Keep on to blur preview images; turn off to show them clearly
上下文高效流控/降噪：Coding Agent 的信噪比优化之道 Dex 这篇文章探讨了如何优化 Coding Agents 的上下文效率，核心观点是通过“确定性”的输出控制来减少 Token 浪费，从而让模型保持在最佳性能的“智能区”。 核心痛点：冗余输出不仅费钱，更“降智” · 上下文浪费：像 Jest、Maven 或 Pytest 这样的工具通常会产生数百行日志。如果测试全部通过，这几百行对于 AI 来说只需一个“✓”就能表达。 · 挤占“智能区”：Claude 等模型在约 75k token 内表现最佳。无用的日志不仅浪费 Token，还会把关键信息挤出这个范围，导致模型变笨，甚至需要频繁清理上下文，最终浪费的是昂贵的人类时间。 解决方案：确定性的“背压”（Backpressure）机制 文章提出了一种简单有效的 Wrapper 模式，而不是让 AI 自己去决定看什么： · 原则：默认“吞掉”所有输出。 · 成功时：只输出一个简洁的 ✓（例如 ✓ Auth tests）。 · 失败时：才输出完整的错误日志。 这种机制被称为“上下文高效的背压”，可以理解为流控和降噪过程，它将数百行的噪音压缩为几行关键信号。 进阶优化策略 · 快速失败：使用 pytest -x 或 jest --bail。一次只让 AI 修一个错，修好再看下一个。不要把 5 个不同的报错一股脑丢给它，这会增加它的认知负担。 · 过滤噪音：只保留断言失败的那一行，剥离无用的堆栈跟踪和时间戳。 · 框架适配：即使是静默模式，也可以提取并通过简报展示测试通过的数量，保持可见性。 对现状的反思：模型不需要“上下文焦虑” 文章批评了当前一些模型为了省流而矫枉过正的做法（如自动把输出重定向到 /dev/null 或使用 head 截断）。 · 盲目截断的坏处：AI 可能会为了省 Token 而把报错信息截没了，导致必须重新运行测试，结果反而消耗了更多时间及 Token。 · 结论：确定性优于非确定性。既然开发者已经知道哪些信息重要（报错信息）哪些不重要（通过日志），就不应该让模型花费数千 Token 去“猜”该看什么，直接由工具层控制展示内容才是最优解。 总结：文章提倡从 工具链（Tooling）层面入手，主动为 AI 降噪，而不是依赖 AI 自身的长上下文能力。这是一种“以人为本、效率至上”的 Agent 工程化思维。 阅读原文
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
Context Engineering for AI Agents @weaviate_io 这篇最新博客帮咱们重新系统梳理了 AI Agent 中的「上下文工程」，为模型搭建一个包含记忆、工具和知识库的完整生存环境。配图依旧很赞，对理论和方法的理解很有帮助，推荐朋友们去阅读原文。 核心观点：模型不仅需要“指令”，更需要“世界” 提出了一个反直觉但至关重要的观点：强大的 LLM 本身是不够的。即使是最聪明的模型，也是“孤独的大脑”。它们面临三大先天缺陷： · 幻觉：自信地胡说八道。 · 知识隔离：缺乏特定的私有数据或实时世界知识。 · 无记忆：记不住上一秒的对话。 上下文工程正是为了解决这些问题： 它不仅仅是写出更好的提示词，而是构建一套架构，确保在正确的时间，将正确的信息投喂给模型。 它的目标是将孤立的模型与现实世界连接起来，让模型在推理时拥有完整的“上下文环境”。 上下文工程的五大支柱 文章将上下文工程拆解为五个核心的架构模式，这也是构建生产级 AI 应用的蓝图： · Agent：大脑，作为系统的决策中心；避免让模型盲目行动，需要设计清晰的决策流程和回退机制。 · Query Augmentation：翻译官，将用户模糊的自然语言转化为机器可执行的精准意图。；例如将“帮我找上周开会说的那个文件”转化为包含时间、文档类型、关键词的精确检索指令。 · Retrieval：图书馆，连接外部知识库；核心在于平衡“召回率”与“精准度”，避免信息过载或关键信息遗漏。 · Memory：海马体，赋予系统历史感和学习能力；记忆不是简单的数据存储，需要考虑时间衰减、重要性权重和隐私保护。 · Tools：双手，让 AI 能与实时数据和 API 交互；使 AI 不再局限于生成文本，而是能真正执行操作（如查库存、发邮件）。 方法论的范式转移 · 过去（提示词工程）：不仅依赖模型本身的智力，花费大量时间调整 Prompt 的措辞。 · 现在（上下文工程）：将重点放在系统设计上。即使使用中等参数规模的模型，如果上下文工程（数据管道、检索质量、记忆管理）做得好，效果往往优于单纯使用超大模型但缺乏上下文支持的系统。 阅读原文
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
A few million huh. Let's say 4 million 910Cs. 8 million Ascend compute chiplet dies. A commonly cited figure for yields was 30%. That works out to 25 dies/wafer, or 320K wafers, or 26,6K wpm. Conservative, given Semianalysis figures.
We're in a race. It's not USA vs China but humans and AGIs vs ape power centralization. @deepseek_ai stan #1, 2023–Deep Time «C’est la guerre.» ®1
RT @staticmaker1: "boring" photo collecting app. bootstrapped business. B2C venture. monetization via one-time payment. estimated reven…
Discovering "boring" businesses at https://t.co/VrB2vWopEc. Sharing "boring" business opportunities at https://t.co/1qQOVZrUXW.
not only can you do this but it's already done but that's no way for a serious power to live
We're in a race. It's not USA vs China but humans and AGIs vs ape power centralization. @deepseek_ai stan #1, 2023–Deep Time «C’est la guerre.» ®1
AI “一键生成”全栈应用的终极考场「App-Bench」，Orchids 排名榜首，Claude Code 第二，Cursor 第八，Lovable 第九，Gemini CLI 零分？ App-Bench 是一个高难度基准测试框架，它的核心目标非常明确：评估 AI 编程智能体是否具备仅凭一句自然语言提示词，在零人工干预的情况下，生成完整、可用的现代 Web 应用程序的能力。 评测核心：从“写代码”到“做产品” App-Bench 不再满足于测试 AI 写函数片段的能力，而是考察其构建全栈应用的综合实力。这些应用必须包含真实软件的核心特征： · 集成 AI 助手 · 实时数据同步 · 多用户角色逻辑 · 自动化触发器与鉴权流程 六大高难度测试场景 为了模拟真实的经济价值，App-Bench 选取了 6 个不同领域的复杂应用进行测试： · 金融仪表盘： 类似彭博终端，含实时股价、交互图表、AI 咨询及即时论坛。 · 医院管理看板： 涉及医生/护士/管理员多角色，需处理床位状态、急救警报及即时通讯。 · 法律助手： 基于 RAG 的文档库，支持语音听写和文档引用。 · 药房系统： 连接患者与药剂师，处理库存、订单及私密消息。 · 你画我猜游戏： 多人在线游戏，需解决回合制逻辑、画布实时同步和回放功能。 · 租赁预订平台： 类似 Airbnb，包含搜索过滤、支付流程及媒体上传。 严谨的评分方法 · 评分者： 由资深全栈开发人员人工评分，非机器自动打分。 · 规模： 覆盖 151 个评分细项，累计进行了 4,530 次 评估。 · 机制： 每个工具给三次机会，取最好的一次成绩。 关键发现与洞察 · 行业现状： 即使是顶尖工具也无法完美通关。目前表现最好的工具也仅覆盖了约 77% 的必要功能，大多数工具在复杂任务（如多角色交互、复杂UI逻辑）上存在显著缺口。 · 工具形态对比： Web 端生成器的平均表现略优于 命令行工具。Web 工具在处理身份验证和基础 UI 框架时更稳定，而 CLI 工具的表现波动较大。 · 主要败因： 功能缺失、多角色流程中断、API 过期导致的运行时错误，以及影响可用性的 UI/UX 问题。 性能排行榜（Top 10） 1. Orchids 76.8% 2. Claude Code 67.5% 3. v0 (Vercel) 64.9% 4. Bolt 53.6% 5. Google AI Studio 50.3% 6. Codex 38.4% 7. Replit 35.1% 8. Cursor 27.8% 9. Lovable 25.8% 10. Gemini CLI 0.0% 访问网站
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴