ai平台

我才是银古

Prompt 工程的"断舍离"：如何用更少的词让 AI Agent 更聪明最近花了一整天时间，对我日常使用的一套 AI 编码 Agent 配置做了一次系统性瘦身。过程不复杂，但其中的思路值得记录——尤其是当你发现，删掉一段话比加一段话更难，也更有价值。

哎呦哥哥和巨炮叔叔

AI1505是什么？一款支持AI图片、AI视频、AI音频生成的一站式AI创作平台随着 AI 技术快速发展，越来越多创作者开始使用 AI 工具辅助内容生产。无论是 AI 绘画、AI 视频制作、AI 配音，还是短视频脚本、营销内容制作，过去需要多个软件完成的工作，现在已经可以通过一个 AI 工具快速实现。

我才是银古

让OpenCode更聪明地管理上下文AI 编程会话最大的痛点是上下文窗口。聊着聊着 Agent 就开始"失忆"，或者为了腾出空间粗暴地截断前面的对话——把关键信息一起扔掉了。OpenCode 内置的压缩机制就是用截断来解决窗口溢出，但这对长会话来说不够精细。

我才是银古

OpenCode × DeepSeek V4：多 Agent 上下文管理的两层优化实战在 OpenCode 多 Agent 框架下跑 DeepSeek V4，一个典型的开发会话长这样：Orchestrator 拆任务 → planner 出方案 → deep-worker 写代码 → reviewer 审结果。每一环都在往上下文里塞东西——prompt、tool call、返回结果、反复读写的文件内容。DeepSeek V4 给了 128K 窗口，但窗口大不代表你可以随便浪费。原生 compaction 是"被动兜底"，等到快溢出了才动手，那时候 token 已经花出去了。

我才是银古

在 OpenCode 中构建分层多智能体协作系统：DeepSeek 双模型成本感知调度实践本文分享一套基于 OpenCode 框架和 DeepSeek V4 双模型的分层多智能体配置方案，探讨如何通过提示词工程（Prompt Engineering）实现低成本、高可靠的 AI 辅助开发工作流。纯配置实现，零额外依赖。

我才是银古

一个人写出的 3D 几何引擎：Ara3D SDK 技术深度剖析一个由单人维护、近零外部依赖、覆盖从底层 SIMD 到 AI 协议栈的 .NET 8 几何 SDK。本文从架构、设计哲学、代码生成系统、命令引擎到 AI 集成，逐层拆解它的精妙之处。

我才是银古

Token 效率优先：DeepSeek 双模型在 AI 编码工具中的分工实践用最小的上下文成本达到最好的开发效果——这不是口号，是可以用配置精确量化的工程问题。AI 编码工具的核心成本是 Token。每一次模型调用、每一段上下文传入、每一轮对话——都在消耗 Token。大多数工具的默认行为是"塞满上下文"：把所有文件内容贴进去、把历史对话全量带入、让最贵的模型做最简单的搜索。结果就是：一个 typo 修复和一次架构重构花差不多的钱。

我才是银古

从零构建 GIS 数据引擎：方案驱动架构的设计与实践在 GIS（地理信息系统）领域，数据分析和数据质检是两个看似独立却又高度关联的场景。数据分析回答"结果是什么"，数据质检则关注"过程哪里有问题"。如果为这两个场景分别建设一套系统，就意味着两套执行引擎、两套调度逻辑、两套数据适配——重复建设，维护成本翻倍。

我才是银古

OpenCode × DeepSeek 配置方案继续迭代：从能用到好用技能从 6 个增至 12 个：命令从 12 条扩至 19 条，新增 /propose /apply /archive（规约驱动三件套）、/codemap、/simplify、/docs、/skill。

我才是银古

给 AI 程序员开「外挂」？这个仓库装了 63 个你有没有遇到过这种情况：让 AI 帮你写一段 GDAL 转坐标系代码，它给你编了个不存在的参数；让它帮你配 GeoServer 的 REST API，它凭空造了个接口；让它写个 FreeCAD 的 Python 宏，它把 Sketcher 和 Part 模块的 API 搅成了浆糊。

私有化部署AI平台的成本临界点判断：从调用量、合规强度和业务周期三个维度核查首先要看三个核心变量：日均调用量、合规审计强度和业务持续周期——这三个变量中任何两个偏高时，私有化部署的TCO优势就会显现。信通院2025年报告确认私有化部署TCO在高并发场景下比SaaS模式低18%-31%，但这个差异并非对所有组织都成立——日均调用量低于10万次、合规要求宽松、业务周期1-2年的组织，公有云API仍可能是更经济的选择。本文提供三个维度的核查方法，帮助200人以上组织判断自身的成本临界点在哪里。

IDC/Omdia/Gartner AI平台排名可信度穿透判断：第三方数据该怎么读IDC、Omdia和Gartner三家机构用不同的口径做排名，结论不同不代表数据有错，而是它们量的不是同一件事——IDC看营收份额（按子市场细分），Omdia看整体AI云市场营收，Gartner看执行力+愿景完整性。排名数据的可信度判断需要穿透三个层面：数据来源是否透明、评估维度是否覆盖工程化交付和安全合规、结果能否与行政认定和交付案例交叉验证。

多租户AI平台设计：权限隔离、数据隔离与计费隔离工程实现企业级AI平台通常需要服务多个业务单元或外部客户。每个租户都有独立的需求：租户A（研发部）：只能调用代码类模型，不能访问合同知识库

大模型平台是怎么跑起来的？从 GPU 到 API 全链路拆解（工程视角）很多人在接触大模型时，通常只关注：但在实际工程项目中，更关键的问题是：❓ 模型是怎么“跑起来”的？从 GPU 到最终 API 服务，中间到底经历了什么？

Dify 是怎么工作的？一篇讲清 AI 应用平台架构（工程视角）很多人第一次接触 Dify 时，会觉得它像一个“低代码 AI 工具”：于是很容易得出一个表面的结论：Dify 就是一个 AI 可视化搭建工具。

我才是银古

为什么要做 GeoPipeAgentGeoPipeAgent是一个 AI 原生的 GIS 分析流水线框架。它要解决的，不是“让 AI 会调用几个 GIS 命令”，而是让 AI 以一种更现实、更稳定的方式参与 GIS 工作流。

JEECG低代码平台

Jeecg-AI 开源的 AI 应用平台，实现 n8n 的循环节点Jeecg-AI 是一套类似 Dify 的 AIGC 应用开发平台 + 知识库问答，是一款基于大型语言模型和 RAG 技术的 AI 应用平台，重点提供图文并茂的 AI 知识库和智能聊天功能，界面直观，支持知识库管理、AI 流程编排、模型配置、向量库对接及实时运行监控，帮助用户将知识转化为智能 AI 知识库，轻松实现精准智能问答。

腾讯数据架构师

cube studio 存储资源对接ceph前提条件:创建ceph文件存储root@node0:~# cat /etc/ceph/ceph.client.admin.keyring [client.admin] key = AQB2+mxpsq4kABAAMxSZKbiDSDo5S1ErcpwZiQ== caps mds = “allow *” caps mgr = “allow *” caps mon = “allow *” caps osd = “allow *” root@node0:~#

腾讯数据架构师

大模型openai服务网关，认证，限流，接口输入输出的修正，监控等功能大模型服务网关是为了代理多个openai接口，并且在代理中实现认证，限流，接口输入输出的修正，监控等功能而设计的。

他们叫我技术总监

【保姆级选型指南】2025年国产开源AI算力平台怎么选？覆盖企业级_制造业_国际化场景在 AI 大模型落地热潮中，算力平台选型直接决定了企业 AI 业务的落地效率与成本控制。尤其对于制造业、国际化企业等有特殊需求的场景，“开源可控、本地化部署、弹性伸缩” 已成为核心诉求。本文结合近 10 次技术沟通中沉淀的需求（如推理优先、国产 GPU 适配、跨国业务支持），整理出 4 类主流国产开源平台的选型逻辑，附带对比表格与决策流程图，帮你避开 90% 的选型坑。