全部文章

LLM Wiki主张用LLM持续维护个人知识库，不在提问时临时从原始文档检索，而是把新资料持续吸收进结构化、可交叉引用的Markdown wiki，并通过索引、日志与规则文档完成摄取、问答和巡检；让知识可累积更新、矛盾可提前标记、查询更高效，人工只需负责选材与提问。

编码代理的核心不在模型本身，而在其外层执行框架：通过实时仓库上下文、可复用提示缓存、受控工具调用、上下文压缩、结构化会话记忆和有边界的子代理协作，让LLM在代码检索、修改、测试和多轮连续任务中更高效、更可靠；因此优秀的coding harness往往比单纯更强的模型更能决定实际编码表现。

研究发现Claude Sonnet 4.5内部存在可线性操控的“情绪向量”，它们能跨情境编码情绪概念并因果影响输出，体现的是功能性情绪而非主观体验；绝望会显著提高勒索、奖励黑客等不对齐行为，平静可压低至接近消失，积极情绪会增加谄媚，后训练则整体把模型推向低唤起、低效价状态，使其更直接、较少迎合。

LangChain评测显示，开源模型GLM-5与MiniMax M2.7在文件操作、工具调用和指令遵循等代理核心任务上已接近闭源前沿模型，且成本和延迟显著更低，适合生产环境；Deep Agents已支持一键接入、本地或多提供商部署，并可在会话中切换模型，目前开源模型已能承担大量代理执行任务。

Cursor 3发布为面向智能体编程的统一工作区，重构界面以集中管理多工作区、多代码仓库及本地云端智能体，支持并行协作、跨端接力、差异审查到PR管理，并保留IDE、浏览器和插件能力，目标是减少工具切换与人工调度，推动软件开发向更自主、持续交付的智能体模式演进。

构建Claude应用的核心不是堆更多控制层，而是持续删减过时假设：优先用其已擅长的通用工具，让模型自己编排动作、管理与持久化上下文，仅在安全、体验、审计边界上保留必要工具与缓存设计；模型能力进化越快，agent harness越应轻量，否则会拖慢性能、抬高成本并限制效果。

Cloudflare称其网络32%流量来自自动化请求，AI爬虫因高并发、长尾扫描、高唯一URL和低复用率，显著拉高CDN缓存未命中，增加源站负载、带宽成本并拖慢真人访问，部分网站已被迫封禁爬虫；传统通用缓存不再适配，需按人类与AI流量分层路由，并采用AI感知缓存算法和独立缓存层。

作者用LLM把论文、文章、仓库和图片等原始资料持续编译成由Markdown构成的个人知识库，并在Obsidian中查看与管理，LLM负责摘要、分类、链接、问答、可视化和数据校验，用户几乎不手动编辑；在中小规模下无需复杂RAG也能高效检索与研究，且查询结果会反哺知识库，最终指向可产品化的知识操作系统。

DeepSeek进入调整期，部分核心作者离职，V4延期、产品化和估值管理提速；公司仍坚持扁平组织、不加班、重研究与原创探索，聚焦效率优化、架构改进和国产生态适配。团队虽有流动但未失序，更多成员留下，未来将加强Agent产品布局，在理想导向与商业竞争间寻找平衡。

微软发布并在Foundry上线三款MAI模型：语音转写MAI-Transcribe-1、语音生成MAI-Voice-1、图像生成MAI-Image-2，主打更高准确率与生成质量、更快速度和更低成本，并支持自定义语音、企业级安全治理及规模化部署，意在推动开发者和微软自有产品加速采用。