压缩工具输出是否能降低编码 Agent 的 API 费用？
编码 Agent 每轮都会重新发送旧的工具输出，用更小的内容替换看起来是显而易见的节省。我将其做成了一个 Torana 插件，曾经弄坏过一次，重新构建并进行了测量。在 DeepSeek V4 Pro 上，节省大约每会话 2%，这比普通的运行间波动还小，因为提示词缓存已经让重复输出几乎免费。 本文介绍
如何构建能读取 10-K 风险因素的 AI Agent
第 8 天，共 30 天的 Search。 公司可能报告强劲增长，但仍会披露削弱你投资论点的风险。有用的问题不仅仅是“风险是什么？”而是： 文件实际上说了什么，这可能如何影响业务，以及我应该接下来调查什么？ 快速摘要： 10-K 风险因素 Agent 检索公司年报披露，提取相关风险，并将每个发现与支
三万行模拟数据摆出来：负载均衡策略能把p99拉低67%
今天刷 dev.to 热榜，看到一篇讲 p99、负载均衡和自动扩缩容的文章，评论区吵得挺热闹。有人说随机分发足够了，轮询是老古董；也有人说 least-loaded 才是唯一正解，其他都是玄学。双方都有道理，但谁也没拿数
为什么 AI 审计日志不可信：见证者竟是嫌疑人
AI 智能体做了不该做的事。它泄露了数据，或者删错了数据库，或者发起了未获授权的调用。于是你做了显而易见的事：去查日志，看看发生了什么。 日志很干净。 当然是这样。它们是由导致事件的同一进程写入的。智能体以有效格式报告了“成功”，却指向了错误的目标——而监控系统原本是用来回答“它是否成功？”的，于是
2026年10月免费LLM API层级剩余及我如何串联使用
我维护着几个内部小工具，每天要调用大模型几百次：一个更新日志摘要器、一个工单分类器，还有个脚本，能把杂乱的日志整理成可读的事故时间线。这几个工具都不值得花钱买月度套餐，所以过去一年它们完全靠免费的 LLM API 免费额度运转。这样确实可行，但前提是你得把“免费”当成一套需要精心管理的配额，而不是天
Claude Code 在 Docker 沙箱中拥有完全访问权限时能做什么和不能做什么
Claude Code 不仅能提出修复建议，还能编辑文件、安装依赖、运行测试并启动你的应用。 但让它自行完成任务会引发一个实际问题：这些命令应该被允许影响你的电脑的哪些部分？ 逐条批准命令能让你全程参与。去掉这些提示词后 Claude 可以持续工作，但你仍需要一种方法来限制它的访问。 Docker
我模拟并行测试调度：一条慢用例吃掉八倍加速
今天刷 dev.to 热榜，看到一条帖子讲 Bun 1.4 的 bun test --parallel，说四秒的测试套件压到一秒左右，评论区一片“并行万岁”。这种说法我见过太多次了：加进程数，时间除以 N，皆大欢喜。但我
如何用市场数据、文件和新闻构建投资研究 Agent
第10天，30天AI智能体搜索挑战。 要构建投资研究智能体，需要检索带日期的市场数据、主要公司文件、股票价格和最新新闻。保留每个结果的来源和报告期。然后使用研究智能体整合证据并生成带引用的摘要。在本教程中，TypeScript 负责应用程序，而 Valyu Search 和 DeepResearch
全栈方案优于点方案：在单一云上运行 AI 的基础设施论点
认为把更多 AI 堆栈放在同一云供应商上并不是因为他们在每个组件上都更好；也不只是因为发票会变少。更可能的是，将对延迟敏感的组件集中在一起可以消除关键工作流中的重广域网往返。 AI 应用与其数据服务之间网络往返会占用模型生成第一个 token 前响应时间预算的一部分。这是你在今天使用许多最佳方案时会
本地运行 Qwen3.8-Flash-Next 即可完成 AI Agent 编程，完全取代 Claude Code 的本地使用
本文最初发表于 deepu.tech。 我最近写了一篇文章，标题是 《笔记本上跑的 Qwen 3.8 真能在 Agent 编程中替代 Claude Opus 吗？》。而这篇文章可以说是这个问题的一个明确答案——至少对我个人如此，或许也适用于那些正在探索本地 AI 方案做 Agent 编程的朋友。 C