AI Agent 产品真正的门槛:从工具调用到不确定性管理 Agent 从生成答案走向执行任务后,产品设计对象也从回答质量扩展到执行行为。本文从一次真实返工经历出发,分析 Agent 面对的四类不确定性,提出意图确认、权限边界、过程可见、失败恢复和结果验证五层控制系统,并讨论产品经理如何划定模型的决策边界。 AiHanLab AI AgentAI产品技术原理
AI,个人随笔 语义令牌表:把语义概念编码成离散枚举 当设计规范中的“红色”在不同场景下含义截然不同,机器却只能看到色值,语义便失去了可运算性。本文提出语义令牌表,将语义概念编码为离散枚举,通过字典注册与编译管线,让AI生成工具、前端与验收走查共享同一套机器可执行的语义判定依据。 阿基拉de_Akir AI生成design token技术原理
个人随笔 Macaron V1:站在 GLM-5.2 肩膀上教 GLM-5.2 做人 Mindverse 旗下 Mind Lab 发布 Macaron V1,仅改动 0.53% 参数即实现性能跃升。其 MoL 架构与后训练系统,为模型进入真实世界后的持续学习提供了可行路径,或将成为 AI 基础设施的关键能力。 硅星人Pro AgentAI产品GLM-5.2
AI Graph Engineering 到底是什么?一口气讲清楚。 Graph Engineering 不是给多 Agent 换名字,而是 AI 工程从管理单次回答,走向管理多个执行单元关系。本文用一份 AI 资讯日报,串起 Prompt、Context、Harness、Loop 和 Graph 五层,讲清两类 Graph、适用条件与复杂度成本。读完你能判断:何时该用 Graph,何时简单 loop 更好。 冲量AI Graph Engineering发展趋势技术原理
AI,个人随笔 语义字典:用覆盖层强制统一设计系统组件语义 本文是 Schema-As-Code 治理框架阶段二的收尾篇。 阶段二由三部分组成:语义契约、编译管线、语义字典。三者的依赖关系为:语义字典定义覆盖层与语义绑定规则,语义契约引用覆盖层写实例,编译管线校验覆盖层引用并编译为消费格式。 本文回答:当契约和管线分别建成后,组织如何确保同一组件在不同产品、不同角色手中具有一致的语义。核心机制是语义覆盖层(Semantic Overlay):组件库是底层(Underlay),只负责渲染;语义覆盖层在组件之上加盖业务语义,把空容器翻译为业务语义组件。 阿基拉de_Akir 产品架构技术原理案例分析
AI,个人随笔 编译管线是语义一致性的”机器翻译层” AI能生成符合规范的代码,却无法自主判断"这个场景下必须表达什么语义"——设计师的角色正从"视觉生产者"转向"语义翻译者"。Schema-As-Code编译管线的核心,是把YAML契约自动编译为Prompt前缀、JSON Schema、Checklist和CI规则,让设计意图从"人脑中的想法"到"机器执行的约束"不丢失、不漂移。 阿基拉de_Akir AI应用技术原理方法论
AI 3.8万小时、狂烧天价token:字节发现Agent的 Scaling Law 字节Seed推出的EdgeBench彻底颠覆了AI评测的传统逻辑——当主流benchmark还在用'高考式'静态测试时,这个耗费38000小时算力的实验平台首次揭示了Agent在长周期任务中的学习规律。从Claude到GPT-5.5五大模型在134个任务中展现的log-sigmoid成长曲线,不仅验证了环境学习的普适法则,更暴露出短时评测无法捕捉的'试错-突破'本质。 硅星人Pro Agent评测AI产品字节跳动
个人随笔,鸿蒙 打通 RN 与鸿蒙!AtomGit CPF-RN 开源社区,一套代码跑通全场景 OpenHarmony React Native 开发者终于迎来鸿蒙生态的完美解决方案!CPF-RN 开源项目在 AtomGit 平台重磅发布,通过 RNOH 底层框架实现 React Native 与 OpenHarmony 的无缝对接。这套技术体系不仅提供原生 ArkUI 渲染支持,还完整兼容最新 RN 架构特性,更针对 Hermes 引擎做了深度优化,让跨平台应用在鸿蒙设备上也能获得媲美原生的性能表现。 nutpi OpenHarmony技术原理鸿蒙生态
个人随笔,鸿蒙 鸿蒙 PC 三方库适配 HNP 打包流程的「入场券」hnp.json 文件解读 hnp.json虽然只有几行JSON,但它是鸿蒙原生包打包流程的“入场券”。type声明文件类型,name必须与HPKBUILD和README.OpenSource保持一致,version是HNP包自身的发布版本而非上游版本。理解了它,就理解了OpenHarmony原生包打包的入口逻辑。 nutpi OpenHarmony功能分析技术原理
AI,个人随笔 如何通过三个信息来源辅助大模型选型:Benchmark、Arena AI与 OpenRouter 的分工与边界 模型版本更新比产品迭代还快,但大多数对选型的讨论还停留在"谁的分数高"。 跑分高不等于用起来好,用起来好不等于能落地——这三件事,分别对应三套完全不同的评估逻辑:Benchmark 看能力边界,Arena 看用户真实偏好,OpenRouter 看生产环境里的实际使用情况。 本文不推荐具体模型,只做一件事:把这三个信息源拆清楚,说明它们各自在回答什么问题、有什么盲区,以及怎么组合使用才不容易踩坑。 WB AI应用大模型技术原理
个人随笔,鸿蒙 lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” OpenHarmony开发中管理275个C/C++三方库的构建难题如何破解?lycium_plusplus框架通过自动依赖解析、批量交叉编译和HNP包生成,让复杂的三方库适配工作变得高效可控。本文将深度解析其架构设计与核心模块,展示从源码到产物的完整构建流程。 nutpi 技术原理经验总结鸿蒙生态
个人随笔,鸿蒙 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 拷贝或克隆Flutter OpenHarmony项目到本地后常出现依赖解析失败、编译报错、ohos模块找不到等问题,核心原因在于环境差异——Flutter/Dart版本不一致、pubspec.lock锁定文件跨机器绑定、本地构建缓存残留、鸿蒙侧ohpm依赖未拉全,以及签名/SDK路径等本机独有配置未补全。 nutpi 技术原理解决办法鸿蒙生态