有品格的数字图书馆, 书格, 清代, 绘画, 艺术类 , 元春集万图册, 弘旿, 彩绘, 画册, 纸本设色, 绘画, 要看图多的

「文科生也可以做 AI」 「逆袭！」在中文互联网上，文科和 AI 的拉郎配，简直成了定番。 每隔一段时间，这个标签就会被贴在某个人身上，制造出一轮短暂的流量。要么是逆袭故事，要么是嘲讽素材，取决于评论区的心情。 一个标签，三种做法 最新的案例是杨天润， AI 创业者，金融出身，正在开发一个多智能体协调平台。他自称「一行代码都不会写的文科生」，搭建了一组 AI Agent，向 GitHub 上最热门的开源项目之一 OpenClaw 批量提交代码贡献。 想验证一个假设：一个完全不懂技术的人，能不能仅靠指挥 …

前不久我家装修完毕刚刚入住，算是从非智能家居时代跨过了智能家居的门槛，睡前想设个「仅卧室开灯且亮度减半」的场景，发现要手动配置全屋二三十个灯具。折腾到一半放弃了，还是下床一个个去关。 原来智能家居不是「设备联网+app 操控」就行——有时候，它比非智能还折腾。 全屋联网很多年了，但全屋未必谈得上智能 万物互联说了十几年，用户却始终有一种熟悉的失望感。设备越来越多，联网越来越容易，语音控制也早就不新鲜，可真到了家里，所谓「智能」常常停在表面——一条指令对应一个动作。系统会执行，但谈不上理解；能联动，但谈不上主动。…

上周，龙虾圈开始流传一个神秘模型的名字：Pony-Alpha-2。 没有发布会，没有官方介绍，它就这么悄悄跑在智谱的 AutoClaw 澳龙里，开放给用户内测。没想到口碑一路发酵，于是大家都在问：这个匿名 AI 到底是什么模型？ 今天，谜底揭开了。它就是 GLM-5-Turbo，智谱今天正式发布的「全球首个龙虾模型」，也是智谱自 2025 年以来首个闭源模型。

过去几年，「合资掉队」几乎成为行业内心照不宣的共识。 在智能化、续航以及座舱空间等核心维度上，合资品牌的产品力正面临国产新势力的严峻挑战，其在燃油车时代积淀的品牌势能，也在新能源浪潮中被快速消耗。 即便是曾在燃油车时代称霸销量的上汽大众也不例外。尽管市场基本盘犹在，但其在舆论场上的声量已大不如前。

**2025，不是 AI 提升效率的一年，而是开始释放创造力的一年。**

前几天，我看到一篇国产 AI Coding 工具的案例文章，花了不少篇幅在讲一个“智能体的附加价值”——当你写代码写到崩溃时，它可以安慰你、鼓励你，让你感觉好受一点。

随着大语言模型（LLM）从被动的问答工具演变为具有自主性的智能体（Agents），传统的检索增强生成（RAG）架构正面临前所未有的挑战。当智能体需要执行长周期的复杂任务——如代码重构、法律合规审计或企业流程自动化——仅凭基于语义相似度的向量检索（Vector Retrieval）已无法满足需求。智能体不仅需要“知识”，更需要“记忆”和“结构化认知”。本文将详尽探讨一种新兴的架构范式：**代理式 RAG (Agentic RAG)**，并重点剖析其核心组件——**上下文追踪 (Context Trace)**…

这不是一个从“我们决定做 AI”开始的故事。我们项目的客户是某企业内部的平台团队。他们并不是一开始就要“做 AI”，而是长期承担着一个更基础、

这不是一个从“我们决定做 AI”开始的故事。我们项目的客户是，某金融公司内部的平台团队。他们并不是一开始就要“做 AI”，而是长期承担着一个更基础、

本文档对比分析 A2A (Agent-to-Agent Protocol) 和 ACP (Agent Client Protocol) 两个协议的核心差异、设计理念和适用场景。

最近，我们在 AutoDev 中集成了 ACP 协议，使用它进一步优化 AutoDev 的跨平台渲染架构，在提升 AutoDev 的同时，也兼容了其它智能体。由于，ACP

> Routa 是一个 **“工程化的多 Agent 协作框架”**：它把任务、状态、事件和执行拆成可控模块，让开放生态下的多 Agent 系统可以真正落地，而不是靠

尽管我们可以用最好的模型完成所有的事情，但是约束才是我决定写这篇文章的一个出发点：约束越多，问题就越好玩。

PS：就着最近的研究，我想大概写一篇今年的趋势

查看原文：Harness Engineering 实践指南：落地探索的三大原则 - Blog | Phodal - A Growth Engineer

查看原文：AI Coding Fluency：从工具使用到人机协作的软件工程 - Blog | Phodal - A Growth Engineer

PS：今天拿到几天前申请的 Codex Pro 开源贡献者的半年体验卡，试着用 Codex Security 分析了一下我的一些项目。让 AI 分析了生成的报告，

> 摘要：当 Agent 开始结队工作时，真正的挑战就不再是“它们能不能写代码”，而是“我们能不能管理它们”。Routa Kanban

Harness Engineering 之所以在过去几个月迅速成为一个热门话题，很大程度上是因为越来越多团队意识到：AI Coding 的问题，从来不只是模型能力问题。上下文工程、提示词策略、多 Agent 协作都很重要，但这些讨论大多仍然停留在“生成侧”。一旦 AI Agent 真正进入软件交付流程，问题的重心就会迅速转移。