登录社区云，与社区用户共同成长
邀请您加入社区
在 FastAPI 中，数据模型通常用 Pydantic 的 BaseModel 来定义。id：学生唯一标识，由系统自动分配，无需调用方传入；name：姓名，必填，长度限制在 1~50 个字符；age：年龄，必填，范围限制在 0~150；gender：性别，可选，取值限定为 male / female / other，通过正则表达式约束；email：邮箱，可选；grade：年级/班级，可选；maj
8月3日发布旗舰模型Qwen3.8-Max，总参数2.4万亿，在Arena榜单中仅次于Claude，在CodeArena编程竞技场排名全球第三，在Artificial Analysis Agentic智能体评测中排名全球第一。然而，受解禁等因素影响，公司股价曾从1330港元跌至297港元，跌幅高达77%，折射出二级市场对AI估值的剧烈分歧。本季度资本性支出676.78亿元，同比增长75%。新结构下
<think>我们只需要根据内容生成一篇≤150字的摘要。内容是关于上下文压缩技术的介绍，包括Claude Code、Codex、Pi agent的压缩方法，以及作者自己的设计原则。摘要要简洁，涵盖主要点。</think>上下文压缩是Coding Agent的核心技术。Claude Code采用分支压缩；Codex分本地与远程压缩，远程压缩对高敏感数据有风险；Pi强调历史树结构。设计压缩策略应因用
跨 Session、Sandbox 和 Executor 的持久 Workspace，版本、分支、Checkpoint、Rollback、权限、配额与多租户隔离——全部由 Agent 完成，人类没有写一行代码，也没有审一行 PR。它不是提前设计好的，而是在项目不断遇到瓶颈、定位问题、调整执行方式的过程中，被一步步“逼”出来的。产品级的 Harness 不能让模型随便改自己，得有个受控的闭环：先发现
Astra配合工具拿到95.9%的几何重合度，GPT-5.6 Sol为83.3%，Claude Fable 5.1为84.3%。按照OpenAI给出的测试配置，Astra的估算API成本比Sol低约43%，比Fable 5.1低约86%。Terminal-Bench 4.0上，Astra拿到57.7%，GPT-5.6 Sol为37.3%，Claude Fable 5.1为55.8%。即便在较低算力
2026 年 9 月，OpenAI 发布 GPT-6 Astra（Computer Use 成熟落地、105 万上下文），Anthropic 发布 Claude Fable 5.1（缓存读取降价 75% 至 $0.25/百万）。两者标价完全相同（$10/$50），但缓存读取差 4 倍，Agent 长任务实际成本天差地别。附完整价格对比表、官方评测数据、五个"看起来是升级实际是坑"的细节（Astra
一位测试者在推文中惊呼：「我注意到这两个模型的一个共同点，它们使用了海量的思考token，以至于我在测试时，多次直接触发了 <max-tokens>（最大token数）的上限！想象一下，未来的游戏开发者只需要用自然语言描述：「帮我生成一个中世纪风格的要塞，包含三个防御塔和一个隐藏的地下通道」，Claude就能直接输出完美的3D模型代码或布局参数。Sonnet 5.1？也有测试者认为，考虑到其惊人的
摘要： 开源AI模型Ornith-1.5通过自我改进循环技术实现突破：它能够自主识别能力短板，生成适配难度的训练任务，并自我验证与优化。其397B参数版本在编程测试（SWE-bench）中以86分追平商业巨头Claude Opus，而仅9B参数的轻量版性能甚至超越Google Gemma 4-31B。这一成果标志着开源模型首次逼近闭源顶尖水平，且揭示了AI进化的新范式——无需海量人工标注数据，通过
《AI时代后端工程师的核心价值：从代码实现到工程判断》 本文通过一个订单接口案例，深刻揭示了AI编程工具普及后后端工程师的角色转变。作者发现AI能快速生成语法正确、功能完整的代码，但真正的工程挑战在于处理现实世界的复杂性：重复请求、并发冲突、部分失败等情况下的系统行为。 文章指出，现代后端开发的核心已从"代码实现"转向"工程判断"，工程师需要专注于： 定义业
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？"
文章摘要： 在AI编程中，明确区分Brainstorming（发散思维）和Grill-me（决策压实）两种工具至关重要。前者用于探索未知可能性（如初期场景、功能设计），后者用于在已有方向中细化关键决策（如技术选型、优先级）。混淆两者会导致方案虚浮或过早收敛。Brainstorming适合“无方案阶段”，摊开选项；Grill-me适合“有方向阶段”，通过压力测试逐项确认取舍。AI编程需注重“薄上下文
当前 AI 编程赛道卷得飞起，但工具层普遍存在贵、闭源、数据不透明、供应商锁定等痛点。本文介绍国产平台 MonkeyCode：免费即用、全量主流大模型随意切换、完全开源、支持私有化离线部署，并给出真实使用场景与主流工具对比，聊聊它为何敢免费还开源。
你用 Claude Code（或anthropic。
根据 SpaceXAI 最新收购的 Cursor 官方介绍，新模型基于 Grok 4.5 打造，重点强化了长时间运行的 Agent，以及更复杂的交互和视觉任务，能够处理研究、信息分析、跨代码库开发等需要多步骤完成的工作。自己公布的测试结果最终能够得到第三方验证，那么这一次真正值得关注的，将是一个越来越明显的变化：顶级闭源模型与高性价比开源模型之间的性能差距，可能正在进一步缩小。值得一提的，也就是在
摘要： 实验对比了国产模型GLM5.1/5.2在使用Fable5优化提示词前后的网页生成效果。结果显示，加入Fable5提示词（CLAUDE-FABLE-5-DEV.md）后，生成的页面在视觉层次、文案精准度、排版逻辑和交互设计上显著提升。例如，GLM5.1优化后的页面（glm51-fp.html）展现出苹果风格的精简美学，而默认生成的页面（glm51.html）则呈现扁平化布局和泛化文案。开源代
1973年，Montgomery研究零点之间的配对相关，并在假设黎曼猜想成立的条件下，得到一个关于简单零点比例的2/3结果。Claude提出的秩—迹不等式可以同时处理这两类贡献，再利用已经能够从素数一侧计算的一阶矩和二阶矩，估计临界线上零点的数量。9天后，Anthropic公开了这次结果：Claude把黎曼ζ函数临界线零点比例的纪录，从41.67%提高到67.25%。真正需要黎曼猜想的地方，是如何
GPT、Claude、LLaMA、DeepSeek……这些名字背后，都是这套骨架。看懂 Transformer，你就看懂了大模型的一半。2026 年一晃已经过半，AI 大模型的热潮不仅没有降温，反而持续升温！金融行业用大模型做风控、医疗依靠 AI 解析影像，电商、制造、教育各行各业，都在把 AI 融入日常业务。曾经热闹的 “百模大战”，早就告别单纯比拼模型参数，正式进入落地应用时代。懂业务、懂 A
