Posts

目录

• Agent

  • AgentGPT-01-在浏览器中组装、配置和部署自主 AI 代理 入门介绍
  • ai-agent 是什么？
  • ai-agent 的实现原理？
  • ai-agent 要如何入门使用？
  • BMAD-METHOD：突破性敏捷 AI 驱动开发方法
  • Browser-use 是连接你的AI代理与浏览器的最简单方式
  • Manus AI 全球首款通用型AI Agent?
  • MiroMindAI/MiroThinker 入门介绍
  • MiroMindAI/MiroThinker 实现原理
  • MiroMindAI/MiroThinker 有什么用？
  • 为什么需要 ai-agent？优缺点是什么？

• Agentskills

  • AI SDD 开发规范-09-SKILLS 中文
  • AI SDD 开发规范-10-SKILLS 文档自动生成
  • AI SDD 开发规范-21-AGENT SKILLS
  • AI SDD 开发规范-21-Agent Skills 规范
  • AI SDD 开发规范-21-将 Skills 集成到你的智能体
  • ui-ux-pro-max-skill.nextlevelbuilder 构建专业级跨平台 UI/UX 提供设计智能支持

• Ai

  • AI 分词 segment-01-overview 概览
  • AI 概览
  • AI 生成代码工具 CodeGeeX + Github Copilot
  • ai 生成图片的免费体验网站有哪些？
  • ai 视频网站-01-overview
  • ai 视频网站-01-overview
  • AI 编程的发展路线图
  • AI-01-autoGPT 根据设定的目标，自主地拆解任务并执行，减少了对人工提示的依赖
  • AI-02-openui 允许您使用想象力描述用户界面，然后看到其实时渲染。
  • AI-03-Awesome ChatGPT Prompts 一个与ChatGPT模型一起使用的提示示例集合+ChatGPT 中文调教指南
  • AI-03-Prompt-Engineering-Guide 提示工程指南
  • AI-04-NextChat 一键免费部署你的私人 ChatGPT 网页应用，支持 GPT3, GPT4 & Gemini Pro 模型
  • AI-05-gpt4free 允许用户免费使用或访问 GPT（生成预训练 Transformer）模型的资源或工具
  • AI-06-GPT 学术优化 (GPT Academic)
  • AI-07-generative-ai-for-beginners 初学者的生成式人工智能（第二版）
  • AI-08-NextChat 一键免费部署你的私人 ChatGPT 网页应用，支持 GPT3, GPT4 & Gemini Pro 模型。
  • AI-09-openai cookbook 网络相关资源
  • AI-10-openai Assistant 旨在让每个人都能访问一个优秀的基于聊天的大型语言模型
  • AI-11-Quivr 您的第二大脑，由生成式人工智能驱动
  • AI-12-Lobe Chat 开源项目介绍
  • AI-13-Langchain-Chatchat 基于 Langchain 与 ChatGLM 等语言模型的本地知识库问答
  • AI-14-WeChatMsg 我的数据我做主
  • AI-15-autogen 通过多个可以相互对话的代理实现 LLM（Large Language Model）应用的开发。AutoGen 代理是可定制、可对话的，并且可以无缝地允许人类参与。
  • ai-16-devika AI 软件工程师，Devin 的开源替代方案。程序员会被替代吗？
  • ai-17-chatgpt-on-wechat 基于大模型搭建的聊天机器人，同时支持 微信 公众号、企业微信应用、飞书、钉钉 等接入，可选择GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM-4/Claude/Kimi/LinkAI，能处理文本、语音和图片，访问操作系统和互联网，支持基于自有知识库进行定制企业智能客服
  • AIGC 概览
  • chatGPT 遇上 stable-diffusion text-to-image 文本生成图片
  • openai chatgpt paper-01-openai chat GPT-4 Technical Report 技术报告论文
  • openai chatgpt paper-01-openai DALL-E 3 从文本描述生成图像原理通俗解释
  • openai chatgpt paper-01-openai DALL-E 3 论文 Improving Image Generation with Better Captions 提升图像生成的关键：更好的图像描述
  • openai chatGPT 原理通俗介绍
  • openai sora 只能根据文本生成视频？不，TA 是通用物理世界模拟器
  • Stable Diffusion-01-入门概览
  • Stable Diffusion-01-入门概览
  • 马斯克开源的 grok-1 大模型对标 openai chatGPT 源码硬核第四弹
  • 马斯克开源的 grok-1 大模型对标 openai chatGPT 源码硬核篇（1）
  • 马斯克开源的 grok-1 大模型对标 openai chatGPT 源码硬核篇（2）
  • 马斯克开源的 grok-1 大模型对标 openai chatGPT 源码硬核篇（3）
  • 马斯克开源的 grok-1 大模型底层 Transformer 模型到底是个啥？（翻译）
  • 马斯克开源的 grok-1 底层 Transformer 模型论文 《Attention is All You Need》

• Ai Coding

  • AI 编码中到底提效多少？
  • AI 编码中的指标度量
  • AI 编码中的指标度量，如何避免刷数据造假？
  • AI 编码平台的子系统
  • AI 编码推广的总体思路

• Aigc

  • AI CHATGPT 使用初体验
  • AI DELL-2 绘画入门体验
  • AIGC 概览
  • Stable Diffusion-01-入门概览
  • Stable Diffusion-01-入门概览

• Client

  • AI SDD 开发规范-11-GEMINI-CLI 应用实战
  • AI SDD 开发规范-11-GEMINI-CLI 应用实战
  • AI SDD 开发规范-13-GEMINI 历史包袱的项目文档提示词
  • AI SDD 开发规范-13-历史包袱的项目文档的项目介绍提示词
  • AI SDD 开发规范-14-GEMINI springboot 后端新项目文档提示词
  • AI SDD 开发规范-14-GEMINI vue3 前端新项目文档提示词
  • Claude Code
    calude-code 依赖项：Claude Code 架构的基石calude-code 分析开篇calude-code-02-数据结构与信息架构（Data Structures & The Information Architecture）calude-code-03-控制流 & 编排引擎（Control Flow & The Orchestration Engine）calude-code-04-工具与执行引擎（Tools & The Execution Engine）calude-code-05-架构：引擎室（The Engine Room）calude-code-06-新颖组件 定义 Claude Code 的关键创新calude-code-07-文件编辑：AI 辅助的代码修改（File Editing AI-Assisted Code Modification）calude-code-08-提示工程（Prompt Engineering）：指挥 AI 的艺术calude-code-09-从一个 LLM 的视角看：真正接收这些指令时是什么体验
  • GOOGLE CLI 入门体验
  • 体验了一下 Trae AI 编辑器 时代学习编程如此丝滑
  • 体验了一下 Trae AI 编辑器 时代学习编程如此丝滑

• Code Graph

  • AI 时代为什么还是需要理解语法树？
  • AST（Abstract Syntax Tree，抽象语法树）
  • Graph-Code A Graph-Based RAG System for Any Codebases
  • Memgraph 是一个开源图数据库，专为实时流处理打造，并兼容 Neo4j。
  • Memgraph 是一个开源图数据库，专为实时流处理打造，并兼容 Neo4j。
  • Tree-sitter 是一个语法解析器生成工具以及一个增量解析库。
  • 从源码编译到计算机字节码经历了什么？
  • 具体语法树（Concrete Syntax Tree, CST）

• Learn Llms

  • dive-into-llms-00-学习概览
  • dive-into-llms-01-python 基础知识入门
  • dive-into-llms-01-快速入门 python
  • dive-into-llms-02-deeplearning 深度学习基础知识入门
  • dive-into-llms-03-自然语言处理／大模型的一些背景概念
  • dive-into-llms-04-Transformers 简介
  • dive-into-llms-05-PyTorch 入门介绍
  • dive-into-llms-06-Transformers pipeline 介绍
  • dive-into-llms-06-Transformers 基本环境安装快速入门
  • dive-into-llms-07-Transformers pipeline 入门例子
  • dive-into-llms-104-给出从机器学习、深度学习、LLM 从开始到现在的整个发展历史
  • dive-into-llms-20-传统机器学习（Traditional Machine Learning）
  • dive-into-llms-20-机器学习和深度学习对比
  • dive-into-llms-21-传统机器学习在各个领域的使用
  • dive-into-llms-21-通过机器学习在 NLP 领域的使用
  • dive-into-llms-21-通过机器学习模式实现 sentiment-analysis
  • dive-into-llms-30-深度学习介绍
  • dive-into-llms-31-如何入门深度学习
  • dive-into-llms-31-如何入门深度学习
  • dive-into-llms-34-CNN（Convolutional Neural Network，卷积神经网络）介绍
  • dive-into-llms-34-CNN（Convolutional Neural Network，卷积神经网络）介绍
  • JPMML-01-入门介绍
  • Weka 入门学习-01-GUI overview
  • Weka 入门学习-02-weka java hello world 入门例子
  • Weka 入门学习-03-weka java 识别手写数字和字母
  • Weka 入门学习-04-mnist 手写数字和字母数据集
  • 如何入门学习 AI-01-overview 概览
  • 如何入门学习 AI-02-基础的机器学习理论 监督学习、非监督学习、强化学习
  • 如何入门学习 AI-03-数学
  • 如何入门学习 AI-04-python ai
  • 如何入门学习 AI-05-deep learning 深度学习

• Llm

  • DeepSeek R1 AI 模型到底牛在哪里？
  • DeepSeek R1 AI 论文翻译
  • DeepSeek：普通人也能玩转的AI赚钱神器！

• Mcp

  • AI MCP(大模型上下文)-01-入门介绍
  • AI MCP(大模型上下文)-02-awesome-mcp-servers 精选的 MCP 服务器
  • AI MCP(大模型上下文)-03-open webui 介绍 是一个可扩展、功能丰富且用户友好的本地部署 AI 平台，支持完全离线运行。
  • AI MCP(大模型上下文)-04-n8n 为技术团队打造的安全 AI 工作流自动化平台
  • AI MCP(大模型上下文)-05-anything-llm AnythingLLM 您一直在寻找的全方位AI应用程序
  • AI MCP(大模型上下文)-06-maxkb 强大易用的企业级 AI 助手
  • AI MCP(大模型上下文)-07-dify 入门介绍
  • AI MCP(大模型上下文)-08-Dify 工具对比
  • AI MCP(大模型上下文)-08-分享一些好用的 Dify DSL 工作流程
  • AI MCP(大模型上下文)-09-基于Dify自主创建的AI应用DSL工作流
  • AI MCP(大模型上下文)-10-Activepieces 一个开源的 Zapier 替代方案
  • AI MCP(大模型上下文)-11-微软 Playwright MCP server
  • AI MCP(大模型上下文)-12-AWS MCP
  • AI MCP(大模型上下文)-13-github MCP
  • AI MCP(大模型上下文)-14-Agent2Agent 协议 A2A google
  • AI MCP(大模型上下文)-15-流程控制中最重要的可视化 DSL 开源工具
  • AI 大模型 MCP 介绍与从零实现实战

• Ml

  • dive-into-llms-112-第2章 机器学习的核心思想
  • 一文看懂深度学习与人工智能（已完结）
  • 第10章 无监督学习与聚类（Unsupervised Learning & Clustering）
  • 第11章　特征工程与数据处理
  • 第12章　模型评估与调优
  • 第13章　NLP 领域的机器学习实践
  • 第14章　计算机视觉与传统机器学习 Computer Vision, CV
  • 第15章　时序数据与预测
  • 第16章　深度学习的兴起
  • 第17章　卷积与序列模型 卷积神经网络（Convolutional Neural Network, CNN）
  • 第18章　大模型与预训练范式
  • 第19章　可解释性与可信AI
  • 第1章 机器学习的诞生与演化
  • 第20章　机器学习的思维方式
  • 第21章　机器学习的未来
  • 第3章　概率与统计
  • 第4章　线性代数与矩阵运算
  • 第5章　优化与数值计算
  • 第6章　线性模型家族
  • 第7章　基于距离与相似度的方法
  • 第8章　决策树与集成学习
  • 第9章　概率模型与统计学习

• Ocr

  • RapidOCR 入门介绍 信创级开源OCR - 为世界内容安全贡献力量

• Plan 2026

  • AI 赋能 DevOps 之编码篇
  • 如何进行新的一年的任务规划？有哪些思考的角度？软件行业
  • 年度计划
  • 性能治理（Performance Governance）
  • 报警 + AI 编码 DevOps 全覆盖 + 性能改进 + 共建？
  • 报警治理改进
  • 挖掘共同的痛点、项目共建

• Prompts

  • TRAE builder tools
  • TRAE builder 提示词
  • TRAE chat 提示词
  • 什么是 Prompt（从工程视角重新定义）

• Rag

  • DeepSeek-R1 + RAG搭建本地知识库
  • RAG（Retrieval-Augmented Generation，检索增强生成）
  • 基于 Rust 的高性能 AI 驱动 文档生成引擎（类 DeepWiki）

• Sdd

  • AI SDD 开发规范-02-spec-kit 介绍
  • AI SDD 开发规范-03-openspec 介绍
  • AI SDD 开发规范-04-kiro 入门介绍
  • AI SDD 开发规范-05-spec-kit 使用入门实战，以及如何应用到 Trae 实战
  • AI SDD 开发规范-05-spec-kit 使用入门实战，以及如何应用到 Trae 实战
  • AI SDD 开发规范-07-如何在Cursor、Trae等工具中使用Skills？
  • AI SDD 开发规范-08-阿里淘宝的 AI 编程最佳实现
  • AI SDD 开发规范-11-GEMINI RULES+研发设计文档+project profile 的思路点评
  • AI SDD 开发规范-12-改代码前风险扫描 Checklist（Pre-Change Risk Scan）
  • AI SDD 开发规范-12-明确设计，保障设计足够准确、详细。避免模糊
  • AI SDD 开发规范-13-仓库感知（Repository Awareness）
  • AI SDD 开发规范-14-仓库感知集合（Repository Awareness SET）
  • AI SDD 开发规范-15-Repo Awareness 自动校验 Prompt
  • AI SDD 开发规范-16-AI 协作开发规范（历史项目版）
  • AI SDD 开发规范-16-预实现前校验 Prompt
  • AI SDD 开发规范-17-AI 执行上下文快照（AI Execution Context Snapshot）
  • AI SDD 开发规范-18-可直接落地使用的《GEMINI.md 标准模板（历史项目）》
  • AI SDD 开发规范-19-PROJECT_PROFILE.md
  • AI SDD 开发规范-20-设计文档模板 design
  • AI SDD 开发规范-21-AI 如何更好的实现代码？
  • AI SDD 开发规范-21-隐性知识（Tacit Knowledge）
  • AI SDD 开发规范-22-AI 编码执行期强制规约（Execution-Time Contract）
  • AI SDD 开发规范-22-隐性知识显性化模板（Tacit Knowledge Template）
  • AI SDD 开发规范-23-AI 编码执行期标准 Prompt（Execution-Time Prompt Template）
  • AI SDD 开发规范-24-完整、可落地的事后检验 + Gate 限制体系
  • AI SDD 开发规范-25-编码完成后的“最终裁决体系” AI_POST_EXECUTION_GATES
  • AI SDD 开发规范-26-事前为什么叫 snapshot，而不是 pre?
  • AI SDD 开发规范-27-除了事前、事中、事后 还有什么？
  • AI SDD 开发规范-28-AI 执行复盘与认知演化记录（Post-Execution Learning）
  • AI SDD 开发规范-29-AI_DECISION_AUTHORITY.md（事上）
  • AI SDD 开发规范-30-AI 代码提交风险评估规范（In-Execution Risk Scoring）
  • AI SDD 开发规范-31-AI 编码完整的流程
  • AI SDD 开发规范-32-AI编程有一个问题，如何减少上下文。提升 ai 专注力？
  • AI SDD 开发规范-33-在“上下文压缩 + 注意力治理”视角下重新整合
  • AI SDD 开发规范-34-降低编写压力
  • AI SDD 开发规范-35-如何拆分巨大的详细设计?
  • AI SDD 开发规范-36-AI 编程工具链 — 全生命周期视角
  • AI 规范驱动开发“三剑客”深度对比：Spec-Kit、Kiro 与 OpenSpec
  • 氛围编程 vibe-coding

• Workflow

  • dify-01-入门介绍
  • dify-02-windows 快速入门