跳到正文

全部动态

今日 40 条
今天10月1日周四
  1. Google AI:DEV 作者专属(RSS)29

    产品图背景移除预设:2026 年的治理与例外处理

    产品图背景移除应采用命名、带版本的转换预设来保证可复现,仅对无复用价值的孤立图片走直接处理。预设作为可审计、可下线的策略,需将源图、衍生输出与异步任务状态分开存储,并记录归属与生命周期。直接处理须限制可改参数、绑定源资产 ID 与请求方,并保留幂等键与人工复核,避免一次性例外变成未受控的策略分支。

  2. Google AI:DEV 作者专属(RSS)66

    TensorFlow.js 浏览器端超分优化:一次新张量形状为何耗时 8-17 秒,以及如何消除 40 秒页面冻结

    作者分享在浏览器端用 TensorFlow.js on WebGL 做照片超分(不上传图片)的优化过程:初版用 UpscalerJS,1.2 MP 照片需 60-110 秒并冻结页面约 40 秒。

    推荐理由:作者用自己浏览器端超分项目的实测数字,拆解了 WebGL 上张量形状触发着色器重编译等坑和对应修法。

  3. Google AI:DEV 作者专属(RSS)48

    用三对象 CRM 数据模型终结数据孤岛

    收入运营顾问 Alex 提出用 Company、Contact、Deal 三个一等对象重构 CRM 数据模型,其余信息一律降为属性或事件,以消除营销、销售、客户成功三套心智模型写入同一数据库造成的孤岛。该模型让关联查询变成两跳、状态机清晰可读、自动化不再冲突,并让 AI 智能体有明确状态可推理。迁移采用 strangler-fig 方式,新模型与旧字段并行运行,旧属性隐藏一个季度后再删除。

  4. Google AI:DEV 作者专属(RSS)23

    One Commit a Day 六个月的 OSS 回顾:发布 v2.0 与 v2.0.1

    开发者发布 One Commit a Day v2.0 和 v2.0.1,重构仓库并扩充日志与模板,同时完成 Doc MCP Server 的重构与重构,并处理了 Dependabot 与 MCP SDK 维护。该项目已坚持"每天一次提交"六个月,作者称一致性不等于每天同等强度,九月有不少"恢复模式"的日子。未来六个月他计划加入一个更大、更活跃的开源项目并推动自有项目走向生产可用。

  5. Google AI:DEV 作者专属(RSS)46

    读者指出我的修复并未解决智能体等待问题

    一位读者纠正了作者此前提出的单行修复方案:把 CLAUDE_CODE_PRINT_BG_WAIT_CEILING_MS 设为 0 只是取消截止时间,而非让等待变得可追踪。读者建议每个延迟任务都应留下机器持有的记录,包含任务 id、明确截止时间和到期后的下一步动作,并由独立机制核对。作者已将其转为新项目模板中的 ticket,但该 ticket 已挂起七天,修复尚未落地。

  6. Google AI:DEV 作者专属(RSS)52

    Verax 的 Agent 权限策略:没有规则时默认拒绝

    Verax 对 AI Agent 的请求采取默认拒绝策略,没有规则的调用一律拒绝,包括 Agent 换工具名重试的情况。策略只列 memory.get、memory.put、audit.explain、message.read 四个工具,同一工具出现两条规则会在加载时被拒绝;拒绝记录与批准记录同样签名留档,可用 verax verify 离线验证。

  7. Google AI:DEV 作者专属(RSS)59

    Ornith-1.0-9B vs Qwen3.5 vs Gemma4:CPU 本地实测对比

    作者在纯 CPU、32GB 内存的普通笔记本上,用 Ollama 以相同 Q4_K_M 量化对比 Ornith-1.0-9B、其基座模型 Qwen3.5-9B 和 Gemma4-12B,五个任务显示 Ornith 在 JSON 输出上最紧凑(16 token),但 bug 修复在未见过用例上出错,shell 命令与基座同样在含空格文件名上失败。

  8. Google AI:DEV 作者专属(RSS)39

    Sentinel-IR:AI 智能体运营省下数百万成本的非技术指南

    Sentinel-IR 是一种确定性数据压缩层,把代码、API 载荷和文档压缩成超紧凑的中间表示再喂给 LLM,充当上下文窗口的 ZIP 压缩。在 1,366 行的 12-billing-platform 测试文件上,原始 11,635 tokens 被压到 1,332 tokens,节省 88.6%;但 303 tokens(约 34 行)以下的微文件因压缩开销反而更贵。

  9. Google AI:DEV 作者专属(RSS)40

    我无法为代码辩护:i.c.stars 第四周的四份文档与产品规则设计

    i.c.stars 第四周产出四份非代码文档:缺陷日志、同行评审、三份 runbook 和一份 run of show,核心都是让工作能经受交接。作者在同行评审中复现对方八项发现中的六项,指出"擅长找 bug、弱于记录 bug"是常态。其产品贡献是主张检索系统只允许两种行为:附文档、章节和生效日期作答,或停止并转交人工,拒绝不是兜底而是同等功能。

  10. Google AI:DEV 作者专属(RSS)37

    图像质量评测:内容感知裁剪与居中裁剪的三种配方场景对比

    针对菜谱站点头像与菜品卡片,内容感知裁剪应作为默认方案,它能保留居中裁剪经常切掉的主体,但需存储裁剪框并提供人工调整路径。居中裁剪仅适用于拍摄时强制居中构图的流程,其确定性几何在异构上传中会稳定地切掉偏离中心的人脸或餐盘。Cloudinary、Imgix、ImageKit 等托管方案在运营边界上各有取舍,智能裁剪输出仍需审核与覆盖。

  11. Databricks:Blog(RSS)40

    Lakebase Postgres 成本优化实用指南

    Databricks 的 Lakebase Postgres 通过存储与计算分离架构实现成本优化:分支共享底层存储、自动扩缩容支持 scale to zero(数百毫秒恢复),关闭后按基线容量 25% 折扣计费。同步 Lakehouse 数据时建议只同步应用所需的活跃子集(如 60 天滚动窗口),并按数据新鲜度选择 Snapshot、Triggered 或 Continuous 三种同步模式。

  12. Google AI:DEV 作者专属(RSS)75

    一次 Agent 重构事故复盘:二十个正确改动如何掩盖了错误的假设

    作者复盘充电站地图去重任务的事故:一个由 Agent 编写、重构后测试全部通过的去重任务,因测试数据自造而未取自真实数据(9269 对重复记录中运营商名称仅 1 对匹配),导致约三分之一注册表站点在 100 米内存在重复显示,重构 78 分钟后被无审阅合并。

    推荐理由:作者以真实去重事故为底,给出从审代码转向审概念与真实数据的可迁移复核清单。

  13. Google AI:DEV 作者专属(RSS)23

    Portal 跨链流动性协议智能合约漏洞面分析:TVL 18.1 亿美元下的 10 类攻击向量

    针对 TVL 约 18.1 亿美元的跨链流动性路由协议 Portal 的智能合约漏洞面分析列出 10 类攻击向量,整体风险评级 7/10(高)。其中代理管理员可无时间锁升级、跨链桥回调重入、预言机操纵被列为 Critical 或 High 严重度,报告建议引入至少 48 小时时间锁升级机制并为桥接回调添加重入锁。

  14. Google AI:DEV 作者专属(RSS)47

    仅用 61 条数据构建气旋影响预测器:Cyclone Impact Forecaster 如何预测印度东海岸受灾人口

    Cyclone Impact Forecaster 用 61 条 EM-DAT 历史气旋记录训练出一个 2 参数对数线性模型,为北印度洋气旋影响半径内的每个地区输出受灾人口排名及 10-90% 预测区间,并叠加 XGBoost 的 6 小时风速强度预测,在 MapLibre GL 3D 卫星地球上可视化。

  15. Google AI:DEV 作者专属(RSS)37

    Web 开发者值得一试的 7 个 AI API

    面向 Web 开发者的 7 个 AI API 推荐清单,涵盖 OpenAI、Google Gemini、Anthropic Claude、Replicate、ElevenLabs、Groq 和 AssemblyAI,分别对应文本生成与结构化输出、多模态、长文本与编码、图像视频等生成媒体、语音合成、快速推理和语音转文字。

  16. Google AI:DEV 作者专属(RSS)73

    工程师复盘十个月围绕 Claude Code 搭建守护框架的经验与教训

    一位工程师复盘十个月为 Claude Code 逐步搭建 hooks、门禁和守护框架的经历,核心结论是“仪表会撒谎”,提示词只是请求,真正有效的是代码边界。

    推荐理由:作者用十个月的真实失败数据说明提示词为何挡不住模型,并给出可复用的 Claude Code hooks 种子。

  17. NVIDIA AI33

    你的智能体得到了正确答案。它花了多少功夫才走到那一步? 我们与 @NousResearch/@Teknium 合作,带来一篇 NVIDIA NeMo Relay 的实操演练,为 Hermes Agent 收集追踪数据。运行两个示例场景,跟随智能体的调用与重试,并在 Arize Phoenix 中查看完整追踪。 博客还探讨了 Nous 如何利用追踪和任务结果,在重复运行中评估修复效果。 TechBlog: https://nvda.ws/47tKxjQ 📽️ 来自我们自家的 @Picomoorhead: