得物技术指标平台实践：从语义底座到 Text2SQL 与 AI Coding
得物技术推动指标字典从0到1落地，用业务、数仓、产品三条线建立语义底座：存量报表逆向梳理、隐性指标先登记后转正，数仓消费收敛到域控宽表，并在提报环节拦截二义性。该语义层支撑 Text2SQL 与 AI Coding 两条消费主线，系统测评 SQL 准确率从 85%+ 提升到 95%+；OneData 建设全流程提效 40%+，核心模型开发阶段提效 70%+。
全部AI 动态
全部动态
今日 35 条得物技术AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯技术工程AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 看完我的AGENTS.md，你将看到我和不说人话且over-engineering的模型搏斗的这一生
腾讯程序员 daisy 公开了一份用于约束 AI 编程模型的 AGENTS.md，把「本文件中的每一条规则都是强制性的」写进开头。规则禁止用 try-except 包 import、用 Git 回滚代码、读写 /tmp、主动使用视觉功能、以 mock 或 workaround 通过测试，也禁止「不是……而是……」句式和单字缩写。
袋鼠帝AI客栈AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 袋鼠帝开源《魔搭紫皮书》：8篇34章约40万字，教人从0部署、微调、评测开源模型
AgentWork 开源社区发布《魔搭紫皮书》，共 8 篇 34 章、约 40 万字，面向想系统学习 AI 的读者。内容覆盖开源模型下载、无资源体验、用 ms-swift 做轻量微调、用 EvalScope 评测，以及 AI 健身教练、智能客服质检、语音助手、企业知识问答等场景，并含 Claude Code、Pi、DeepSeek Harness 的 Agent 篇。
奇舞精选AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek Harness 架构解读：从会回答到能持续做事的 Agent 运行时
DeepSeek Harness（DSH）是 DeepSeek AI 基于 Cordis 开发的开源 Agent Harness，采用 MIT 许可证，官方仓库仍标注为开发者预览版。
大淘宝技术AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 大淘宝技术基于GEPA的提示词自进化优化方案
淘天集团营销与交易技术团队基于ICLR 2026论文GEPA（Reflective Prompt Evolution）设计并实现了一套Prompt自进化系统，构建推理→评分→反思→选择闭环，让LLM自动分析Badcase、归因至Prompt具体规则并生成候选变体，再按帕累托前沿多目标择优。
优设AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 照片秒变水墨画！12个Skill解锁8种视觉玩法
12 个极简审美视觉 Skill 可把普通照片转成水墨写意、摄影 Zine、纸张旧影、手绘插画、8-bit 像素、Riso 印刷以及秦唐宋东方美学等多种视觉风格，适用于照片二创、海报和日常视觉练习。上传一张随手拍或旅行照即可换一种视觉语言重新表达。Skill 下载地址在评论区回复“666”获取。
NVIDIA AI(@NVIDIAAI)AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA 技术解析：30B 参数模型如何每 token 仅激活 3B 参数
NVIDIA 发布技术解析，解释 30B 参数模型为何每 token 只激活 3B 参数却仍能调用全部模型容量。文章对比稠密模型与 MoE 模型在参数使用方式上的差异，并说明这对吞吐量、内存占用和部署复杂度的影响。
腾讯云开发者AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 干了 15 年产品，我把自己“外包”给了 WorkBuddy
腾讯云架构师技术同盟成员黄浩贤用 WorkBuddy 两三个月，把写 PRD、跑数据、挑方案漏洞等执行工作外包给 AI，写 PRD 效率翻了三倍不止。他让 WorkBuddy 扮演挑剔用户和强势业务方对方案做红队测试，并为数据任务立下三条护栏约束模型幻觉。
NVIDIA Technical BlogAI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Dense 与 MoE 模型对比：激活参数、吞吐量与选型时机
NVIDIA 技术博客解析 Dense 与 MoE 两类模型架构的差异：以 Nemotron 3.5 Lightning 为例，30B 参数模型通过 MoE 架构每个 token 仅激活 3B 参数，仍能利用更大模型的容量。文章对比两者的激活参数与吞吐量，并给出各自的选型时机。
Visual Studio BlogAI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 如何用 Visual Studio 代码覆盖率分析与 GitHub Copilot Test Agent 提升测试覆盖率
在 Interview Coach 应用中先用 Visual Studio 的 Analyze Code Coverage 定位测试缺口，再用 GitHub Copilot 的 Test Agent 为 InterviewSessionTool 生成 8 个新测试和一个新测试项目。
Browser Use(@browser_use)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Browser Use 构建浏览器 harness 的经验总结
Browser Use 分享了构建浏览器使用 harness 的经验教训。Gregor Zunic 发布了这篇文章，推文获得 117 个点赞、6 次转发和 17022 次浏览。
NVIDIA Technical BlogAI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA FLARE 如何跨 Docker、Kubernetes 与 Slurm 扩展联邦学习
NVIDIA FLARE 支持在 Docker、Kubernetes 和 Slurm 上扩展联邦学习，解决项目规模扩大后 GPU 按需分配、多个研究任务相互隔离的问题，同时让每个参与机构保留对自有数据的控制权。该方案将联邦学习的挑战从运行算法转向共享基础设施的运营。
超人的电话亭AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 岗位要求 Vibe Coding，UI 设计师为何要会“指挥 AI 编程”
当前 UI 设计师招聘中 10 家有 6 家以上要求 AI 技能，Vibe Coding 在大厂 JD 中出现频次极高。Vibe Coding 即指挥 AI 生成代码，能让人体验产品从零到上线的完整生命周期、认识 AI 的能力边界并积累技术框架认知。入门方式是打开 Codex、Workbuddy、豆包工作等工具，从待办管理、番茄钟等自用本地小工具做起，再部署到服务器跑通。
Qdrant(@qdrant_engine)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 实测金融检索：dense embeddings、BM25 与 SPLADE 混合搜索对比 47 份 SEC 文件
Satyam Sahu 用 Qdrant 对 10 家科技公司的 47 份 SEC 文件做了混合检索实验，对比 dense embeddings、BM25 与 SPLADE 三种方式在金融搜索中的表现，考察各自适用的场景与短板。金融检索同时要求语义理解和精确匹配，因此混合搜索成为关注方向。
idoubi(@idoubicc)AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 idoubi 谈协作类 agent 如何借鉴分布式系统保证群组可用性
idoubi 在 X 上分享做协作类 agent 产品的关键点，认为核心难点在于保证多 agent 群组的整体可用性。他列举多 agent 协作的常见问题，包括成员因模型限额、封禁、工具调用异常或网络问题罢工，leader 分配不合理导致重复或冲突，leader 自身挂掉，以及定时任务等外部依赖异常。
腾讯云开发者AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Prompt 越长越好吗？研究告诉你何时该停手
腾讯云开发者文章梳理多项研究与官方工程实践，讨论 Agent 系统指令、Skill 与工具说明什么时候该补写、删减或按需加载，指出没有通用最佳长度。
NVIDIA Technical BlogAI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA Transformer Engine 加速 JAX 中的 Dropless MoE 训练
NVIDIA 在技术博客中介绍如何用 Transformer Engine 加速 JAX 框架下的 Dropless MoE 训练。MoE 已成为大规模 AI 模型训练的标志性架构趋势，DeepSeek、Qwen、Mixtral 等模型以远低于稠密模型的训练算力达到甚至超越其性能，其核心在于条件计算——不再共享单一稠密 FFN。
Milvus(@milvusio)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Milvus 教程：用 MemPalace 为编码智能体搭建项目记忆宫殿
MemPalace 把项目知识按"宫殿"结构组织：wing 对应项目或知识库，room 归类相关主题，drawer 将原始内容切成可检索的小块，Milvus 在背后存储文本、嵌入向量和元数据。
腾讯技术工程AI 评估 · 53/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 53/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 别再只卷 Prompt 了，真正拉开 Agent 差距的是 Context Engineering
腾讯技术工程发布长文，梳理 AI 工程从 Prompt Engineering 到 ReAct 再到 Context Engineering 的三阶段演进，并以 Anthropic《Effective Context Engineering for AI Agents》为主要参考构建实践体系。
LangChain BlogAI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Credit Genie 如何用 LangChain OpenWiki 保持代码库文档常新
Credit Genie 采用 LangChain 开源仓库文档智能体 OpenWiki，自动生成并维护代码库文档，替代此前容易过期的 Notion 页面、README 和 AGENTS.md。
强少来了AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI产品经理的PRD怎么写｜有意思小周刊vol.171
「有意思小周刊」vol.171 汇总了 AI 产品经理 PRD 撰写方法：AI 产品面向概率性系统，不能沿用确定性功能的传统 PRD 思路，完整骨架含十个部分，其中场景定义与输入输出、能力与功能描述、效果要求、异常与降级设计、评测方案五块应占全文一半以上篇幅。
andrew chen(@andrewchen)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 本地 AI 实验的家用 Homelab 配置：Hermes、5090 eGPU 与 2x DGX Spark
一套本地 AI 实验的 homelab 配置：Hermes 跑在 Framework Desktop Mainboard AI Max+ 395 上，5090 eGPU 以 Qwen 3.8 27B 提供最高 150+ tok/s 的 LLM 推理。
Paul Couvert(@itsPaulAi)AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qwen3 量化版本发布，低显存可跑 Hugging Face 已上线
Hugging Face 上出现 Qwen3 的量化版本，显存或统一内存较小的设备也能运行。该模型页面为 huggingface.co/HauhauCS/Qwen3…，适合本地部署场景。
Browser Use(@browser_use)AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Browser Use 科普：什么是无头浏览器？
Browser Use 发布文章解释"什么是无头浏览器"，由 Gregor Zunic 撰写。无头浏览器指没有图形界面、由程序控制的浏览器，是 AI 智能体操作网页的常见运行方式。
Stanford AI Lab(@StanfordAILab)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Stanford CS 312：Deep Learning Alchemy 课程全部录播与资料将公开
Stanford AI Lab 推荐了 Tatsu Hashimoto 与 Kotha Suhas 的 CS 312：Deep Learning Alchemy 课程，全部录播和课堂材料将公开，地址为 deep-learning-alchemy.github.io。推文称赞在快速变化的 AI 领域仍坚持课程教学价值的院系与教师，称若沿用 2022 年的 AI 课程内容本会更省事。
Harrison Chase(@hwchase17)AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LangChain 发布如何构建领域专属 harness 的博客
LangChain 发布一篇由 Sydney Runkle 撰写的博客，介绍如何构建领域专属 harness，链接指向 langchain.com/blog。Harrison Chase 转发推荐，称想构建领域专属 harness 的话值得一读。
Latent.Space(@latentspacepod)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Vinoo Ganesh 谈 Palantir Forward Deployed Engineer 的最佳实践
在联合创立 Kepler AI 之前，Vinoo Ganesh 在 Palantir 领导 Spark 团队并打造了 Project Frontline——一个面向 Forward Deployed Engineer（FDE）的开创性项目。他在访谈中分享了 FDE 的最佳实践。
优设AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 照片秒变手绘海报：一套 AI 提示词把随手拍转成杂志插画
把日常随手拍交给 AI，人物、宠物、风景、小物件都能保留原构图，转成带手写字和小涂鸦的手绘海报风插画。方法只需选一张照片加套提示词，适合日常记录、朋友圈配图、头像、壁纸和旅行照片二创。
浮之静AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 pnpm 12.4：统一多语言开发工作流
pnpm 12.4 将 npm、Python 和 Cargo 依赖安装收进同一套工作区配置，一条 pnpm install 即可处理三个生态的依赖，新增的 pipeline 负责安装后的构建与验证编排。
Augment Code(@augmentcode)AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Augment 联创 Igor Ostrovsky：修 bug 智能体为何烧不掉团队积压
Augment CTO 兼联合创始人 Igor Ostrovsky 指出，软件工厂能高效清空 issue 积压，关键却不在修复代码本身，修复实现是修 bug 中最不重要的环节。他认为单靠一个修 bug 智能体难以真正烧掉团队的 bug 积压。
AWS Architecture BlogAI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Amazon Bedrock AgentCore 把零样本预测变成采购订单
AWS 展示了一套库存自动化架构：用零样本时序基础模型 Amazon Chronos2 做概率需求预测，再由 Strands Agents SDK 构建的 Supervisor、Preprocessing、Forecasting、Reporting 四个 LLM 智能体在 Amazon Bedrock AgentCore 上编排确定性工具，把预测转成可审计的采购订单。
京东技术AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 京东零售产品经理实战：PRD 四步法与 Skill 沉淀，34 人日压缩到 15 人日
京东零售产品经理用 PRD 四步法加 Skill 沉淀，把一批覆盖接需求、沟通、交互、文档与评审的需求从 34 个人日压缩到 15 个人日，并通过评审且质量未打折。方法分三层：Prompt 到 Context 再到 Harness，人负责判断与复核，AI 负责初稿、追问与遗漏检查。核心场景是需求文档撰写与交互设计，可复用经验沉淀为 Skill。
大淘宝技术AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 让 Agent 像人一样记忆：本地长期记忆系统 HL-Mem v1.1 的设计与取舍
大淘宝技术直播技术团队开源了本地长期记忆系统 HL-Mem（Apache-2.0），对应 v1.1 系列，采用事实与经验双通道架构，用不可变 Event 加可更新 Claim 实现证据可追溯、有效时间与记录时间双时间可解释，以及记忆的修正与遗忘。系统默认仅依赖 SQLite 单文件部署，配后台异步 Worker 处理去重、冲突消解与生命周期管理，运行时独立、本地优先，并支持中文检索。
阿真IreneAI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 豆包工作内测浏览器录制与回放技能：录一遍操作即可生成 Skill
豆包工作正在内测【浏览器录制与回放】技能，用户只需自己操作一遍浏览器流程并录下来，豆包工作就能学习归纳成 Skill，后续给指令和关键词即可自动执行。作者展示在豆包客户端切换到【工作】-【本地电脑】，输入斜杠呼出技能列表搜索该技能即可发起录制，豆包会审查录制的步骤和截图并整理出任务说明，同时将手机号、验证码排除出业务参数，登录状态有效时可复用登录信息。
超人的电话亭AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 作品集卡壳？看看 AI 辅助作品集的实践思路
针对作品集迟迟无法推进、反复修改到崩溃的困境，一堂课将分享 AI 辅助作品集的实践思路，帮助加快进度。课程于下午两点半开讲。
NVIDIA Technical BlogAI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA 全栈 NIM 优化如何让 Nemotron 3 Ultra 支撑 2.5 倍并发用户
NVIDIA 详解全栈 NIM 优化如何让 Nemotron 3 Ultra 在现有 GPU 上支撑 2.5 倍并发用户，同时保持交互响应速度。这一权衡对智能体 AI 负载尤为关键，因为其提示词更长、上下文会在多步之间复用。
AWS Architecture BlogAI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 如何用 Amazon DynamoDB 租约构建弹性实时流式 worker
AWS 介绍用 Amazon DynamoDB 条件写实现分布式租约，配合 Amazon ECS on AWS Fargate 管理实时转写服务的 WebSocket 连接归属与故障转移。该模式把连接恢复时间从数分钟缩短到数秒，减少故障和部署期间的人工干预，无需外部协调服务，同一套租约逻辑也可迁移到 Amazon EKS 或 Amazon EC2。
Milvus(@milvusio)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Milvus 常规 Collection 与 External Collection 该用哪个？
Milvus 官方给出常规 Collection 与 External Collection 的选用边界：应用需持续 insert/upsert、删除须经在线写入路径可搜。
Hugging Face(@huggingface)AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Training Agents 4：从奖励函数到环境
Training Agents 4 将讨论重点从奖励函数转向环境。该系列内容由 Hugging Face 发布，附有 x.com 直播链接，具体细节未在正文中展开。
mem0(@mem0ai)AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 mem0 建议只为需要过滤、校验或聚合的内容建字段
mem0 提出一条经验法则：只为需要过滤、校验或聚合的内容创建字段，其余内容保持为文本。这本质上是在写入时的灵活性与查询时的可靠性之间做权衡。