Kimi的官文：如何用 Kimi 做出更好的 3D 作品？ （当然用其他模型也可参考） 网页链接 如何充分释放 Kimi 的智能，在 3D 场景「物尽其用」，做出精美、可交互、有着炫酷场景和运镜的 3D 作品？你可能听过 Blender、Three.js、Rhino，也见过 Tr

面对 AI 代码爆发，Claude 团队将审查重塑为多层自动化：提 PR 前自测、多智能体交叉互审与安全门禁拦截，人类仅聚焦架构与高危逻辑。依托线上故障做评测集、动态风险分级与极速回滚机制，实现 PR 合并量翻倍的同时，代码回退率下降超 40%。

在安卓手机上跑 DeepSeek Harness （非官方） 免 ROOT 免 Termux，在安卓手机上运行 DeepSeek Harness（dsh）：用一句话让它整理文件、操作 App、修改系统设置，或者设置自动执行的任务。 能做什么 文件：查找、整理、移动、重命名、压缩解压；能读 PDF / Word / Excel / PPT 里的文字。 屏幕和 App：

整了一套 Agent 教程，共18 篇 地址： 网页链接 作者：纳米AI “ Claude Code、Codex 这些编码 Agent 内核其实就是一个循环： 模型请求工具，代码执行，结果放回对话，直到模型不再请求 这套教程从100 行代码开始 用 Python 一层一层往上加： 工具、权

HumanLayer 将核心代码开源了。这是一套面向团队的 AI 编程 Agent 协作平台，支持 Claude Code、Codex、OpenCode、Pi，把任务、会话、实现计划和代码审查集中到同一个界面。 Agent 在你连接的机器上运行，由每台机器上的 daemon 管理会话；桌面端和网页端同步任务、计划、评论、代码差异及 PR，方便团队跟进和介入。项目也包含 GitHub、Li

技术博客：把大模型当计算机整？在 Qwen 3.5 内部运行一颗功能完备、确定性的 RISC-V CPU 详细：divagr.com/blog/qwenputer 大语言模型执行精确计算通常需要调用外部 Python 沙盒或工具接口，而本文展示了一种完全不同的内部实现路径。作者利用 Qwen 3.5 架构中 Gated DeltaNet（线性注意力 RNN）层的状态更新特性，通过将门

大模型生成的前端界面往往带有固定的视觉套路。Paul Bakaus 开源的 Impeccable（GitHub 92.5k Stars）通过一套标准化的指令体系与静态检测规则，将前端设计规范注入 AI 编程工作流。 项目包含一套初始化规范、24 个设计指令以及 62 条确定性检测规则。通过 /impeccable init 命令，工具会梳理项目的受众、目标、运行环境与约束条件，将其写入

如何把基础大模型训练成会用工具、能自己改错的 AI 智能体？Hugging Face 发布了一份五步进阶指南。 地址：huggingface.co/blog/huggingface/train-agents 文章将智能体后训练划分为： 1.监督微调（模仿强模型操作轨迹）、 2.知识蒸馏（大图模型逐词指导）、 3.强化学习（通过 GRPO 算法按结果打分）、 4.强化学习环境

为突破“内存墙”，AI芯片正从GPU单一主导走向架构大分流：英伟达/AMD凭可编程GPU领跑通用生态；谷歌TPU与AWS Trainium以脉动阵列优化能效；Cerebras与Groq借片上SRAM主打极速推理。未来算力必将走向因地制宜的异构解耦与深度专用化。

市面上主流的 AI 浏览器自动化方案

它主要受到 Sebastian Raschka 的 Build a Large Language Model (From Scratch) 启发，试图解决现有 LLM 底层原理教程大多基于 Python 和 PyTorch 的问题，让 JavaScript 开发者也能理解模型如何从文本处理一步步发展到训练和生成。 目前还没完结~

工业界怎么训练 Agent：环境、评测与奖励比模型本身更难 HuggingFace 官方发布的四场分享 + 圆桌 + 观众问答，是 HuggingFace 免费课 Training Agents（轨迹 SFT → 蒸馏 → GRPO → 搭 RL 环境）的线下延续，重点讲工业侧的实现。 PPT 合集： https://huggingface.co/buckets/burtenshaw/tra

Anthropic工程经理宣布取消传统刷题面试。他指出AI极大降低了开发执行成本，资历年限不再是壁垒。初级工程师应发挥无包袱的“无知力量”与用户同理心，紧盯核心商业价值，利用AI在周末快速构建高品味原型，用敏锐渴望击败按资排辈。

平时修照片，总觉得调色、加滤镜这些操作已经玩不出什么新花样了。最近发现一种很有意思的玻璃艺术效果，忍不住整理了这10组案例，分享给大家！ 提示词：为上传的图片独立制作一张海报，不做拼接。上下两部分严格1:1，各占画面50%。 上半部分：完整保留对应原始照片，人物或动物的身份、五官、眼睛、神态、毛发、服饰、动作与姿态保持一致；花卉、植物、建筑、风景、交通工具及静物的轮廓、结构、位置、材

讲操作系统讲的很好的蒋炎岩老师，又开了生成式软件工程课。 资料及课件地址：jyywiki.cn/GSE/2026/ 讲AI时代的软件工程的。“为什么我要招你，而不是买一个 $200 的 Claude Max？”除了你可以坐牢，你还提供了什么？ 这门课刚开课时，还因为“ 没有Token的CS学生应该立刻退学”这句话被很多媒体报道了。。 蒋老师好像也是deepseek Harness

survival-llm 一个开源的、完全离线运行的 AI 生存知识助手，主要面向断网、停电、自然灾害、野外求生等场景。 Survival LLM 将本地大语言模型与约 150 万篇离线知识文档结合，内容来自 Wikipedia、MedlinePlus、CDC、FEMA、WHO、wikiHow、iFixit 等，涵盖急救、饮水净化、食品安全、发电机使用、设备维修和灾害应对。

https://www.ixiqin.com/2026/10/26/harness-engineering/ 在 Harness Engineering 这个概念逐渐流行甚至要过气之后，我终于理解了这个词背后的含义。作为一个笨人，决定用费曼学习法，把 Harness Engineering 这个词讲明白，也算是对自己的一个交代。 目录： 从 Prompt Engineering 说起

适合把日常重复工作中的操作经验，转成可检查、可修改的执行步骤。 使用流程是：录制一次任务 → 让 GitHub Copilot 分析任务意图和步骤 → 人工检查、修改 → 生成 SKILL.md，或创建按时间、事件触发的 Automation。录制时可以加语音讲解；涉及命令行操作，也可以使用它自带的录制终端。 生成的流程优先调用 gh、web_fetch 等 Agent 原生工

今天，正式向大家公布一个酝酿已久的免费新书计划：《大学重启：在人工智能时代，学会学习、独立思考与自主成长》！ 我决定把这本书的写作项目放到 GitHub 上，面向所有读者免费开放，边写边发布。这是一部写给AI时代大学生的成长之书，也想送给那些即将走进大学、正在寻找方向的年轻人。全书计划十二章，从学习、思考、科研谈到友谊、生活、职业与人生选择。尚未完成的章节会如实标注“即将发布”，后续内容

做动漫动效或Live2D最繁琐的一步就是手动切图与补画。入选 SIGGRAPH 2026 的开源项目 See-through 专门化解了这一痛点：输入单张静态二次元角色插画，算法会自动推断前后遮挡顺序并补全暗处内容，直接导出包含头发、五官、衣物等最多23个语义图层的标准PSD文件。项目还针对消费级显卡提供了NF4量化等显存优化，8G显存即可在本地跑通，魔搭社区也上线了免部署的在线体验。