OpenAI Agents SDK 是 OpenAI 面向 agentic AI 应用推出的一套 Python 框架。它不是另一个简单的 API wrapper，也不是把提示词、工具调用和多轮对话随意拼在一起的示例项目。按照仓库文档里的定位，它是 OpenAI 早期实验项目 Swarm 的生产化升级，目标是用尽量少的核心原语，把真实 Agent 应用里最常见的几件事放到同一个运行时里：模型调用、工具执行、多 Agent 协作、上下文管理、安全校验、人工介入、
如果只看参数规模，DeepSeek-V4 很容易被理解成又一次“大模型继续变大”的发布：DeepSeek-V4-Pro 拥有 1.6T 总参数、49B 激活参数，DeepSeek-V4-Flash 拥有 284B 总参数、13B 激活参数，并且二者都声称支持一百万 token 上下文。但通读论文后会发现，DeepSeek-V4 真正想强调的并不是单纯堆参数，而是围绕“百万 token 上下文能否常态化使用”
很多人第一次接触大语言模型时，都会有一种强烈的不真实感。 一方面，它似乎只是一个“高级输入法”。每一步不过是在猜测下一个词、下一个字、下一个 token。它不知道自己在做什么，也没有真正的“意识”。 但另一方面，它却能写代码、解释数学、分析商业问题、撰写文章、甚至能够表现出推理、规划和创造力。 于是，一个看起来很矛盾的问题出现了： 如果模型做的事情只是预测下一个词，它为什么会表现得越来越像智能？ 我觉得，理解这个问题，关键在于我们低估了“预测”这件事真正意味着什么。 预测下一个词，并不是在猜词 人们容易把“预测下一个词”理解成一种机械的填空游戏： * “今天天气很…
什么是Harness? 最近，我看了两篇关于 Agent 的文章，都来自 Anthropic： * 2025 年 11 月 26 日，《Effective Harnesses for Long-Running Agents》 * 2026 年 3 月 24 日，《Harness Design for Long-Running Application Development》 前一篇讨论的是：如何让
很多人第一次使用 Claude Code 时，都会有一种很奇怪的感觉： 它好像真的“记得”我之前做过什么。 你让它连续改几个小时代码，它仍然知道： * 当前在修哪个 Bug * 刚刚改过哪些文件 * 哪个方案已经失败过 * 下一步应该继续做什么 甚至隔了很久回到项目里，它还能接上之前的工作。 但问题是： 大模型的上下文窗口再大，也不可能无限大。 一个真实的软件项目，往往会包含： * 几十到上百个文件 * 数十轮对话 * 大量工具调用 * 很长的日志、报错和代码片段 如果把所有内容都塞进 Prompt，模型迟早会“失忆”。 所以 Claude Code
从 Claude Code 源码里，我看到了下一代 Agent 的真正形态 不是更聪明的模型，而是更成熟的系统。 最近看了 Claude Code 源码。 npm 包里还原出的完整 TypeScript 源码， 4756 个文件。 刚看到这个数字的时候，我的第一反应不是“太夸张了”，而是： Claude Code 已经不是一个“会写代码的 AI 工具”了。 它更像一套完整的 Agent Operating System。
最近看 Claude Code 的设计思路时，我发现它和很多 AI 产品有一个非常不同的地方： 它并不是在追求“功能越多越好”，而是在刻意克制。 你会发现，Claude Code 明明已经具备非常强的能力，却始终没有把所有工具、所有按钮、所有高级功能一次性摆在用户面前。甚至官方新增一个工具都非常谨慎。 一开始我也觉得奇怪：既然模型已经这么强了，为什么不干脆把所有能力都开放出来？ 后来我才发现，这背后其实有一个非常重要的设计原则： 渐进式披露（Progressive Disclosure） 也就是：默认只展示当前最需要的能力，复杂能力只在真正需要的时候才出现。 为什么 AI 工具不是越多越好？ 很多人做 AI
最近折腾了一阵华为昇腾 910B，目标很简单：在自己的机器上把 Qwen3.5 系列模型跑起来，而且最好还能兼容 OpenAI API、支持工具调用、支持超长上下文。 最后我选择了 vllm-ascend。 这一套下来，最大的感受是： * 能跑，而且跑得不算慢(至少在 Ascend上 不算慢) * 但坑也不少 * 很多问题不是模型的问题，而是镜像、驱动、卡型、参数组合的问题 下面放一个性能测试图: 一、环境说明 我这里的环境大概是这样： * 机器：华为
简介 Qwen3-ASR 系列包括 Qwen3-ASR-1.7B 和 Qwen3-ASR-0.6B，支持 52 种语言和方言的语言识别与语音识别（ASR）。两者均利用大规模语音训练数据以及其基础模型 Qwen3-Omni 强大的音频理解能力。实验表明，1.7B 版本在开源 ASR 模型中达到业界领先水平，并可与最强的商业闭源 API 相媲美。主要特性如下： * 一体化：Qwen3-ASR-
2026 年，微信终于开放了合法的个人 Bot API。本文通过逆向分析 @tencent-weixin/openclaw-weixin 源码，完整还原了这套 iLink Bot 协议的技术细节，并给出可运行的裸调 Demo。 一、背景：这是历史性时刻 在此之前，开发者想让程序控制微信，只有两条路： 方式 典型实现 性质 逆向 iPad 协议 WeChatPadPro、itchat 灰色地带，违反协议，随时封号
