开源 AI 求职框架 ai-job-search:基于 Claude Code 的求职闭环
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。
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。
Hamel Husain 把自己 Applied AI Evals 课程的重要概念浓缩成 13 张信息卡,做成口袋指南,链接为 https://hamel.dev/notes/llm/evals/flashcards/。
AIPMAndy 开源了 AI 内容创作手册 HowToBeAnAICreator,按 10 个章节拆解从定位、选题、核实到发布、复盘、变现的完整流程,并给出 5 步完成第一条 AI 视频的操作路径。
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。
GitHub 仓库 santosomar/AI-agents-for-cybersecurity 汇总了 Omar Santos 多门课程的资源,分为五个部分,覆盖聊天模型、嵌入向量、提示词工程、提示词链、RAG 与 AI 智能体。
作者用开源逆向工具 REA 配合 Codex 分析桌面客户端,通过提示词引导 AI 协同定位 Electron 应用关键代码链路,无需手动反编译即可理解内部运行机制。测试中发现 OpenAI 客户端存在未公开的 annotation 接口,并验证了其在网页端调用评论的能力。
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。
pg_clickhouse 团队用 6 个月开发经验说明,FDW 的谓词下推不是"全部发送"的开关,而是 Postgres 与远端 SQL 语法之间逐条子句的协商。
金融数据 SaaS 项目 AltIndex 以 80 万美元挂牌出售,靠 Reddit 散户舆情、TikTok 等另类数据避开传统毫秒级量化指标竞争。产品用截图 OCR 降低信任门槛,结合程序化 SEO 与原生 MCP 协议,实现 70% 高净利闭环,团队仅 2~5 人。
Logfire 通过动态 shredding 优化半结构化 attributes 数据的查询,部分查询提速超过 1000 倍,此前 30 秒超时的查询现在不到 1 秒完成。该功能将于 2026 年 2 月起向所有客户逐步推出。
RLHF 训练被拆解为监督微调(SFT)、奖励模型训练与 PPO 三大阶段,并强调用 KL 散度约束防止模型过度刷分。内容还补充了 DPO 替代方案及 reward hacking 防范等高频面试考点。
一名工程师用 ChatGPT 逐条命令排查服务器宕机告警,AI 先定位到 systemd 的 IPv6 接口反复增删 bug,却无法解释为何同版本 systemd 的其他节点不受影响。
PauloKarabyna 发布 ml-foundations-day1 项目,用 Jupyter Notebook 讲解机器学习所需的线性代数基础,涵盖向量、点积、范数与基本矩阵运算,并配有基于 NumPy 和 Matplotlib 的可视化、自测题与反思环节。
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。
Nnenna Ndukwe 演示了如何把仓库规则、明确计划、验证命令和 pull request 审查贯穿到智能体编码工作流中,让质量在每个阶段被检查,而不是默认生成代码即可靠。该演示以一个支付 API 工作坊为载体,串联起从计划到 PR 审查的完整环节。
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。
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。
投机解码通过快速草案模型与目标验证模型协作绕过 LLM 推理的内存带宽瓶颈,采用 min(1, p/q) 接受标准和残差分布采样。Uzu 推理引擎在 Apple M5 上实现了 4 倍吞吐量。
Justine Moore 指出,在编程智能体构建完新功能后,通过向其提出反思性问题进行追问式质询,可实现高达 6x 的速度提升与 8x 的成本降低。该做法针对的是编程智能体完成功能后的一种行为特征。
Two Minute Papers 解析了 DeepSeek OCR 如何用视觉 token 压缩文档,并给出其亮眼的还原率与编码器设计。视频同时指出,这种看似高召回的表现可能部分来自语言模型的猜测,因此并不等于解决了 AI 记忆问题。
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。
Michael Forrester 与 Whitney Lee 用一个故意留有漏洞的平台聊天机器人,演示智能体权限、Kubernetes 管控、运行时防御以及输入输出防护在实时攻击下如何相互作用。
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。
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。
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。
作者分享了用终端工具 Termany 进行多 Agent 并行项目开发的工作流体验,核心特性包括无限层级文件树、支持多个 Agent 会话并行的多层级窗格结构、红绿灯标识辅助感知 Agent 运行状态,以及 Cmd+P 全局搜索快速定位并发送指令。
一位有约 12 年编程经验的工程师提出"肉代理(Meat Proxy)"概念,指在对话中只增加延迟、不提供任何价值的人,并称 AI 让这类无价值交流变得前所未有地容易。