Coze Loop 教程：Agent 上线前，先把评测、Prompt 和监控闭环补上
Agent 项目最常见的事故，是上线前靠感觉调 prompt，上线后靠用户投诉发现问题。模型换了、工具改了、知识库更新了，没人知道效果从哪天开始变差。 Coze Loop 是面向 AI Agent 优化的平台，覆盖开发、调试、评测、Prompt 管理和线上监控。它的价值不是多一个控制台，而是让 Agent 的质量变化能
4 min
关于 AI、软件、系统与持续思考的个人笔记
Banana Slides 教程：用 AI 做可编辑 PPT，先管模板、素材和复核
AI 做 PPT 最大的问题，不是能不能生成页面，而是生成出来能不能继续改。很多工具输出一堆图片，看着还行，到了客户修改、老板改字、设计调版时就废了。 Banana Slides 押的是另一条路：上传模板图片和素材，让 AI 解析内容，按自然语言生成或修改页面，并导出可编辑 PPTX。它更像一个 AI PPT 工作台，
4 min
Headroom 教程：给 Coding Agent 加一层上下文压缩，少花 token 还要不掉准
Coding Agent 的 token 浪费，很多时候不是模型太贵，而是上下文太脏。终端输出、测试日志、重复文件、RAG 片段、工具结果，全都原样塞回去，模型不但花钱，还更容易被噪音带偏。 Headroom 做的是上下文优化层。它可以包装常见 coding agent，也可以作为代理放在应用和模型之间，对消息、工具输
5 min
MOSS-TTS 教程：自托管语音生成，先把延迟、显存和授权边界讲清楚
语音 AI 的 demo 通常都很好听。真正落地时，问题才冒出来：长文本断句不自然，显存吃紧，首包延迟高，声音克隆授权不清楚，多说几分钟后情绪和音色开始飘。 MOSS-TTS 是开源语音生成模型家族，覆盖长文本语音、多说话人对话、声音设计、环境声和实时流式等方向。它适合想把 TTS 放到本地或自托管环境里的团队。 但语
5 min
Chandra OCR 教程：复杂 PDF 进 RAG 前，先把版面和表格处理干净
做 RAG 时，很多人把注意力放在向量库和模型上，却忽略了最前面的文档解析。PDF 里的表格错位、公式断掉、页眉页脚混进正文，后面检索再强也救不回来。 Chandra OCR 适合处理这类硬文档：复杂表格、表单、手写、多语言、数学公式、版面结构。它能把文档转成 Markdown、HTML 或 JSON，并保留更详细的
5 min
TOON 教程：把 JSON 数据喂给模型前，先把 token 账算明白
很多人做 AI 应用时，第一反应是把业务数据直接塞成 JSON。简单、通用、模型也能读，看起来没毛病。 但一到真实场景，账就不太对了。订单列表、埋点日志、知识库片段、搜索结果、用户画像、商品属性，全都用 JSON 喂给模型，会浪费大量字段名、括号和重复结构。上下文窗口再大，也不能这么霍霍。 TOON 的价值就在这里。它
6 min
IBM Granite 4.1：小模型路线没输，输的是粗糙训练
IBM Granite 4.1 的发布，很适合给开源模型圈泼一点冷静水：小模型路线没有输，输的是粗糙训练和粗糙定位。 Granite 4.1 是 3B、8B、30B 的 dense decoder-only 模型家族，训练管线包含约 15T tokens、多阶段预训练、长上下文扩展、监督微调和多阶段强化学习。更关键的是
2 min
Google 第八代 TPU 分成两条线：Agent 时代的算力不再只拼大
Google 第八代 TPU 分成 8T 和 8I 两条线，这件事比单纯“新芯片更强”有意思。 过去讨论 AI 算力，大家很容易只看峰值、参数、集群规模。到了 Agent 时代，负载变复杂了：有长时间训练，有大规模推理，有低延迟交互，有多轮工具调用，还有大量上下文读写。所有任务都用同一种算力形态硬扛，成本会很难看。 #
2 min
OpenAI 上 AWS：模型独家时代开始松动了
OpenAI 模型、Codex 和 Managed Agents 进入 AWS，表面看是一次渠道扩展；往深一点看，这是 AI 云生态的一次松动。 过去两年，大模型公司和云厂商的关系很像“强绑定”：谁投钱、谁给算力、谁拿优先分发权。企业采购时也被这种绑定影响，想用某个模型，往往要进入某个云的生态。 现在 OpenAI 出
2 min
Sentrux：AI 写代码不能只看 diff，还要有架构传感器
AI Agent 写代码最容易让人上头。头几天，功能像开闸一样往外冒；再过几天，项目里开始出现幻觉函数、错位依赖、循环引用、God 文件。不是模型突然变笨了，而是代码库本身开始失去结构。 Sentrux 值得看的地方，不是又多了一个静态分析工具，而是它试图给 Coding Agent 补一个反馈器官：在 Agent 动
4 min
YourMemory：Agent 记忆不是越多越好，还要会遗忘
Agent 记忆经常被说成“越多越好”。这话只对了一半。记得越多，确实更像一个长期助手；但如果旧事实、错误偏好、过期项目状态一直留着，Agent 也会被记忆带偏。 `YourMemory` 有意思的地方，是它把“遗忘”也放进了 Agent 记忆系统。 仓库地址：sachitrafa/YourMemory ## 记忆不是
2 min
Databricks AI Dev Kit：让 Coding Agent 真懂你的湖仓平台
让 Coding Agent 写普通 Web 代码已经不新鲜了。难的是让它进入一个复杂数据平台：Spark、Unity Catalog、Jobs、MLflow、Model Serving、权限、表结构、流水线规范全都在场。 `Databricks AI Dev Kit` 解决的是这个问题：给 Claude Code、C
2 min
Xyne：企业搜索别再让 Agent 翻聊天记录
企业里最浪费时间的动作，可能是找东西。文件在 Drive，决策在 Slack，需求在 Jira，线索在邮件，代码在 GitHub，最后每个人脑子里还有一份“只有我知道”的隐性地图。 `Xyne` 盯上的正是这个问题：给工作场景做一个开源的 AI 搜索与问答引擎。 仓库地址：xynehq/xyne ## 它不是普通知识库
2 min
Vibe Coding 冲进原型设计，设计师真正该守住的是判断
Vibe Coding 正在把原型设计这件事压得很扁。 以前一个交互原型，可能要设计师画半天、调两天、改三轮。现在你对着 Figma Make、Framer AI、Google Stitch 或类似工具说几句话，一个能点、能跳、能演示的版本就出来了。别管它是不是最终稿，至少老板、产品、开发都能先看见东西。 这对原型设计
3 min
Lunel：手机不是跑代码的机器，而是 AI Coding 的遥控台
手机上写代码这件事，听起来一直有点别扭。屏幕小、键盘慢、上下文看不全，真让人把一台手机当开发机，多少有点遭罪。 `Lunel` 的有趣之处在于，它没有把手机伪装成开发机，而是把手机变成 AI Coding 的遥控台。 仓库地址：lunel-dev/lunel ## 三层架构，比远程桌面克制 Lunel 大致分三层：移动
2 min
小米 MiMo 发 Token：更关键的是测的是国产模型的 Agent 耐力
小米 MiMo-V2.5 系列开源之后，又给开发者放了一波更直接的东西：MiMo Orbit Token 激励。表面看，这是一次免费额度活动；往深一点看，这是国产模型主动争取 AI builder 的一次入口战。 别把它只理解成“薅点 Token”。如果只是领完额度、跑几个聊天问题、截个图发朋友圈，那这波额度基本就浪费
3 min
VoltAgent 教程：用 TypeScript 把 Agent 写成可观测工程服务
TypeScript 团队做 Agent，常见路线是从前端或 Node 服务里拼一个聊天 demo：接模型、写工具、加一点 memory，再接到页面。能演示，但上线后很快缺东西：trace 看不见，工具失败不好查，RAG 数据难管，guardrail 没地方放，部署也像临时脚本。 VoltAgent 想把这条路工程化：
4 min
Agent Reach 教程：给 Agent 接一套可替换的互联网工具箱
Agent 想做研究，最先卡住的不是模型，而是“看不见”。网页能不能读，YouTube 字幕怎么拿，Reddit 讨论怎么搜，GitHub 信息怎么查，RSS 怎么订阅，微博客平台怎么处理登录态——这些事情分散又琐碎。 Agent Reach 把问题拆成一套互联网工具箱：网页、RSS、GitHub、YouTube/B
3 min
Framelink Figma MCP 教程：别再给 Agent 只丢截图
让 Agent 还原 Figma 设计时，最常见的做法是丢一张截图。问题是截图只能给视觉结果，给不了布局层级、间距、字体、颜色 token、frame 结构和命名。模型看得到“长这样”，但很难知道“为什么这样”。 Framelink MCP for Figma 做的是把 Figma 文件、frame 或 group 的
3 min
gstack 教程：把 Claude Code 变成一支会复盘的产品小队
很多人用 Claude Code，习惯是把需求直接扔进去，然后盯着它改。能跑，效率也有，但问题很快出现：产品判断没人做，设计味道没人看，安全审计靠运气，最后发布时再补文档和测试。AI 写代码变快了，工程流程反而容易被省掉。 gstack 值得看的地方，不在“Garry Tan 的同款配置”这个噱头，而在它把 Claud
3 min