moe真能干过dense吗？

gpt5.5使用起来居然感觉比opus4.7还强，按理来说moe应该没有dense强（之前opus一直按着gpt锤），但是gpt5.5为啥能追平甚至超过opus4.7呢？查了一些资料后，我发现gpt5.5是在4.5之后首次从零开始彻底重新预训练的模型（之前的多模态都是伪多模态，本质上还是视觉、音频和

嵌入式开发Vibecoding焚诀

当用 Vibecoding 的方式来做嵌入式开发时，AI 像是“一个只懂理论、从没下过车间”的实习生，可能会遇到以下问题： 1. AI 摸不到真实的硬件（没法排查 Bug） 网页出错了会弹出一长串错误提示，AI 一看就懂。但硬件写错代码后，结果通常是死机、没反应、或者板子发烫。AI 没有眼睛和手，看

从 Embedding RAG 到 Agentic RAG：向量相似度真的等于语义相关吗？

从 Dify、Coze 到 RAGFlow，做RAG时经常会遇到一个问题：Demo 很好搭，但实际效果并不稳定。 现在已经有很多优化方案，比如用 EasyDataset 构造 QA 对，用 HyDE 将 query 扩展成更接近目标文档风格的假想答案或假想文档，用 query rewrite、mul

用 Skill 把 Vibe Coding 拉回工程：Claude Opus 4.7 + GPT-5.4 做一个 STM32 + CC2530 双模智能家居网关

这次项目我想验证一件事：嵌入式项目能不能“全程 AI 开发”。 答案是可以，但前提不是把一句需求直接丢给模型，然后等它自由发挥；真正有效的做法，是先把工程边界、协议契约、硬件真相和调试流程固化成 skill 与设计文档，再让 Claude Opus 4.7 和 GPT-5.4 在这个边界内持续产出。

普通人有必要使用御三家顶级模型吗

作为一个不写代码、不懂技术的普通人，平时最多也就用豆包查查资料、写写邮件，我到底有没有必要去碰 GPT-5.4、Claude Opus 4.6 或者 Gemini 3.1 Pro 这些处于金字塔顶端的 AI 模型？ 我的回答是：这取决于你想把 AI 当成一个“计算器”，还是一个“外包团队”。 在20

AI代码生成的“过度防御”悖论：从Vibecoding狂欢到架构治理的深度审视

引言：范式转移下的隐蔽危机 自2025年以来，软件工程的范式发生了一场被称为“Vibecoding（直觉编程/意图驱动编程）”的根本性转移。在这个时代，开发者的角色从逐行编写语法的“编码者”演变为指导人工智能（AI）代理的“系统导演”。然而，伴随这一技术民主化浪潮而来的，是一个隐蔽且具有破坏性的行业

从 Cursor 到 Claude Code：这几年 AI 编程和 Vibe Coding，到底把我们带到了哪里

我最近越来越觉得，AI 编程工具这件事，已经走到了一个很明显的分水岭。 最早那几年，我们谈的是补全。 后来我们谈的是聊天。 再后来，我们开始谈 Agent。 而现在，我们讨论的已经不是“它能不能帮我写代码”，而是： 我到底要不要继续亲自写这段代码。 这听起来像一句夸张的话，但如果你这两年一路用下来，

从零开始了解AI

从 Prompt 到 Agent：把生成式 AI 的常见术语讲明白 这两年，围绕大模型的讨论越来越热，术语也越来越密。很多词听上去都像“黑话”：prompt、RAG、agent、MCP、skills、embedding、fine-tuning……它们经常被放在同一段话里，像是同一层面的概念，实际上并