多个 LoRA 合并到一起，画风串味、角色崩坏几乎是必然。vivo BlueImage Lab与南京大学提出 SSR-Merge：不在参数空间做算术，而在信号空间做路由。路由器 R = QG⁻¹ 由数据的二阶统计量直接解出，等价于最小二乘的唯一解析解，无需训练、无需调参，部署时可重参数化为标准 LoRA，推理零额外开销。
一次 Tool 调用即使执行成功，也不代表 Agent 做出了正确且获授权的业务行动。本文提出推理对象作为判断与行动之间的可追溯锚点，并区分 Tool、Skill、Capability 和治理基础设施的责任，让 Agent 保持动态协调能力，同时不再成为所有责任的容器。 研究说明：知识驱动计算（Knowledge-driven Computing，KDC）是我们提出和正在打磨的一套 AI 应用软件工程理论，目前仍处于开放研究阶段。前两篇分别讨论了应用软件面对的领域现实，以及什么内容才可以作为知识进入系统。这一篇继续沿着同一个问题向前：当 AI 已经获得可靠知识，它如何把判断转化为现实行动？
检索到相关材料，并不等于系统获得了可以用于判断的知识。本文区分 Representation、Knowledge 和 RAG 的职责，提出知识对象、来源证据、成熟度、版本与适用边界等工程要求，说明认知成果如何被验证、引用和持续更新。 研究说明：知识驱动计算（Knowledge-driven Computing，KDC）是我们提出和正在打磨的一套 AI 应用软件工程理论，目前仍处于开放研究阶段。它不是业界已有的通用概念，也不是已经成熟的架构标准。这一系列文章将从具体工程问题出发，逐步说明我们为什么提出 KDC、它试图解释什么，以及哪些判断仍有待实践验证。
面对涉及存量代码变更的需求，挑战不在于编码，而在于如何安全、精准地修改。本文通过构建一个由1个编排器和多个单职责Skill组成的AI协作流水线，将影响分析、规则沉淀、埋点和回归检查等隐性工作流程化，确保在实现功能的同时，对存量代码实现最小侵入式改造。
本文提出 SmartPhotoCrafter，一种全新的统一理解—生成—优化框架，为自动图像优化提供了新的技术范式。该方法将图像优化建模为“先分析、再决策、后优化”的 Reasoning-to-Generation 流程：模型首先通过Image Critic对画面质量、光影、色彩和构图进行链式推理；随后由Photographic Artist执行高保真修复与美学增强。SmartPhotoCrafter能够统一完成去雾、去模糊等图像修复任务以及专业调色与风格优化，同时支持用户指令驱动的主动编辑。该方法在保留原始场景的内容结构与细节的同时提升图像质量，实现兼具真实性与美感的自动图像优化。
当 AI 应用开始在运行时解释数据、选择工具并影响业务状态时，数据表示中的遗漏和歧义可能直接转化为行动风险。本文从退款案例出发，提出 Reality First 的观察顺序：先明确系统面对的领域现实，再讨论现实模型、数字表示以及验证反馈如何共同支撑软件的判断与行动。 研究说明：知识驱动计算（Knowledge-driven Computing，KDC）是我们提出和正在打磨的一套 AI 应用软件工程理论，目前仍处于开放研究阶段。它不是业界已有的通用概念，也不是已经成熟的架构标准。这一系列文章将从具体工程问题出发，逐步说明我们为什么提出 KDC、它试图解释什么，以及哪些判断仍有待实践验证。
在广告营销场景中，小游戏的生命周期极短——从策划到上线往往只有数天。传统开发模式下，需求沟通、素材制作、编码联调、测试上线的每个环节都是瓶颈。本文基于 vGame 平台的实践经验，详细阐述如何通过 AI Agent、结构化场景描述和自动化管线，将广告小游戏的开发效率提升一个数量级。
本文结合 AI 编辑器二期调研实践，拆解 Agent 在协同文档中的身份取舍、可回放事实链、side-by-side Diff 展示，以及 run 级精准撤回机制，说明如何让 AI 的改动看得见、退得掉、不误伤协作者。
随着海外业务拓展和欧盟等市场对无障碍要求持续明确，无障碍成为研发质量体系中的基础能力。本文介绍一套覆盖 Web 端、Vue 编码阶段和 Android App 真机页面的检测工具链：Web 端覆盖 PC 页面与 H5 页面，Chrome 插件发现运行时问题；VS Code 插件前置检测并结合大模型辅助修复；桌面端工具基于 ADB、截图和 UI XML 完成 App 检查，帮助团队形成质量闭环。
本文提出了一种适用于扩散模型的全新引导范式——自交换引导（Self-Swap Guidance, SSG）。针对传统引导方法（如 CFG 或其他无条件引导机制）高度依赖文本条件、需专门训练或直接加噪导致图像失真的局限性，SSG 提出了一种“无需文本、不加噪声、不改模型”的轻量化策略。 其核心思想是在模型推理阶段，直接对内部特征（Token）在空间和通道维度上进行“最不相似”特征对的交换，以此为模型引入结构性扰动生成一条“变差”的预测路径，再利用差值反向指导模型朝更高质量的方向生成。 实验表明，SSG 在有条件和无条件生图任务中均更具鲁棒性，多项图像质量和文本一致性指标超越了现有的无条件引导方法。 该工作由vivo BlueImage Lab，上海交通大学共同完成。
