许泽宇的技术分享

文章摘要（150字）： GLM-4.5以"双模式智能体"崭露头角，通过混合推理架构（Thinking/Non-Thinking模式）实现深度思考与快速响应的动态切换。其核心优势在于：3550亿总参数中仅32亿活跃的高效MoE架构、128K长上下文支持、以及工具调用成功率90.6%的Agent能力。在BFCL、MMLU-Pro等12项基准测试中综合排名第三，尤其擅长代码生成（SWE-bench 64.2%）和实时搜索任务（BrowseComp 26.4%）。开源MIT许可下，开发者可通过v

字节跳动开源Coze平台：AI Agent开发的全栈解决方案 字节跳动开源了Coze平台，提供从开发到运维的AI Agent工程全栈解决方案。该平台包含四大核心组件：可视化开发工具Coze Studio、全生命周期管理工具Coze Loop、多语言SDK以及MCPServer协议。技术亮点包括Go+React的架构设计、Prompt调试工具链和全端兼容的SDK矩阵。商业策略采用"开源+增值服务"模式，结合火山引擎的算力优势。与LangChain等工具相比，Coze更偏向平台化解决方案，降

自从 ChatGPT、文心一言、通义千问等大模型横空出世，AI开发者的日常就变成了“模型多如牛毛，接口五花八门，日志满天飞，评测全靠猜”。企业级AI应用开发，最怕的不是没模型，而是模型太多、管理太乱、效果难评、成本难控。模型接入太多，接口各异，怎么统一管理？模型效果更新了，怎么科学对比新老模型？生产环境的真实请求，怎么转化为高质量测试集？Token用量、API成本、性能瓶颈，怎么一目了然？日志追踪、回放、A/B测试，怎么一站式搞定？

Langfuse：开源LLM工程平台全解析 Langfuse是一款开源的LLM工程平台，专为AI团队打造工业级开发流程。平台提供全链路可观测性、Prompt版本管理、自动评测和数据集管理等核心功能，支持从开发到监控的完整生命周期。采用双应用架构，整合PostgreSQL、ClickHouse等多数据库策略，搭配Next.js、tRPC等现代化技术栈。支持Docker/K8s等多种部署方式，并与主流AI框架深度集成。通过Monorepo组织代码，实现高效协作开发。Langfuse将LLM应用开发从"

如果你觉得“AI项目管理”像是在玩一场多线程的RPG游戏——每个角色（数据、评测、追踪、提示词、护栏、红队）都要单独升级、装备、打怪、回血……那么RagaAI Catalyst就是你的“全自动队长+外挂+金手指”。它集成了项目管理、数据集管理、评测、追踪、提示词管理、合成数据、护栏、红队测试等一站式能力，帮你把LLM（大语言模型）项目从混乱的“手工作坊”升级为“智能流水线”。一站式管理：项目、数据、评测、追踪、提示词、合成数据、护栏、红队，全部搞定。自动化、可扩展。

分词，就是把一段文本拆成小块。比如：分词后可能变成：为什么要分词？因为模型的“胃口”有限，一口吞下整本书会噎死。分词让模型能逐块消化，既高效又安全。Token ID只是个数字，模型看不懂。嵌入层（Embedding Layer）把每个ID映射成一个高维向量（比如256维），让模型能“感知”token之间的关系。分词不是越细越好，要结合实际场景和模型需求。词表设计要兼顾覆盖率和效率，BPE是主流选择。特殊token是模型的“安全气囊”，别忘了加。滑窗采样和批量加载是大规模训练的基础设施。嵌入层和位置编码。

《AI组团炒股来了！开源多智能体交易框架TradingAgents揭秘》 TradingAgents是一个创新的多智能体金融交易框架，它将投行团队协作模式搬到了AI世界。该项目组建了由基本面分析师、情绪分析师、新闻分析师等角色组成的"AI梦之队"，每个角色由大模型驱动，通过分工协作和辩论博弈做出投资决策。 该框架采用LangGraph技术，具有模块化、可扩展的特点，支持多种大模型灵活切换，并兼容实时数据和离线回测。其核心价值在于通过多视角分析和相互制衡机制，提升决策的稳健性。 目前该项目

文章摘要：Text-to-SQL技术新范式"提及抽取+链接"将自然语言问题转化为SQL查询，相比传统"拼装式"方法，该方案通过BERT+CRF模型直接从文本中抽取SQL元素并链接到数据库表头，实现87.8%的逻辑准确率。其一体化架构简化了模块关系建模，但处理嵌套结构仍有不足。该技术让非技术人员也能轻松查询数据库，是AI与结构化数据交互的重要突破，未来有望拓展至多表复杂查询场景。

实现接口，注册到服务容器即可。AntSK不是“又一个AI知识库”，而是“企业级AI应用的万能底座”。它用.NET9和Blazor的现代技术栈，集成了Semantic Kernel、Kernel Memory等AI能力，支持多模型、多插件、文生图、OCR等丰富功能，适合企业、开发者、AI爱好者快速搭建自己的AI应用。无论你是想打造企业知识库、智能客服、AI写作助手，还是开发自己的AI App，AntSK都能让你“少踩坑、多赚钱”。还等什么？赶紧下载体验，开启你的AI赋能之旅吧！

摘要：TraeAgent是一款AI驱动的软件工程助手，支持自然语言指令完成代码生成、bug修复、单元测试等开发任务。它结合大语言模型和工具链，提供交互式CLI、详细日志追踪和多LLM切换功能。通过自动化重复工作，让开发者专注于创造性工作。具备灵活配置、错误处理友好等特点，未来将扩展更多工具和协作功能。安装简单，支持pip安装，适合现代开发流程。

百度ERNIE4.5重磅发布：210亿参数多模态MoE大模型，支持文本与视觉联合理解与生成。采用异构专家混合架构，6个专家同时激活，实现高效推理。关键创新包括：多模态MoE预训练、超长131072上下文支持、FP8混合精度训练等。提供ERNIEKit、FastDeploy等全套工具链，支持SFT/DPO/UPO微调。在智能问答、内容创作、视觉理解等场景表现优异。Apache 2.0开源协议，商业可用，推动AI多模态应用落地。

自从大模型（LLM）火遍全宇宙，大家都在搞RAG、Agent、Chatbot、智能问答……项目多，需求杂：每个项目都要单独管理，需求还天天变。数据集乱成麻：数据格式五花八门，版本管理靠Excel，出错率爆表。评测靠手动：模型效果好不好，全靠“肉眼鉴定”，效率低下。追踪难如登天：出bug了，谁也说不清是哪一步出的问题。提示词管理混乱：Prompt一多，版本一乱，调优全靠记忆力。合成数据难产：想补数据，生成Q&A，流程繁琐，效率感人。护栏形同虚设：模型输出不靠谱，想加规则，结果一团乱麻。红队测试无从下手。

《Refly：AI工作流开源平台让生产力"飞"起来》 摘要： Refly是一款创新的开源AI工作流平台，被誉为AI生产力的"核动力引擎"。它整合了多智能体调度、13+主流模型切换、多模态内容处理等11大核心功能，可实现低代码搭建自动化工作流。无论是开发者、产品经理还是内容创作者，都能快速将创意转化为生产力工具。平台支持Docker/K8s一键部署，具备多线程会话、知识图谱管理、智能引用等特色功能，让AI真正成为能"多线程撸活"的智能打工人。目前项目

Vanna，表面上是个Python包，实际上是你数据分析路上的“外挂”。它基于RAG（检索增强生成）技术，能把自然语言问题自动转成SQL，并且还能直接跑在你的数据库上，自动生成可视化图表。训练（Train）：把你的数据库结构、业务文档、历史SQL喂给Vanna。提问（Ask）：用自然语言问业务问题，Vanna自动生成SQL并执行，结果直接出表、出图。是不是有点像ChatGPT？但Vanna专为数据分析和SQL生成优化，支持各种主流LLM（大模型）、向量数据库和SQL数据库，灵活性爆表。

AI与软件工程融合三年发展路径：2025-2028年将经历三个关键阶段。技术层面从AI辅助编程（代码补全）演进至AI主导开发（端到端应用构建），行业垂直模型与通用模型协同发展；组织结构向"AI中心+专家团队"转型，DevAIOps重塑开发流程；人才需求从编码能力转向AI协作与系统设计能力。商业模式将重构为"AI+人类专家"混合模式，开发周期缩短80%，成本下降50%。建议企业立即构建AI赋能中心，投资人才转型，建立混合开发体系和AI治理框架，把握智能化转型先机。

AI编程时代来临：程序员如何转型"驯兽师" 当前AI编程工具如GitHub Copilot已能快速生成代码、修复bug，甚至实现低代码开发。微软预测2030年95%代码将由AI生成。但AI存在三大局限：无法理解复杂业务逻辑（如产品需求中的"五彩斑斓的黑"）、缺乏真正创造力、无法承担伦理责任。 未来程序员将转型为"AI驯兽师"，主要扮演三种角色：AI指令大师（用精准提示词调教AI）、系统架构指挥官（设计整体方案）、伦理安全守护者（审查算法缺陷）。新兴

这个示例展示了如何创建一个聊天应用，将 MCP 工具与 Microsoft Semantic Kernel 集成，使用户能够通过自然语言与 AI 交互，而 AI 能够使用 MCP 工具来完成任务。这个示例展示了如何创建一个聊天应用，将 MCP 工具与 OpenAI 的 GPT 模型集成，使用户能够通过自然语言与 GPT 交互，而 GPT 能够使用 MCP 工具来完成任务。这个示例展示了如何列出可用的 MCP 工具，并调用不同类型的工具，包括带参数和不带参数的工具。

Embeddings可以帮助模型从文本中提取或生成最重要或最相关的信息，并创建简洁连贯的摘要。例如，Embeddings可以帮助模型总结新闻文章、产品评论、研究论文等。