登录社区云,与社区用户共同成长
邀请您加入社区
本文介绍了AI编码助手的Token成本优化策略与CodeGraph技术的落地实践。主要内容包括: Token成本分析:详细拆解了AI请求的五大成本来源(输入/输出Token、工具往返、重试等),指出工具往返和重复上下文传输是主要浪费点。 两项关键优化: Bash输出压缩:通过环境变量控制,对长输出进行启发式截断(如单行超500字符保留前160字符) CodeGraph默认工具:替代多轮grep/r
调用大模型 API 时,报错往往不在模型本身,而在认证、请求格式、网络、配额、模型名称或响应解析环节。本文给出一套适用于 GPT、Claude、Gemini 以及其他兼容 HTTP API 的通用排查流程。能力、可用区域、上下文限制、价格和计费规则都会变化,下面涉及的参数和接口名称应以对应服务商当前文档为准。
大模型每轮对话都是"失忆"的,于是我们把技术选型、编码规范、业务流程全塞进 CLAUDE.md 之类的 System Prompt。项目一大,三笔账就还不上了:
它重新进首页,点到"正在关注",这次拿到了真实关注流(报告里记了 94 条),再把之前误用的推荐流替换掉,选题来源也重新标了一遍g)换成 WorkBuddy+BrowserSkill 之后,同一个后台、同一个 Chrome 登录态——进去了,点了,分析出来了。
AI 视频剪辑的下一阶段,不应该只是生成速度更快、模型更大,或者生成按钮更加醒目。进入用户真实的浏览器工作环境;理解参考视频和产品页面;综合画面、语音、OCR 与运动证据;做出可解释的剪辑决策;将决策落实到多轨时间线;验证字幕、声音、镜头和最终导出;交付用户可以继续修改的工程。Codex Chrome 提供浏览器上下文,Skill 提供剪辑方法,Timeline Studio 则负责承载真实的视频
在AI编程时代,开发者不应仅追求模型性能,而应重点积累跨平台、跨项目的工程认知资产。文章提出构建8层知识体系:规则(Rules)、技能(Skills)、项目上下文(Context)、架构(Architecture)、决策日志(DecisionLog)、故障案例(FailureCases)、验证方法(Verification)和个人知识(PersonalKnowledge)。通过系统化沉淀这些经验,
Windows 11 上 Codex Desktop 使用一段时间后出现鼠标和触摸板顿挫,但视频与安全界面仍流畅。监测捕获 Chrome 集成相关进程 CPU 与读取负载异常;卸载插件后同一进程无需重启即恢复。本文给出实测证据、原因边界与安全解决步骤。
上周复盘Q2的AI编程工具使用情况,我们团队内部出了一个有意思的现象:Codex个人试用排名前列的同学,在团队协作项目中贡献度并不高。不是写不出代码,而是写出来的代码没人敢直接合并。这个反差让我重新审视了Codex在真实项目中的定位。Codex在团队协作中的价值,不在于"写代码更快",而在于建立可解释、可追溯的开发流程。个人开发者可以容忍代码的不完美,团队项目不行。我们的经验是:先跑通个人工作流,
Codex 的本质不是命令工具你用“自然语言”控制一个程序员。
Cursor可以通过mcp 操作Chrome。但是没有配置的话。没有都是新打开一个。还需要重复登录。现在可以通过配置来打开已经打开的页面我习惯使用 Win+R 来打开网页为了让上面的方式打开的Chrome支持调试需要修改注册表修改的内容修改Cursor配置mcp的配置如下。这个方法适合版本在144之前的浏览器。
🚀 CANN大模型推理优化:让LLM在昇腾NPU上跑出极限吞吐
零人工代码,比英伟达 Megatron 快 10%!面壁用 AI 造了一座「训练工厂」
作为对照,GPT-5.5 为 88.0%,GPT-5.6 Terra 为 82.5%,GPT-5.6 Luna 为 84.3%。生物信息学、基因组学和定量生物分析,经常需要模型持续分析数据、解释结果、选择方法、比较假设,并在多轮操作中保持上下文一致。产品定位上,Sol 面向高难复杂任务,Terra 覆盖日常工作流,Luna 主打低成本调用。同时,OpenAI 也强调,自己相信前沿模型应该尽可能广泛
很多公司第一次做 AI 知识库,会以为只要把文档上传给大模型,模型就能永远记住。实际上,大多数情况下模型并不会把你的资料写进参数里,而是在每次回答前临时读取相关内容。
很多人第一次看到 MCP,会把它理解成 Function Calling 的升级版。这个说法不准确。MCP 和 Function Calling 不是谁淘汰谁,而是解决的问题不在同一层。
从零开发 Chrome 划词翻译插件:Manifest V3、content script 注入、LLM API 调用、浮动气泡翻译。选中英文自动显示中文翻译。
第一版用了 5000 条爬来的数据微调,效果还不如原模型。排查三天发现 30% 的数据 output 是空的或者格式错乱。
定位到页面中高亮显示的 "Prompt API for Gemini Nano" 配置项。请通过 Chrome 官方渠道(https://www.google.com/chrome/dev/)获取浏览器。配置完成后,浏览器将自动触发端侧模型(On-device Model)及依赖组件的下载任务。Dev 版采用独立安装路径,与 Release 版并行运行,互不干扰,数据隔离安全。Chrome 内置大
摘要:强制Ollama使用多张GPU需配置关键环境变量。主要步骤包括:1)设置CUDA_VISIBLE_DEVICES指定可见显卡;2)启用OLLAMA_SCHED_SPREAD=1强制模型层分布到多卡;3)可选设置OLLAMA_NUM_GPU明确GPU数量。Linux/macOS可通过终端临时生效或修改systemd服务永久配置,Windows需在系统环境变量中添加相应设置。验证时需观察多卡显存
先说结论:** 严格来说,并不是大模型单独决定是否召回长期记忆,而是由**Agent Runtime、记忆管理器和大模型共同完成决策
profile.md → 用户身份信息/topics/ → 习惯、口味、兴趣/areas/ → 正在处理的事务/people/ → 人际关系/preferences.md → Claude 的"性格"设置读、写、追加、局部替换、列目录、删除。其中删除单独标注——只有用户明确要求才能用。上线 24 小时,Opus 5 的上限被开发者测了个遍,下限被 3.4 万 token 的规则一条条摁死。这份文档
本文是 Codex CLI 新手配置指南,主要解决四大常见问题:找不到配置文件、不了解第三方 API 字段、API Key 安全处理及配置有效性验证。文章详细介绍了从定位配置文件到发送测试请求的完整流程,包括配置模板、API Key 安全设置方法、配置校验步骤等关键环节。重点强调:1)必须将配置写入用户级 config.toml;2)API Key 应通过环境变量临时设置;3)需严格区分配置解析成
Skill 是 Claude Code 扩展体系中最灵活的一层。一个 Skill 就是一个 Markdown 文件,不需要定义工具权限、不需要管理会话状态——它只是在你调用时注入一段领域知识或操作指令。我在下积累了 27 个 Skill,经过反复迭代,总结出 4 种通用设计模式。每种模式解决一类问题,学会之后你也能在 30 分钟内写出自己的 Skill。
摘要: Codex Beacon 是一款专为 Windows 设计的轻量悬浮工具,用于实时监控 Codex 任务状态,减少频繁切换窗口的干扰。它通过本地 Hook 精准获取任务进展、等待审批或完成状态,并以颜色区分(青蓝/琥珀/绿/红)。支持查看最近任务记录,点击跳转回原对话。工具保持简洁,默认折叠置顶,不替代 Codex 核心功能。基于 React + Tauri 开发,开源且无需云端中转,适合
让 OpenAI Codex 在执行任务时把子任务"交接"给 WorkBuddy(生成文档 / PPT / 数据分析 / 研究报告等)。
服务器上的cursor同步本地插件
写法:cursor:url(images/arrow.cur),auto; /* auto是当自定义图标不起作用时鼠标的状态*/也可写:cursor: url(mouse-notexist.cur), url(vote.gif), auto;cursor:url(images/logo.cur) 100 20,auto; /* 100 20 是cursor 的坐标*/
FisherAI是一款Chrome浏览器的AI大模型插件,可以利用各种大模型为网页提供自动摘要、网页翻译、视频翻译等功能。AnythingLLM可以帮助用户在本地或云端搭建个性化的聊天机器人系统,将本地文档、资源或内容转化为大语言模型在聊天过程中可以用作参考的上下文(RAG),可用于文档处理、代码生成、创意写作、数据分析、项目管理等多种场景,是一款功能强大、易用、可本地部署的大模型集成应用平台。直
本文由chatgpt生成,文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型,只是展现它原本的实力。对于颠覆工作方式的ChatGPT,应该选择拥抱而不是抗拒,未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的
自动输入账号密码是一种自动化过程,使用编程代码代替我们手动输入账号和密码。我们可以使用Python编写脚本,模拟手动输入账号和密码的过程。这将大大简化我们的日常工作并提高我们的效率。现在您知道如何使用Python自动化输入用户名和密码。虽然这对于每个人来说并不适用,但是如果您是一个活跃的互联网用户或开发人员,那么自动输入用户名和密码将是很好的技巧,帮助我们提高工作效率。但是,在使用工具时,您需要注
Claude Code 内置了多种 Agent 类型:general-purpose、Explore、Plan、等等。但内置的 Agent 是通用的——它不懂你的项目规范、不懂你的技术栈、不懂你的团队习惯。自定义 Agent就是解决这个问题——定义一个专属角色,让它成为你项目的"专家"。Agent 定义文件放在│ ├── backend-developer.md # 后端开发 Agent│ ├──
首先确保系统依赖齐全,安装和相关开发工具。尝试安装预编译的grpcio二进制包,以避免编译。尝试使用兼容的grpcio版本,尤其是使用较低版本如1.51.x。如果依然有问题,可以考虑使用 Python 3.10 或更低版本,以提升兼容性。这应该能够帮助您解决编译问题并成功安装grpcio。
addCommentAndUpdateProcessStatus 这个方法是添加审批意见和更新流程状态,由于流程状态没有,我这里扩展了一张表,状态主要有审批中,驳回,暂存,转办,撤回,终止等等状态。AddChildExecutionCmd 添加一个流程实例下面的执行实例。DeleteChildExecutionCmd 删除执行实例。DeleteTaskCmd 删除任务命令。JumpActivity
nginx独立增加端口
二、安装python3.7.2。四、安装chrome浏览器驱动。三、安装chrome浏览器。一、安装jdk1.8。
自动生成GPG密钥对。列出当前系统中的GPG密钥。导出生成的GPG公钥和私钥。自动删除生成的GPG密钥。本文介绍了如何通过Bash脚本自动化GPG密钥的生成、导出和删除操作。通过这种方式,开发者和系统管理员可以有效地简化密钥管理流程,提升工作效率。如果你需要频繁生成和管理GPG密钥,推荐将此脚本纳入你的工具集。
在 macOS 上安装 Nginx 有几种常用方法,最推荐使用包管理器,因为它简单、方便管理。