RPG：从“对话”到“蓝图”，用图谱指导AI思考

RPG：从“对话”到“蓝图”，用图谱指导AI思考

智谱AI(GLM)

智谱AI(GLM)产品线收集整理分析

人物访谈

与AI领域的专家学者和从业者的深度对话

腾讯AI产品线收集

腾讯AI产品线收集整理分析

Meta颠覆代码AI：新模型CWM不只“读”代码，更能“执行”它

Meta发布的一项名为“代码世界模型”（Code World Model, CWM）的全新研究，正试图从根本上解决当前代码AI面临的一大痛点。

Chrome DevTools MCP：让AI编程助手真正"看见"浏览器

Chrome DevTools MCP是谷歌基于模型上下文协议开发的服务器，它将Chrome浏览器的开发者工具能力开放给AI编码助手。

我的思考

记录我的思考

Claude Code Spec Workflow, 也支持MCP方式

Claude Code Spec Workflow, 也支持MCP方式

Spec Kit：基于规范驱动开发的工具包

Spec Kit：基于规范驱动开发的工具包

Specification-Driven Development (SDD) - 规范驱动开发

Specification-Driven Development (SDD) - 规范驱动开发

PromptPilot 核心工作原理与方法论详解

PromptPilot 核心工作原理与方法论详解

Google Gemini Nano Banana 图像的创意应用案例

本文介绍Google Gemini Nano Banana模型的创意应用案例。

FastVLM-WebGPU 技术报告解读

本文介绍了苹果公司开源的FastVLM-WebGPU模型，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

Agent 相关课程收集

AI Agents for Beginners - From MS

微软发布，11 节课，教授开始构建人工智能代理所需了解的一切知识

home page: …

Agent Lightning

介绍

微软开源的 Agent Lightning 项目，它的核心价值在于为开发者和研究者提供了一个强大的工具，用于训练和优化 AI Agent（智能代理），特别是几乎不需要修改现有 Agent 代码就能实现显著的性能提升。

这个项目有以下重 …

AI在商业中的现状2025

AI在商业中的现状2025：学习与转型的鸿沟 报告原文

TL.DR

• 95% 的企业 GenAI 项目未见 ROI，根因在“不会学习”：系统缺少持久记忆、基于反馈的适配与持续改进。
• 采用多、落地少：从试点到生产仅约 5% 成功； …

阿里Wan开源大模型

Qwen Wan大模型是阿里云推出的一个通用大模型，旨在提供强大的语言理解和生成能力。

2025-08-27

Wan2.2-S2V开源发布！ 一个专为电影级音频驱动角色动画设计的140亿参数模型。该模型旨在超越简单的“数字人”对话，提供达到 …

MIT AI Do Anything

这门课程得到吴恩达的推荐，以下是关于MIT课程《如何用AI（几乎）做任何事》（How to AI (Almost) Anything）的详细信息整理，结合课程官网内容和公开资料，帮助你快速掌握核心内容与资源获取方式： 课程链接

📘 课程基 …

每周一个MCP： Zen MCP Server

Zen MCP Server 开源项目分析

每周一个MCP： Magic UI MCP Server

Magic UI MCP Server 开源项目分析

Gemini 2.5 Pro 在 IMO 2025 中的高级数学推理能力评估

Gemini 2.5 Pro 在 IMO 2025 数学奥林匹克竞赛中的高级数学推理能力评估

Context Engineering Intro

Context Engineering Intro 是一个全面的模板，用于实现上下文工程，这是通过为 AI 编码助手提供完整上下文来更高效地处理任务的技术。

Context Engineering

Context Engineering 是大型语言模型（LLM）应用中的系统性技术，旨在通过动态构建、管理和优化输入模型的信息负载（包括指令、记忆、工具输出、外部知识等），提升模型在复杂任务中的性能、稳定性和可靠性。

Claude-Code-Router：AI 时代的智能路由中枢

目录

• 1. 引言：AI 服务智能路由的新范式
• 2. Claude-Code-Router 核心机制总览
• 3. 智能路由决策机制详解
• 4. 请求转换与转发机制
• 5. 错误处理与降级策略
• 6. 插件系统与扩展性
• 7. 性能优化与监控
• 8. 未 …

Python 库学习

Python 库学习

3Blue1Brown - 数学可视化教育

顶尖的数学可视化教育网站，包含Neural Networks系列视频

AudioLLM - 李沐亲自解说语音大模型训练的底层思路

李沐亲自解说语音大模型AudioLLM训练的底层思路

Every联合创始人Dan Shipper：AI-first工作流程深度访谈

Every联合创始人兼CEO Dan Shipper分享AI-first工作流程，解析为什么每家公司都需要AI运营主管

Manus项目经验：上下文工程精华内容

本文介绍了Manus项目经验的上下文工程精华内容,总结为6个问题和解决方案。

Claude Code 介绍以及开源生态

Claude Code 是 Claude 的命令行工具，用于代理编码，提供灵活的、可定制的、可脚本化的和安全的编程方式。

Kimi-K2 简介和有意思的用法

本文介绍了MoonshotAI公司Kimi-K2模型简介和相关有意思的用法。

ChatGPT智能体：核心技术解析与应用场景

本文全面梳理了ChatGPT智能体的核心技术架构、功能特点及应用场景，综合自OpenAI官方发布及权威媒体报道。

Taskmaster AI - 通过AI任务管理来提升开发效率

Taskmaster AI - 通过AI任务管理来提升开发效率，支持多种开发工具，如Cursor、Windsurf、VS Code、Claude Code CLI等。

每周一个MCP： 抖音视频无水印提取MCP服务器

douyin-mcp-server 开源项目分析

TradingAgents 开源项目分析

TradingAgents 开源项目分析

MiniMax-M1 模型技术报告

MiniMax-M1 模型技术报告

MiniMax

MiniMax

ERNIE 4.5 技术报告解读

本文介绍了百度开源的ERNIE 4.5模型，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

Context7

Context7 是一个用于 LLM 和 AI 编码编辑器的 MCP 服务器，可以提供最新的代码文档和代码示例，使得生成的代码更准确、版本相关且避免过时或虚假信息。非常适合配合AI编码助手使用更新版本的API。

Gemini CLI 开源项目分析

Gemini CLI 开源项目分析

SkyworkAI DeepResearchAgent

SkyworkAI DeepResearchAgent

微软/Meta/OpenAI工程师Philip Su访谈

微软/Meta/OpenAI Distinguished Engineer- Philip Su访谈

Google I/O 2025 大会亮点

本文介绍了Google I/O 2025 大会亮点。

DeerFlow - 字节跳动开源的Deep Research

DeerFlow - 字节跳动开源的Deep Research

Microsoft Build 2025 趋势洞察

本文介绍了Microsoft Build 2025 趋势洞察。

昇腾AI芯片与英伟达GPU的技术对比

昇腾AI芯片与英伟达GPU的技术对比

OpenEvolve - 开源进化算法项目

OpenEvolve相关开源项目和资源链接

Qwen3 Tech Report解读

全方位解读Qwen3的论文技术报告

Reinforced Self-play Reasoning with Zero Data 论文解读

论文介绍了强化自博弈推理的零数据范式，通过自博弈生成任务和验证，实现无需依赖人工标注数据或预设任务的自主学习推理。

OpenAI: AI in the Enterprise

OpenAI关于企业级AI应用的详细简报

模型上下文协议（MCP）深度解析：Agent互操作性的新纪元

本文介绍了模型上下文协议（MCP），并对其技术原理、主要贡献、当前优劣、生态系统现状，并与Google A2A等相关技术进行比较，展望其未来发展趋势。

模型上下文协议（MCP）深度解析：Agent互操作性的新纪元

本文介绍了模型上下文协议（MCP），并对其技术原理、主要贡献、当前优劣、生态系统现状，并与Google A2A等相关技术进行比较，展望其未来发展趋势。

多智能体强化学习（MARL）在多智能体系统（MAS）中的应用：理论、算法、应用与展望

本文介绍了多智能体强化学习（MARL）在多智能体系统（MAS）中的应用：理论、算法、应用与展望。

Python 的 orjson 库

Python 的 orjson 库

Python 3.x 高级语法与语言特性深度剖析

Python 3.x 高级语法与语言特性深度剖析

编程能力对比分析一撇

关于编程能力对比分析一撇

Google: 一种通往技术通用人工智能安全的方法

本文介绍了Google关于AGI安全的技术报告，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

Deep Research 深度研究

Deep Research 深度研究

Cursor AI 最佳实践：提升编码效率与代码质量的权威指南

Cursor AI 最佳实践：提升编码效率与代码质量的权威指南

Agent2Agent (A2A) 协议

本文介绍了Google公司A2A协议详细解读。

AI Agent Gateway

AI Agent Gateway

Llama 4 模型系列

本文介绍了Llama 4 模型系列详细解读。

CAMEL 工具包

CAMEL Tools

CAMEL工具包是一个模块化框架，旨在通过统一接口扩展AI智能体的能力，使其能够连接外部服务、数据源和计算工具。它提供了多种工具包，涵盖搜索、学术、社交媒体、数据分析、媒体处理、开发、金融和生产力等领域，帮助开发者加 …

QwQ-32B Qwen推理大模型解读

本文介绍了深度求索（DeepSeek）公司推出的新一代推理模型QwQ-32B，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

Chain of Draft 论文解读

本文介绍了Chain of Draft（CoD）论文，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

微调

本文介绍了微调的常见挑战及其克服方法，并详细介绍了如何使用Unsloth在消费级GPU上对DeepSeek-R1进行微调。

Google AI协同科学家系统

本文介绍了Google开发的AI协同科学家系统（AI co-scientist），并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

Test-Time Scaling 相关论文解读

本文介绍了Test-Time Scaling（测试时扩展）的概念，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

OpenAI 推理模型最佳实践总结

本文总结了OpenAI推理模型最佳实践。

字节跳动OmniHuman-1 开源项目解读

字节跳动开源的OmniHuman-1项目，并对其技术原理、功能特点、应用前景和伦理风险进行了详细解读。

Simple Test-Time Scaling 论文解读

本文介绍了来自李飞飞团队的Simple Test-Time Scaling论文，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。

每日AI动态

每日AI技术动态汇总，包括新模型、新框架、新应用、新标准、新开源项目、新论文、科技访谈、技术报告、论坛会议和行业趋势

论文解读

这里收录了 AI 领域最新、最重要的学术论文解读，包括但不限于：

• 大语言模型
• 机器学习
• 计算机视觉
• 强化学习
• AI 理论研究

DeepSeek 相关文章

这里收录了所有与 DeepSeek（深度求索）相关的内容，包括：

• 模型发布与更新
• 技术原理解析
• 应用案例分析
• 性能评测报告

STORM - 通过检索和多视角提问来合成主题大纲和维基百科类文章

STORM - 通过检索和多视角提问来合成主题大纲和维基百科类文章

关于作者

Peng Tan - AI 领域研究者，专注于大模型、多代理系统和上下文工程

UI-TARS Desktop - 字节跳动桌面应用

字节跳动UI-TARS桌面应用项目

openmanus

openmanus相关资源链接

knowledge tools

knowledge tools相关资源链接

Karpathy DeepDive LLM

Karpathy DeepDive LLM视频课程

google deepresearch

google deepresearch相关资源链接

gemini

gemini相关资源链接

emos

emos相关资源链接

deep dive into LLMs like ChatGPT

deep dive into LLMs like ChatGPT相关资源链接

claudia

claudia相关资源链接

claude mcp server

claude mcp server相关资源链接

ai usa impact

ai usa impact相关资源链接

LangGraph技术底座

LangGraph 技术架构与实现详解

本文档旨在全面剖析 LangGraph 的技术架构与底层实现。LangGraph 是一个用于构建有状态、可循环、多参与者（Multi-agent）应用的强大框架，它作为 LangChain 生态的关键 …

世界生成统一评估基准：WorldScore

WorldScore 对 AI 业界的特殊贡献

WorldScore 是首个统一评估基准，专注于评估 3D、4D 和视频模型在世界生成任务中的表现。它的出现填补了现有基准在多场景、多序列长度和动态 …

The Surprising Effectiveness of Test-Time Training for Abstract Reasoning

• MIT: The Surprising Effectiveness of …

Scaling Laws

下面是一张表格，总结了scaling law各种曲线和相关参数之间的关系，有助于对比它们各自的设计理念和重点关注的参数。

2. Chinchilla 理论曲线

• 订正说明：Chinchilla模型 …

Chatbot 元宝

安装腾讯元宝app，OS 应用，小程序。 外网访问：https://llm.hunyuan.tencent.com/#/chat/hy-t1

py-spy

py-spy 是一个专为 Python 设计的采样型性能分析器（sampling profiler），它的主要作用是：

在不中断、无侵入、不修改代码的情况下，实时分析正在运行的 Python 程序的性能瓶颈！

核心用途

1. …

Rankify摘要

一个模块化且高效的检索、重排序和 RAG 框架，专为最新的检索、排序和 RAG 任务模型设计。

Rankify 是一个 Python 工具包，专为统一的检索、重排序和检索增强生成（RAG）研究而构建。该工具包集成了 40 …

Neo4j LLM Knowledge Graph Builder

Neo4j推出了2025年首个版本的LLM知识图谱构建器（LLM Knowledge Graph Builder），这是一个开源工具，旨在从非结构化数据中提取知识并构建知识 …

TLDR

RD-Agent是一个数据驱动的AI研发自动化框架，其核心理念是将研发过程分解为两个关键组件：

• R (Research)：主动探索，提出新想法
• D (Development)：实现想法，将概念转化为可执行的代码

qlib …

LangChain 技术架构与实现详解

LangChain 是一个强大的框架，旨在简化和加速基于大型语言模型 (LLM) 的应用程序的开发。它的技术架构和实现围绕着模块化、可组合性和标准化接口的核心思想。

以下是对 LangChain 技术 …

项目: Youtube Analysis Platform Context（技术栈）:

Python FastAPI 服务 基于 TypeScript 的 Create React App 前端 本地 PostgreSQL …

AutoGen 0.4 版本

根据我搜索到的信息，AutoGen 最新版本（特别是 0.4 版本及更高版本）引入了许多新特性和改进，主要集中在以下几个方面：

核心架构和 API (Core & API) …

Cursor 的 .cursor/rules 既可以是单一规则文件，也可以是目录结构，支持更细粒度的规则管理。
但实际用法取决于你用的 Cursor 版本和你的项目需求：

1. 两种常见用法

A. 单一规则文件（最常见，兼容性最好） …

英伟达

开源大模型

Trends – Artificial Intelligence (AI) May 30, 2025 Mary Meeker / Jay Simons / Daegwon Chae / Alexander Krey

我们着手整理与人工智能相 …

This article details a project aiming to recreate the heroes of the Han Dynasty within 15 days, challenging the limits …

做手办

绘制这张图中角色的1/7比例商业化手办，写实风格，真实环境。手巾摆放在电脑桌上，配有圆形透明亚克力底座，底座上无文字。电脑桌旁边放置一只印有原画风格插画的精美玩具包装盒。

数字人

transform the image to …

参考

-一份全面的AI Agent知识地图

https://zilliz.com/blog/top-10-ai-agents-to-watch-in-2025 12 Best AI Agents You Need to Try in …

Agent Lightning

https://microsoft.github.io/agent-lightning/latest/

RAGEN

https://gemini.google.com/app/9ece70bdfdaea0dc …

[

ModelScope

base_url=‘https://api-inference.modelscope.cn/v1',

DeepSeek

模型主页： …

graph TD
    subgraph GCP ["Google Cloud Platform"]
        direction LR

        subgraph GlobalInfrastructure …

整体概况

产品线分为： 模型，AI平台(开发和部署,比如Vertex AI， AI Studio)，AI应用（Gemini app, NotebookLM, Learn about, DeepResearch，Astra）

大模型

多模态大 …

当然，以下是修改后的技术中文内容，准备发布：

大模型 RAG（检索增强生成）应用演进之路与技术解析：

大型语言模型（LLM）的检索增强生成（RAG）应用，其演进历程是一部不断突破局限、追求卓越性能与灵活性的奋斗史。从最初的朴素检索到如今的模 …

多智能体社会模拟的最新研究动态

在多智能体系统（MAS）和社会模拟领域，最近有几个重要的项目和研究方向引起了广泛关注。以下是一些关键的项目和研究方向的概述：

1. 斯坦福大学 (Stanford) - “Generative …

部分工具（如文本浏览器、文本检查器）直接借鉴了Magentic-One的设计，实现了文本文件解析和简易Web浏览。

人工智能多智能体系统：架构、交互与应用综合研究报告

1. 引言

1.1 目的与范围

多智能体系统（Multi-Agent Systems, MAS）作为人工智能（AI）和分布式系统领域的一个重要范式，近年来受到了广泛关注 1。本报告旨在基于 …

多智能体系统：原理、类型与比较研究

来自智谱清言的“沉思”，prompt是“调查并比较不同的人工智能多智能体系统”

引言

多智能体系统(MAS, Multi-Agent Systems)是人工智能领域中的重要研究方向，它由多个具有自主性的智 …

DeepSeek R1 的技术流程

DeepSeek R1 的技术流程可总结为以下范式： 1.DeepSeek R1-Zero 的生成： 基于 DeepSeek V3-Base 模型，通过强化学习（RL），直接训练出 DeepSeek …

Coding Interview - 关于成为一名软件工程师的完整计算机科学学习计划

https://github.com/jwasham/coding-interview-university

CS职业道路路线图和相关培训

有很多针对这些 …

BMAD-METHOD 和 GitHub Spec Kit 是两种用于 AI 驱动软件开发的新兴框架，但它们在理念、结构和适用场景上有明显差异：

1. 核心理念 GitHub Spec Kit 强调“规范驱动”（spec-driven）的开发模 …

安全相关

Anthropic的RedTeam有一个新的博客，涵盖了他们在网络、生物、自主性、国家安全等领域的内部研究。

做12张上海像素风图片，竖屏，然后用智能多帧穿起来。

把下面的上海景点做出像素图片，竖屏，然后用智能多帧穿起来。

‌东方明珠广播电视塔‌ 金茂大厦‌ 环球金融中心‌ 上海中心大厦‌ 南京路步行街 城隍庙 世博会博物馆 上海博物馆 豫园 静安 …

[1hr Talk] Intro to Large Language Models

https://www.youtube.com/watch?v=zjkBMFhNj_g 该视频讲稿系统地介绍了大型语言模型（LLMs）。首先，它从基本概念入 …

查询扩展（Query Expansion）

在信息检索中，**查询扩展（Query Expansion）**的核心作用是通过补充或优化用户原始查询的关键词，提升系统对用户需求的理解范围和匹配精度。简单来说，它像一个“智能助手”，帮助搜索引擎 …

为什么说神经网络几乎可以学习任何东西？

核心观点： 神经网络之所以被认为几乎能学习任何东西，其核心在于它们的通用近似能力 (Universal Approximation Capability)。这主要由通用近似定理 (Universal …

什么是 Vector 数据库？

Vector 数据库在自然语言处理、Image Recognition、推荐系统和语义搜索等各个领域发挥着举足轻重的作用，并随着 LLM 的日益普及而变得更加重要。

这些数据库具有非凡的价值， …

Transformer 模型学习指南 I. 复习大纲

1. 引言 •序列转换模型的局限性（循环神经网络和卷积神经网络）。 •Transformer 模型的提出：完全基于注意力机制，摒弃循环和卷积。 •Transformer 模型的优点：并行化 …

参考

• https://tongyi.aliyun.com/efficiency/doc/read?taskId=5036083