标签

AI

让 AI 帮你写更慢、但更好的代码

来源:oschina.net 17
提到 AI 编程,多数人的第一反应是"快"——快速生成骨架、快速填满函数、快速开一个巨大的 PR 然后赶紧合进去。Socket 工程师 Nolan Lawson 在他的博客"Read the Tea Leaves"里提出了一个反直觉的主张:LLM 极为灵活,它完全可以帮你写出质量更高、但速度更慢的代码。问题不在 AI,而在我们怎么用它。 Lawson ...

Rainbond v6.8.0:凌晨两点的构建失败,现在问一句就能查

来源:oschina.net 23
凌晨两点,构建突然挂了。日志刷了几百行红色报错,你从第一行翻到最后一行,关键字散落在各处,拼不出完整因果链。更常见的是另一种折磨——服务部署上去了,容器反复重启,健康检查一直不过,你逐个配置项排查,还是找不到根因。 这些场景,用 Rainbond 的人大概都经历过。v6.8.0 的发布,给平台加了一个新角色:内置 AI 助手 RainAgent,以及另...

Codex 锁屏也能干活:Mac 上的"无人值守"代理终于来了

来源:oschina.net 30
你离开电脑去开会,手机上随手发一条指令——家里的 Mac 虽然锁着屏,Codex 已经开始帮你跑测试、改配置、提交代码了。OpenAI 刚给 Codex 桌面代理加上的 "Locked Use" 功能,把这件事从设想变成了现实。 过去所有桌面代理都有一个硬限制:屏幕锁了,代理就瞎了。要么你一直守在电脑前,要么你把自动锁屏关掉——后者在办公环境里基本不被...

BitCPM-CANN 开源:1.58-bit 大模型如何在昇腾 NPU 上跑通端侧部署

来源:oschina.net 23
大模型要真正跑进手机、车机和边缘盒子,内存和算力是绕不开的硬墙。常规的 4-bit 量化已经把显存占用砍到了原来的四分之一,但对很多只有几百兆可用内存的端侧设备来说,依然不够。面壁智能联合清华大学与 OpenBMB 开源社区最新发布的 BitCPM-CANN,直接把比特数压到了 1.58——这意味着模型的权重几乎被压缩到三值(-1, 0, 1),内存开...

企业 AI 的语义断层,阿里云用 UModel 和 USS 试图接上

来源:my.oschina.net 23
企业里最拖 AI 后腿的不是算力,不是模型参数量,而是数据"说不到一块去"。同一个"客户",CRM 里是 ,ERP 里是 ,客服系统里又变成了 。语义割裂不是命名不一致这么简单——它意味着每换一个系统,AI 就得重新理解一遍业务世界,规模化落地自然卡壳。 2026 阿里云峰会上,阿里云开源了面向企业 AI 的对象图语义运行时 UModel,同时发起 U...

AIGCPanel 2.0:从单点工具到自动化流水线,本地数字人创作的一次质变

来源:oschina.net 27
做数字人视频的创作者大概都经历过这种痛苦:语音克隆用一个工具,视频合成用另一个,音频降噪又得开一个网页——每个环节单独跑没问题,串起来全靠手动搬运文件。AIGCPanel 2.0.0 要解决的正是这个"拼积木"的困境:工作流引擎把散落的环节焊成流水线,20+ 小工具覆盖日常音视频处理,命令行工具则把集成能力交到了开发者手上。这是该项目迄今改动最大的一次...

AI 能写方案却做不出能交付的 PPT?OfficeDex 想把 Vibe Coding 的思路搬到办公场景

来源:oschina.net 27
过去一年,AI 写周报、写方案、写大纲已经相当熟练。但真正拿 AI 出过 PPT 的人,大概率都踩过同一批坑:HTML 转 PPT 必定跑版、Markdown 导出排版失控、AI 生成的幻灯片内容堆砌毫无视觉层次——最终还得手动调两小时才能交出去。 核心矛盾很清晰:AI 擅长生成语义内容,但不擅长生成具备交付级排版和交互的办公文档。 Vibe Codi...

MDASH:微软用上百个 AI Agent 组团挖漏洞

来源:infoq.com 19
微软最近公开了一套名为 MDASH(Multi-Model Agentic Security)的漏洞发现系统。这套系统不再依赖单模型"单打独斗",而是让超过 100 个专业化 AI Agent 协作完成从扫描、验证、辩论到最终证明漏洞的全流程。目标很明确——在 Windows 及其他微软大型代码库中,用自动化手段替代传统人工代码审计的瓶颈。 单模型做代...

AI 定价模式为什么必然崩解:一个定价操盘手的复盘

来源:oschina.net 29
微软取消内部 Claude Code 授权,Uber 四个月烧完 2026 全年 AI 预算,GitHub 放弃固定费率方案——这些不是各自独立的商业失误。Arnon Shimoni 的长文从定价决策者的视角,把这三件事串成了同一个结构性结论:当前 AI 的定价模式,从根上就是不稳的。 传统 SaaS 定价的核心假设是:边际成本趋近于零。一个用户多用一...