跳到正文
#教程/实践
10月11日周日
  2. RadarAI30

    使用 * 符号创建约束清单

    用 * 符号列出具体的执行要求（如字数限制、格式要求），能有效约束 AI 的输出行为。该内容来自作者三个三，归类为人工智能，阅读时间 1 分钟。

  4. RadarAI38

    使用 --- 分隔指令与背景材料

    文章指出，用 --- 线段分隔执行指令与辅助材料，可防止模型将背景信息当作指令执行。该做法针对提示词注入风险，属于 AI 提示词设计中的指令隔离手段。

  6. RadarAI22

    提示词技巧总结与应用建议

    提示词技巧总结指出，强调符号只是辅助手段，逻辑清晰的任务描述与背景交代才是提升 Prompt 效果的核心。该内容由作者三个三发布，归类为人工智能，阅读时间约 1 分钟。

  8. GitHub22

    玩转微调：预训练 Transformer 适配动手实验室

    GitHub 项目 playing-with-finetuning 提供一套预训练 Transformer 微调实验仓库，覆盖全量微调、LoRA 类参数高效微调、指令微调与提示词适配等多种范式。仓库包含按任务分类的 notebook、多语言数据集、可复现实验配置，以及偏见与数据来源等伦理讨论，面向从入门到自定义训练循环的学习者。

  9. Hacker News40

    让 Muse 读取我的 iMessages：一套自建私有归档与检索方案

    作者让 Muse 通过 Mac 每五分钟上传 iMessages 到 Railway 私有归档，Muse 在云端 VM 每十分钟检索新消息，Mac 关机时仍可读取历史。该 Go 服务内嵌 Tailscale tsnet 接入私有网络，用 SQLCipher 加密归档与搜索索引，并区分只读检索与认证上传权限。日历与待办的后台写入仍需审批规则，整套方案需手动配置。

  25. RadarAI38

    MiroFish 群体智能预测引擎深度评析

    开源群体智能预测引擎 MiroFish 通过 GraphRAG、多 Agent 人格沙盒及演化推演预测未来事件走向，采用五阶段架构。社区对其提出质疑，包括高昂算力开销、AI 人格发散导致脱离现实逻辑，以及可能存在的 Star 概念营销泡沫。

  27. GitHub22

    Claude Code 技能 good-faith：让 AI 模型诚实说"不知道"

    开发者发布 Claude Code 技能 good-faith，通过在任务前明确声明"不知道也是可接受的答案"，试图减少模型为凑完整而编造引用。预注册实验显示效果不显著：v2 的 408 次试验中 p = 0.13，v4 的 640 次试验中善意框架下每次回答 1.82 条错误引用，无框架为 1.61 条，p = 0.14。作者强调真正可靠的部分是事后独立核验每一条可查证的说法。

  28. GitHub28

    kimsanguine/AI_Human：非专业者 100 天 AI Engineer 实战课程

    GitHub 项目 kimsanguine/AI_Human 发布了一套面向非专业者和初学者的 17 周 AI Engineer 成长课程，从 Python 基础、ML/DL 一路进阶到 LLM、LangChain 与 RAG 流水线。课程分三阶段共 100 天，配套 AI 新闻自动化系统每天上午 8:00（KST，周一至周五）按当前章节关键词筛选新闻并推送至 Slack 和 Telegram。

  29. Hacker News34

    如何用 Qwen3-1.7B 构建自己的决策模型

    用 Qwen/Qwen3-1.7B 通过约束解码把输出限制在 A-E 五个选项内，单次前向即可给出答案，在 CommonsenseQA 随机留出样本上准确率 725/1221（0.5938），微调后提升至 762/1221（0.6241）。但模型输出概率严重过度自信，0.9-1.0 置信区间准确率仅约 70%，作者用温度缩放拟合出 3.797 的温度值来校准。

  32. GitHub22

    GitHub 项目 ai-engineering-foundry：从零构建 AI 系统的开源课程

    GitHub 上的 ai-engineering-foundry 项目提供一套从零构建 AI 系统的项目制课程，覆盖数据摄取、预处理、模型组装、训练优化、评估验证到部署服务的完整流水线。项目采用模块化可组合设计，内置 OpenAI API 与 Claude API 统一网关，并提供响应式 Web 仪表盘和 CI/CD 流水线，要求 Python 3.10+。

  37. Hacker News20

    gase：用 Rust 编写的教育型多平台 Genesis / Mega Drive 模拟器

    用 Rust 编写的 Sega Mega Drive / Genesis 模拟器 gase 发布，可在浏览器、桌面、Android 和 iOS 四个平台运行，核心零外部依赖。项目以教学为先，每个芯片独立成一个 crate，Z80 通过 1,604,000 条测试用例、68000 通过 1,310,060 条测试用例逐位比对验证，性能分析带来 1.5–1.9× 加速。