跳到正文
10月12日周一
  1. RadarAI22

    ML 铅笔手稿:从 BERT 到 GPT 的预训练范式之争

    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。

  2. RadarAI60

    开源多 Agent 系统 Octop 架构与组件化设计解析

    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。

  3. GitHub8

    ai-engineer-vault:AI 系统工程实战手册

    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。

  4. GitHub12

    agent-engineer:面向软件工程师的 AI 智能体实战课程(Windows 版)

    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。

  5. Hacker News12

    用 C 语言写一个游戏:175,000 行代码、658 个源文件的《For the Common Wealth》开发实录

    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”。

  6. GitHub20

    ReliableShrimp 的 ShupoShupo-Teaching 自学仓库宣布停止更新

    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。

  7. RadarAI62

    Lauren Tan 谈让 Agent 写出更正确代码的起点:自我验证

    Lauren Tan 提出,让 Agent 更自主工作的最基本切入点是赋予其自我验证能力,即像真实用户一样实际运行和操作应用,覆盖 CLI、API、UI 等接口。验证应产出可审查的工件,证明工作正确、符合意图且比通读整个 PR 更易审查,UI 工作常用视频和截图。她指出 skill 包等都是可选的附加项,并提醒并非所有领域都易于验证,验证只是近似、仍可能出错。

  8. Hacker News15

    GE-RCV1:用道闸遥控器的备用按键开自家车库门

    用 433.92 MHz 的 GE-RCV1 单通道接收器(SC2504004)接在车库电机的按钮输入端,就能把道闸遥控器的备用按键变成车库门开关,钥匙串上少带一个遥控器。接收器继电器输出为黄线对黑线,黑线须接电机 com 端,红黑供电支持 12–24 V 交直流。配对时按一次 LEARN、再按两次备用按键即可,全程约 45 分钟。

  9. GitHub18

    ManuAI:用 LoRA 微调 Transformer 从鸟鸣识别新西兰鸟类

    ManuAI 通过 5 秒音频片段的 log-mel 频谱图,用 LoRA 微调的预训练 Transformer 识别新西兰鸟类,共 20 个类别加 Other,数据来自约 271k 条 32 kHz FLAC 片段(43 GB)。v2 流程已封装为 manuai/ 包,在 M1 Pro(MPS)上完成冒烟测试,首次完整训练尚未进行,长期目标是做成可在丛林离线使用的手机 App。

  10. RadarAI27

    用 NVIDIA Data Designer 教智能体学会搜索:Dhruv Nathawani 的数据构建实战

    NVIDIA 研究员 Dhruv Nathawani 演示如何用 NVIDIA 开源的 NeMo Data Designer,通过图谱种子生成多跳搜索题和工具调用轨迹,把目标搜索行为转化为可复现的智能体训练数据流程。工作坊先组合种子、采样、生成和质量评判等列构建多样问答记录,再将数据流水线版本化。

  11. RadarAI38

    智能体如何泄露密钥,以及怎样阻断泄露:Venice AI 的安全架构分享

    Venice AI 开发者关系负责人 Joshua Mo 梳理了密钥经由智能体模型层和可观测性系统泄露的路径,指出即使模型服务承诺保护隐私,也不保证整套智能体系统安全。从密码库取出的凭据一旦进入 LLM 推理层,可能出现在工具调用中,也可能被日志和执行轨迹留存。他建议让凭据留在运行时、收窄权限并使用可撤销句柄来阻断泄露。

  12. RadarAI34

    从零构建智能体评测排行榜:Wolfram Ravenwolf 的实战方法

    Wolfram Ravenwolf 在实操工作坊中演示如何以 Terminal Bench 和 Harbor 为基础搭建智能体评测流程,组合隔离沙箱、智能体运行框架、固定版本基准、推理服务及资源限制。其 WolfBench 工具汇总重复运行结果,他认为重复运行的稳定性、完整配置、成本和执行轨迹比排行榜上的单一平均分更重要。

  13. RadarAI27

    用 Langfuse 持续改进智能体:从生产追踪到离线实验

    Annabell Schäfer 与 Lotte Verheyden 展示如何结合 Langfuse 追踪、定向线上评测与离线数据集,把支持智能体的用户抱怨转化为持续改进流程。工作坊以解决家人手机问题的 IT 支持智能体 Specs 为例,接入 Langfuse 后沿智能体观测、模型调用和工具调用查看请求,并强调追踪若缺失关键步骤,后续监控就无法进行。

  14. RadarAI30

    让智能体自己找故障:用技能、追踪与评测改进应用

    Ankur Duggal 以一个表现失常的金融智能体为例,演示如何把追踪数据、针对性评测和编码智能体技能连成可验证的修复流程。他沿 supervisor、专业智能体、模型调用和工具调用逐层追踪故障,并借助 Arize CLI 与技能让编码智能体拉取 span 和评测结果,定位数字缺乏依据、虚构回答与重复等问题。

  15. Hacker News24

    M-VAVE FM-1 评测:70 美元的口袋版 DX7,如何成为开源固件音乐平台

    M-VAVE FM-1 是一款售价不到 70 美元的口袋合成器,内置六个正弦波算子、32 种算法、12 复音,支持 DX7 SysEx 音色库导入,并配备 USB-C MIDI、BLE MIDI 与 3.5mm MIDI IN。它基于 JieLi AC791N/WL82 SoC,已衍生出数十种开源固件替代方案,部分还带在线模拟器,被视为黑客的音乐平台。