AI专区
本地部署大模型怎么做：Ollama 与 vLLM 的显存换算、量化选型和并发实测
本地部署大模型的关键不是装哪个工具，而是先把显存账算清：模型权重加 KV Cache 必须留足余量。本文给出 Ollama 与 vLLM 的选型边界、量化档位对照表和并发容量估算方法。
AI专区
AI专区
AI 编程智能体沙箱怎么配：本地沙箱、云沙箱与权限边界实操
AI 编程智能体要能跑命令、改文件，就等于拿到了你机器的部分权限。本文讲清 GitHub Copilot 本地沙箱与云沙箱怎么开、文件系统/网络/凭据三类策略怎么划、devcontainer 与 Codespaces 怎么选，并给出 6 条…
AI专区
长时运行智能体怎么搭：跨上下文窗口的 Harness 设计与 5 条落地规则
长时运行智能体跑偏的根因不是模型不够强，而是每个上下文窗口都从零开始。本文给出 Anthropic 官方验证的双阶段 harness：initializer agent 铺环境、coding agent 每轮只做增量推进，并附进度文件写法、…
AI专区
Embedding 模型怎么选：MTEB 榜单之外的 5 个决策维度与选型清单
选 Embedding 模型，MTEB 榜单只是入围名单不是答案。真正决定 RAG 效果的是语言覆盖、向量维度与存储成本、上下文长度、query/document 前缀约定、吞吐预算五个维度。本文给出可执行的选型顺序、常见前缀对照表与换模型…
AI专区
上下文工程（Context Engineering）怎么做：用最小高信号 token 喂给大模型的 6 个动作
上下文工程的核心是在有限的注意力预算里只放入最小且高信号的 token 集合。本文拆解上下文腐烂、系统提示的正确高度、最小可用工具集、少样本示例、压缩、外部笔记与子代理六项实操动作，附带可复制的落地清单与常见误区。
AI专区
RAG 文档切分怎么做：块大小、重叠率与 4 种切分策略的选型结论
RAG 召回质量的上限由切分决定：事实问答用 64-128 token 小块，需要上下文理解用 512-1024 token 大块，重叠率取块大小的 10%-20%。本文给出 4 种切分策略的适用场景与可直接套用的参数。
AI专区
提示词注入怎么防：AI 智能体上线前必须做的 7 层防护
提示词注入防不住单点，只能靠分层：输入筛查、系统提示硬化、工具结果隔离、JSON 封装、最小权限、输出复检、红队演练。本文按 Anthropic 官方防护框架给出 7 层可落地的做法与代码。
AI专区
大模型推理成本怎么降：缓存、分级路由与输出控制的 5 步治理
大模型推理成本靠换便宜模型降不下来，要做工程治理：稳定提示词前缀拿缓存折扣、按难度分级路由模型、控制输出长度、批量异步化、加预算告警。附 OpenAI 官方缓存数据与四个缓存杀手排查。
AI专区
AI 代码审查工作流怎么搭：AI 先扫、人来判断的 6 步流水线
AI 代码审查的正确姿势是让智能体先做机械扫描，人只保留追溯关键路径与判断安全边界。本文给出 6 步审查流水线、时间预算、巨型 AI PR 拆分法与自定义审查指令，帮团队把常规 PR 审查压到 5 分钟。
AI专区
Gemini CLI 进阶技巧实战：GEMINI.md、扩展与 MCP 高效用法
Gemini CLI 进阶不止基础对话。本文讲透 GEMINI.md 项目记忆、@ 引用与斜杠命令、extensions 扩展、MCP 工具接入与权限策略，附一份可直接复制的高效工作流配置。
AI专区
多智能体怎么编排：Lead + Subagent 架构与 5 条实战原则
多智能体（Multi-agent）编排靠 Lead 编排器拆分任务、Subagent 并行执行并只回传精炼结论。本文结合 Anthropic 多智能体研究系统，给出角色划分、委派提示、力度缩放与工具设计的 5 条实战原则。
AI专区
AI Agent 记忆怎么实现：长短期记忆架构与 4 种落地方案
AI Agent 记忆分短期（上下文延续）与长期（跨会话知识）两层。本文用 Anthropic 官方实践讲清记忆工具、上下文编辑、结构化笔记与向量库的落地方案，并给出可直接套用的代码骨架。
AI专区
GPT-6 Sol 和 Luna 是什么：面向工程与高吞吐的两种新模型，怎么选
OpenAI 在 GPT-6 Astra 之后推出了 Sol 与 Luna 两款新模型，专门面向 Codex 与 ChatGPT Work 的工程与高吞吐场景，token 价格比 GPT-5.6 更低。本文讲清两者定位、适用场景与接入方式。
AI专区
GitHub Copilot coding agent 新功能详解：模型自选、自审查、安全扫描、自定义代理一条龙
GitHub Copilot coding agent 近期更新了模型选择器、自审查、内置安全扫描、自定义代理和 CLI 上下文交接五项能力，让后台 AI 编程代理从写完代码进化到交付可合并的 PR。本文拆解每项功能怎么用、适合什么场景。
AI专区
AI 智能体评测与上线后监控：从 Anthropic 的实践看怎么既测准又控风险
部署 AI 智能体不能只靠发布前评测。Anthropic 的实测数据显示：多数智能体动作低风险且有人把关，但高风险部署正在增多；上线后监控、让模型识别自身不确定性和明确划定范围，才是控风险的关键。
AI专区
OpenAI Codex CLI 实战：把智能体编程装进终端，从一条命令到端到端交付
OpenAI Codex CLI 是开源的本地智能体编程工具，围绕 agentic coding 工作流重建：支持图片上下文、待办清单、Web 搜索与 MCP、三级审批模式，能把写功能、重构、跑测试压成一条命令端到端完成。
