👋 hi,这里是
随手记下关于代码、设计 与日常的一些小想法。
Journal
随笔、研究与作品 — 一个持续生长的写作实验室。
按标签筛选
今日 9 条 AI 行业新闻：Anthropic 暂停 Claude Agent SDK 按 token 计费、OpenAI 财务泄露 2025 营收 130.7 亿美元、SpaceX 完成对 Cursor 的收购、DeepSeek 73.5 亿美元融资、法国弃用 Palantir、美司法部替 xAI 挡诉讼、Gartner 预测 40% AI Agent 将废弃、Mistral Le Chat 复读虚假信息过半、Wolfram Language 15 发布原生 AI 助手。
当 AI 行业进入「下半场规模应用」拐点，决定竞赛走向的不是模型架构，而是 HBM + CoWoS 这条看不见的供应链。本文剖析三大存储厂格局、TSMC 封装瓶颈、可预见的格局重排。
2026 年的 LLM 推理工程已经从堆 GPU 走向重写每一层显存访问。本文沿 PagedAttention / FlashAttention / FlashDecoding / Speculative Decoding 顺序，剖析生产级推理内核如何把单卡 decode 吞吐从 200 tok/s 推到 2000+ tok/s 的工程路径。
梳理 SSM 在 2024-2026 从 Mamba-1 到 Mamba-3 的关键跃迁:选择性机制、SSD 对偶性、二阶递推、Jamba/Zamba 混合架构,并通过长上下文基准对比回答“互补还是替代”这一核心问题。
2026 年 6 月盘点五套主流 Agent 框架的测试实践：LangChain create_agent、OpenAI Function Calling、Vercel AI SDK、Pydantic AI、Instructor。没有任何框架替你解决「Agent 在生产里到底有没有真的变好」这个问题——这件事必须由工程团队自己搭。
Vibe Coding 在 2025 年完成了「想法→代码」的奇袭,但 2026 年中回看:它没解决「代码→可维护系统」的最后一公里。本文从 GitHub 实时数据出发,拆解 Vibe Coding 的三笔隐性成本,并提出 Spec-driven Development 作为下一阶段工程化范式。
今日 AI 行业四主线:小米开源 MiMo Code 在 200 步 agentic 任务上反超 Claude Code;Nature 报道 OpenAI 模型破解 80 年 Erdős 几何问题;Meta CTO 内部备忘录承认 AI 重组非常糟糕;AWS WAF 上线 AI bot 计费能力。
2026 年开源大模型已从追赶走向并行：DeepSeek-V3、Llama 4、Qwen3、gpt-oss、Mistral Small 4 五大里程碑在架构、训练、推理、多模态、生态五个维度全面演进。本文做一次贴近现状的深度复盘。
当 LLM 应用进入生产,APM 工具的 QPS/P95/ErrorRate 已不再充分。本文从 8 个 GitHub 仓库实时数据出发,拆解 LLM 可观测性的 5 类核心信号(token/cost/latency/quality/retrieval)、OpenTelemetry GenAI 语义约定的标准化进程、Langfuse/Opik/Phoenix/OpenLLMetry/Helicone 五大开源项目横向对比,以及 5 个生产级工程模式与三类典型事故案例。
2026 年大模型的真正范式拐点不在预训练而在 post-training。GRPO 把 RL 工程门槛降了一个量级、DPO 把对齐从强化学习拉回监督学习、RLVR 让可验证成为新范式、PRM 在数学代码上突围、Anthropic 的 RLAIF 让对齐本身可扩展。这篇深度长文用 8 节内容把这一轮 post-training 范式迁移讲清楚：它从哪里来、怎么变成今天的形状、哪些算法已经成为行业默认配置、2026 年我们应该把什么放进生产栈。
一日速览：从 Anthropic Mythos 的国安风波到 OpenRouter Fusion 把模型“合体”，从 Meta 把 Alexandr Wang 推上销售前线到中国 1.2 万个“过时学位”被砍，今天的 AI 行业主线是安全监管与模型工程化重组。八条主要消息覆盖安全监管、多模型融合、中美教育调整与 AI 工具体验设计争论。
从 METR TH1.1、Anthropic ASL、SWE-bench/HLE/EvoMaster 三榜交叉三个一手数据出发，论证 2026 年下半年 AI 能力度量正在从“单一基准分数”迁移到“精度评估 + 阈值评估 + 评估单元声明”的三角验证体系。
Anthropic Contextual Retrieval 让检索失败率下降 67%、Self-RAG/CRAG/GraphRAG 三大自反思范式落地、Agentic RAG 的工程陷阱与选型决策树——一篇 2026 年 RAG 工程师的实战地图。
Anthropic Fable 5 / Mythos 5 因美国出口管制全球下架；Meta 北京压力下拆 Manus 收购；Anthropic 发布 AI Exponential 政策提案；Google 起诉用 Gemini 实施诈骗的中国团伙；Anthropic Zero Trust for AI Agents 被指出 bearer token 短板；ClawMoat 推出 Agent 运行时隔离方案；Microsoft Research 发布前沿模型智能时间序列；俄国家庭用 AI 复活亲人引发伦理讨论。
当 671B 参数的 DeepSeek-V3 每个 token 只激活 37B、Qwen3-30B-A3B 只激活 3B 时,MoE 已成为 LLM 规模化的默认范式。本文系统梳理从 Sparsely-Gated MoE (2017) → GShard (2020) → Switch Transformer (2021) → Mixtral (2023) → DeepSeek-MoE/V2/V3 (2024) → Qwen3-MoE (2025) 的工程演化,详解 5 个关键突破、3 类工程权衡、2 个产业判断。
Anthropic 首次就出口管制公开发声；Open Source AI Must Win 宣言登顶 HN；OpenAI 遭多州 AG 联盟调查；BitBoard 切入 Agent 分析工作区；FFmpeg 公开 21 个 0day；Arch Linux AUR 恶意包事件收尾。
从 2025 年 5 月 Google Gemini Diffusion 的 857 tokens/s，到 2026 年 6 月 DiffusionGemma 的 500+ tokens/s，再到 Mercury 2 的 1109 tokens/s 商业化交付——文本生成正在经历一场静悄悄的范式革命。本文梳理 5 个核心项目、6 个一手来源，剖析 Diffusion LLM 如何重写大模型的推理架构。
一篇关于 LLM 应用基础设施层——AI Gateway——的工程实战指南。覆盖多模型路由、语义缓存、统一可观测性、限流与降级、Guardrails 五大主题，结合 LiteLLM、Portkey、Cloudflare AI Gateway、OpenRouter 四种主流方案的真实接口形态与代码示例。
OpenAI o1/o3、Anthropic Claude 3.7 Sonnet、Google Gemini 2.5 Pro、DeepSeek R1——四家实验室在 2025 年集体把“推理时计算”推到默认能力。这篇文章拆解这场架构革命的根源、四条路径的差异，以及它对 AI 应用架构的连锁冲击。
当 SWE-Bench Verified 接近饱和、METR 的算法分与整体分出现结构性撕裂，LLM 评估正在从「标准化考试」范式转向「动态测量」范式。本文用 METR 2025-2026 三篇关键报告、Anthropic ASL 框架与 GPQA、HLE 等新一代基准，描绘这场范式转移的全貌。