全部文章

法国工程师Fabrice Bellard及其长期独立开发经历，说明FFmpeg、QEMU、TCC、QuickJS等项目如何成为视频处理、云虚拟化、编译器和运行时基础设施，并展示持续发布高影响力软件、以技术而非营销建立影响的路径。

Loop engineering把人与编码代理的交互从反复写提示转为设计自动循环系统，由自动化、worktree、技能、连接器、子代理和外部状态组成，负责发现任务、分派执行、验证结果并持续推进；Codex和Claude Code已具备类似能力，但成本、验证、理解债和认知放弃风险仍需工程师把关，核心变化是杠杆点上移而非责任消失。

软件债务分为技术债、认知债和意图债；AI代理能重构代码、解释系统，却无法还原未写下的目标、约束与决策理由，只会用猜测填空。代理越多，未外化意图的成本越高。团队应把关键“为什么”写入规格、AGENTS.md和决策日志，因为代码变便宜后，人类意图成为最稀缺资产。

Dynamic workflows 是 Claude Code 的脚本化多代理编排能力，由 Claude 为任务生成 JavaScript 工作流并在后台执行，适合代码库审计、大规模迁移、交叉验证研究等需要数十到上百代理的任务；用户可通过 `/deep-research`、提示中加入 ultracode、或 `/effort ultracode` 启动，可审批、查看、暂停、恢复、停止、保存为命令并复用；其优势是把计划、分支和中间结果放进脚本而非上下文，提高可重复性、规模和可靠性，但会消耗更多 tokens，并受并发16个代理、单次最多1000代理等限制。

AdaCoM用外部小型LLM为冻结Agent学习上下文删改、合并与压缩策略，缓解长任务中的上下文退化，无需训练闭源Agent；实验显示网页搜索平均相对提升39.0%，深度研究中Kimi、DeepSeek分别提升9.0%和22.3%，核心结论是强Agent适合保留较长高保真上下文，弱Agent需激进压缩，且策略可在能力相近Agent间迁移复用。

Perplexity推出Search as Code架构，将搜索栈拆成可由模型生成代码调用的SDK原语，并在安全沙箱中完成检索、排序、过滤、并行和聚合，使智能体能为复杂任务动态构建搜索流程；评测显示SaC在五项基准中四项领先，WANDR领先次优系统2.5倍，同时降低成本和上下文噪声，推动搜索从固定接口转向可编程智能体基础设施。

教程用PyTorch从零复现Transformer语言模型，覆盖The Pile数据下载、预处理、训练、生成与代码解析，支持1300万至20亿参数规模；项目模块化实现MLP、自注意力、因果掩码、Transformer块、嵌入和位置编码，并给出GPU显存与可训练规模参考。

Ed Zitron认为AI行业已陷入由OpenAI、Anthropic、NVIDIA、云巨头和风投共同维持的泡沫，核心矛盾是算力承诺、GPU销售、数据中心建设和真实收入之间数学上无法闭合；需求主要由少数AI公司和云厂商互相投喂制造，企业ROI不清、用户增长和利润率恶化，一旦数据中心融资放缓或OpenAI、Anthropic增速不达预期，将引发GPU减值、债务违约、云厂商收入缺口、供应链崩溃和风投清算，结论是AI泡沫不是是否破裂，而是何时以何种方式爆炸。

Aether 是用于稳定复用视觉风格的 Codex 插件，可把参考图、提示词想法和生成结果沉淀为视觉记忆，后续自动召回风格、光影、色彩、构图、氛围、角色和负面规则来精修提示词，并根据新素材决定新建、归类、变体或合并，形成可演进素材库；它还记录生成结果、一致性检查和反馈，帮助持续复用有效经验、减少偏差，适合长期保持图片创作风格一致。

LLM Sleep提出在上下文窗口满后暂停输入，执行多次离线递归前向传播，用学习规则更新SSM快速权重，再清空KV缓存继续预测；其核心判断是长上下文失败主要源于被驱逐信息缺乏足够计算转化，而非内存容量不足。实验显示睡眠循环越多，Rule 110、Depo多跳检索、GSM-Infinite和滑动窗口任务的深度推理表现越好，收益集中在难例；代价是训练成本随循环深度线性上升且更不稳定。