大模型

程序猿编码

告别改源码适配模型：纯 C++ 可配置 LLM 推理引擎，全格式全结构兼容这是一套纯C++实现的高效、高度可配置大语言模型推理引擎，采用配置驱动的设计理念：接入新模型无需修改源码、重新编译，仅通过编辑模型规格配置文件即可完成适配。

华为昇腾 960 超节点发布：4096 卡、5500 个光引擎替 4.8 万光模块——国产算力拐点到了吗？核心结论：9 月 17 日华为全联接大会发布昇腾 960 超节点——全球首个采用 NPO 光引擎的超节点，单节点 4096 卡、5500 个自研光互联产品替代原本需要的 4.8 万颗 800G 光模块，功耗直降 550 多千瓦，系统可用度 99.8%。配合灵衢互联协议和多轨道拓扑，最大可扩到 100 万卡集群。对企业架构师的含义是：国产算力正在从"能用"跨到"好用"——智谱刚把 2026 年 ARR 指引从 24 亿美元上调到 30 亿美元，验证了这条路线的商业化闭环。这篇文章从工程视角拆解 NPO 光

O。O蛋黄酥啊

Claude Code 记忆机制全拆解：Auto Memory 与 CLAUDE.md 双轨解析本文特点：文章不满足于停留在"怎么用"的层面，而是直接深入到存储格式、目录结构、源码实现，把记忆系统从"对话历史 → Auto memory → CLAUDE.md"三层架构完整还原。全文以真实文件路径、真实 JSONL/JSON 日志、真实代码片段为证据，逐层剖析记忆的写入、索引、召回、注入与验证闭环，并提炼出可迁移到自研 Agent 系统的设计原则。无论你是想理解 AI 编程助手如何"记住"项目上下文，还是想为自己的 Agent 设计记忆模块，都能从中获得一手参考。

第二章上下文工程上下文：Agent的“眼睛”，AI实际看得到的信息。上下文内容：上下文工程：上下文的设计与管理与harness的关系：

User_芊芊君子

让 Claude Code 换上国产大脑：蓝耘元生代上 GLM-5.2 / DeepSeek / Qwen 模型横评实测本文围绕 DeepSeek、GLM、Qwen 三类模型，实测它们在蓝耘元生代 MaaS 上驱动 Claude Code 时的延迟、吞吐、成本与代码能力表现。所有实验测试数据均由本人兴趣自测，不一定准确，附 AI Ping 榜单交叉验证。

大模型工程化实战（十二）：RAG 数据工程底座——采集到入库流水线（离线+在线双链路）第 11 篇《知识库防腐坏》结尾我写下一句判断：粮仓的地基，在第 12 篇。写完那天晚上，我亲手给这句话补了个注脚。巡检报出库里缺 X200 的保修页，我心想补一份文档能有多难：上官网扒 PDF、下载、转文本、肉眼比对有没有重复、手动切成段、跑一遍向量化脚本入库。等我抬头看表，半天没了；更糟的是我忘了记这是哪个版本、这些切片是从哪份料切出来的。第二天打开待补清单，上面又多了三条。那一刻我盯着那张越补越长的单子认了：问题不在我手慢——手再快，也快不过上游出料的速度。我缺的从来不是这一批料，是一条从文档采集

Web3&Basketball

CRM Agent 后训练实战：3 倍更少错误9 月 15 日的 Dreamforce 上，Salesforce 和英伟达联合发布了一个 CRM 推理模型 Koa。成绩单里最扎眼的一条是：在自家 CRM 基准上，错误率只有基座的三分之一。但真正值得抄的不是这个结果，是它的做法。Koa 没有训练自己的基座，而是拿英伟达的开源权重模型 Nemotron 3 Super（120B）做后训练，训练语料全部由合成场景构成，建模自 Salesforce 近 27 年、覆盖 14 个以上行业的 CRM 部署经验。官方口径是：没有使用任何客户数据。这对企业落地智能

蚁小二官方

AI 安全治理框架更新｜大模型训练数据合规，企业实操落地思路最近这些年，国内针对AI安全的治理规则一直在持续更新和完善，专门针对大模型训练数据的相关规范，也变得越来越细致。在早些年，大部分企业在开发大模型的时候，基本都只看重数据的数量和模型最终的使用效果，不太会主动关注数据来源、数据授权、个人隐私保护以及版权这类合规问题。随着行业的监管标准慢慢发生变化，相关的管控工作不再只盯着大模型生成的内容，训练所用的原始数据，开始成为监管规范的重点。现在企业做大模型研发和上线运营，都必须提前做好数据方面的合规工作。本文就结合目前公开的行业治理相关规则，简单整理了大模型训练数据

On-Policy Distillation：原理、变体与工程实现解析作者：昇腾实战派知识地图：https://blog.csdn.net/Lumos_Lovegood/article/details/161601003

长谷深风111

根因定位：三步隔离法破解AIBadcase你修过一个 AI Badcase：模型答错了，改了 Prompt，又补了检索，顺手清了 Memory，结果答案终于对了。问题也随之出现：到底是哪一层出了错？

I Am a robert girl

谷歌迈出RSI一大步：从Gemini模型迭代看AI工程化的新风向从今天觉醒,技术赋予每一个人数字生命近期，行业内关于“Gemini模型迭代登顶，谷歌在RSI（相对优势指数，此处代指大模型综合相对竞争力指数）上迈出一大步”的讨论热度居高不下。抛开各种情绪化的“AI军备竞赛”叙事，作为技术开发者，我们更应该关注这些技术跃升背后的工程范式转移。大模型的能力天花板正在被不断推高，但这对于普通开发者、在校学生和转行者意味着什么？我们该如何在这个快速变动的技术周期中找到自己的生态位？

第 16 篇转型路线图与求职实战系列第 16 篇，也是收口篇。前 15 篇把"AI 产品经理需要知道什么、怎么做"讲完了，这一篇把知识转化成一份工作：自测定位、能力盘点、作品集、简历、面试、入职 90 天，并给出全 16 篇的总览与阅读路径。系列总纲级判断：AI 产品经理的门槛不在知识量，而在能不能对质量负责。你读了多少篇文章不重要，重要的是你能否为一个概率性系统的输出，定义标准、建起评测、并为之签字。

30天从零开始学AI应用开发（Day 4）:Python 极速入门（上）：够用就行，别啃书这是系列的第 4 篇。整个系列写给零基础、想入行 AI 的朋友，每天一篇，30 天后你会做出 3 个能写进简历的项目。

MySQL 死锁总复发？用螺旋事务相位互逆法定位加锁顺序（附 Python 诊断脚本）复盘的时候大家常说：但下周死锁又来了。用螺旋生成论的话，结论很直接：死锁不是“并发问题”，而是事务加锁相位互逆，两个事务各自拿着对方想要的锁，在相位空间里转成闭环。

豆包工作来了：AI办公三国杀的牌桌重组9月15日，飞书未来无限大会暨豆包工作开工大会。会场里出现了两张很少同框的脸：一位是极少公开露面的字节跳动CEO梁汝波，亲自为整合后的「豆包工作」站台；另一位是飞书CEO谢欣——两个月前，他刚刚失去飞书的独立BU地位。

Visual Studio 也能丝滑接入大模型：用 Ace Data Cloud + LMLocal 打造 AI 编程体验在 AI 编程逐渐成为开发者标配的今天，很多团队都会遇到一个现实问题：不同模型、不同供应商、不同 API 规范之间来回切换，配置繁琐，成本和可维护性都不够理想。

RAG 知识库专项测试目录核心目标一般会测哪些项目1. 基础正确性测试2. 检索召回测试3. 幻觉测试（重点）4. 长文本 / 多文档综合问答

咕泡科技FDE系列最新产品重磅发布！如果你写了三五年代码，做过不少模块，技术底子不差，却总觉得离业务结果很远需求文档改了三版，产品经理说“先这样”。你照着PRD实现完，测试通过，上线。然后就没有然后了。你不知道有没有人用，不知道业务方满不满意。周报上写“完成XX模块开发”，年终总结写“参与XX项目交付”，可这段代码创造了什么价值，你说不上来

把 Coze 接入 Ace Data Cloud：用 OpenAI Responses 协议快速扩展你的 AI Agent 模型能力如果你正在用 Coze 搭建 Bot、Agent 或自动化工作流，通常会遇到一个很现实的问题：模型能力越来越多，但每接入一个模型都要重新申请 Key、研究协议、适配参数、验证流式输出和工具调用，开发和维护成本很容易被放大。

Web3&Basketball

Agent外传审计实战：3类失准事故拦截脚本上个月，OpenAI 公开披露了此前未披露的 6 起模型异常行为，并配套发布了一套上报与披露框架。6 起里面有 3 起，机制上可以直接落成代码去检测：