purple-garden 解释器如何用 StackAllocator 优化寄存器溢出栈
purple-garden 解释器将寄存器溢出栈从 Vec 迁移到基于 Rust 1.100 稳定 Allocator trait 的 StackAllocator,把溢出数据直接放在进程栈上。
purple-garden 解释器将寄存器溢出栈从 Vec 迁移到基于 Rust 1.100 稳定 Allocator trait 的 StackAllocator,把溢出数据直接放在进程栈上。
2026 年 10 月更新的编辑推荐列出 7 款值得使用的免费 AI 工具,包括 ChatGPT、Google Gemini、Claude 和 Perplexity,按日常任务场景挑选并对照各家公布的套餐信息。
GitHub 上出现一个名为 pit-in-template 的项目模板,用于按“ピットイン方式”(AI 協調型软件开发流程标准)组织开发。它通过 Claude Code 的 /pit 命令输出下一步指令,由 scripts/gate/next.mjs 依据构成、判定记录、功能规格和分支状态机械生成,AI 不参与判定。
ARS-Technica/ai301-coursework 是 AI301 课程全程使用的唯一仓库,从课程模板创建后,每次 check-in 都提交同一链接。
GitHub 项目 edumgt/lumina-invest 是一个基于 AI 的自动化机器人投顾与量化交易系统,采用 Python 3.12 / FastAPI 构建,集成 Ollama(llama3.1、nomic-embed-text)与 Qdrant 实现 RAG 金融问答。
基于 eve 智能体框架和 TanStack Start 构建的网页聊天,可让智能体以表格、仪表盘等生成式 UI 回应,例如搜索 Vercel 最新博客文章后返回带预览图和摘要的结果卡片。项目通过 Vercel Services 将 agent/ 与 apps/web/ 一并部署,用 EVE_ACCESS_PASSWORD 环境变量控制访问,本地开发需 Node.js 24 和 pnpm。
斯坦福 CS329A「Self-Improving AI Agents」第一讲 Course Overview 学习笔记梳理了大模型演进链条:规模扩展 → 后训练对齐 → 推理时计算 → 智能体与自我改进闭环。
Anthropic 目前允许通过 Claude 账号登录在 Amp 等第三方 Agent 工具中消耗订阅额度,但官方并未对由此可能引发的封号风险做出明确保证。文章梳理了围绕 Claude Agent SDK 的计费规则演变,指出无论日常交互、运行脚本还是第三方工具调用,使用订阅额度登录的消耗方式当前一致。
针对 RAG 与 Agent 数据清洗中原始 DOM 消耗 Token 并导致检索漂移的痛点,盘点 Firecrawl、Crawl4AI、MarkItDown 等 6 款专为大模型设计的开源数据提取与文档解析工具。这些工具用于替代直接输入原始网页 DOM 的做法,减少上下文 Token 浪费。
GitHub 项目 awesome-REA-cases 收录了 47 个 AI 辅助逆向工程案例与项目,覆盖游戏保存、硬件互通、应用重建与算法研究四类用途。REA(Reverse Engineer Anything)通过 CLI / MCP 让编程 Agent 调用本地逆向分析工具,该合集同时收录其他 AI 逆向及为 AI 工具实现互通的项目。
Shawn Pang 在 GitHub 开源 startup-founder-skills,把融资、销售、产品、招聘、工程、法务、运营、客户成功和营销增长等 50 个创始人任务各配一个开源 Skill,兼容 Claude Code、OpenAI Codex、Cursor、Windsurf 及支持 Agent Skills 规范的智能体。
作者演示了用剪藏插件把 YouTube 视频一键转写成结构化文章的工作流:插件自动提取字幕并支持 AI 对话,转换结果可剪藏到本地 Obsidian 知识库或提交到个人 RSS 网站,文中附有转换样例与原视频链接。
作者提出“大AI理论”,用三阶段对话榨干模型能力:先拉满推理并选计划模式,用语音、图片、视频不过滤倒出想法整理成计划;再切中档推理快速干活,并引 Terminal Bench 3.0 说明详细需求加中档推理质量高于模糊需求加高档推理;最后把推理调回高档让 AI 审查中档成果,称能揪出约 20% 的问题,审查耗时约为从头生成的三分之一。
实践者用 Codex 与 Claude 交叉编写测试用例,并通过命令行工具远程调度三台真机执行多用户协同测试,实现自动化验证闭环。其结论是测试执行环节已可由 AI 完全接管,人类价值转向问题定义与评判标准制定。
GitHub 仓库 sammcj/agentic-coding 汇集了工具无关的智能体编码规则、技能与模板,含 Agent Skills、自定义 Agent、Agent Rules(CLAUDE.md)和 Claude Code 本地插件市场。
GitHub 项目 Yu AI Agent 发布,基于 Spring Boot 3、Java 21 和 Spring AI,用于构建 AI 恋爱大师应用与 ReAct 模式自主规划智能体 YuManus。教程覆盖 AI 模型接入、提示词工程、RAG、向量数据库、工具调用、MCP 及 AI 智能体开发,并采用 MIT 许可证开源。
作者分享了 Grok Bot 的新玩法:仅靠移动端云端调度,无需本地电脑,即可将复杂推文串自动剪辑为 3 分钟学习视频,算力额度消耗不足 4%。该流程展示了 Grok Bot 在轻量化移动端内容生产与工作流自动化上的应用。
作者分享了一篇公众号教程文章链接,讲解如何具体操作和配置 Grok Bot 来实现自动化视频生成工作流。原文未披露模型版本、参数规模或可用性等细节。
作者分享了可直接发送给 Grok Bot 执行自动化任务的提示词链接,用于驱动 Grok Bot 自动化生成视频,读者可复制后直接发送给 Bot 使用。
作者分享了自身用于自动化生产的 Grok Bot 工作室环境配置截图,展示了具体界面与设置。该截图作为整套推文串工作流实现的补充参考。
邵猛整理 Lee Robinson 斯坦福 CS146S 讲座笔记,聚焦 Grok Bot 的 Harness 与上下文工程如何构建。Harness 部分包含单工具协议(客户端与服务器之间只有 send to user)、动态工具发现、逐级升高的求助阶梯、编排者加子智能体,以及工具增删、错误信息与提示注入防线等经验。
售价低廉、集成 Wi-Fi 与蓝牙的微控制器芯片 ESP32 可作为 AI Agent 连接物理世界的执行媒介,让 AI 直接控制传感器、电机和外设。作者认为,如果说 Claude Code、Codex 是 AI 在软件编程领域的执行手脚,ESP32 则充当 AI 在物理世界的触角,极低门槛适合创客、学生及技术爱好者动手实践。
作者剖析 Codex、ZCode 等编程 Agent 工具中共享文件 agent.md 的核心作用,指出该文件会在每次对话中默认注入上下文,相当于 Agent 的「宪法」。若在其中堆砌过多规则,会导致模型上下文腐化与注意力分散,最佳实践是保持精简,仅收录项目概览与关键命令。
AI 工作流不应是静态模板,而应随实际场景持续精简与重构。作者主张在交互完成后引导 AI Agent 基于历史对话开展复盘与自我优化,形成越用越顺手的闭环演进体系。
评估 LLM 智能体时,可改的只有两样东西:权重和 harness——即围绕模型组装提示词、暴露工具、管理上下文与记忆并决定何时调用工具、重试或停止的代码。权重一侧有梯度可循,harness 一侧没有梯度,每一步都是人做离散改动再由 eval 判断是否有用,因此 eval 必须承担梯度在权重侧的角色。
GitHub 仓库 shanraisshan/claude-code-best-practice 汇总了 Claude Code 的概念、开发工作流与 83 条技巧,覆盖 Subagents、Commands、Skills、Hooks、MCP Servers、Plugins 等原语的存放位置与用法。
GitHub 上的本地开源 AI 求职框架 ai-job-search 基于 Claude Code,覆盖建档、抓取职位、匹配度排序、简历生成、多 Agent 挑刺修改、模拟面试与 ATS 检查等环节。材料还提到开发者用该工具投递 69 份定制申请并成功转行 AI 工程师,并给出隐私建议。
科普系列第 14 期对比了 BERT 与 GPT 两条预训练路线:BERT(Encoder-only)采用掩码语言模型(MLM)实现双向理解,GPT(Decoder-only)则以单向下一词预测(Next-token prediction)支撑生成式少样本提示。内容还阐释了 2018 年预训练加微调范式如何化解训练标注数据瓶颈。
开源多 Agent 项目 Octop 支持自托管、多用户与多 Agent 协同,功能覆盖专家、插件、知识库与长期记忆。其核心设计是把底层能力拆成四个可独立替换的组件,包括负责运行调度的 Harness,以及基于 SQLite+FTS5 的组件,调度运行、长期记忆、浏览器操作与消息接入彼此解耦,便于开发者按需集成与替换。
作者用 REA 框架结合 Computer Use 自动化操作 CapCut 界面,批量抓取动态字幕模板并做格式逆向分析。AI 自主完成点击下载、监控网络请求与定位本地保存地址,在发现 UI 交互效率低下后自动切换策略。该案例展示了 AI Agent 在复杂应用工程逆向中的实用价值。
Hamel Husain 主编的演讲合集《Beyond Naive RAG》汇总 9 位检索专家的实战共识,指出 2023 年「切块 → 单向量 embedding → 余弦检索」的朴素 RAG 已失效,但 RAG 本身未死。该合集正文发布在 X 长文,来源标注为教程实践与 RAG 主题。
GitHub 项目 ai-engineer-vault 发布,定位为构建 AI 软件的实战手册,涵盖 RAG 应用、AI 智能体、MCP 工具、evals 与测试、token 成本控制、向量数据库、提示词设计和 LLM 应用结构。内容包含 12 章核心 AI 系统设计、50+ 真实应用构建模式,面向 AI 产品创始人、产品团队和工程师,提供从原型到生产的厂商中立参考。
GitHub 项目 agent-engineer 发布了一套面向软件工程师的 AI 智能体实战课程,帮助开发者从简单使用 AI 过渡到构建基于智能体的工作流。课程面向 Windows 10/11 用户,通过 GitHub Releases 页面下载,内容涵盖任务拆解、提示词引导、生成式 AI 应用、工作流循环以及安全与边界控制等主题,并配有引导课程、示例和练习。
GitHub 项目 iris-clustering-kmeans-beginner-ml 提供一个 Jupyter Notebook,演示 K-Means 如何在 Iris 数据集上按特征对花朵聚类。
开发者用纯 C99 和 SDL3 构建了 2.5D 游戏《For the Common Wealth》,约 175,000 行 C 代码、658 个源文件,无独立引擎,依赖仅 SDL3、SDL3_image 和 SDL3_mixer。全部 25 个关卡由 C# 编写的 BIABuilder 编辑器生成,导出为二进制供游戏按固定顺序读入 C 结构体,NPC 在 A* 寻路和线程池中运行“AI”。
Orion2re 是面向 Master of Orion II 游戏引擎的开源修复项目,采用 GPLv3 或更高版本许可,代码由 AI 智能体在人类指导下协助开发。项目不包含原版游戏数据,玩家需自备 GOG 或 Steam 版本的游戏文件,支持 macOS arm64、Linux 及 Windows(MSVC 与 MinGW-w64 交叉编译)构建。
作者宣布停止维护自学项目 ShupoShupo-Teaching,原因是进入大学后学习节奏明显放缓,不愿拖长进度而选择退出。该仓库聚焦 AI Engineering、ML Engineering、Graph ML 与 Geometric ML,分为记录原始过程的 /unpolished 和可供学习的 /polished 两部分,路线图原计划 12 个月,缺失主题将留待后续补充。
开发者 Allysson-Rodrigues 在 GitHub 主页展示其 AI 辅助工程工作流,将 Gemini CLI 用于研究与探索、Claude Code 用于深度推理与结构审查、Codex 用于本地实现与验证循环、Antigravity 用于范围化会话与任务分解,并通过 MCP 连接项目上下文与工具。
OpenViking 是一个开源方案,将 Agent 的记忆与知识抽象为 viking:// 虚拟文件系统,通过层级加载与可透视检索降低 Token 消耗并提升检索透明度。它针对传统向量检索的黑盒问题,支持类似 ls、tree、find 的操作来管理 Agent 的知识与技能。
ifnodoraemon 发布 LLM Systems Architecture 技术实验站点,聚焦大模型推理引擎与 AI Agent 生产级架构。