全栈研发笔记

菜单

归档

2025 年 12 月

6 个值得研究的 GitHub 开源工具：从 YAML 简历到实时语音对话框架

2025-12-31

开源项目 #GitHub#RenderCV#Vibe-Kanban#Claude#MCP#Chatterbox#IPTV
介绍 6 个近期值得研究的 GitHub 开源项目，覆盖 YAML 简历生成、AI 看板、Claude 编程模板、Skill 工具封装、实时语音对话和公共 IPTV 播放源管理，并说明各自适合的使用场景。
用大模型智能体打通 MRD、PRD、系统分析与代码骨架生成

2025-12-31

人工智能 #大模型#Agent#RAG#PRD#系统分析#LoRA#代码生成
围绕业务诉求到研发交付的链路，讲解如何用大模型智能体完成 MRD 到 PRD、PRD 到系统分析、系统分析到代码骨架生成，并结合 RAG、模型微调和文档测评提升需求理解与输出质量。
Tencent-HY-MT1.5 开源翻译模型：1.8B 端侧部署与 7B 高质量翻译方案

2025-12-30

人工智能 #腾讯混元#机器翻译#端侧部署#模型蒸馏#HuggingFace#WMT25#FLORES-200
Tencent-HY-MT1.5 是腾讯混元开源的机器翻译模型系列，包含 1.8B 和 7B 两个版本，支持多语种互译、术语库、上下文翻译和带格式文本翻译。重点讲清它的模型定位、评测表现、端云协同部署方式，以及 On-Policy Distillation 如何让小模型接近大模型效果。
Agent Skills 仓库怎么选：11 个可复用 Skill 与 SKILL.md 编写方法

2025-12-30

人工智能 #Agent Skills#SKILL.md#Claude#ChatGPT#Codex#skill-creator#自动化工作流
Agent Skills 可以把提示词、操作步骤、脚本和业务约束封装成可复用能力。这里梳理 11 个可参考的 Skill 仓库，并讲清 SKILL.md 的结构、复用方法和用 skill-creator 生成初稿的工作流。
Claude Code Workflow Studio 可视化编排 AI Agent 工作流

2025-12-30

软件工程 #Claude Code#VSCode Extension#AI Agent#工作流编排#MCP#React Flow
Claude Code Workflow Studio 是一个 VSCode 扩展，用可视化画布编排 Claude Code 的 Sub-Agent、Prompt、Skill、MCP 工具和条件分支。它适合把多步骤 AI 任务设计成可保存、可迭代、可导出的工作流，并生成 Claude Code 可直接使用的配置文件。
用 InfraNodus 为 Dify RAG 增加主题图谱上下文

2025-12-29

人工智能 #Dify#RAG#InfraNodus#GraphRAG#LLM#知识库#提示词工程
Dify 的普通 RAG 对精确问题效果较好，但面对“它能做什么”这类宽泛问题时容易只命中局部片段。通过 InfraNodus 提取主题、概念关系和结构性空白，可以把知识库的全局语义地图注入检索与提示流程，让回答更完整、更有层次。
Claude Code 背后的 Agentic AI：四种智能体工作流设计模式

2025-12-29

人工智能 #Agentic AI#Claude Code#LLM#Python#工具调用#多智能体#评估测试
Agentic AI 不是简单地让大模型回答一次问题，而是让模型能规划任务、调用工具、检查结果并迭代完成复杂工作。这里用 Python 讲清反思、工具使用、规划、多智能体四种核心模式，以及落地时的测试和生产注意事项。
CodeBuddy Skills 生成和编辑 PPT：安装、工作流与 PPTX 实现机制

2025-12-29

人工智能 #CodeBuddy#AI Agent#Skills#PPTX#OOXML#html2pptx#Prompt工程
CodeBuddy Skills 可以让 AI Agent 调用 document-skills 完成 PowerPoint 演示文稿的创建、编辑和模板复用。内容覆盖安装配置、典型 Prompt、PPT 制作方法，以及 html2pptx、OOXML 和模板替换三条 PPTX 工作流的内部机制。
MAI-UI：通用 GUI 智能体的工具调用、端云协同与动态强化学习设计

2025-12-29

人工智能 #MAI-UI#GUI 智能体#MCP#端云协同#强化学习#MobileWorld#AndroidWorld
MAI-UI 是面向手机、电脑和网页界面的通用 GUI 智能体基座。围绕主动澄清、MCP 工具调用、端云协同和动态环境强化学习，讲清它如何把复杂跨 App 任务拆成更可靠的工具调用与界面操作，并解读 MobileWorld 等评测结果。
大语言模型训练为什么像玄学：梯度下降、Loss 曲线与 RLHF

2025-12-29

人工智能 #大语言模型#梯度下降#Loss曲线#反向传播#预训练#微调#RLHF#超参数
大语言模型训练常被称为玄学，是因为参数规模巨大、可观测信号有限，超参数、数据配方和训练目标互相耦合。这里从预训练、微调、RLHF 三个阶段讲起，解释梯度下降、反向传播、Loss 曲线以及训练中常见的失控模式。