https://github.com/mizorewww/laya-mlx https://github.com/mizorewww/laya-coreml 要运行 aac6fef/laya-coreml 并提供 Type-Safe（类型安全） 兼容的 API，最有效的方法是结合 Python 的 laya_coreml 库，并利用 Pydantic 或 Python 3.10+ 的 TypedDict / Literal 对输入结构与返回概率进行严格的类型约束。 由于该模型不是生成文本的大模型，而是直接
一、一个不写字的模型 9 月 15 日，一条推文在开发者社区里传开。 发帖人是 Diogo Almeida。他说自己参与发明了 ChatGPT，然后一直在问自己一个问题：为什么对话模型已经强到超人，AGI 还是没有出现？过去两年他"隐身"，用一种新的训练方法（RLCD）训出了一个新类型的模型，今天发布，名字叫 Jev。 他给出的数字：快 20–200 倍，便宜 40–400 倍。TypeSafe AI 同期宣布了 4000 万美元种子轮。 接下来几天，用 TechCrunch 的标题概括就是："一个来自 ChatG
2026-09-17，我发现 colobu.com 的页面上被加载了一个可疑 iframe： https://soduncdn.com/m.html 。域名注册于十天前、没有任何 A 记录、被 6/89 个安全引擎标记。查了一圈之后，结论有点出乎意料。 结论 页面本身没被改。被投毒的是页面引用的那个第三方 CDN 脚本。 出问题的是一行看起来再普通不过的写法： 1 < script src = "//cdn.staticfile.org/jquery/1.11.1/jquery.min.js" > </
如果你问一个程序员"平时在代码库里怎么找东西"，大概率会得到一个答案： rg 。ripgrep 从 2016 年发布到现在，快十年了，又快又稳，68k stars，早就成了事实标准。 但你要是追问一句" 仓库已经大到 rg 也要扫好几秒，怎么办 "，答案就变得有看头了。过去一两年，grep 世界冒出来好几路新势力，同一个老问题，各自给了一份不同的答卷： tgrep （微软）：预建三元组索引，一次启动、永久秒搜，已经被 Copilot CLI 集成； rawgrep ：绕过文件系统，直接读裸盘； zg （阿里 zve
这里给你一个典型的 循环内复用 timer 的例子,这是 NewTimer + Reset 最常见的使用场景: <
关系型数据库存 JSON 早就不稀奇了，但把它用对没那么简单。你得先分清 PostgreSQL 里 json 和 jsonb 到底差在哪、什么时候该建什么索引，再决定 Go 代码里怎么读写才不别扭。这篇就把这几件事讲清楚，代码都能直接抄进项目。 一、三种类型的本质区别 维度 PostgreSQL json PostgreSQL jsonb MySQL json 存储形式 原始文本（逐字节保存） 分解后的二进制 分解后的二进制 保留空格/键序 保留 不保留 不保留 保留重复键 保留 只留最后一个 只留最后一
同样叫 timestamp，MySQL 和 PostgreSQL 的含义完全不同：一个是绝对时刻，一个是墙钟时间，正好相反。踩坑重灾区，也是面试高频题。这篇文章把两者放在一起对齐比较，并且提供了 Go 语言和 Java 语言应用访问数据库时间类型字段的坑。 前四节讲数据库侧（类型语义与对照），后四节讲应用侧（时间从应用流到列的链路、Go 与 Java 驱动的行为、可直接抄的配置清单）。 一、先分清两种语义 一切混乱的根源是"时间"这个词同时指两样东西： 绝对时刻（instant） ：世界上唯一的一个瞬间，比如 20
上一篇文章的结尾，我留了一个话题。 我引用了那句话： "你可以外包你的思考，但是你不能外包你的理解。" 有读者在后台问我：道理都懂，可 AI 一天给我生成的代码，比我自己一年写的都多。思考我可以外包给 AI，理解我肯定要自己消化——但是消化也得有时间和精力啊。生成是光速，理解是步行，AI拉的是一大坨，理解缺是要细嚼慢咽，这道题怎么解？
前几天老板问大家的代码有AI 的占比是多少，大家一致反馈 100%,尽管大家采用的方法论各不相同，但是最终都是没人手搓代码了。这是好事，说明 AI Coding Agent 已经不是一个辅助的角色，而是全面主导了我司的软件开发，相比其他公司也是这种情况。
告诉coding agent一句话： 『实现一个网页版五子棋游戏』，对比目前各最新的大模型的能力。测试不一定很科学的测试个大模型的能力，只能说从一个用例方向上做对比。 综合分析 同一句提示词「实现一个网页版五子棋游戏」，通过 pigo 命令行、medium 思考档位，分别丢给 8 个最新模型，得到的结果差异相当明显。总体上每个模型都完成了「能玩的五子棋」这个基本盘，但在 是否带 AI 对弈、运行方式、设计审美、工程严谨度 四个维度上分化清晰。其中 deepseek-v4-flash 和 kimi-k3 是综合表现最
pigo 是一个类似pi coding agent的ai coding agent，使用Go语言开发。 你可以通过下面的命令安装它: 1 curl -fsSL https://raw.githubusercontent.com/smallnest/pigo/master/install.sh | sh 在配置文件配置（推荐），或者命令行中输入参数也可以： 尝试了它的功能，你一定好奇，这样一个功能完备的ai coding agent是怎么快速开发出来的？ 开发这个项目主要有两个目的，而且这两个目的都达到了： 为Go生
继 prompt engineering、context engineering、harness engineering、loop engineering 之后，2026 年 7 月又冒出来一个新词： graph engineering（图工程） 。 X 上照例吵成一团：有人说这是又一次新瓶装旧酒的炒作，"图"根本不是什么新东西；有人说循环（loop）已经过时，图才是 Agent 编排的终极形态。towards_AI 那篇《这该死的图工程到底是什么》给了一个很克制的判断： There is no new produ
TypeScript 名师 Matt Pocock 开源了一套 Claude Code Skills（ https://github.com/mattpocock/skills）。据他在 X（Twitter）上的说明，这套 skills 的核心是 5 个命令串起来的一条主线： /grill-with-docs → /to-spec → /to-tickets → /implement → /code-review 即：先把想法拷问清楚 → 写成规范 → 拆成卡片 → 动手实现 → 双轴评审。 这套 skills 的
有人问我 superpowers 和 Matt 的 skills 哪个更好？这问题不好答。在我看来两者没有谁明显压过谁，就像你争论少林、峨眉、青城、武当哪家功夫最强，各人有各人的判断。 但也不能光和稀泥。下面我挑了四个生成 SPEC/PRD 的技能，把它们的功能摆到一起比一比——不为分个高下，只想看清各自的脾气。 其中 prd 是我参考 ralph loop skill 改造的一个需求文档生成技能。 Skill 来源 brainstorming obra/superpowers grill-wi
最近大家都在聊「设计循环（loops）」，而不是给你的编码 agent 写提示词。但如果你在 X 上花点时间想搞清楚循环到底是什么，会发现众说纷纭。 在 Claude Code 团队，我们把 循环定义为：agent 反复执行一轮又一轮的工作，直到满足某个终止条件 。我们按以下几个维度，把循环分成几种类型： 如何触发 如何终止 用到哪个 Claude Code 原语（primitive） 最适合处理哪类任务 下面会讲清楚主要的循环类型、各自的适用场景，以及如何在控制 token 用量的同时保住代码质量。不是所有任务都
「任何傻瓜都能写出计算机能懂的代码。好的程序员写出人能懂的代码。」——Martin Fowler 你有没有过这种感觉：打开一个文件，还没读懂逻辑，先皱起了眉头。说不上哪儿错了，但就是觉得"不对劲"。 这种"不对劲",有个专门的名字—— 代码坏味道（Code Smell） 。 它不是 bug，代码跑得好好的；它也不是编译错误，测试全绿。它只是一种 表面的征兆 ，暗示底下可能藏着更深的问题。就像厨房里飘来一丝馊味，东西还没坏透，但你知道该去冰箱里翻一翻了。 这篇文章讲三件事：这个词是怎么来的、坏味道到底有哪几类、以及—
这是百度网络监控工具 nettools 开源系列的第四篇。前三篇分别介绍了 bitflip/baize（UDP 丢包与改包检测工具和Agent）、lidar（TCP SYN 端口可达性探测），它们解决的都是「服务器之间」「点到点」的探测问题——前提是：探测机和被探测对象，至少有一端在我们手里。 但有一类设备，我们既无法在它上面装 agent，也没法在它对面的机房里放一台探测机。这就是今天的主角 evr 要解决的困境。 这也是我更深入的了解网络包的构造，把网络探测玩出花了来，对我的网络编程的功力大增的一个很
一千万条文档向量，用 float32 存要占 31 GB 内存。turbovec 把它压进 4 GB，搜起来还比 FAISS 快。 第一眼像是吹牛。它其实是 Google Research 一篇论文（TurboQuant）的工程落地，作者 Ryan Codrai 用 Rust 实现，配了 Python 绑定。下面先讲清楚它解决什么问题、为什么能做到这个效果，再上手跑一遍。 项目地址： https://github.com/RyanCodrai/turbovec
我把 775 篇收藏的文章塞进一个 4MB 的向量库，然后问它："我都收藏过哪些关于 loop engineering 的资料？"三秒钟，它把散在六七篇文章里的观点拼成一段答案，每条都带出处。 这不是什么 SaaS 产品，是我自己写的一个 skill，叫 chao-rag-wiki 。今天聊聊它，顺便聊聊它背后那个问题：知识库越攒越大，你到底怎么"读"它? 得先从 Karpathy 的一个想法说起。
"Clear is better than clever." 清晰胜于聪明。 —— Rob Pike, Go Proverbs 第 23 章把重构讲完了。嗅坏味道、套 Fowler 手法、小步施工、每步测试，这套东西对 Java、Python、Go 一视同仁。但真到 Go 上手你会发现，Fowler 的目录够不着 Go 的好几层脾气。一段能跑的 Go 代码，可能还停在 Go 1.10 的写法，不地道；可能并发原语用错了，race detector 一开就红，不安全；也可能分配没控住，cache line 在 fal