本仓库追踪 AI 领域最新动态,推荐优秀的 AI 工具、Skills、开源项目,分享大模型前沿资讯与实战教程。
- 为什么你的"AI-First"战略可能是错的 — 前 Meta LLaMA 工程师实战复盘,25 人团队日均 3-8 次部署
- AutoClip:AI 驱动的视频智能切片系统 — 一键提取精彩片段,GitHub 4.4K+ Stars
- HyperFrames: HeyGen 开源的 AI-First 视频渲染框架 — 用 HTML 写视频,让 AI Agent 做导演
- Claude Opus 4.7 重磅发布 — 编码能力飙升,Mythos 之影笼罩
- Claude 身份认证升级后的备选总览
- Claude Opus 4.7 爆料 — 新设计工具或本周登场
- Modal 免费 GLM-5.1 接入 Claude Code 超详细部署教程
- NVIDIA NIM 免费 MiniMax-M2.7 接入 Claude Code 超详细部署教程
- 阿里 ATH 事业群发布首款 AI 开发工具 Meoo
核心目标: 理解 LLM 的运行“内存”限制与预测本质。
- 核心视频: Intro to Large Language Models - Andrej Karpathy
- 核心笔记:
- Token 原子论: 理解 Tokenization 对拼写、算术的影响。
- 上下文窗口即 RAM: LLM 的 Context Window 决定了其处理复杂任务的上限。
- 预测机制: 理解“预测下一个 Token”如何导致上下文腐烂(Context Decay)。
- 工作记忆限制: 警惕 "Lost in the Middle" 效应,优化信息在 Prompt 中的排布。
核心目标: 学习如何通过优化 Token 配置来提升模型效能。
- 核心视频: Context Engineering & MCP Intro
- 上下文四大策略:
策略 说明 场景 写入 (Write) 将详情存入外部存储(如文件、数据库) 持久化知识 选择 (Select) 仅加载当前步骤所需的“高信号”信息 节省 Token 消耗 压缩 (Compress) 对冗余信息进行摘要或状态持久化 处理长文本 隔离 (Isolate) 通过子代理架构减少 Context 污染 复杂多任务并行 - 核心原则: 遵循 Anthropic 的 “金锁区 (Goldilocks Zone)” 原则,保持 Prompt 长度恰到好处。
核心目标: 打通 LLM 与本地/云端数据的“连接层”。
- 核心视频:
- 技术要点:
- 架构理解: 客户端-服务器模型(Client-Server Model)。
- 核心三要素: 工具 (Tools)、资源 (Resources)、提示词 (Prompts)。
- 环境搭建:
- 使用
FilesystemMCP 读写本地文件。 - 使用
Google Drive / GitHubMCP 访问远程资产。
- 使用
- 调试技巧: 使用 MCP Inspector 监控调用生命周期。
核心目标: 实现具备“专家经验”的持久化代理,掌握三层加载机制。
- 核心视频:
- 渐进式披露 (Progressive Disclosure) 架构:
- 元数据层 (Metadata): 始终在线的轻量目录。
- 指令层 (Instructions): 仅在匹配需求后才加载的详细规则。
- 资源层 (Resources): 按需调用的脚本 (Scripts) 与参考文件。
- 项目级持久化: 利用
CLAUDE.md记录项目上下文、编码标准与状态。
- 编辑器: Cursor 或 VS Code
- 终端: Claude Code (官方 CLI 工具)
- 客户端: Claude Desktop (支持 MCP 配置)
- 社区: Linux.do — 高质量中文技术社区,AI / 开源 / 开发者话题活跃