• ARTICLE
  • STRING
  • CONVERTER
  • ENCRYPT
  • NETWORK
  • MORE
    CHART
    MATH
    COORDINATE
    IMAGE
    FILE
    OPEN API
  • ARTICLE
    STRING
    CONVERTER
    ENCRYPT
    NETWORK
    MORE
    CHART
    MATH
    COORDINATE
    IMAGE
    FILE
    OPEN API
logo Online Tools
All Chinese English Newest Hottest
6601 search results

当所有人都在给AI造缰绳,马厩正在消失

87 Technology lddgo Shared on 2026-07-29

围绕人工智能的宏观经济影响,一种直观图景是“K型复苏”:人工智能相关资本、头部企业和少数高技能群体向上,普通劳动者以及部分面向居民的传统部门向下。但如果这种分化源于普通劳动逐步退出核心生产要素,同时机器部门形成相对独立的投资和扩大再生产循环,那么它就不只是一次周期性复苏中的分化,而可能是经济史的拐点。判断二者的差别,需要首先回答一个基础问题:人工智能经济究竟是什么。本文不对当前是否已经形成这种结构性“K型”分化作经验判断,而是提出一套区分周期性分化与经济形态转变的理论框架和识别标准。

46 Technology lddgo Shared on 2026-07-29

火山引擎开源 Agent 驱动的搜索自迭代技术

127 Technology lddgo Shared on 2026-07-29

核心目标:用因果推断与博弈论方法,量化「因」对「果」的贡献度,精准定位复杂 AI 系统(LLM、Runtime Env、Tools等)的优化瓶颈。阅读导航:1.如果你已熟悉因果推断与归因分析的基础理论,可直接跳到 第 5 章:AI 评测中的归因分析实战;2.如果你关注方法选型,推荐先看 第 4.3 节:方法选择决策框架;3.如果你只想了解结论和实践经验,可直接看 第 6 章:总结与展望。

101 Technology lddgo Shared on 2026-07-29

订单系统是交易链路的核心命脉,直接承载用户所有下单与支付行为,其稳定性直接决定业务盈亏。为此,我们耗时一年多,完成了订单系统由外而内的三阶段改造。 第一阶段筑牢稳定底线:以 SLA 99.99%、杜绝跌单为目标,梳理下游依赖、搭建三级保障规范,规避下游抖动拖累主链路。第二阶段剥离核心链路:以支付节点为分界,将订单创建、支付回调等核心能力从老旧应用中独立拆分并专属保障。第三阶段模块化重构链路:按业务语义重构执行序列,实现各环节模块化分层并配齐全链路埋点。 三阶段改造落地后,订单系统实现了稳定性兜底、核心链路隔离、架构模块化、链路可观测的全面升级。但 AI Coding 的普及,给核心系统研发带来了全新的挑战。

122 Technology lddgo Shared on 2026-07-29

本月,美团LongCat 2.0 已正式开源,总参数 1.6T,平均激活约 48B,动态范围 33B 到 56B,原生支持 1M 超长上下文。这是首个在五万张国产算力卡上完成全流程训练与推理的万亿参数模型。开源只是第一步,让 LongCat 2.0 在真实的工作任务中成为可靠的“工作伙伴”,才是真正的考验。现在,搭载 LongCat 2.0 的美团全场景 AI Agent 平台 CatPaw 正式上线,将模型能力从“跑得动”推向“用得好”。CatPaw 提供开箱即用的 AI 智能工作台与企业级 Agent 开发托管能力。不仅如此,依托美团十余年深耕本地生活的行业积累,CatPaw 将商家经营、服务履约与消费决策的深度认知融入其中,助力企业构建 AI 数字员工、推进业务智能化升级。目前,CatPaw 已在美团内部大规模落地:累计覆盖 9 万员工、搭建 Agent 3 万个,并在多个真实业务场景中完成验证。

76 Technology lddgo Shared on 2026-07-28

卖 Token还是卖结果:AI 商业模式的几个悖论

49 Technology lddgo Shared on 2026-07-28

Loop Engineering 已死? 一文带你了解Graph Engineering

99 Technology lddgo Shared on 2026-07-28

当理解成为瓶颈:AI 编程时代的认知债与意图债

120 Technology lddgo Shared on 2026-07-28

Anthropic 砍掉了 Claude Code 系统提示词的 80% 以上,编码评测没有可测量的损失。但这句话真正证明的,是那 80% 本来就没在传递信息——它是给弱模型打的补丁,不是知识。一个团队能删掉多少提示词,度量的不是模型有多强,是他们之前写了多少废话。模型学到的是世界的公共部分。你的规则里装的是私有部分——“我们周五不发版”、“这个库禁用”、“这个仓库的类型全在一个文件里”。这些从没进过任何语料库,模型再强也补不上。该薄的是公共部分,该厚的是私有部分。而按 token 数砍,砍掉的往往正好是后者。

41 Technology lddgo Shared on 2026-07-27