目录
AI的兴起与广泛使用，AI的足迹、AI的应用范围已经拓展到大家能想象的各个领域。AI的广泛使用，也让AI大模型本身以极快的速度不断自我更新，自我迭代，其自身的能力也得到不断的完善，从而发挥更好的作用，可以说这是一个良性的闭环。在AI应用领域，有一个容易被忽略的AI应用，那就是AI编程。AI编程，严格来说，应该叫AI辅助编程，是应用开发者借助AI的能力，辅助应用开发者完成一些非核心业务功能的编码工作，提升开发者效率。2025年来，陆续出现了很多集性能和实用价值的AI编程工具，而且在IT行业引起了很大的轰动，比如大名鼎鼎的Cursor，GitHub 的Copilot等。AI编程是双刃剑，用好了，对程序员和项目都是很好的助益。本篇将详细介绍一款国产的上市不久的AI编程工具Qoder 。
demo：更新决策数学模型的版本https://www.coze.cn/s/yCV7zGc-F6A/ #人的一生处处在决策，决策的好坏决定结果有没有遗憾，有的人寻求外在建议综合决策，而无法判断建议是否可靠，因此，提出Cognitive Trustworthiness Evaluator, CTE，这是一个极具潜力且前沿的交叉领域项目——将认知科学、行为经济学、概率推理与人工智能结合，构建一个基于认知偏差建模的建议可信度评估智能体（Cognitive Trustworthiness Evaluator, CTE） 一、项目目标 构建一个智能体（Agent），通过分析用户在表达观点、提出建议时所体现出的认知特征（尤其是与概率感、事后归因、幸存者偏差、反事实思维等相关的模式），对其认知可靠性进行量化评分，并据此判断其建议是否值得采纳。 核心假设：一个人对不确定性的理解能力（即“概率感”）及其对因果关系的误判倾向，是其建议质量的重要预测指标。 二、理论基础与关键维度 我们聚焦以下五个核心认知维度，每个维度均有心理学/行为经济学实证支持： 表格 维度定义行为表现可观测信
一句话总结 2026年3月13日前后，全球科技企业在AI大模型、智能体、硬件基础设施、跨行业应用等领域密集发布新品与技术突破，涵盖模型优化、智能体部署、硬件升级、落地场景拓展等多维度，同步伴随投资并购、政策监管、人才流动及伦理安全争议等行业动态。 一、模型与技术突破 1.1 通用大模型（大语言模型与多模态模型） * 英伟达：发布开源模型Nemotron 3 Super，120B参数，混合Mamba-Transformer架构，原生支持100万token上下文，PinchBench得分85.6%（开源榜首）；采用NVFP4格式预训练，适配Blackwell架构，B200芯片推理速度达H100的4倍，吞吐量超上代5倍。 * xAI：发布Grok4.20，非幻觉率78%（创行业纪录），智能指数48分（较前代+6分），每百万令牌成本2-6美元；支持事实可靠推理，适用于严谨行业场景。 * 谷歌：发布Gemini Embedding 2，首个原生多模态嵌入模型，可将文本、
OpenClaw ACP 协议深度解析：让 IDE 直接驱动你的 AI Agent 🔗 ACP（Agent Client Protocol）是 OpenClaw 最新的核心基础设施升级 —— 一个连接 IDE 和 OpenClaw Gateway 的通信隧道，让你在 VS Code / Zed 中直接驱动 AI Agent，一切都无需离开编辑器 📑 文章目录 1. 为什么需要 ACP：在 IDE 和 Agent 之间反复横跳的痛苦 2. ACP 30 秒速懂：AI 世界的 Language Server Protocol 3. ACP 架构全景：
文章目录 * 大模型 RAG 技术深度解析：从入门到进阶 * 一、大语言模型（LLM）的三大痛点 * 1.1 幻觉问题：一本正经地胡说八道 * 1.2 时效性问题：知识更新不及时 * 1.3 数据安全问题：敏感信息泄露风险 * 二、RAG 技术：检索增强生成 * 2.1 RAG 的定义 * 2.2 RAG 的架构 * 2.2.1 检索器模块 * 2.2.2 生成器模块 * 三、使用 RAG 的八大优势 * 3.1 可扩展性：减少模型大小和训练成本 * 3.