Claude 推出角色专属插件系统
Anthropic 开源 Knowledge Work Plugins,让 Claude Cowork/Code 能按角色、团队、公司定制工作流,内置技能包、连接器、斜杠命令和子代理。对需要把 AI 嵌入具体业务场景的团队,这是从"通用助手"到"专业同事"的关键一步。
收录了用代码从零实现3D渲染器、数据库、Docker、区块链等经典技术的分步教程。对想深入底层原理而非调参的工程师,这是最高性价比的学习路径。
Anthropic 开源 Knowledge Work Plugins,让 Claude Cowork/Code 能按角色、团队、公司定制工作流,内置技能包、连接器、斜杠命令和子代理。对需要把 AI 嵌入具体业务场景的团队,这是从"通用助手"到"专业同事"的关键一步。
MiroFish 是一个群体智能引擎,能从新闻、政策等种子信息自动构建高保真数字世界,让数千个带独立人格和记忆的智能体自由交互演化,从而预测未来走向。对需要做战略决策的 AI 团队和创业者来说,这提供了一种低成本、可重复的"未来推演"方式,比传统蒙特卡洛模拟更贴近真实社会动力学。
CodeGraph 为 Claude Code、Cursor 等主流 AI 编码助手提供语义代码理解层,通过本地运行减少约 70% 的 API 工具调用。对每天烧大量 token 的 AI 编程重度用户,这是直接省钱的落地方案。
Kronos是首个面向金融蜡烛图(K线)的开源基础模型,用45家全球交易所数据预训练。金融AI赛道长期被专有数据壁垒卡住,开源K线基础模型可能让量化策略开发成本大幅下降。
Pi 是一个自扩展编码代理工具链,提供 CLI 交互界面、Agent 运行时和多厂商 LLM 统一封装。对需要同时对接 OpenAI、Anthropic、Google 等模型的团队,能省去大量适配胶水代码。
Frigate是专为Home Assistant设计的本地NVR系统,用TensorFlow在边缘端实时检测IP摄像头画面中的物体。对不想把家庭视频流上云的工程师来说,这是目前最成熟的私有化方案之一,且支持Coral TPU等加速器降低CPU占用。
cmux 是基于 Ghostty 的 macOS 终端,为 AI 编码代理设计了通知环、集中面板和内置浏览器。解决多 Agent 并行时注意力被撕裂的痛点,适合用 Cursor/Cline 等工具的深度用户。
Marlin-2B是NemoStation发布的轻量级语言模型,参数仅20亿但在HuggingFace获得299赞和6032次下载。小模型赛道持续升温,适合资源受限场景和边缘部署需求。
研究发现当前 LLM Agent 在宽松约束下代码生成表现良好,但面对架构模式、数据库映射等严格结构性约束时性能急剧衰减。现有基准测试过度关注功能正确性,忽视了生产环境对代码结构的硬性要求,导致评估结果与真实工程需求脱节。
Reasonix 是直接调用 DeepSeek API 的开源终端编程代理,专为 DeepSeek 的字节稳定前缀缓存设计,长会话缓存命中率超 94%,输入 token 成本降至约 1/5。对高频使用 DeepSeek API 的开发者,这是目前成本优化最极致的专用工具。
苹果发布PICO,首个针对人眼视觉系统直接优化的实用学习型图像编解码器,通过数百万模型配置搜索联合优化感知质量与端侧运行速度。相比AV1/AV2/VVC等传统标准实现2.3-3倍码率节省,对端侧图像传输和存储场景有显著价值。
Epoch AI数据显示,内存已占AI芯片组件成本的63%,较2015年的约20%大幅攀升。这意味着算力扩张的瓶颈正从计算单元转向存储带宽,直接影响大模型训练和推理的成本结构。
DeepSeek 宣布其旗舰 AI 模型的 API 价格永久削减 75%,将行业价格战推向常态化。对 AI 工程师和创业者而言,推理成本骤降意味着此前因成本受限的批量处理、实时交互等场景现在可以大规模落地。
AMD Vivado 2026.1免费版将取消Linux支持,仅保留Windows版本。这对依赖Linux环境做FPGA开发的AI加速器团队和硬件创业公司是直接打击,可能迫使部分用户转向付费授权或竞品工具链。
《Mastering Dyalog APL》官方在线版上线,这本被视为 APL 方言标准参考书的教材此前只有纸质版。APL 以极端简洁的符号语法著称,在金融量化、数组计算领域仍有活跃生态,在线化降低了这门小众语言的学习门槛。
DHH 推出的 Omarchy 自称 Linux 发行版,实为 Arch Linux 加个人 dotfiles 配置,引发技术社区对其定位的质疑。对 AI 工程师的警示:个人工具链包装成产品时需警惕"重新发明发行版"的陷阱,轻量化方案(如 Nix Home Manager、Chezmoi)才是 dotfiles 管理的工程化正解。
OpenAI 联合创始人 Greg Brockman 在播客中首次详细披露 2023 年董事会政变期间的内部决策过程与危机应对。这是目前唯一来自核心创始团队的亲历者叙述,对理解 OpenAI 治理结构缺陷和权力博弈具有不可替代的参考价值。
一位 demoscene 老手在 Outline Demoparty 发布了仅16字节的 x86 实模式程序,同时生成视觉动画和 PC 扬声器音效。这种极限代码压缩展示了算法密度与硬件裸机编程的极致技巧,对底层优化和嵌入式开发者有启发意义。
牛津长寿项目基于50万人队列研究称,老年健康至少75%-80%由生活方式和环境决定,远胜遗传因素,建议戒加工食品、酒精和晚食。对AI从业者而言,这意味着长寿科技赛道的行为干预数字化存在巨大产品空间。
一位独立开发者在 V2EX 晒出三款游戏——现代战棋、2D 战术射击、AI 海龟汤推理,询问为何反响平平,评论区集中反馈 UI 老旧、玩法耗时、缺乏吸引力。对 AI 从业者而言,第三款用 AI 生成谜题的尝试值得关注,但"有 AI"本身不构成差异化卖点。
Epoch AI数据显示,内存已占AI芯片组件成本的63%,较2015年的约20%大幅攀升。这意味着算力扩张的瓶颈正从计算单元转向存储带宽,直接影响大模型训练和推理的成本结构。
内存占比飙升的核心推手是HBM(高带宽内存)的堆叠层数竞赛——从HBM2的8层到HBM3E的12层,单颗容量翻了几倍但良率爬坡极慢。台积电CoWoS封装产能不足,导致HBM成为整个AI供应链最硬的瓶颈。
这对读者的直接影响是:买GPU不能只看算力TFLOPS,内存带宽(GB/s)和容量(GB)才是决定你能跑多大模型、什么batch size的关键指标。如果你在做推理优化,现在就该把重点从算子融合转向KV Cache压缩和量化策略,因为内存成本占比只会继续涨。
创业机会在CXL内存扩展和存算一体架构,英伟达垄断HBM控制器的局面不可能永远持续。
核心争论:内存价格暴涨是周期波动还是结构性拐点,AI需求是否彻底改变了存储成本结构
I bought 96GB of RAM a couple of years ago for ~$250. That same RAM now costs $1200!
It is one of the thing with consumer when they remember they brought it at the absolutely lowest price point when DRAM maker were bleeding money. Those are not normal pricing. Before the pricing collapse in early 2020, 96GB DDR5 would have cost about $450 to $500. And I will need to restate again th
> Crucial are already selling DRAM made by CXMT. Crucial was disestablished this year.