帖子
文章
问答
帖子
文章
问答
主席顾问团
【AI: 创新力, 产品力, 开放企业文化】
——凯里和他的创业者小伙伴们
财联社 2025 中国科创好公司榜单 —— 人工智能好公司榜单：
•范凌老师的特赞
•金礼剑老师的影刀
量子位 2025 潜力人工智能创业公司榜单和2025 杰出人工智能解决方案榜单里有：
•张林峰老师的深势科技
•姜涛老师的自由量级
•杜知恒老师的小宿科技
•贾佳亚老师的思谋科技解决方案
麻省理工科技评论评选的中国 50 家聪明公司榜单：
•徐帆同学的安踏集团
•毛剑老师的哔哩哔哩
•段小蕾老师的华为
•吴伟老师的科大讯飞
•吕其恒老师的摩尔线程
•张林峰老师的深势科技
•林斌老师的小米
•王兴兴的宇树科技
•唐杰老师的智谱 Z.AI
•黄仁勋和范麟熙Jim Fan的英伟达(港科大小师妹 Atimeter Capital 投资)
共 7 张
图片加载中
上英文网站一个绕过付费墙的方法：
有时候可能需要看一些英文报纸杂志的文章，需要订阅才能继续观看。介绍一个网站叫
https://www.removepaywall.com/
把你想看的文章链接扔进去就可以了，大家可以去试试。
根据能量守恒定律，我认为Bug有它自己的守恒定律，解释如下：
在一个孤立的软件系统（或开发项目）中，Bug的总量是守恒的。它既不会凭空产生，也不会凭空消失，只会从一种形式转化为另一种形式，或者从一个阶段转移到另一个阶段，而在转化或转移的过程中，Bug的总量保持不变。
第一定律（Bug的转化与转移）：
形式转化：一个被修复的显性Bug（如“界面按钮点不动”），可能会转化为一个或多个隐性Bug（如“按钮能点了，但提交后数据错乱”），或转化为未来的“技术债务”。
阶段转移：在开发阶段未发现的Bug，会转移到测试阶段；在测试阶段未发现的Bug，必然会转移到生产环境。用户发现的每一个生产环境Bug，都对应着开发或测试阶段中一个未被察觉的等价Bug。
载体转移：当一段充满Bug的代码被删除时，与其相关的Bug并不会消失，它们会以“需求理解偏差”或“设计缺陷”的形式，转移到新编写的代码中。
第二定律（Bug的熵增原理）：
在一个封闭的、无人维护的软件系统中，Bug的显性化程度（或称“系统混乱度”）总是趋向于增大。随着时间的推移、依赖项的更新、环境的变化，原本隐性的Bug会逐渐显现，系统最终将趋于崩溃（熵最大状态）。要维持系统稳定，必须持续投入能量（开发人员的努力）。
现在的 ai coding 就像猪猪侠里面的超级棒棒糖，可以让你在某一个体育赛事，在某个方面短时间内超过一个资深开发，但是这都不是你的功劳，而是 coding 进步的功劳，不属于你的部分，别人也能快速超越，只有真正懂得了逻辑，并进行辛苦训练的人，才能取得最终的胜利
看 Nano Banana Pro 这么火 Open AI 坐不住了
消息说他们即将推出 4o 图像模型的升级版代号是栗子和榛子（Chestnut and Hazelnut）
目前正在 Design Arena 和 LM Arena 上进行测试，不过发布时间上有的人说是这周，有的人说需要圣诞节之后。
具体能力有：与 Nano Banana Pro 类似的全球知识，能名人自拍照，文本渲染不错。
但是版权图片这块 Open AI 有前科的，刚开始开放后面就收紧，一点没有谷歌大方。
查了下我的账号，不知不觉，使用ChatGPT已经三年了。我估计也是 AI 界骨灰级的用户了。
当初为了注册账号，摸索了半天，熬到半夜，终于成功。简单使用，觉得打开了一扇知识的大门，脑子里无数想法涌出。我很高兴，和许多人分享。大多数人不屑一顾，觉得 AI 不过是一个搜索的替代品，没什么用。
现在在看，大厂裁员、节能增效、芯片战争……这三年还是很精彩的。
降本增笑，程序员开启防御编程🤖
最近互联网大厂都在裁员😮💨
搞得程序员们压力山大，开始流行起"防御性编程"这种操作
说白了就是写只有自己能看懂的代码🙈
看到大神发言说根本没必要特意搞这套
正常写代码久了自然会变成屎山💩
新人接手都得踩几个坑才能摸清楚
你觉着这招真的管用吗❓
共 1 张
图片加载中
智谱正式上线并开源GLM-4.6V系列多模态大模型，包括106B-A12B基础版和9B轻量版Flash，训练时上下文窗口提升至128k tokens，相较GLM-4.5V降价50%。
首次在模型架构中将Function Call能力原生融入视觉模型，实现"图像即参数，结果即上下文"的多模态工具调用，打通从视觉感知到可执行行动的链路。
在同参数规模下达到SOTA表现，9B版本整体超过Qwen3-VL-8B，106B参数版本比肩2倍参数量的Qwen3-VL-235B，支持图文混排、识图购物、前端复刻等应用场景。
开源地址：https://github.com/zai-org/GLM-V
国内的模型进化真是百家争鸣，最后受益的是用户，能用低成本使用高级模型，处理更多的业务场景。
GLM4.6V 能力提升的关键是什么呢？是架构，还是新技术的吸收，还是局部精调，要是有配套的论文理论支持就更好了。
deepseek都有配套的论文，花点时间就能知其所以然。
AI大模型对于精确性问题的解决之道。一个是AI产生工具或代码。一个是将需求和约束模型化和算法化。为何要模型化，核心点在于AI输出后可以基于模型自我验证和自我迭代。你如果需求仅仅是输出美观易用，这种需求叫不可验证需求。
【幽默一刻，脑洞大开，博君一笑】
背景：某智能体开发大赛群里，可爱又有才的刘老师为大家的比赛宣传网站和成绩公布网站做了一个很精美的智能体，可以有对话交互那种，被他的同事，比他稍微资深几岁的技术负责人夸赞，大意是“刘老师不参加咱们自己这个智能体开发创新大赛非常可惜，也是化作春泥更护花了。”
凯里评论：
刘老师参加刘老师自己组织的比赛，不是又做裁判员又做运动员，而是智能体生成智能体，雅典娜从宙斯头里出生，也如印度神话中有张图片蛇咬了自己尾巴，也如数学中的莫比乌斯带，也像是更高维的克莱因瓶，也是计算机C语言中指向自己的指针，更像是图论中箭头指向自己的有向图的节点，一切的一切都归于“自指”，自己指向自己，如佛学中“心外无物”，也像处理汉诺塔这个难题的迭代函数，用自己迭代自己，都是自指，也让我想起了第三次数学危机，罗素提出理发师悖论，“只给不给自己理发的人理发”，也想到几何里的科赫曲线，如雪花般美丽，也似最简洁的不可数零测度集合—康托集，永远把自己三等分再三等分。
一切一切最后混沌，形成自由度为3的动力系统，也想到了三体问题，永远因为你指向我，而那个我又指向你。最后举一个生活中现实小例子：张林峰 (深势科技首席科学家）的同事是张林峰老师（SJTU SAI 老师），我同学唐杰（厦门建发投资部）投资了清华唐杰教授（GLM作者），浙大人工智能创新中心王婷姐让我介绍上海人工智能实验室PMO王婷姐，也如金斌学长（工商银行 科技金融）认识金斌学长（交大数学系留学哥大，回国创业），最妙凯里高中加上女生学妹陈凯里，都叫凯里。你的世界没有别人，只有自己。不说哲学和玄学，最终我们都会迭代到最好的自己，如拓扑中布劳威尔不动点定理等等，约翰纳什由此创立纳什均衡，千言万语汇成一句话：你不需要一定将你人生的函数满足李普希兹条件，那就真的“离谱”了，最终都会收敛到人生的你不动点。
最后赠送大家一句话：自信一点，你的世界只有你自己没有别人。黄金比例也是相似三角形的子三角形相似于自己。章璞老师曾说：“抽象代数中最美最和谐的代数结构是对称（阿贝尔或非阿贝尔群），人生也是如此。”，你不用去用Sylow的几个定理去算子群个数，也不需要理解有限群分类定理和“魔群”这些细节，以免走火入“魔”，你只需要闭上你自己的眼睛，在脑中用心灵之眼如上上个世纪最后一个数学家全才庞加莱的境界“看见一个群”，谢谢大家！
NATS采用去中心化的简洁架构，其核心组件主要包括客户端（Publisher/Subscriber）和服务器集群（NATS Server）。与多数消息系统不同，NATS服务器集群采用无状态的Full-Mesh网状结构，通过路由网关（Route Gateway）相互连接，共同组成一个逻辑上的统一消息系统。这种设计使得NATS能够实现水平扩展，同时保持极低的延迟和高吞吐量。
在消息模型方面，NATS支持发布订阅（Pub/Sub）、请求回复（Request-Reply）和队列订阅（Queue Subscriptions）三种核心通信模式。服务器之间通过路由协议自动同步主题（Subject）和队列组信息，形成全局统一的命名空间。客户端只需连接至集群中任意节点，即可与整个系统的所有端点进行通信，这种"一次连接，全局可达"的特性极大地简化了客户端配置和系统部署。
从数据流转角度看，发布者将消息发送到指定主题，服务器基于主题进行消息路由和分发。对于队列订阅，同一队列组内的消费者以负载均衡方式共享处理消息；而对于普通订阅，所有订阅者都能收到消息副本。NATS 2.0引入的JetStream模块在核心无状态架构基础上，通过分布式日志技术提供了消息持久化、至少一次投递语义等增强特性，进一步扩展了其应用场景。
共 1 张
图片加载中
智能二字乃 AI 属性，AI本为人工智能，群里更有明懋智能，积梦智能，雾帜智能，递易智能，汇萃智能，种种智能，不一而足。然 "智能" 二字并非源自IT领域，人工智能更是现代概念，智能本源是国学词汇，翻译梵文，东光研究，必定知道，”智能“ 代表大智大能，”智悲行愿“，以智为先，无智则无能，类比人工智能，智为知识（知识库，知识图谱，RAG，知识体系，企业知识管理（confluence）等等）,能为能力，先有知识，后有能力。然有能无智，亦是不可，有能无智，如大模型 (LLM) ，只有结果，没有过程，一旦出错，不堪设想。有智有能，智能结合，方能成事。国学之中，文殊为智，普贤为能，大智大能，大行大愿。
———2025年12月9日 下午17:04分 写于腾讯云架构师上海同盟
Gemini 到底有没有全局记忆？
如果你已经用过一段时间了，
你可以这样问他：
我们都聊过哪些话题？有过哪些互动？有过哪些哇塞的时刻？基于你对我的了解，我们还可以一起在哪些方面有新的突破？
你就不会再有这样的疑问了。
在你经历或见过的系统落地案例中，你认为让一个复杂系统真正成功上线的“最关键决定因素”是什么？
例如：
是一位有远见、敢决策的技术负责人？
是团队间超强的执行默契？
还是恰到好处的资源投入或时机？
AI工程化不能走两个极端，一个就是一句话vibe coding。一个就是spec coding强文档化或过重的文档化，丧失了AI的优势。我举个例子大家就容易理解。比如我现在有一个需求文档，只有一页纸，这个需求我给我团队里面的张三或李四做，实际做出来的功能，基本差不多。但是这个一页纸需求给另外两个不是你团队的，其他公司的，技术能力没有问题的人做，实际做出来千差万别。你如果要让外人做出同样效果，可能你的需求文档从1页要变成5页乃至10页。类似早期日本软件项目的离岸外包。所以现在真正的最佳解决方案，是要找到一种项目或团队级最适用的方法，需求就1页，做到AI做出来和我找团队成员做一样的效果。这个就涉及到rule定义，claude.md文件规约。我要做的就是如何形成这么一套团队最适合的模板。而不是去找一个文档定义变5页纸，让AI精确做的方法。
技术同盟成员
更多 >活动日历
线上直播
线下沙龙
线下沙龙
线上直播
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
腾讯云开发者
提问已提交，平台将在审核通过后自动邀请对方回答
您可前往问题详情页查看问题进展 查看详情>