登录社区云，与社区用户共同成长
邀请您加入社区
很多人把 Claude 放进 Obsidian 后，第一件事是让它总结当前笔记。这一步很快就能跑通，后面的问题却会一起出现：它读的是哪一版资料？结论对应哪个来源？生成的新笔记应该放到哪里？如果 Agent 改错了原文，能不能恢复？一套能长期使用的工作流，需要把“聊天”拆成一条可检查的数据链：资料先归档，Agent 按范围读取，结论保留出处，修改进入草稿区，确认后再回写正式笔记。本文给出一套可以直接
API测试 = 接口事实收集(文档+录制+验证→实测文档) → 用例设计(单接口+多接口业务场景) → 评审 → 执行 → 自动化就绪评估(填平md→py鸿沟，全量分类产出直接交接表) → pytest忠实落地 + 框架模板固化。核心是"先验证再依赖，先桥接再编码"，杜绝仅凭HTTP200断言业务成功。
上周一个读者找我复盘字节面试，二面面试官问了一个看似简单的问题："你们团队提示词膨胀得厉害，你打算怎么精简？"我当时想都没想就回："模仿Claude Code的思路呗，把冗余的示例删掉，过时的硬性规则清理掉，剩下按需加载。"面试官听完点点头，又追问了一句："那删完之后，你怎么验证没翻车？"
Large Language Model，大语言模型。平时使用的 Claude、GPT、Gemini 等都属于大语言模型。它们最基本的能力是：输入信息，理解上下文，进行推理，生成结果。然后问：这段代码有没有 SQL 注入？LLM 会分析：$_GET['id'] 用户可控，进入 SQL 查询，没有参数化，存在 SQL 注入风险。这里真正负责“理解代码”和“推理”的就是 LLM。给 AI 的任务说明，
本文系统解析了Agent记忆机制的完整技术框架。从最基础的上下文窗口记忆，到短期记忆、长期记忆、向量检索、结构化profile、知识图谱等高级应用，层层深入剖析了记忆系统的核心设计原理。文章特别指出向量检索只是记忆系统的一个环节，而非全部，强调记忆管理需要解决信息时效性、冲突处理、可编辑性等关键问题。通过分析Claude Code、OpenClaw等主流框架的内存设计思路，为开发者构建高效可靠的A
Android 性能优化：Activity 泄漏来源、static 使用、AsyncTask/Thread/Handler、监听器未移除，以及动画、IO、Cursor、Bitmap 和集合等资源释放
拖拽式二次编辑是AI编程时代的重要补充能力，允许开发者在AI生成的代码基础上通过可视化方式调整页面布局、组件配置和业务逻辑。与传统低代码开发不同，它以AI生成的完整代码为起点，通过双模态编辑（可视化与代码双向同步）实现高效维护。这种模式特别适合企业应用中频繁的局部调整，如字段展示优化、交互行为微调等，同时保留直接修改底层代码的能力。关键价值在于降低维护门槛，让不同角色的成员都能参与迭代，而无需深入
本文详细介绍OpenAI代码智能体Codex的安装配置及实战应用。内容涵盖：1.环境准备与CLI安装；2.通过Python项目创建演示交互模式使用；3.非交互模式在脚本和CI中的应用；4.Bug修复与代码重构案例；5.自定义配置方法；6.完整功能开发示例（Node.js用户注册功能）。文章强调Codex不仅能生成代码，更能理解项目上下文、规划多步骤任务，并提供了最佳实践建议：小步提交、规范定义、代
文章摘要： AI编程正从单线程循环（Loop Engineering）向图结构驱动（Graph Engineering）演进。传统Loop模式依赖“修改→测试→修正”循环，但面临上下文漂移、局部最优等瓶颈。Graph Engineering将代码库建模为图（节点为文件/函数/类，边为调用/依赖关系），支持全局推理与精准影响分析。
直接在定义分支上右键单击将显示如下菜单：以下列表描述了此弹出菜单的功能：组件向导…：此菜单项将显示组件向导窗格（如果尚未显示）。从文件导入：有关详细信息，请参阅导入/导出定义。* 定义...：此功能用于导入存储的定义文件（*.psdx 或较旧的 *.cmp 格式）。逗号分隔值 (.csv)…：定义也可以直接从以特定格式编写的逗号分隔值 (.csv) 文件导入。使用此功能从此类文件导入。有关更多信息
【代码】dmxapi如何接入腾讯云中的openclaw服务器。
摘要：Speculative Decoding利用小模型生成候选token，大模型并行验证，在昇腾NPU上实现高效加速。该方法将单token解码转为多token预填充，使NPU的batch GEMM利用率提升3.5倍。关键因素是小模型的接受率需高于60%，同架构小模型可提升10-15%接受率。在8卡Atlas 800I A2上，虽然显存减少29%，但吞吐可提升2-3倍。动态调整K值和提高小模型温度
Agentic Workflow是一种以具备自主性、推理能力、工具调用能力的AI Agent为核心执行单元，能够自动感知用户意图、动态规划任务路径、编排调用多模态多系统工具、自我迭代优化执行策略、端到端完成复杂跨域任务的工作流范式。它既区别于传统固定规则的RPA、低代码工作流，也区别于单节点执行的独立AI Agent，是「多Agent协作+动态规则+反馈闭环」三者的组合体，核心目标是把人类从复杂流
2026年自动化脚本工具评测：AI技术重塑行业格局。按键精灵凭借云端大模型和OCR技术实现智能语义理解，支持复杂场景判断；懒人精灵采用本地YOLO目标检测，适合技术爱好者但配置繁琐；脚本精灵仅支持基础录制功能。测试显示，按键精灵在游戏挂机和办公自动化场景表现最优，其AI插件让非技术人员也能快速开发自动化流程。建议普通用户选择按键精灵，技术爱好者考虑懒人精灵，轻量需求使用脚本精灵。AI融合正推动自动
自己学习记录，
