LLM

权重空间编程

权重空间编程的火花：大模型能原生读写神经网络的权重

权重不只是优化器的产物。它可以被模型直接读、直接写——而且是在自然语言里。

LLM

改 0.016% 的权重，MATH-500 从 7.9% 到 48.1%：LLM 开始直接读写权重

没有梯度，没有训练循环，只改 0.016% 的权重。它修好的是一个"会绕圈"的小模型，对不绕圈的模型则无能为力——这正好划出了能力边界。

AI × 工业

LLM 写 PLC 程序有多靠谱？PLCWorld 闭环基准实测

GPT-5.5 写 PLC：简单任务 82.7%、难任务 25.1%，且完成率高≠安全违规少。"编译通过"和"产线真能跑"之间隔着 Execution Gap。

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。

LLM

本地 LLM：从玩具到工具

很长一段时间，本地运行 LLM 主要是为了证明你可以做到。这种情况正在开始改变。

LLM

LLM 成本预测

深入探讨输出长度预测、智能体预算与 Python 工具

LLM

LLM 实时数据层

新鲜、有根据、格式正确且及时的网络数据为 AI 提供了理解不断变化世界所需的上下文。

LLM

AI 开发者必须了解的4种LLM缓存

AI 系统中有 4 种不同的缓存机制，它们位于不同的层级。其中三种主要决定了你浪费多少计算资源和资金。

LLM

LLM 成本控制简明教程

我们在 2026 年 8 月 29 日核查了本文中的定价和平台详情。由于提供商费率经常变化，最好将价格存储在配置文件中，而不是硬编码到应用程序中。

LLM

上下文学习：唯一重要的 AI 功能

停止微调吧。你的模型权重在训练完成的那一刻就已经过时了。上下文学习（ICL）才是真正的软件执行。

LLM

为什么AI不需要你的内容

文章不再是资产。组织它的东西才是。

LLM

LLM 上下文背后的真正工程

为什么将整个代码库转储到提示中会在生产中崩溃