周末程序猿

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

新邀入驻腾讯云开发者社区，福利多多！

如何运用「云、端融合的数智化安全体系」高效护航数据安全

左手AI，右手安全 —— 一汽丰田数字化转型之路

最近 Claude 在 github 上有一个比较火的项目：https://github.com/anthropics/skills，项目是围绕新概念 Skills，我觉得实际上是：通过工程化结构来实现智能体，用一种工程范式来完成子功能，就像C++代码中提出一种更好的设计模式来解决通用问题。

谈谈 `Claude Skills`

大模型发展这两年，应用型 AI 的焦点一直在 “提示工程”（prompt engineering），但随着更强大的大语言模型（LLM）走向多轮、长时间的自主行动，一个更关键的概念开始走到台前：上下文工程（context engineering）。
与其把精力放在如何雕琢每一句提示，不如把问题聚焦到：怎样构造和维持 “最可能让模型产生期望行为” 的上下文？
本文是参考 Claude 官网博客的总结，文章原文：https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents。

谈谈上下文工程（Context Engineering）

Profile-Guided Optimization (PGO) 是一种 “以真实运行数据为依据” 的编译优化方式：
先用插桩或采样收集程序在代表性输入下的执行画像（热点路径、分支概率、调用频次等）；
再用该画像指导编译器做更贴近实际负载的优化决策（代码布局、内联、分支预测、循环向量化与调度、寄存器分配等）。

技术总结|十分钟了解性能优化PGO

最近 OpenAI 发表了一篇文章《Why Language Models Hallucinate》，解释为什么会出现 "幻觉"，周末我读了一下，总结这篇文章。

机器学习|大模型为什么会出现"幻觉"？

Vibe编程已经出现半年了，这半年也尝试了很多工具和构建了一些小的应用，这篇文章也谈谈我对于Vibe编程的理解。

谈谈Vibe编程（氛围编程）

尽管多模态大模型已广泛应用于各个领域，但计算机到底是如何识别一只猫的？最近阅读了一篇文章（https://www.quantamagazine.org/how-can-ai-id-a-cat-an-illustrated-guide-20250430/），内容容易理解，总结如下。

技术总结|十分钟了解机器如何识别一只猫？

最近在工作中遇到一些开发，很多人觉得实现 strlen 是一件很简单的事情，很快写出如下代码：

技术总结|如何提升 strlen 的性能？

上周总结了《Google Prompt Engineering》知识卡片，白皮书的原始的翻译来了。

翻译|《Google Prompt Engineering》白皮书

虽然一直在开发中使用 JSON 解析，但是如何高效的从 0 实现一个 JSON 解析，一直还未尝试，花了几个周末的时间用 golang 实现 sjson。
github：https://github.com/linkxzhou/sjson

开源项目|2000行代码的 `JSON` 库

继续上一篇《Linux高性能网络编程十谈|C++11实现22种高并发模型》，大家对于 C++ 实现各种 Server 比较感兴趣，于是我把工作这些年接触的高性能开源的网络框架整理了一遍，基于9个C++网络框架实现 Echo Server 样例。

Linux高性能网络编程十谈|9个C++的开源的网络框架

想起很久之前拖更的一篇关于《Linux高性能网络编程十谈》结尾的博客，于是周末继续撸代码，整理这篇用 C++11 实现 22 种高并发模型。

Linux高性能网络编程十谈|C++11实现22种高并发模型

为了探索和改进 AI 工具在编程方面的体验，同时也想验证一些 AI 的边界，于是又想到了尝试从 0 实现高性能JSON解析器，说干就干。
开始以为比较简单，不会超过半天就能实现，但是经过各种提示词优化，最终花了两天时间...

用 Windsurf 从0实现高性能JSON解析器

去年的这个时候一直在探索如何用 AI 实现编程语言，当时 Agent 和工具链还不够齐全，所以尝试一段时间就断更了，有兴趣的可以再回忆这两篇用 Prompt 实现的词法解析器：

ChatGPT|AI自制编程语言-实现JavaScript编译器

去年有一段时间对 Rust 特别感兴趣，不过由于时间忙，学习了一段时间但是没有使用场景就放弃了，最近这一个月又在回顾今年的目标，其中一点是重新学习一门新的语言，看了 Zig 以后，觉得 Zig 的非常适合学习，虽然不是内存安全，但是简洁的语法，可以无缝和 C 语言交互，编译为一个单体包等这些特性吸引了我，于是我找了一些资料来权衡《Rust 和 Zig》的未来，在 reddit 上找到一篇写的比较好的关于《Rust 和 Zig》对比的博客，同时并做了如下翻译。

技术总结|Rust和Zig应该怎么选？

MCP（Model Context Protocol，模型上下文协议） ，2024年11月底，由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。
官网的介绍： https://modelcontextprotocol.io/introduction

机器学习｜MCP（Model Context Protocol）实战

LanceDB是一个开源的用 Rust 实现的向量数据库（https://github.com/lancedb/lancedb），它的主要特点是：

RAG实战|向量数据库LanceDB指南

前面一篇文章介绍了《从0开发大模型之DeepSeek的GRPO》，并且实现了一个简单版本的 GRPO 代码，不过从工程领域来看，并没有复现DeepSeek-R1，于是最近申请了48G的显存，结合一些开源的方案复现aha monent，并给出完整的代码和工具链。

机器学习|从0开发大模型之复现DeepSeek的aha moment

最近，DeepSeek-R1的发布为国产大模型争光了（太强了），不过 GRPO 算法源自 DeepSeekMath 7B 模型，该模型在 MATH 基准测试中取得了优异成绩，论文发表于2024年2月份：https://huggingface.co/papers/2402.03300，以下是该论文的摘要原文：

机器学习|从0开发大模型之DeepSeek的GRPO

最近在看《黄仁勋：英伟达之芯》，这本书讲述了英伟达是如何一步一步优化GPU，感觉创业不易，不过本文为了让大家更好了解GPU，所以简单汇总了一些知识点。

技术总结|十分钟了解GPU

最近在看一篇github上大佬的文章，从0开始训练llama3，觉得对于《从0开发大模型》有点帮助，于是翻译一下，发现其中很多内容当前系列文章的知识点相似。
原文：https://github.com/naklecha/llama3-from-scratch
其中meta-llama/Meta-Llama-3-8B文件地址：https://huggingface.co/meta-llama/Meta-Llama-3-8B/tree/main/original

机器学习|从0开发大模型-译llama3-from-scratch

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

腾讯云开发者社区推出了周末程序猿专栏，为你提供了周末程序猿的相关文章，致力于帮助开发者快速成长与发展。

周末程序猿

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐