Deleting an MCP provider fails because the DELETE JSON body is ignored
该报错出现在 Dify 1.17.0 中删除 MCP Provider 时，原因是后端 `model_validate` 装饰器对 DELETE 请求只读取查询参数而忽略 JSON Body，导致 `provider_id` 校验失败返回 HTTP 422。优先检查 `wraps.py` 中 `mo
标签： AI
Human Input timeout handle drifted from “__timeout” to “__timeout__” in the backend
该报错是 Dify 前端与后端对 Human Input 节点“超时”分支的句柄标识不一致导致的：前端持久化的是 __timeout （单个下划线对），而后端在 callback.py 中硬编码为 __timeout__ （双下划线对），运行时超时决策会指向错误的边。优先检查后端 _TIMEOUT_
智能体上下文管理：记忆与成本是架构问题
一篇 arXiv 新论文提出，生产环境中的 AI 智能体频繁出错，根源往往不是推理能力不足，而是“上下文管理”失效——对话历史、工具输出和提示词越积越多，导致记忆丢失和 token 成本失控。论文将这一问题重新定义为生命周期与架构问题，并提出五类核心原语来系统性解决。
Digs, which is building AI software for residential construction, raised a $25.3M Series A led by building materials giant Builders FirstSource (Kurt Schlosser/GeekWire)
专注住宅建筑领域 AI 软件的初创公司 Digs 完成 2530 万美元 A 轮融资，领投方是建筑材料巨头 Builders FirstSource，说明建筑行业的传统供应链玩家正在主动押注 AI 改造施工流程。
Ask HN：LLM 有哪些简单的事情特别不擅长？
一位 HN 用户发起提问——哪些简单事你反复让 ChatGPT、Claude 做，它们却依然搞砸？讨论集中暴露了当前大模型在空间推理、精确关键词检索和提示词自我优化上的系统性短板，这些并非小缺陷，而是架构层面的能力盲区。
Fireworks: reasoning_content is missing
该报错发生在使用 langchain-fireworks 调用支持思考链的模型（如 GLM-4.6、Kimi K2）时，Fireworks API 返回的 reasoning_content 字段没有被 LangChain 集成层正确捕获或转发。优先检查你是否使用了旧版 langchain-fire
AI论文盲测：学生更青睐Gemini而非ChatGPT和Claude
盲测平台 StudyArena 对 6851 份学生投票的分析显示，在论文写作任务中，Google 的 Gemini 以 39.6% 的盲选率领先 Claude（31.8%）和 ChatGPT/OpenAI（29.2%）。更重要的是，学生偏好更长但推理强度更低的回答，这对大模型在写作场景的产品设计有直接参考意…
新研究发现，老板比员工更愿意将工作文档分享给AI，尽管存在安全风险。
Adobe Acrobat 一项针对英国职场的新调查显示，近 75% 的 C-suite 高管愿意将包含敏感信息的公司文档交给 AI 工具处理，而普通员工中这一比例仅有 20%。公司管理层与基层在 AI 使用态度上的严重分裂，正在成为企业数据安全的新盲区。
Indian AI infrastructure company AM Intelligence orders 9,000 Nvidia Vera Rubin systems and plans to offer 1GW of computing capacity as part of an $8B project (Saritha Rai/Bloomberg)
印度AI基础设施公司AM Intelligence向英伟达订购9000套Vera Rubin系统，并计划在一个80亿美元的项目中提供1GW总算力，这是印度市场在高端AI算力采购上的一个明确信号。
AI论文盲测：学生更青睐Gemini而非ChatGPT和Claude
一项针对学生的AI论文盲测显示，Gemini在写作任务中更受青睐，但数据同时表明，胜出的回答平均比落选者长37%——这场评测可能更多是“长度偏好”的胜利，而非模型真实能力的碾压。