全部 AI 动态 · AI 热点

7月29日

07:17

07:17官方账号Simon Willison’s Weblog（博客/媒体）

精选78°

Anthropic研究人员使用Claude Mythos在60小时内发现了HAWK和弱版AES（AES-128 r7）的数学弱点，但两者对当前系统无实际影响。研究花费约10万美元API费用，关键干预是反复用自然语言提示模型“找点值得发表的东西”。研究人员公开了带拼写错误的prompt，例如“no again the goal is that we have highly inteligent model as good top researcher”。实验表明，即使强大模型也需要明确引导才能坚持解决困难问题。

技巧 Claude Anthropic HAWK

事件专题

推荐理由：Anthropic花了10万刀让Claude跑60小时，逼它找出HAWK和弱AES的数学漏洞，还公开了怎么给模型打鸡血的prompt，很有参考价值。

原文

07:15

官方一手marktechpost@Sana Hassan

精选

本教程演示如何通过uv在Python 3.13隔离环境中安装并配置Kimi CLI，使用TOML文件设置Moonshot API认证。通过编写Python封装器实现非交互式CLI命令执行，结合JSONL流式处理、自动化测试和会话记忆功能，构建完整的智能体编码工作流。教程详细说明了Kimi CLI作为非交互式编程助手的配置步骤和实际调用方法。

技巧 Kimi CLI Moonshot 智能体

推荐理由：手把手教你用Kimi CLI搭一个非交互式的编程智能体工作流，包括配置、封装、测试和记忆功能，适合自动化编码场景。

原文

03:33

官方一手AWS Machine Learning Blog@Sean Eichenberger

MCP 2026-07-28规范是该协议发布以来最大的一次修订：协议改为无状态，引入受控扩展系统，并强化了授权机制。AWS在Amazon Bedrock的AgentCore Gateway上实现了对该规范的支持。用户只需调用一次UpdateGateway，即可启用新版MCP。该更新提升了安全性和扩展管理能力。

技巧 MCP Amazon Bedrock AgentCore Gateway

推荐理由：AWS发了篇教程，教你用一次UpdateGateway调用让AgentCore Gateway支持新版MCP。改成了无状态，更好管扩展和安全。

原文

01:34

官方一手AWS Machine Learning Blog@Gleb Geinke

精选

本文展示如何在Amazon Bedrock AgentCore上使用LangGraph编排多智能体工作流，并结合Strands进行推理。通过一个市场监控示例，讲解了状态驱动编排、检查点恢复以及AgentCore的记忆与可观测性功能。示例涵盖了智能体间协同、状态持久化和错误恢复机制，帮助开发者构建生产级AI系统。

技巧 LangGraph Strands AgentCore

推荐理由：AWS教你用LangGraph和Strands在AgentCore上搭市场监控智能体，有状态编排和检查点恢复，适合需要多智能体协作的开发者。

原文

7月28日

16:20

官方一手marktechpost@Sana Hassan

本教程使用PrismML分支的llama.cpp部署1-bit Bonsai-27B模型。该分支提供了专门CUDA内核，用于解码模型的Q1_0_g128 GGUF量化格式。教程展示了如何设置本地服务器，并通过兼容OpenAI的API接口进行推理调用。整个过程省去了云端依赖，适合低成本本地部署。

技巧 Bonsai-27B PrismML llama.cpp

推荐理由：想本地跑Bonsai-27B？用PrismML的llama.cpp加上1位量化，速度起飞，还能直接用OpenAI API调用。

原文

06:05

06:05官方账号Simon Willison’s Weblog（博客/媒体）

Simon Willison点评了Ethan Mollick AI使用指南的演变：一年前以ChatGPT、Claude、Gemini等聊天模型为主，如今聚焦代理系统，如Claude 4 Opus、Gemini 2.5 Pro、o3和Deep Research。指南强调ChatGPT Work与Claude Cowork模式可让AI使用公司提供的计算机，而桌面应用中的Work和Codex模式能访问个人电脑，但命名混乱。ChatGPT移动端从Chat切换至Work模式后，Code Interpreter容器可联网。Claude则提供Cowork和Code模式，功能与桌面版不同。

技巧 Ethan Mollick ChatGPT Claude

推荐理由：想知道怎么选ChatGPT和Claude的代理模式？这篇拆解了Work、Cowork、Codex、Code的用法和区别，帮你少踩命名坑。

原文

04:36

官方一手GitHub Blog@Burke Holland

GitHub Copilot 提供了一个涵盖原型设计、规划、实现和代码审查四个阶段的实用工作流。开发者无需频繁切换不同 AI 工具即可完成大部分开发任务。该方法专注于单一工具（Copilot）的深度应用，减少了学习新工具的成本。文章通过具体步骤指导如何高效利用 Copilot 完成软件开发的各个阶段。

技巧 GitHub Copilot GitHub 编程助手

推荐理由：别老换新工具了，用 GitHub Copilot 一个工作流处理原型到审查，省去切换麻烦，效率更高。

原文

04:32

官方一手GitHub Blog@Christopher Harrison

GitHub Copilot app 推出了面向初学者的入门教程，教你如何利用 AI agents 和 canvases 功能。教程从零开始讲解如何启动新项目，并逐步整合 AI 助手。它旨在帮助用户简化日常开发工作流，降低上手门槛。

技巧 GitHub Copilot 编程助手智能体

推荐理由：GitHub 官方出的新手教程，手把手教你用 AI agent 和 canvas 做项目，适合刚接触 Copilot 的朋友快速上手。

原文

02:11

官方一手marktechpost@Sana Hassan

本教程基于Anthropic的financial-services仓库，使用Claude、Python和MCP Connectors搭建技能驱动型金融分析智能体。首先安装依赖并克隆仓库，然后映射其智能体、垂直插件和合作伙伴集成。接着解析仓库中的SKILL.md文件，使其可搜索。最后实现自动化交付，无需手动维护生成物。

技巧 Claude Python MCP Connectors

事件专题

推荐理由：Anthropic开源了一套金融分析智能体方案，这篇教程手把手教你用Claude和Python搭建，还能自动解析技能文件，适合搞量化分析的人试试。

原文

7月26日

16:40

官方一手marktechpost@Sana Hassan

精选

FAIRChem v2推出UMA通用机器学习原子间势，可统一模拟分子化学、催化和无机材料。教程中配置环境并通过Hugging Face认证获取UMA模型权重，再初始化omol、oc20和omat三个域的计算器。该方法支持振动分析和分子动力学，覆盖多个原子模拟场景。

技巧 FAIRChem v2 UMA Hugging Face

推荐理由：想用UMA做跨领域原子模拟？这篇手把手教你配置环境、初始化计算器，从分子到催化剂都搞定。

原文

02:15

官方一手marktechpost@Sana Hassan

精选

TileLang是一种高级Python领域特定语言，用于简化高性能GPU内核设计。教程演示如何实现分块Tensor-Core GEMM、融合Softmax和FlashAttention等复杂工作负载。TileLang编译器自动处理线程映射、内存布局和底层CUDA指令生成。同时支持自动调优，帮助用户优化内核性能。

技巧 TileLang GPU编程 FlashAttention

推荐理由：想写GPU内核但被CUDA细节劝退？TileLang用Python帮你搞定Tensor-Core GEMM和FlashAttention，自动处理线程映射和调优，省心。

原文

7月25日

15:56

官方一手marktechpost@Sana Hassan

本教程基于OpenSpace框架演示如何构建自进化AI智能体。通过创建自定义技能（Skills）和集成MCP（Model Context Protocol），智能体可低成本复用能力并扩展功能。利用SQLite管理谱系（Lineage）数据，实现行为追踪与自我迭代。完整流程包含环境配置、技能模块开发及数据库管理，适合希望构建可复用智能体系统的开发者。

技巧 OpenSpace MCP SQLite

推荐理由：想快速上手能自己进化、复用能力的AI智能体？这篇教程用OpenSpace、MCP和SQLite带你把流程跑通，省时又省钱。

原文

15:54

掘金本周最热@SameX

精选

作者分享在 HarmonyOS 的 ArkTS 中使用 Preferences 存储 14 个配置项的经验。最初直接调用 getPreferences 导致每个组件需 await 并传 context，产生 8 次 IO 开销。通过 Singleton 封装 PreferencesStore，将初始化控制在 EntryAbility.onCreate，并提供 getSync/putSync 同步接口，将代码精简至 200 余行。最终解决了异步传染、类型判断和 key 散落等问题。

技巧 ArkTS Preferences Singleton

推荐理由：作者用真实踩坑经历教你用 Singleton 封装 ArkTS 的 Preferences，避免到处传 context 和异步问题，代码仅 200 行。

原文

07:28

07:28IT之家（博客/媒体）

精选

Andrej Karpathy提出使用AI时不必精心打磨提示词，而是通过语音模式与AI闲聊10分钟。用户可以直接表达零散想法，由大语言模型整理成清晰内容。他建议开头告知模型思路可能混乱，语音转写可能有错别字。这一方法能让人和模型更好理解彼此，减少后续纠错。OpenAI推出的GPT-Live支持语音功能，Anthropic最新升级的语音模型支持Opus、Sonnet和Haiku三种选择。

技巧安德烈·卡帕西 ChatGPT GPT-Live

事件专题

推荐理由：别死磕提示词了，试试卡帕西的法子：打开语音模式，对着AI瞎聊10分钟，它会帮你理清思路。

原文

00:02

官方一手AWS Machine Learning Blog@Zohreh Norouzi

80°

OpenAI GPT-5.6的三个变体（Sol、Terra、Luna）已在Amazon Bedrock上正式可用。通过bedrock-mantle端点上的Responses API运行推理，支持提示缓存以降低成本。可连接OpenAI Codex编码智能体，并需规划配额与扩展。

技巧 GPT-5.6 Sol Terra

事件专题

推荐理由：AWS把OpenAI GPT-5.6三个型号（Sol、Terra、Luna）搬到了Bedrock，能用提示缓存省钱，还能接Codex写代码，适合想用官方托管的人。

原文

00:01

官方一手AWS Machine Learning Blog@Ayush Singh Chauhan

精选

AWS博客介绍了如何利用Amazon SageMaker AI和PyTorch构建一个可解释的银行下个最佳产品推荐系统。该系统采用多塔神经网络与注意力机制，实现高准确率的个性化推荐。关键设计包括可解释性模块，满足银行监管对推荐原因透明化的要求。文章提供了完整的架构设计和决策说明。

技巧 Amazon SageMaker AI PyTorch 推荐系统

推荐理由：AWS官方手把手教你怎么用SageMaker和PyTorch搭推荐系统，还能解释为什么推荐这个产品，银行做合规推荐正需要这个。

原文

7月24日

13:21

官方一手marktechpost@Sana Hassan

精选

教程演示基于百度Unlimited-OCR模型的完整OCR工作流程，涵盖GPU环境配置、高分辨率图像tiled推理与Base模式对比。支持处理密集布局、表格及跨页内容，实现可复现的端到端流水线。实验表明tiled模式能有效提升高分辨率（如4K以上）图像的识别准确率，而Base模式在速度上更优。

技巧 Baidu Unlimited-OCR OCR

事件专题

推荐理由：手把手教你搭百度Unlimited-OCR流水线，处理高清图和PDF特别稳，还比较了不同模式的速度和精度。

原文

07:18

官方一手AWS Machine Learning Blog@Sandeep Singh

Amazon Bedrock Guardrails可配置为代码生成工作流加入安全防护，防止生成有害或不合规代码。本文详细介绍了如何结合编码助手（如Amazon Q Developer）设置内容过滤器、敏感信息屏蔽和主题限制。通过实施这些最佳实践，企业能实现有效的容量规划并确保安全覆盖。文中还提供了示例策略和配置步骤，帮助开发者快速落地。

技巧 Amazon Bedrock Guardrails 代码生成

推荐理由：AWS官方教你给代码生成加护栏，用Bedrock Guardrails防有害代码，还能规划容量，适合用编程助手的人。

原文

01:35

官方一手AWS Machine Learning Blog@Vivek Singh

Amazon Bedrock AgentCore优化可检测生产环境中AI智能体的静默行为失败——这些故障能通过健康检查却输出错误结果。通过Insights功能，用户能跨会话发现、解释并排序故障模式。该方法无需额外手动标记，自动识别高影响问题。

技巧 Amazon Bedrock AgentCore 智能体

推荐理由：AWS新出的AgentCore优化，专抓那些表面正常但结果不对的智能体bug，帮你按影响排序修复，省大事了。

原文

01:11

官方一手AWS Machine Learning Blog@Anupa Bhattacharyya

精选

本文演示如何在 Amazon QuickSight 中使用 Highcharts 自定义可视化来构建跨区域运营商性能仪表板，克服原生图表限制。通过 QuickSight 联邦数据集功能，可在维护 AWS 区域数据主权的同时创建统一可视化。方案包含生产级图表配置，并解决安全、合规和扩展性需求。

技巧 Amazon QuickSight Highcharts 数据可视化

推荐理由：QuickSight 原生图表不够用？试试用 Highcharts 自定义组件，能跨区域整合数据还能保证数据主权。看完就能上手搭建生产级仪表板。

原文

01:10

官方一手AWS Machine Learning Blog@Sanjay Nagraj

精选

Jefferies基于Strands Agents agent harness SDK，结合Amazon Bedrock和Bedrock知识库构建了前台交易助手。该方案利用大语言模型与Model Context Protocol（MCP）安全连接数据源和工具。AI代理通过编排基础模型调用和外部工具实现推理、规划和执行。该交易助手优化了Jefferies的前台交易操作流程，提升了运营效率。

技巧 Strands Agents Amazon Bedrock MCP/协议

推荐理由：Jefferies用Strands Agents和Amazon Bedrock造了个交易助手，能自动调用工具处理数据，相比传统方案更灵活。

原文

01:05

官方一手AWS Machine Learning Blog@Amit Deol

Motorway与AWS合作构建了端到端AI智能体评估流水线，将错误率从每8次查询1次错误降至每50次查询1次错误。问题检测时间从数小时缩短至数分钟。该流水线整合了Strands Agents SDK和Amazon Bedrock AgentCore托管服务。文章详细说明如何为自有智能体搭建此类评估流水线。

技巧 Strands AgentCore Amazon Bedrock

推荐理由：AWS和Motorway分享的智能体评估流水线，错误率从1/8降到1/50，检测时间从小时级到分钟级，照着就能用。

原文

00:39

官方一手AWS Machine Learning Blog@Omar Elkharbotly

精选

经典检索在处理多部分问题时往往效果不佳。Amazon Bedrock推出了AgenticRetrieveStream API，通过智能体式检索提升复杂查询的准确性。该API支持请求构造和响应跟踪解析，相比标准Retrieve API更适合多步骤推理场景。AWS官方博客详细解释了API的工作原理和使用时机。

技巧 Amazon Bedrock Managed Knowledge Base 智能体

推荐理由：AWS给Bedrock知识库加了Agentic检索，专治多部分复杂问题，比传统API更聪明。

原文

7月23日

06:00

官方一手marktechpost@Sana Hassan

精选

EdgeBench 是一个用于评估高级 AI Agent 的实用基准，涵盖 7 种任务类别、3 种运行时环境以及 5 种交互时间预算。本教程从 Hugging Face 下载数据集快照，解析 1200+ 条任务规范，并检查基准分类、执行设置、互联网需求、评判逻辑和评分元数据。然后介绍如何分析排行榜数据、扩展定律和 4 种评估指标（成功率、效率、鲁棒性、泛化性）。该教程提供了具体的 Python 代码示例，帮助读者复现研究级分析。

技巧 EdgeBench AI Agent 基准测试

推荐理由：想看 AI Agent 怎么测？EdgeBench 教程一步步教你下载数据、跑排行榜、分析 scaling law，连代码都给了，直接跟就行。

原文

00:04

官方一手AWS Machine Learning Blog@Claudio Mazzoni

82°

monday.com 在 Amazon Bedrock 上部署生产级 AI 智能体 AI Teammates。内部数据显示 90% 的开发者每月使用 AI 编码工具，较半年前的 50% 增长明显。每位工程师的 PR 吞吐量提升超过 50%。文章介绍了针对十年旧代码库的架构改造和自信度评分合并机制，向完全自主迈进一步。

技巧 monday.com Amazon Bedrock AI Teammates

事件专题

推荐理由：monday.com 分享了在 Amazon Bedrock 上跑 AI 智能体的真实数据和架构，开发者可以抄作业提升编码效率。

原文

7月22日

01:10

官方一手GitHub Blog@Jacklyn Carroll

本文介绍如何使用GitHub Copilot的Canvases功能将AI转化为交互式工作空间。Canvases支持可视化信息、探索工作流，帮助用户在复杂任务中直接操作。通过拖拽组件，开发者可以快速搭建数据处理界面。

技巧 GitHub Copilot Canvases 编程助手

推荐理由：GitHub Copilot的Canvases让AI变成能拖拽的工作区，可视化数据、梳理工作流，做复杂任务挺顺手。

原文

00:37

官方一手marktechpost@Sana Hassan

本文介绍NVIDIA srt-slurm框架，使用srtctl将YAML声明式配置转换为可重复的SLURM基准工作流。在Google Colab中配置集群并运行内置与自定义配方。通过参数扫描和Pareto分析，建模分离预填充（prefill）和解码（decode）部署的性能权衡。

技巧 NVIDIA srt-slurm SLURM

事件专题

推荐理由：想搞分布式LLM基准测试？NVIDIA这个srt-slurm框架让你用YAML写配置，一键跑SLURM，还能做参数扫描和Pareto分析，超实用。

原文

7月21日

01:48

官方一手AWS Machine Learning Blog@Don Barber

精选

AWS DeepRacer新增bootloader，开发者可安装或升级自定义OS。该bootloader能延长设备寿命，社区已发布基于它的发行版（如Ubuntu 22.04）。用户需按教程烧录bootloader并安装系统。

技巧 AWS DeepRacer bootloader 自定义OS

推荐理由：老DeepRacer能装新系统了，用新bootloader重装一遍，车又能跑最新ROS和AI软件，省一笔买新设备的钱。

原文

01:25

官方一手AWS Machine Learning Blog@Ebbey Thomas

精选

AWS与NVIDIA合作，展示如何通过Amazon Quick作为入口，结合NVIDIA NeMo Agent Toolkit构建供应链风险智能体工作流。该方案让业务用户从Quick仪表板和知识上下文出发，获得引导式缓解建议。示例中，智能体可分析供应商中断风险并推荐替代方案。整个过程无需复杂编码，直接利用NeMo Agent Toolkit的预构建智能体模板。

技巧 Amazon Quick NVIDIA NeMo Agent Toolkit 智能体

事件专题

推荐理由：AWS和NVIDIA联手，帮你用Quick仪表板加上NeMo Agent Toolkit，快速搭一个能自动分析供应链风险的智能体，不用写代码。

原文

7月20日

18:39

掘金本周最热@SameX

精选

文章分享了在 HarmonyOS 应用中使用 relationalStore 的5个工程决策，包括将 RdbStore 设计为应用级单例并复用初始化 promise 避免并发问题，合理选择 securityLevel（S1 适合普通业务数据），以及使用 CREATE TABLE IF NOT EXISTS 和 ALTER TABLE 处理 Schema 迁移。还提到 securityLevel 从 S1 到 S4 影响加密与跨设备同步，选低等级性能更好。最后指出设计阶段需预判未来加字段以避免老用户崩溃。

技巧 HarmonyOS relationalStore 本地数据库

推荐理由：讲的是 HarmonyOS 里 relationalStore 真正上线的坑，单例、安全等级、加字段怎么不崩，踩过的人才写得出来。

原文

09:24

官方一手marktechpost@Michal Sutter

文章对比了6款在单张24GB GPU上以Q4_K_M量化运行的开放权重模型，包括Qwen3.6、Gemma 4、Mistral Small、gpt-oss-20b和DeepSeek-R1-Distill。每个模型列出了VRAM占用、许可协议和擅长任务。例如Qwen3.6在代码生成方面表现突出，DeepSeek-R1-Distill推理能力较强。读者可根据需求选择适合的本地模型。

技巧 Qwen3.6 Gemma 4 Mistral Small

事件专题

推荐理由：想用24GB显卡跑本地模型？这篇文章直接对比了6款主流开源LLM，告诉你选哪个干哪种活，省得自己试。

原文

7月19日

09:15

官方一手marktechpost@Sana Hassan

精选

该教程展示了如何在Google Colab单GPU上使用NVIDIA NeMo AutoModel微调Qwen3-0.6B模型。从验证CUDA硬件开始，安装NeMo AutoModel源码，加载官方LoRA配置。在受限运行时调整精度、批次大小、检查点和调度器设置。通过automodel CLI启动微调，加载LoRA检查点后比较基础模型与微调输出的差异。最后演示NeMoAutoModelForCausalLM Python API的使用。

技巧 Qwen3 LoRA NeMo AutoModel

事件专题

推荐理由：教你用Colab单GPU跑Qwen3-0.6B的LoRA微调，全程实操，从环境配置到API调用都有，适合想上手NeMo的低资源玩家。

原文

04:57

04:57官方账号Simon Willison’s Weblog（博客/媒体）

Julia Evans 因不擅长阅读 SQLite 查询计划，促使作者用 Fable 构建了 SQLite Query Explainer 工具。该工具在浏览器中通过 Pyodide 运行 SQLite（Python 经 WebAssembly 编译），为 EXPLAIN 和 EXPLAIN QUERY PLAN 结果添加可视化解释层。当前版本需谨慎使用，因作者自认掌握不深，但功能对理解查询计划颇有帮助。

技巧 sqlite explain 查询计划

事件专题

推荐理由：不懂 SQLite 查询计划？这个工具用 Fable 在浏览器里跑 Pyodide，帮你把 EXPLAIN 结果翻译成人话，虽非百分之百准确但足够实用。

原文

7月18日

19:33

官方一手Sebastian Raschka: Ahead of AI@Sebastian Raschka, PhD

文章介绍了大型语言模型通过训练学习低、中、高三种推理模式的方法。低努力模式快速输出简短回答，中努力模式进行适度推导，高努力模式则执行逐步推理。这种技术允许用户根据任务需求和计算预算灵活调整模型的推理深度。

技巧 LLM 推理模式控制推理

推荐理由：想省算力又不想牺牲推理质量？这篇技术分享教你LLM如何按需切换推理模式。

原文

06:18

官方一手marktechpost@Nina Lopatina

精选

本教程展示如何使用MongoDB Atlas、Voyage和LangGraph构建一个具有持久记忆和操作上下文的智能体。该智能体不仅能生成天气报告或计划，还能记住过往事件并写回操作记录。通过集成MongoDB Atlas的持久化存储和Voyage的向量搜索，智能体可以在多轮交互中保持上下文一致性。LangGraph用于编排多步骤工作流，实现从查询到执行的闭环操作。

技巧 MongoDB Atlas Voyage LangGraph

推荐理由：想做一个能记住你和会议历史的智能体？这篇教程用MongoDB Atlas、Voyage和LangGraph一步步演示，比纯对话demo实用多了。

原文

05:39

官方一手GitHub Blog@Dalia Abuadas

GitHub 工程博客指出，AI 时代写代码的成本大幅下降，但拥有和长期维护代码的成本并未降低。文章提出了一个决策框架，帮助开发者判断哪些代码变更是真正的低成本。该框架要求团队重新评估代码评审标准和合并策略，以适应 AI 辅助编码的新现实。

技巧 GitHub 代码评审 AI成本

推荐理由：GitHub 工程博客直接点出 AI 时代写代码变便宜但维护成本没变，教你用新框架做决策，实用！

原文

03:09

03:09官方账号Simon Willison’s Weblog（博客/媒体）

Simon Willison 对 LLM 生成文章中充斥的套话感到不满，于是用 Fable 5 的 vibe code 开发了一个高亮工具。该工具能识别 10 种常见写作模式，例如“no fluff, no filler, no jargon”这类陈词滥调。用户粘贴文本即可自动标记出这些模式，帮助识别 AI 生成痕迹。

技巧 Fable 5 LLM 文本检测

事件专题

推荐理由：Simon Willison 用 Fable 5 搓了个小工具，专门高亮 LLM 文章里那些“无废话、无填充”的套路句，一共 10 种模式，对付一眼 AI 文很好用。

原文

00:54

官方一手AWS Machine Learning Blog@Pyone Thant Win

精选

Smartsheet分享了在AWS上构建远程MCP服务器的架构，重点包括使用AWS IAM进行身份验证和授权、通过API Gateway实现流量控制与扩展、利用Lambda进行无服务器推理以及用CloudWatch监控性能。文章还介绍了如何通过VPC端点确保数据安全，并采用AWS WAF防范常见攻击。该架构支持每秒处理数百个请求，延迟控制在200ms内。

技巧 Smartsheet MCP/工具 AWS

推荐理由：想在企业级用MCP？看看Smartsheet怎么用AWS搞定了安全、扩容和监控，干货满满。

原文

7月17日

11:21

11:21阮一峰的网络日志（博客/媒体）

精选

RTX 5090有32GB显存和1792GB/s带宽，但无法加载70B参数模型（需32.6GB）。AMD Strix Halo迷你PC（Ryzen AI Max+ 395）拥有128GB统一内存和256GB/s带宽，能加载大模型但Token生成速度仅每秒6个。MoE模型如Qwen3-30B-A3B每次只激活3B参数，可将读取量降至2GB，从而在迷你PC上达到每秒100+ Token。选择硬件需根据模型大小和速度需求权衡。

技巧 RTX 5090 AMD Strix Halo 统一内存

推荐理由：想在家跑AI大模型？这篇对比了RTX 5090和AMD迷你PC，解释了为什么统一内存能装大模型但速度慢，还教你用MoE模型提速。

原文

08:33

08:33官方账号Simon Willison’s Weblog（博客/媒体）

精选

Simon Willison基于Grok Build的Rust代码创建了Mermaid转ASCII工具，随后发现AlexanderGrooff开发的Go库mermaid-ascii功能更全。他用Claude Fable 5将Go库编译为WebAssembly，以比较两个版本的输出。Go版额外支持颜色输出。

技巧 Claude Fable 5 Mermaid WebAssembly

事件专题

推荐理由：Simon用Claude Fable 5把Go版的Mermaid转ASCII编译成了WebAssembly，还能显示颜色，跟Rust版对比着玩，挺有意思。

原文