Tag: AI
All the articles with the tag "AI".
-
AI 用来排版乐谱，现在哪一步最靠谱
Published: at 01:56 AMJohn D. Cook 这篇小实验最有意思的，不是证明 AI 已经能把乐谱图片准确转成 LilyPond 代码，恰恰相反，它展示了一个更值得记住的现实：模型在“看懂这是什么曲子、这是什么风格”上已经有点本事，但在需要逐音符、逐小节忠实还原结构时，还是很容易一本正经地乱编。真正该关注的不是 AI 会不会生成乐谱代码，而是它在哪些层面已经能帮忙，哪些层面还远没到可依赖的时候。
-
AI 之后，程序员还剩下什么
Published: at 01:42 AMAnil Dash 这篇文章真正值得读的，不是又一次讨论“AI 会不会替代程序员”，而是把一个更难受、也更诚实的问题掰开了：对把编程当饭碗的人，AI 可能带来的是岗位被快速压缩；对把编程当手艺、当身份认同的人，AI 带来的则可能是一种更慢、更深的失落——代码还会被继续生产，但亲手写代码这件事本身，正在从工作中心移走。
-
Qwen 3.5 做文档 OCR 为什么值得试
Published: at 01:36 AM这篇文章最有价值的，不是又多学会一个把 PDF 转图片再喂模型的套路，而是把一个很现实的判断说清楚了：当你需要处理大量扫描糟糕、又不想把敏感文档全送进大厂云 API 时，Qwen 3.5 这类开源多模态模型已经开始提供一个够便宜、够快、效果也够能打的 OCR 路线。真正值得关注的不是“模型会不会认字”，而是本地部署、批量吞吐、成本和输出稳定性这几件事终于开始同时成立。
-
为什么 1M context 对 agent 工作流是件大事
Published: at 01:33 AM这篇文章最值得看的，不是“100 万 token 很大”这种数字震撼，而是它把一个更实际的问题说清楚了：长上下文真正改变的，不是聊天时能一次塞更多材料，而是 coding agent 在长任务里更不容易失忆，不必频繁压缩上下文，也更有机会把复杂项目、长链路推理和多文档交叉理解一路做到底。真正重要的不是窗口标称值，而是窗口拉长以后模型会不会开始 context rot，以及价格有没有贵到只剩 demo 能用。
-
Microsoft Agent Framework 的 Agent Skills 在 Python 里更新了什么
Published: at 01:28 AMMicrosoft 这篇更新最值得看的，不是又多了几个 API 名字，而是 Agent Skills 终于从“可读取的技能包”往“可执行、可审批、可动态生成内容的能力单元”走了一步。对 Python 开发者来说，这次新增的 code-defined skills、script execution 和 human approval，补上的不是花哨功能，而是把技能系统往真实生产环境推近的那几块关键拼图。
-
Agentic engineering 为什么离不开代码执行回路
Published: at 12:48 AMSimon Willison 这篇文章最值得记住的，不是又给 AI 起了一个新名字，而是把一个经常被说虚的概念说实了：所谓 agentic engineering，说到底就是让会写代码的模型还能自己跑代码、调工具、看结果，然后继续迭代。真正的分水岭不在提示词更花，而在软件开发终于接上了可执行、可验证的反馈回路。
-
为什么 LSP Language Server 对 Coding Agent 很重要
Published: at 12:00 AM很多 coding agent 看起来会改代码，真正拉开差距的却常常不是模型本身，而是它有没有接上 Language Server Protocol。LSP 让 agent 从“搜字符串”进化到“理解符号关系”，跨文件修改、诊断定位和安全重构都会稳很多。
-
别再让 Agent 每次都从零开始：OpenAI 这篇文章把技能化维护流程讲透了
Published: at 12:00 AMOpenAI 用 Agents SDK 仓库的真实做法说明，想让 Agent 真正提升开源维护效率，关键不是多写几个提示词，而是把技能、AGENTS.md、脚本和 GitHub Actions 组合成可触发、可验证、可复用的工程流程。
-
AI 辅助编程的 8 个层级
Published: at 12:00 AM从 Tab 补全到自主 Agent 团队，作者梳理了 AI 工程实践的 8 个进阶层级，每一层都是一次生产力的跃升。模型能力在快速增长，但能不能用好它，取决于你所在的层级。