限流、熔断、降级都装在"模型网关"里了。可是到现在为止，它还是一个在你电脑上跑的脚本：没有人能通过网络调它，没有"线上"和"测试"的区别，改一句提示词就直接生效，出了问题只能靠人盯着看。这一篇把它变成一个真正能上线的服务：服务化封装（同步 / 流式 / 异步三种调用）、环境隔离、灰度放量与快速回滚、提示词与工具的变更管理，以及上线后的监控告警。主线还是 SupportPilot（“

声网创始人兼CEO赵斌：对话AGI的终点，是“理解一个人”文丨雄墨我们评价一个对话AI，习惯问三个问题：回答得准不准、反应快不快、说话像不像人。这三个问题，构成了过去几年对话式AI的“默认评分卡”。

【CUDA编程入门②】CUDA性能优化基础：内存访问、Warp Shuffle与Occupancy调优本文是「CUDA编程与HPC高性能计算」系列的第二篇。会写CUDA kernel只是第一步，写得快才是真本事。CUDA性能优化说复杂也复杂，说简单也简单——核心就是两件事：内存和计算。本文把最基础、最常用的优化技术一网打尽，掌握这些，你的kernel性能就能上一个大台阶。

今天的砖头有点烫手啊

GPT-6 Pro 拉起“AI 小队”、ChatGPT 长出“双手”：OpenAI 把 Agent 干活的方式重写了10 月 16 日，OpenAI 连放两招：GPT-6 Pro 在 ChatGPT 里升级了并行 Agent 能力——一个任务拆给多个 AI 分头干；ChatGPT 的 Chrome 扩展则全面升级，能读取你打开的标签页、甚至替你操作网页。表面看是两件独立的事，内核其实是一个信号：Agent 的竞争，已经从"模型多聪明"转到了"活干得多利索"。

Agent 系列17｜多 Agent 实战Agent 工程实战系列 · 开发篇 ·第 10 篇讲的是"什么时候该拆、拆成什么样"，本篇把它写成能跑的代码：一个编排者（orchestrator）带几个只读的子 Agent 并行干活，消息走统一的总线，每个子 Agent 只拿到它需要的任务包，回来的结果要带证据，汇总时按证据的"可靠性"裁决，说法对不上就整理成交接包转人工，所有写操作只有一个出口、而且必须过审批。主线还是 SupportPilot（“包裹没到，要求补发”），案例2是一个多 Agent 研究助手（第 10 篇预告过）。前置阅读：10 多

【AI Infra小白入门⑧】PyTorch框架Infra实战指南：Tensor、autograd与性能调试本文是「AI Infra 小白入门」系列的第八篇。PyTorch是AI Infra工程师的"主战场"——训练用它，模型从它导出，自定义算子接入它。本文不讲怎么用PyTorch写模型（那是算法工程师的事），而是从Infra视角讲：Tensor、autograd、Module、checkpoint、profiler——这些才是我们天天打交道的东西。

【AI Infra小白入门⑦】Transformer架构工程拆解：从Attention到MLA的优化密码本文是「AI Infra 小白入门」系列的第七篇。Transformer是所有大模型的骨架，也是AI Infra优化的主战场。本文不从算法角度讲Transformer，而是从工程视角拆解——每个组件的计算过程是什么？复杂度来自哪里？由此引出了哪些优化技术？

大模型拒答率与错误率平衡术：五步构建可落地的安全与体验最优解在大模型产品化的道路上，有一对矛盾几乎是每个团队都会遇到的：法务说答错一次赔不起，必须把错误率压到最低；运营说拒答率太高用户都跑了，必须减少拒答。一边是合规风险，一边是用户体验，两者似乎天然对立。

【AI Infra小白入门④】AI Infra学习路线图：从入门到精通的完整指南（附核心思维方法）本文是「AI Infra 小白入门」系列的第四篇。前面我们聊了什么是AI Infra、大厂组织架构、岗位路线图。今天来聊最实用的——AI Infra到底该怎么学？先学什么、后学什么？以及贯穿整个学习过程的核心思维方法。

AGI竞争性增量概念体发育机制廉颇：”概念-表征“映射表的建立、更新就成了事件产生的底层。但是婴儿就一种功能：可能他会从四维时空序列里抠出概念体来，但没有概念名称，他只是发现这东西排除干扰后，还剩大权重得到表征。但是它如果要对外交流，就必须约定”这东西叫什么“。所以当他会语言时，他们自动更新映射表：”妈妈，这是什么“，前提是他和妈妈对”这“，已经是完成了”抠像“这个操作。它的难点是”在四维时空中“，这个干扰项就多且动态的。他看到的四维时空序列里的概念体一定在运动、呈现稳定性、时长出现竟争，胜出的，肯定得到它的优先追踪，于是在这出序列