AI

昨天 Sam Altman 与他的 OpenAI 团队参加了 Reddit 上的 AMA 直播，来回答网友们任何关于 GPT-5 的问题。 AMA 即 Ask Me Anything。一般都是回答网友的各种问题 原贴地址：GPT-5 AMA with OpenAI’s Sam Altman and some of the GPT-5 team ...

朋友们，大家好。 今天给大家带来 Anthropic 的 CEO，Dario Amodei 最近参加的一次采访内容的整理，他不仅分享了 Anthropic 飞速发展的秘密，更是对当前 AI 领域的诸多争议给出了自己的见解。 Dario Amodei 以及它背后的 Anthropic 公司一直以来颇具争议。一方面在编码领域，Claude 天下第一，不得不服；另一方面，Dario 本人以及 Anthropic 对中国以及中国用户持有显而易见的偏见，哪怕是海外用户，也对它们的模型限量策略怨声载道。 以及非常神奇的是Dario 本人早年还在百度呆过一年。 言归正传，不管 Anthropic 对用户到底是一个什么样的态度，这个公司的一些研究论文、访谈都是值得观看学习的。 访谈链接： https://www.youtube.com/watch?v=mYDSSRS-B5U 不愿被称为“悲观主义”的AI领导者 首先，Dario 对那些称他为“AI 悲观主义”的人感到非常愤怒。他表示自己绝非想减缓 AI 的发展。恰恰相反，他深知这项技术带来的益处，甚至能够拯救生命。如果技术早日加速实现，他的父亲也不会当年因病离世。 ...

朋友们，大家好。 这两天读到开源的代码 Agent，Cline 团队的一篇博客，《Why Cline Doesn’t Index Your Codebase (And Why That’s a Good Thing) 》，做了一些整理和探索，来分享一下这篇博客内容。 先放原文链接：Why Cline Doesn’t Index Your Codebase (And Why That’s a Good Thing) 为什么RAG不行？ 早期，在模型上下文窗口还不大的时候，RAG 一直是作为让模型获取到额外相关上下文信息的办法而存在。哪怕到现在，这个市面上大部分的 AI 知识库解决方案也依然是 RAG，因为这种方法非常简单—它将知识库进行分块、创建嵌入、存储到向量数据库中，并在需要时会根据问题进行相关片段的检索。 ...

故事的开始是发生在 1 年多前，硅谷发生了令人震惊的杀妻案件。凶手用拳头一拳拳打死了自己的妻子，再加上 华人、高学历、清华、大厂这样的无敌光环，这件案子当时格外引人关注。 但是随着时间的推移，关注度来的快去的也快，而且再加上天高皇帝远的，毕竟是在美国开的庭，接触到的后续相关信息也很少，大家对这件事的关注度就慢慢散了。 但是最近，这个案子又终于开审了，很多案件的细节都被曝光了出来。 作为一个经常需要依靠 AI 才能不在各类繁杂的信息源中不迷失的用户，觉得DeepResearch 真的太适合这类多个资料的搜寻、整合、最后输出了。 这不，正好 Kimi 的 Researcher来了么～ 我用 Kimi 的 Researcher 对硅谷杀妻案做了一个深度的报告，梳理了整个事件的始末发展。 首先，Kimi 的深度研究会先根据我的指令进行反问确认，确保自己能进一步理解清楚我的需求。 与我进一步确认之后，它开始进行搜索工作。 有意思的是，为了扩大搜索范围，它不仅用不同的中文关键词进行搜索，还同样使用英文关键词进行了搜索。 和大部分 Agent 不一样的是，Kimi 的 DeepResearch 是调用 Python 来写入一个 Markdown 文件。 ...

本文为 Langchain 官方博客“The rise of context engineering”的双语对照版本。 推荐阅读理由：随着 Agent 的快速发展，”context“ 的概念越来越被重视。无论是 Vibe Coding，还是 Deep Research，提供的 ”context“越具体完整，最后出来的效果都会很棒！LangGraph 作为最著名的智能体框架之一，了解它们是如何看待上下文的重要性的，无论是对我们个人平时 AI 的使用还是企业业务上 AI 的落地，都有很大帮助。 Header image from Dex Horthy on Twitter 来自 Dex Horthy 的 Twitter 头图 ...

Anthropic 前两天发了一篇文章，重点讨论了他们是如何通过多智能体系统来构建 claude 的“深度研究功能”。 文章链接： https://www.anthropic.com/engineering/built-multi-agent-research-system 我仔细研究了一下，觉得写的非常不错，所以写了这篇文章来细致解读一下到底该如何构建一个多智能体系统。 开始前，我觉得首先要理解两个概念，智能体（Agent）和工作流（Workflow）。 现阶段我们谈论的智能体绝大多数都是以大模型为核心，利用各种工具自主规划并完成任务执行 工作流指的是按照既定的顺序执行的一系列相互关联的任务。 当我们把智能体放入工作流中，也就有了智能体工作流，也就是大家一直以来听到的 Agentic Workflow。 传统的工作流，其实比较的死板。就好像写程序一样，运转到哪个节点，做什么操作，都是提前设置好的。而相比于传统的工作流，这种智能体工作流更加灵活，自主。 在这个工作流中，智能体通常能够结合环境，自主的判断下一步执行什么动作，并且能够将复杂的任务拆解为多个可执行的小任务。 有了这些基本的概念，我们就可以来了解一下 Anthropic 是如何构建自己的多智能体研究系统。 ...

In this note, I’ll document some critical implementation details about the LightRAG framework that I discovered while deploying it in production. These insights, which weren’t immediately apparent from just reading the paper, emerged during my hands-on experience with the codebase and are worth recording for future reference. ...