#AI编程
共 9316 篇相关文章
IQ：团队AI使用监控仪表盘，让成本与权限一目了然
IQ 是一款团队 AI 使用仪表盘，集中展示用量、花费与每次请求，支持独立密钥、限额、预算告警和审计日志，内置路由优化成本，并提供 Claude Code 插件。
Wavefunction：Mac上的极简开源编程代理
Wavefunction 是一款专为 Mac 打造的极简开源编程代理，支持多任务并行与持续对话，可接入 ChatGPT 订阅、Anthropic、Google、OpenRouter 或本地模型，computer use 运行在独立桌面，免费开源。
nana：Windows上的多AI编程代理终端管理器
nana是一款Windows原生的终端复用器，支持同时运行Claude Code、Codex、OpenCode等多个AI编程代理，每个代理独立git worktree，提供状态面板、diff审阅和后台持久运行能力，免费beta中。
Flockbay：免费AI游戏制作器，基于Godot的智能体编辑器
Flockbay 是一款基于 Godot 引擎的免费 AI 游戏制作器，智能体直接嵌入官方编辑器，能编写 GDScript 和场景并自动 playtest。支持免费托管 AI、自带 Claude Code/ChatGPT/API key/MCP agent 或本地模型，项目保持纯 Godot 4 结构，付费版增加 Steam 页面草稿、预告片和开发日志生成。
One Roof：多AI代理协作的指挥中心，免费开源
One Roof 是 Product Hunt 上的开源开发者工具，将 Claude Code、Codex、Gemini CLI、Kimi 等多个编码代理的真实终端会话集中管理，提供统一收件箱和夜间晨报，让你在多代理协作中保持控制权。
ChatGPT 12月起合并用量额度：企业团队该如何应对？
OpenAI 宣布 12 月起 ChatGPT 与 Codex 在 Plus、Pro、Business 计划中共享同一用量池，按 token 计费，Instant 模式不计入额度。小团队共用账号将面临额度互相挤占，本文梳理变更细节与三项应对建议。
LangChain 1.3系统教程：架构入门与RAG/Agent/MCP/LangGraph全项目落地
LangChain 1.3系统教程梳理：从架构入门到RAG、Agent、MCP、LangGraph多智能体项目实战。课程强调重体系、重实战、重思想，覆盖时间回溯、Deep Agents、本地大模型部署等关键能力，帮助开发者建立底层框架认知，摆脱工具依赖。
Simon Willison十月赞助者通讯：AI开发者的月度洞察
Simon Willison发布十月赞助者专属通讯，涵盖氛围游戏开发拐点、漏洞趋势、LLM发布、API额度及个人工具推荐，订阅费10美元/月可提前一月阅读。
KAPPO：用@k优化控制LLM后训练中的锐化效应
解析LLM后训练中的锐化效应：通过KL正则化pass@k与max@k的闭式解，揭示@k优化按难度重新分配学习压力。KAPPO方法可将现有@1优化器无缝适配到@k，并以单次补全训练实现同等效果。
状态空间模型的对角等价：检索秩与选择性扩展新解
深入解读状态空间模型的对角等价分类，分析 MIMO 检索秩设计、HybridMamba 混合架构、H100 GPU 内核训练加速与内存权衡，以及召回实验与语言模型损失的落差。
DepthGraft：分层KV重建如何成为深度模型的结构正则化利器
DepthGraft提出分层KV共享架构，通过跨层KV重建实现结构正则化，缓解深度模型信息稀释。在16B MoE模型上MMLU-Pro提升7.0%，KV缓存减少约三分之一。
从零实现XGBoost回归：5天手写代码，精度媲美sklearn
开发者用5天时间从零实现XGBoost回归算法，精度与sklearn几乎相同但速度稍慢。本文分析实现难点、精度对比及对机器学习学习者的启示。
Ollama v0.40.14 更新：修复云模型输出限制与采样默认值
Ollama v0.40.14 发布，修复云模型在 Claude Code 中的 128k 输出上限问题，OpenAI 兼容接口不再覆盖模型采样默认值，并改进 /v1/responses 输入保留与 ChatGPT 连接重试。
LangGraph 集成 VLM：让图像回答更精准的实战思路
介绍如何用 LangGraph 编排 VLM 视觉语言模型处理图像问答，拆解输入解析、视觉提取、生成与校验节点，分析提示词设计、状态管理与重试策略，帮助开发者从图像中获得更稳定准确的回答。
OpenAI自研Pando：Git后端推送延迟降80%
OpenAI 自研 Git 兼容后端 Pando，通过分支独立处理与跨 fetch 复用 packfile，将中位推送延迟降低近 80%，每日承载近 PB 级 Git 数据，为超大型单体仓库的版本控制提供新思路。
预训练数据规模逆转：Muon微调优势为何被AdamW反超
新研究发现预训练数据规模足够大时，AdamW在微调后反超Muon。边际-散布比理论解释这一逆转，为优化器选择提供新视角。
RLVR泛化困境：推理策略为何在OOD下失效
研究揭示RLVR在分布外任务上推理策略崩溃的现象：模型放弃推导退化为暴力枚举，而协同训练双射反转任务能意外恢复OOD准确率，为LLM推理泛化提供新思路。
FADE：解耦能力与难度的在线RLVR调度新方法
FADE提出双线性状态空间滤波，解耦模型能力与提示难度，提升在线RLVR调度效率。在五个推理基准上验证，每步开销低于0.6毫秒，显著改善准确率与校准度。
