本地 LLM
Transformers 现在能直接跑 llama.cpp 的 GGUF 量化模型了
本地推理最常用的 GGUF 量化格式，现在可以在 transformers 里直接加载了。Hugging Face 复用 llama.cpp 的 ggml Metal 内核并优化生成循环，在 MacBook Pro M2 Max 上把性能做到接近 llama.cpp——本文完整编译：三行加载代码、OpenAI 兼容服务、实测数字与当前限制。
admin
AI Agent
智能体说"搞定了"，数据库不同意：ThinkingBox 用终态给 Agent 打分
一个退款工单，9 次工具调用全部合规，数据库终态却是错的。微软 ThinkingBox 用"终态 + 重复 20 次"重新定义智能体评测：121,680 次有效试验中，近八成失败的模型其实"看起来像成功"。本文完整编译：pass@1 / pass@20 / 20/20 的区别、一致性成本，以及失败特征。
本地 LLM
LFM2.5-24B-A2B：24B 参数只激活 2B，把推理智能体跑在本地设备上
一个 24B 的 MoE 模型，每个 token 只激活 2B 参数，却能在工具调用上超过参数多约 50% 的对手——Liquid AI 的 LFM2.5-24B-A2B 专为"在自己硬件上持续运行智能体"设计。本文完整编译官方发布：架构、五阶段后训练（含 Agentic RL）、16 项基准、端侧与 GPU 速度、以及 transformers / 智能体框架接入。
本地 LLM
用 AI 智能体给自己造模型：两天、103 美元、6 个小模型
想要的小模型不存在，就自己造一个。用 Hugging Face 的 ML Intern 智能体，作者在两天里造了 6 个模型：柑橘病害 VLM、角色 LoRA、相机角度 LoRA、0.8B 口袋改写器、4 步出图模型……总算力约 103 美元。附提示写法与成本表。
AI Agent
上下文工程：AI 智能体时代的核心技能
上下文是一种有限资源，存在"注意力预算"。本文完整编译 Anthropic 工程博客：有效上下文的解剖（系统提示/工具/示例/历史）、运行时 just-in-time 检索、以及长程任务的压缩、结构化笔记与子智能体架构。
MCP
MCP 是什么？为什么它成了 AI 工具连接的标准
AI 模型很强，却被数据孤岛困住。MCP 用一个开放标准，把 AI 与数据源、工具的连接从"碎片化集成"变成"一次接入、多端复用"。本文完整编译 Anthropic 发布公告与官方文档：架构、能力、生态与落地。
PLC
AI 正在改变 PLC 编程：哪些真能用，哪些还是噱头
通用 AI 为什么写不好 PLC 代码？厂商 Copilot、"工厂级"平台分别适合什么场景？本文完整编译施耐德与 PLCs.ai 的行业分析：规模化危机、8 个结构性差异、横评对比表，以及博途场景的落地路径。
AGENTIC ENGINEERING
一个 GitHub 智能体工作流
我终于让文档工作流跑通了！现在每一次相关变更都会创建一个新的 PR，把改动同步到 README、wiki、Copilot 的 instructions.md 以及 changelog 中。
PLC
AI驱动的 PLC 程序开发 (WorkBuddy+TiaLink)
我们让 WorkBuddy 通过 TiaLink 操作本机的博途 V19，实现一条 S7-1500 输送线分拣控制程序。
INDUSTRY
递归自我改进 (RSI) 解决了吗？
在现代 AI 时代，递归自我改进有两条研究路线：弱 RSI 与强 RSI。
ALGORITHM
智能体强化学习：框架与最佳实践
在这篇综述中，我们将研究近期关于 LLM 代理 RL 训练的工作，并为构建功能完善、性能优越的智能体强化学习系统总结实用的设计原则。
JOB MARKET
2026 是 AI 员工之年吗？
构建 AI 智能体的经历让我明白：为什么仅有更好的模型，并不能带来 AI 员工。