Sporkle:把内存和设备编排放在第一位
一个不舒服的实话:AI 慢,不是因为模型大,是因为内存被当成了事后想起来的事。
Lynn Cole / 标签
systems engineering
A thread through the work.
定理是对的,也能瞄错系统
一条关于狭窄多智能体抽象的正确定理,了结不了带持久状态、工具与环境实时反馈的系统。
分类器、流程与判断
分类器评估条件,确定性软件管分支,推理模型做最终判断。
更大的嵌入不自动等于更好的搜索
更大的嵌入不会自动带来更好的检索。语料、切块、上下文和搜索架构,得跟活儿相配。
Claw Code 两小时复刻 Claude Code?没那么简单。
逆向前人已有的产品和做出原创产品之间隔着巨大鸿沟,真正的开销是试错与测试。所以我想说的是:你的饭碗保住了,至少目前是。
Agent workflows need feedback, not closed loop…→需人工标题
咱们聊一分钟智能体工作流。
GapDB: coordinating agents without a database …→需人工标题
如果你用若干个并发智能体加 SQLite 搭过智能体系统,八成碰到过 GapDB 要解决的那类问题。
为具身场景设计语音智能体
把语音智能体装进一辆退役卡车,让具身场景变得可触摸:传感器、路线、记忆、本地推理,以及一直在变的语音栈。
BitNet and Qwen in a bounded coding evaluation…→需人工标题
要是把这场对决拍成拳击赛,结果本该明摆着。
Engineering the conditions for automated work…→需人工标题
AI 在编码中制造的速度感很有意思,因为它远没有人们以为的那么均匀。
Voice, multimodality, and lessons from a weeke…→需人工标题
那么这个周末我学到了什么?
Kilo: separating durable memory from retrieval…→需人工标题
智能体系统规模化迭代这件事,我做了一阵子了,横跨客户项目和自己的实验系统。
Busy 的复杂度墙,与换掉的部署假设
Busy 的第 9 版实现,一头撞上复杂度墙。
我们为什么总把上下文窗口搞错?
LLaMA 4 Scout,和那个「事实上无限」的上下文窗口承诺,咱们该从哪儿说起?
为什么要给一只数字果蝇记忆?
今晚我埋头翻了数字果蝇大脑的研究,翻人们拿这东西都干成了什么。
OpenClaw 之后:连续性、记忆与智能体经济
我一再拿「后 OpenClaw 的世界」开头,但这件事重要。
对齐之前,先学会分类
很多「对齐失败」其实是分类失败:把主体当客体用,或往失忆的会话计算器身上投射意图。你没法对齐一个你没法分类的东西。
你的提示词过滤器保护不了任何人
提示词审核不等于图像审核。我主张评估生成出来的图像,围绕输出建修正回路。
下一次基准开跑前,修好规划循环
新的规划循环帮了编码蜂群,但两张冲突的工单把基准干熔了。下一个修法:实现循环开跑前先校验积压单。
用 Pizza Empire 评测长程解题器
Pizza Empire 用一整个披萨外卖产品考长程编码蜂群:下单、厨房、配送,以及把它们串成整体的种种约束。
为什么 Salesforce 智能体会失败:一份系统拆解
对 Salesforce 智能体的系统级拆解:系统提示词负载、上下文饱和、角色混乱,以及更有意图的工作流所需的架构。