跳到正文
11月21日周六
  1. meng shao75

    腾讯团队开源可自托管工作台 LoopForge(github.com/Tencent/LoopForge),把仓库日常维护交给五个错开排班的定时 Agent,分别负责调研提需求单、第一轮评审、巡检持续集成、补表驱动测试和查分层违规。

    引用Tencent AI@TencentAI_News

    https://x.com/i/article/2123776840787730432

    推荐理由:原文拆解了五个定时 Agent 的分工与刹车约束,可迁移的是把不可逆操作写进提示第一行的做法。

11月19日周四
11月17日周二
11月13日周五
11月8日周日
11月3日周二
10月30日周五
10月29日周四
10月28日周三
  1. AWS Machine Learning Blog36

    Exowatt 用 SageMaker 无服务器模型定制,精度超越前沿模型、成本低至 49 倍

    Exowatt 基于 Amazon SageMaker AI 无服务器模型定制,为边缘告警分诊和云端能源市场分析分别微调 Qwen3-1.7B 与 Qwen3-14B,精度超过前沿模型且成本最高低 49 倍。该流程从原始运营数据到经评估的部署产物可在数天内完成,而非数月。两个模型只是这条可复用流水线的首批产出。

10月27日周二
  1. Latent Space40

    在喜马拉雅山麓用离线 AI 智能体写代码:OpenCode + Ollama + Qwen3.5 9B 实测

    一位常驻喜马拉雅山麓的 Thomson Reuters 首席工程师实测用 OpenCode 搭配 Ollama 本地运行 Qwen3.5 9B,在断网状态下完成解释函数、排查失败测试、重构代码等任务。Qwen3.5 9B 在模型卡中报告 LiveCodeBench v6 得分 65.6、BFCL-V4 得分 66.1,下载体积约 6.6–7.6 GB。下载新依赖或联网查资料仍需连接网络。

10月25日周日
10月24日周六
10月22日周四
10月21日周三
10月6日周二
9月6日周日
6月27日周六
  1. Ahead of AI60

    如何用 Ollama 和 Qwen3.6 搭建本地编码智能体

    Sebastian Raschka 发布教程,介绍如何用 Ollama 本地部署 Qwen3.6 35B-A3B 等开放权重模型,并接入 Qwen Code、Codex 和 Claude Code 三个编码智能体框架。

    推荐理由:作者用开源工具和开放权重模型搭出完整本地编码智能体,并给出速度、任务成功率与 token 消耗的实测对比。