标签：大模型

不要把报错直接丢给 AI：正确的排障上下文长什么样

掘金上一篇技术文章指出，直接把一行报错丢给 AI 往往只能换来"加判空""加重试"这类泛泛建议，真正决定排障效率的是你提供的上下文是否足够区分不同假设。文章给出了一套可复用的"问题上下文包"结构。

一位商业博主用"养一只小猫"的比喻，把 LLM、Prompt、RAG、MCP、Agent 等 20 个常见 AI 名词串成一个完整故事。它的价值不在概念本身，而在于揭示了这些名词其实是同一套智能体系统里环环相扣的组件。

亚特兰大精神科医生 Munjal Shroff 在妻子反复求诊无果时，用医疗 AI 助手 Healz AI 整理病情并推动转诊，最终确诊罕见的 T 细胞淋巴瘤；他随后成为这家初创公司的投资人。这件事说明医疗 AI 的价值可能不在于替代医生，而在于帮患者把复杂病程"管起来"。

开发者 @antiAIvo 在 X 上宣布，「从零手写大模型」系列笔记正式完结，共 20 篇，其中推理篇 15 篇、训练篇 5 篇，每篇配有可练习的代码示例，站点为 nano-ai.tech/articles/。

开发者宝玉用一条提示词，驱动 Claude Code 配合 Opus 5.5 自动生成了一支讲解 Transformer 的动画视频，模型自己完成了脚本、配图、公式渲染和配音。它展示的不是"AI 会做视频"，而是模型开始独立完成一条原本需要动画师、设计师、配音员协作的工程流水线。

一位面试官用“/goal 命令是怎么实现的”这一道题，在垂直业务 agent 研发岗位的候选人里初筛掉约 90%。这个问题背后，是 agent harness（运行框架）中最难做的状态管理与任务闭环，而不是某个命令的表面功能。

Box 首席执行官 Aaron Levie 提出，企业无法自动化自己无法度量的流程，因此“评测（evals）”正成为 AI 在企业扩散的关键门槛；他同时判断，围绕企业自身环境定制的评测将是一个巨大机会。

Meta 开始在 Meta AI App 中向智能眼镜用户推送“视觉数据”退出选项。用户可选择不让眼镜在使用 AI 功能时采集的画面被用于训练和改进 Meta 的模型，这也直接关系到这些数据是否会被人工审核。

DoorDash 用一套多 Agent 大模型系统自动清理代码库里的过期 Feature Flag，50 个过期 Flag 中有 45 个生成了可用 PR，单次清理平均 13.8 分钟、成本 4.79 美元，而人工通常要 1 到 2 小时。

一个新缩写 TAI-DR（Too AI. Didn't read）被提出，用来吐槽那些由 AI 生成、却没人愿意读完的长内容；它值得关注，因为它精准戳中了当下 AI 写作泛滥带来的“信息过载+信任下滑”问题。