Anthropic 给 Claude Code 加 83 条指令 — 终端 AI 正在变成开发者的新操作系统
相关推荐
基于 #AI编程 推荐
本地跑 AI 写代码火了 — 但多数公司的显卡还跑不动
本周 Reddit 程序员社区一篇求助帖被反复讨论:作者想用公司闲置的 RTX A4500 工作站(20GB 显存 + 256GB 内存)跑本地大模型写代码,纠结选 Qwen 3 27B 量化版还是更大模型。这不是个例,过去半年本地跑模型写代码正从极客玩具变成部分开发者和中小公司的真实选项。
做 PPT 这事,AI 给的解法完全相反 — 两个 67k 星 GitHub 项目替你选好了
PPT 该改还是发链接?GitHub 上两个加起来 67k 星的开源项目 PPT Master 和 frontend-slides 选了相反的路。前者死磕原生 Office,后者绕过 PowerPoint 直接给 HTML。这件事值得关心,因为它预示了 AI Agent(能自主完成任务的 AI 程序
4 个 Agent 并行比 1 个更强更便宜 — 大模型胜负手正从模型转向系统
OpenAI GPT-5.6 默认让 4 个 AI 智能体并行协作,NVIDIA AVO 在抽象推理测试拿下满分——8 月密集信号指向同一判断:单模型算力天花板正被「多智能体系统」接管。这是 AI 行业的下一个工程分水岭。
对话越长,AI 越笨:Agent 的真正瓶颈不在记忆,而在读不懂 PPT
一位工程师提出,Agent 卡在落地的根源不是上下文太短,而是它仍在用聊天记录当工作记忆。当 PPT、表格、文档这些"产物"能被 AI 直接读、改、验证时,Agent 才真正进入工作场景。
把千问压到 1 比特还是慢 6 倍 — 想在本地跑大模型的企业可以再等等
阿里千问最新模型支持极致压缩(量化到 1 比特),但 Reddit 用户实测发现:极低精度版本在普通电脑上跑起来反而比稍大的版本慢 6 倍,准确率也跌到 70% 出头。这件事告诉我们,本地部署大模型的「省钱+数据自主」故事,现在还远没到能替代云端服务的阶段。
大模型号称能跑 16GB 显卡?一个人挖出'假压缩',现成工具都用不了
NVIDIA Nemotron 一直宣传能在 16GB 显卡上跑,本地 AI 圈等了几个月没人做到。一个开发者深扒 443 个文件,发现不是模型不行,是压缩工具的 bug。他做了补丁,代价是 LM Studio 这些现成客户端都用不了。