登录社区云,与社区用户共同成长
邀请您加入社区
David Ondrej 是一名 AI 博主,今年 22 岁,专注 AI 编程和智能体工作流。做 AI 之前,他手里有一个 40 万订阅 的视频频道。三年前,他把频道放下,扎进 AI agent,一写就是 2000 多个小时。这几年他做的事不止写代码。他还是开源智能体框架 Agent Zero 的作者。三周前,他又做了一件让 AI 圈集体侧目的事。他把平时用的那一整套 agent 技能,全部开源成
本期开源项目聚焦AI Agent工程化与记忆系统,17个项目共新增11,922星。核心趋势包括: AI Agent工程化:技能框架(skills/superpowers)与可视化协作平台(munder-difflin)成为热点,强调可控性与交付质量; 记忆系统:ai-memory/OpenViking等项目构建长期记忆与上下文检索能力; 本地化工具:OpenLogi(Rust外设管理)、Money
以下为本文档的中文说明agent-project-board-sync 是一个将 AI 智能体集群(Agent Swarm)与 GitHub Projects 进行双向同步的技能,实现可视化的任务管理、进度追踪和团队协作。它通过 ruv-swarm 命令工具,将分布式 AI 智能体的工作状态和进度实时映射到 GitHub Projects 看板上,让团队成员能够使用熟悉的项目管理界面来监控 AI
嵌入式GUI开发中,定时器是关键但常被忽视的工具。本文通过Web模拟器+MicroPython,无需硬件即可学习LVGL定时器的核心应用:从基础创建、周期设置到高级功能如暂停恢复、状态检测等。涵盖时钟刷新、倒计时、动画等实际场景,解决新手常见误区,帮助开发者掌握GUI中的时间调度技巧,让界面真正"活"起来。
《"蛋壳小鸡":一款会"长大"的AI实体陪伴终端》摘要:针对现有AI助手缺乏情感互动的问题,作者开发了一款名为"壳生同频"的AI实体终端。这款外形如蛋壳小鸡的设备采用ESP32-S3主控,成本不足200元,却能实现"温养式成长"的陪伴体验。其核心特色包括:动态人格系统(5个可成长性格维度)、情感记忆功能(保存15条对话
具体流程如下图所示:Lark机器人作为和用户交互的客户端,将消息发送到Lark云端,用户自己实现的Lark Bot服务端程序和Lark云端,以长连接的方式接收消息,并调用DevOps Agent的Chat API,从而实现和Agent的交互。告警触发DevOps Agent自动调查的链路,通过Lambda实现的告警处理器根据收到的Grafana告警,一方面以Lark群告警卡片的形式第一时间通知团队
本文介绍了LVGL在嵌入式GUI开发中的扩展与自定义能力。重点解析了LVGL文件系统模块的设计理念:通过字母标识驱动、回调函数实现和缓存优化,提供统一的文件操作接口。详细说明了现成驱动的使用方法和自定义驱动的三步开发流程,强调图像控件加载必需的4个回调函数。此外,文章还提及LVGL的自定义组件开发和可配置日志系统等扩展功能。这些功能帮助开发者实现资源加载和业务个性化需求,使项目从"能用&
OpenAI紧急提档GPT-6,彻底抛弃4T旧底座?而且,GPT-5.6正式解禁,周四就要上线!Sol、Terra、Luna三款模型全面开放,编码、科研、日常任务全覆盖。已经有早期测试者狂赞Sol模型「永不放弃」,现在,全体开发者已经在摩拳擦掌了。就在刚刚,一条消息瞬间传遍圈内。GPT-6的发布时间大幅提前,最快将于本月内正式空降!如果爆料属实,就意味着GPT-5.x系列将以GPT-5.6收官,成
说,这个 doctest 也是一个很好的文档,所以,应该发自内心地改变对 doctest 的用法。稍后,doctest 将演变以考虑新的元素或所需的变化。所以,doctests 和常规测试之间的平衡是一个饱受争议的问题,这取决于由团队,可读的和可用的,所以,它们可以是包文档的一部分,而那些不可读的,只是用于构建并。由于我们已经知道如何构建、打包和测试软件,在接下来的两章中,我们将关注如何。本章是关
在C++生态中,单元测试框架的选择直接影响开发效率与测试覆盖率。本文基于功能特性、适用场景等维度,对比主流框架并提供选型建议。核心优势:支持红-绿-重构模式,提供死亡测试、参数化测试及Mock功能(需配合Gmock)。性能敏感场景:需结合框架的基准测试数据(如Catch2的编译速度优势)。适用场景:已使用Boost的项目或需要复杂测试逻辑的场景。适用场景:跨平台大型项目,如Chrome、LLVM等
登录 Gitee 企业版账号,进入 “个人设置” 页面,找到 “MCP 企业令牌” 选项,创建独立令牌并按需勾选权限(需包含 enterprise_info、user_detail、issues、projects、programs、members、pull_requests、notes 等核心权限),确保 AI 可正常访问企业数据。通过打通 AI 与企业研发数据的连接,该产品不仅减少团队在多工具间
采用RAII机制管理资源生命周期具有显著优势:首先,它确保了资源的自动释放,极大地减少了资源泄漏的可能性,提高了代码的健壮性。其次,它简化了代码逻辑,程序员无需在复杂的控制流中牢记释放资源,降低了出错几率。第三,它使代码更清晰、更易维护,资源管理的细节被封装在RAII类内部,使用者只需关注业务逻辑。最后,它提供了强大的异常安全保障,是编写异常安全代码的基石。RAII是C++区别于许多其他编程语言的
在下一代JVM设计中,预计会引入基于Fiber的轻量级用户态线程(Project Loom)与统一调度管理,经内部分析其API层将通过`StructuredTaskScope`实现异步/await语法糖,使原有基于`CompletableFuture`的异步链路代码量减少40%。JMM内存模型通过`volatile`变量强制插入内存屏障,观察` Unsafe.getAndAddInt()`方法的字
开发JDBC驱动时遭遇多重挑战:客户端安装问题、防火墙限制和性能瓶颈。最终通过类型3驱动结合HTTP隧道作为中间层解决。JDBC驱动分为4种类型,类型3驱动因其纯Java特性和HTTP隧道优势(跨平台、穿透防火墙)成为首选。开发核心难点包括:ResultSet不可序列化(改用句柄机制)、HTTP无连接(采用缓存和批量调用)、代码重复(使用代码生成工具)。解决方案包括:轻量级客户端JDBC实现、服务
1. 进入 zephyr 主仓库cd zephyrproject/zephyr# 2. 编译 hello_world 示例,指定“板子”(-b)为 qemu_x86#-p auto = 编译完自动启动 (auto-probe/run)west build -b qemu_x86 samples/hello_world -p auto。它是 Zephyr 的**“元工具” (Meta-tool)**
开发都始于一份严格对齐的Spec文档, 所有代码、测试、架构都必须要严格准守, 后续变更也是通过Spec来驱动, 而非去改代码. 包括自动化工具也是基于Spec去生成代码、测试用例等.简单来说, 后续程序员主要工作在于制定Spec文档, 代码实现由AI来完成.
https://xwytn.xetslk.com/sl/3ur5ci
在过去18个月中,AI软件开发助手经历了显著演变。最初,这些工具仅仅是"增强版打字员" - 开发者开始输入代码,AI完成剩余部分。随着"代理式聊天"的出现,开发者能够与AI代理进行多轮对话,请求"编写实现X功能的函数"。这种进步得益于AI能够理解代码库上下文,查看项目结构和打开的文件,基于知识提供智能建议。随着更先进的大型语言模型(LLM)出现,术语"氛围编码"(vibe coding)开始流行。
T31N是君正科技推出的高性能智能视频处理器,采用XBurst1核CPU(1.5GHz),支持HEVC/AVC/JPEG编码,最大分辨率2592x4096。具备3A图像处理、WDR/HDR功能,集成512Mbit DDR2内存和丰富接口(USB2.0/以太网等)。采用22nm工艺,最低功耗1.5mW,适用于安防监控、智能家电等领域。其时尚外观设计融合科技感与实用性,同时具备强大兼容性和数据安全防护
在AI技术深度融入软件开发流程的今天,开发者们面临着一个新的挑战:如何平衡代码生成效率与工程质量。早期的“氛围编码”(Vibe Coding)模式虽然能够快速验证想法,但其随机性和不可控性难以满足企业级项目对代码质量、可维护性和团队协作一致性的要求。规范驱动开发(Spec-Driven Development)正成为解决这一痛点的关键路径。
本文深入探讨了从C语言转向C++的必要性,重点分析了C语言在大型项目管理中的核心痛点,并展示了C++如何通过命名空间(namespace)机制优雅解决这些问题。文章首先指出C语言在命名冲突、指针管理、函数设计等方面的不足,然后详细讲解了C++命名空间的多种应用方式,包括基本命名空间、嵌套命名空间、匿名命名空间和命名空间别名,并通过丰富的代码示例演示了它们在工程实践中的应用。命名空间为C++提供了模
本文介绍了Python代码规范PEP 8的重要性及其核心内容。PEP 8是Python官方推荐的代码风格指南,遵循它能够提升代码可读性、团队协作效率和Pythonic程度。文章重点讲解了命名规范(如变量使用snake_case、类名用CapWords)、代码布局(4空格缩进、79字符行长限制)、空格使用原则、导入规范和注释写法等关键内容。最后推荐使用Pylint、Flake8和Black等自动化工
生成式AI助力测试数据隐私保护创新。文章探讨AI技术在解决测试数据隐私问题中的三大核心应用场景:合成数据生成、动态数据脱敏和隐私保护测试设计,可提升40%测试覆盖率并降低60%数据泄露风险。同时分析了AI带来的效率提升、成本优化和合规强化优势,但也指出需警惕模型安全性、伦理边界和技术门槛等挑战。最后提出最佳实践路线图,强调技术与人文平衡的重要性,展望AI驱动"隐私沙盒"将成为行
每次新版本发布,都能增长,克劳德第一次能完成正确更多的事情,所以你每次都可以多要求一点。不幸的是,每次模型更新,情况都会变。“当我在谈话中看到克劳德做了特别好或特别糟糕的事情时,我会按#键,这会进入‘记忆模式’。这是人类工程师分享的高级技巧,也是从模糊想法到完整应用的最快方式。- AI的“脑外记忆”,自动加载编码规范和个人偏好。✓ 相信人工智能的发展速度,定期重新评估它的能力。1.1 “Vibe
电竞解说语音生成测试面临动态语速控制、多维情绪表达和专业术语融合三大挑战。测试指标体系聚焦语音质量、韵律自然度、语义连贯性和情感匹配度等核心维度。通过设计团战解说等实战场景测试方案,采用对抗样本、跨语种干扰等创新测试技术,并建议建立专业语料库和专用测试工具,以提升测试效能。该测试方案针对电竞场景的特殊需求,为AI语音生成质量提供了系统化的验证方法。
AI时代正在重构软件工程的基本原则:抽象原则从代码抽象转向意图抽象,模块化原则从人工分解演进为智能分解,信息隐藏发展为智能接口设计。AI增强的软件工程方法通过自然语言处理识别功能点、图神经网络分析模块关系、强化学习优化模块划分,实现智能化的系统设计。典型实现包括:意图驱动的自动抽象生成、基于使用模式的智能接口建议、变更影响预测的模块分解等,形成"需求分析→智能聚类→边界划定→演进规划&q
Superpowers是一个GitHub上爆火的AIAgent技能框架(27K+ Stars),它通过系统化的工作流彻底改变了AI编程方式。核心是7步标准化开发流程:需求澄清→系统设计→任务拆解→子代理开发→强制TDD→代码审查→项目收尾。该框架将软件工程最佳实践编码成AI可执行的技能,模拟完整开发团队分工,通过心理学原理确保Agent遵守纪律。支持Claude、Cursor等主流平台,特点是强制
本文详细介绍了在VSCode环境下进行Linux 4.1.15驱动开发的3个关键头文件路径配置与Makefile避坑指南。通过交叉编译架构设计、VSCode智能感知优化及多架构Makefile模板解析,帮助开发者高效搭建嵌入式Linux驱动开发环境,解决常见编译错误。
这篇笔记参考了我本地的 `03_AI应用开发` 学习目录,核心内容包括 AI 基础技能、Ollama、本地模型、MCP、RAG、Agent Skills、完整 Agent、多 Agent 协作和求职作品。实际项目里,错误经常不是 Prompt 写得不够玄学,而是参数错、超时、返回结构不稳定、额度耗尽、密钥泄露、日志没打、重试没有边界。不是把名词堆一遍,而是按项目倒推学习顺序:先会稳定调用模型,再补
Hermes Agent 在个人使用场景下,所有存储均围绕本机文件系统构建,以下是从实际环境中观察到的存储布局与数据流。
主要语言:Shell。