aiops

json-render：Generative UI 的终极框架 —— 让 AI 安全地生成界面如果你用过 ChatGPT 或 Claude，你会发现它们回复的都是文字——无论多复杂的数据，最终呈现给用户的要么是 Markdown，要么是代码块。这就像请了一个天才设计师，却只允许他用打字机工作。

PageAgent-住在网页里的 AI 操控员过去两年，浏览器自动化领域热闹非凡。browser-use、Playwright MCP、各类 Headless 方案层出不穷，但它们都有一个共同特征——需要一个"外部大脑"：Python 后端、无头浏览器实例、或浏览器扩展的特殊权限。

A2UI 深度解读：让 AI Agent "说出"用户界面的开放协议想象这样一个场景——你对一个 AI 助手说："帮我订一张明天晚上 7 点的两人桌。" 如果 Agent 只能回复文本，接下来将是：

A2UI：让 AI Agent "说出"用户界面的开放协议想象这样一个场景——你对一个 AI 助手说："帮我订一张明天晚上 7 点的两人桌。" 如果 Agent 只能回复文本，接下来将是一连串低效的对话："请问哪一天？""什么时间？""几位？"……一个本可以用一个表单瞬间解决的事情，变成了五六个回合的文字乒乓球。

葫芦的运维日志

OpenClaw+飞书+通义千问 AI助手搭建OpenClaw 是一个开源的 AI 网关，支持对接多种聊天平台和大模型。本文记录了在资源受限的 CentOS 7 服务器上部署失败后，转向 Mac 本地部署，最终成功打通飞书机器人 + 通义千问的完整过程。涉及 WebSocket 长连接、OpenAI 兼容 API 适配、多层配置文件调试等实际工程问题，附踩坑记录和成本分析。

2. nano-vllm：Continuous BatchingLLM以自回归方式进行decode，而decode阶段是典型的数据密集型的计算方式，如果GPU调度时每次只计算一个Sequence，只生成一个token，那简直就是对GPU核心的浪费。所以必须要以Batch的方式去使用GPU，也就是一次处理多个请求。

Everything Claude Code 文档Everything Claude Code（ECC）是一个 AI Agent 工作框架性能优化系统，由 Anthropic Hackathon 获奖者 Affaan Mustafa 开发，历经 10 个月以上的生产环境实战积累。

1. nano-vllm：KV Cache、PagedAttention和nano-vllm的实现在0. nano-vllm：大模型推理原理和流程中我们阐述了大语言模型作为一种自回归模型的基本工作流程，其主要工作阶段分为：

Claude Code 创始人 Boris 揭秘：团队 10 倍效率技巧当 AI 成为程序员的标配，真正拉开差距的不是工具本身，而是使用方式。Boris（Claude Code 创始人）首次公开团队内部使用手册，这些技巧来自 Claude Code 核心团队的真实工作场景，可以让工作效率比以前高出 5–10 倍。他的原话颇具代表性：

结合OpenSpec 与 Everything-Claude-Code (ECC) 的构建团队工作流程这两个项目解决的是 AI 辅助开发流程中完全不同层面的问题，理解这一点是最关键的。OpenSpec 解决的是 "做什么"（What）的问题 —— 它是一个规格驱动开发（Spec-Driven Development）框架。核心理念是：在 AI 写代码之前，先让人和 AI 就需求规格达成共识。它通过 proposal → specs → design → tasks 的制品（artifact）依赖图来管理每一个变更的完整生命周期。

工作笔记-CodeBuddy应用探索最近由于工作需要的关系，使用了腾讯的CodeBuddy(CB)，感觉还不错，也觉得有很多值得分享的内容，遂有本文。

Everything Claude Code 完全长篇指南在上一篇Everything Claude Code 速查指南中，我涵盖了基础配置：技能（skills）和命令（commands）、钩子（hooks）、子代理（subagents）、MCPs、插件（plugins），以及构成高效 Claude Code 工作流骨干的配置模式。那是一份配置指南和基础设施。

Everything Claude Code 速查指南这是黑客松冠军日常使用 10 个月后的完整配置：技能（skills）、钩子（hooks）、子代理（subagents）、MCP、插件（plugins），以及真正好用的部分。

Claude Code 构建完全指南：十大核心功能深度解析子代理是运行在独立上下文窗口中的专用 AI 助手。每个子代理拥有自己的系统提示、工具访问权限和权限设置。当 Claude 遇到与某个子代理描述匹配的任务时，会自动将任务委派给该子代理，子代理独立工作并返回结果。Claude Code 内置了 Explore（只读代码搜索，使用 Haiku 模型）、Plan（计划模式研究代理）和 general-purpose（全工具通用代理）等子代理，用户也可以创建自定义子代理。

Skill Seekers 全面指南：让 AI 真正"读懂"你的技术文档从零基础入门到架构原理深度剖析——一份写给所有 AI 从业者的渐进式技术博客这篇文章按照由浅入深的结构组织，不同读者可以选择适合自己的起始章节。

让 AI 学会"组队打怪"——聊聊微软的 AutoGen 框架你有没有想过，一个 AI 助手再聪明，终究也是一个人在战斗。它写完代码没人 review，它做完分析没人挑刺，它回答问题也没人帮忙查漏补缺。

Speckit、OpenSpec、Superpowers 和 everything-claude-code AI辅助编程工具对比分析随着AI编码能力（如 Claude Code、Cursor 等）的普及，软件开发领域正从“Vibe Coding”（随心灵感编码）向更工程化的方向演进。为了应对AI生成代码的不确定性、上下文丢失以及协作一致性等问题，社区涌现了多种规范驱动开发（Spec-Driven Development, SDD）框架和工作流方法论

数据智能老司机

打造 ML/AI 系统的内部开发者平台（IDP）——生产级 LLM 系统设计本章涵盖：把 LLM 应用从原型推进到生产，会引入传统 ML 工程无法充分覆盖的挑战。尽管稳健系统设计的基本功仍然必要，生成式 AI 系统因为其非确定性，需要新的测试、监控与安全方法。

0. nano-vllm：大模型推理原理和流程LLM：就是大语言模型，指参数量较大且具有较强生成能力的语言模型。vLLM：功能完备的生产级大语言模型推理引擎。

数据智能老司机

打造 ML/AI 系统的内部开发者平台（IDP）——设计可靠的机器学习（ML）系统本章将涵盖：随着我们更深入 ML 工程，现在要解决一个关键挑战：如何可靠地跟踪、复现并部署 ML 实验。本章将介绍一些关键工具，它们能把临时、随意的实验变成生产就绪的 ML 工作流。我们将搭建一个实用的 ML 平台，在保持足够灵活以适配真实场景的同时，显著提升可靠性。