小狮博客【今日观点】 前端框架选择的思考
把这些项目按技术栈排开，能看到一条清晰的演进路径：
最新发布 第118页
Hermes 上下文压缩架构：长任务 Agent 不失忆的几个关键设计
一次真实的工具型会话里，系统提示、历史消息、工具调用、终端输出、文件读取结果、截图、代码片段都会在每一轮重新塞回模型。窗口没满时，模型已经开始丢约束、重复读文件、重新推导旧决策；窗口真正溢出时，请求会直接被 provider 拒掉。 He...
11 万 Star 的 Spec Kit，90% 的工程师只用它解决了 10% 的问题
AI 给出的代码看起来很完整——接口、Service 层、前端组件都有。但跑起来发现：排序逻辑用的是前端分页后的本地排序，不是数据库层面的排序。数据一多就废了。
Magicodes.IE.IO：导入和导出 API
最简单的模型不需要额外配置：
从零构建 Windows 桌面 RPA 框架：Go 与 .NET 的跨语言协奏
为什么要这么分层？把引擎和控制界面分开有几个好处：Go 通过 CGo 可以直接调用 Windows API（robotgo 底层依赖），性能无损耗；而界面部分用 WPF 可以获得原生的 Windows 桌面体验。Core 类库同时目标 ne...
VLA-Touch 方法原理详解
传统 Vision-Language-Action(VLA) 策略主要依赖视觉、语言指令和机器人本体状态来生成动作。它们适合处理许多开放任务，但在接触密集的操作里会遇到两个问题：
Harness 效应：编排设计如何影响企业级 Agent 的 Token 成本
论文把这个编排层叫作 Harness。它负责把一次用户请求组织成一连串可执行的步骤，比如：怎么拼接上下文、Agent 什么时候调用子 Agent 等等。相对应的，本篇论文的核心实验将保持 22 个企业 Agent 任务、6 个模型、评测方式...
我用AI“ vibe“出了一个小程序的记录和感想
小程序功能：上传一张合影，会调用旷视的接口对进行面部相似度分析，计算面部相似度分数和排名占比。
记一次 .NET 某电力后台监控系统 内存暴涨分析
要想知道为什么会涨，很简单，用老套路观察内存分布就行了，首先上 !address -summary 即可。
业务智能体实战笔记（二）｜前置拦截：别让 LLM 做不该做的决策
收益：方向性估算三层机制整体可提升准确率 5~10pt（区间仅作参考，各层增益存在重叠，不可直接累加）；核心间接收益为前置消歧，可大幅提升下游各环节的推理确定性。
Git+Github零基础完整教程｜核心概念+实操流程+多人协作实战
适用人群：编程新手、前后端开发者、需要团队协作开发的程序员、计算机基础学习者