评估与 LLMOps
★ 34.7k
Open Code Review
确定性规则在前、LLM 在后的混合代码评审，这是唯一能过企业安全评审的顺序。
需要 AI 代码评审真正通过安全评审、而不只是演示好看的团队
阅读全文 →
今日新入库
查看全部 →
Agent 与编排
★ 7.9k
Worktrunk
给并行编码 Agent 用的 git worktree 命令行工具，让多个 Agent 不再互相踩工作区。
需要在同一个仓库上并行跑多个编码 Agent 的人
阅读全文 →
Agent 与编排
★ 95.8k
Agent Skills
一套给编码 Agent 用的可复用技能集——决定 Agent 是「完成任务」还是「按你的方式完成任务」。
需要在同一代码库上统一多个工程师的 Agent 行为的团队
阅读全文 →
Agent 与编排
★ 145.9k
Claude Code
让 Agent 编码走向主流的终端原生工具，也是现在所有其他编码 Agent 的参照系。
想在既有终端与 git 工作流里使用 Agent 编码的工程师
阅读全文 →
Agent 与编排
★ 71.1k
Orca
并行跑一堆编码 Agent，同时继续用你已经在付费的订阅——成本模型本身就是产品。
瓶颈在并行度而非模型能力的团队
阅读全文 →
部署与推理
★ 29.2k
9router
一层路由，让某个供应商限流时你的编码 Agent 还能继续跑——光是自动回退这一项就值。
重度使用 Agent 时经常被供应商限流的个人与小团队
阅读全文 →
Agent 与编排
★ 49.6k
Humanizer
去掉生成文本里那些「一眼 AI」的节奏特征——有用，同时也提醒你这些特征现在已经众所周知。
在人工编辑之前清理自己的初稿
阅读全文 →
Agent 与编排
★ 10.4k
no-ai-slop
一份明确可读的清单，列出二十来种让文本「读起来像生成」的模式——当检查清单比当过滤器更有价值。
编写团队评审指南或内部风格检查工具
阅读全文 →
Chroma
从 pip install 到能用的检索器，距离最短——这也是为什么几乎所有 RAG 教程都从这里开始。
原型、notebook 和几百万向量以下的单节点应用
阅读全文 →
Guardrails AI
用 schema 校验模型输出，而不是祈祷——校验失败还会带上错误重新问一次。
必须可靠解析的结构化输出，以及内容触达用户前的 PII 与策略检查
阅读全文 →
Mem0
给 Agent 跨会话的连续性——当用户开始期待「它记得我」时，缺的就是这块。
跨会话连续性是产品需求的助手与 Agent
阅读全文 →
OpenLLMetry
把 LLM 追踪变成标准 OpenTelemetry span——这样它们就能落进你已经在付费的那套可观测性栈里。
已有 OpenTelemetry 栈、不想再开第二个可观测性孤岛的组织
阅读全文 →
最新观察
查看全部 →买硬件之前没人写下来的那份 GPU 成本模型
自托管只有在利用率超过某个门槛后，才在每 token 成本上赢过 API。而几乎没人达到那个门槛——低于它时，你在为闲置算力和工程师注意力付费，只有前者会写进表格。
微调还是检索：这个决策取决于什么在变，不取决于你偏好什么
微调编码的是行为，检索提供的是事实。问「哪个更好」是问错了问题——该问的是底层知识多久变一次，以及你是否需要引用来源。
多租户隔离：演示之后才到达的那个需求
每个多租户 RAG 最终都会发现同一件事：检索之后过滤结果不是隔离。过滤必须约束搜索本身，而不是裁剪它的输出。
选向量库：四个能定下来一切的问题
公开的跑分表比的是公开数据集上的召回率，而那不是你的数据集、你的过滤条件，也不是你的查询分布。真正决定结果的是四个运维层面的问题。
在 Agent 触碰生产数据之前：护栏检查清单
风险不在于模型说错了什么，而在于 Agent 做错了什么——而且是带着凭证，在一个没有撤销按钮的系统里做错。
上下文工程正在取代提示词工程
两年来的建议都是「把提示词写好」。这条建议在模型变得能稳定遵循指令之后，基本就不再产生收益了。它至今仍然做不到的事情是：推断出你根本没给它的信息。
推荐资料包
推荐资料包
RAG 生产级实战手册
切分策略、重排配置、评测方案，以及让每个 RAG 演示在第三周死掉的七个失效模式。
$19
立即获取 →