与「系统」相关的搜索结果

用户故事加验收标准，几乎就是一段完美的提示词 敏捷团队都熟悉“用户故事”的写法：“作为某某角色，我想要做某件事，以便达到某个目的。” 再配上“验收标准”：在什么情况下，系统应该怎样表现。 很多团队以前写这些东西，有点走过场。 有了 ai，你会发现：一个写得好的用户故事加上验收标准，几乎就是一段完美的提示词！ 角色告诉 AI 这是给谁用的；目的告诉 AI 为什么要做，让它在细节上做出更合理的选择；验收标准告诉 AI 什么算做对了，甚至可以直接转成测试用例。 用户故事是“一个对话的承诺”。它的价值在于引发讨论，在对话里把需求的细节澄清。 你和用户对话，澄清需求；你把澄清后的需求写成故事和验收标准；AI 根据它们写代码和测试；你再拿着结果，回到用户那里确认。 用户故事就是一种好的提示词！

【OpenAI与Shield合作，帮助技术人员交接旧系统门户工作】 为IT服务商开发AI操作系统的Shield，在Forge平台上使用OpenAI的GPT-6 Astra。 Forge的AI工程师把任务派给计算机操作智能体，由智能体操作没有API的旧系统门户。 技术人员可以设定哪些操作由智能体独立完成，哪些需要人工审核或者批准。 Shield表示系统已经上线，每月运行数千次，速度比之前的计算机操作模型平均快35%到40%。 电话、上门和远程桌面类任务仍然需要人工，远程桌面流程正在测试。 我猜测没有API的旧门户是IT外包里最难自动化的一块。 来源：Inside AI · 2026-11-14

摩根大通目前预测，到2028年，超大规模科技企业的资本支出将超过2万亿美元： • $AMZN 约4700亿美元 • $GOOGL 约4700亿美元 • $SPCX 约3700亿美元 • $MSFT 约3300亿美元 • $META 约2900亿美元 • $ORCL 约1000亿美元 尽管增长速度可能会有所放缓，但预计即使在2028年这一“增长放缓”之年，相关支出仍将增加3210亿美元。 因此，仍有巨额资本涌入人工智能计算、网络、存储和电力基础设施领域，而下一代人工智能系统尚未问世。

😱 简直牛逼克拉斯！！ 这个项目能让你的 Agent 越用越聪明、越省钱！！ 最近开源的 AgentRun，能帮 Claude Code、Codex 这类 Agent 从以前做过的活里学习，并把经验存下来下次再用。 那它是怎么工作的？⬇️ 比方说，一个 Agent 做项目时碰上了复杂的技术问题，试了好几轮才找到办法。 AgentRun 会把这些经验记下来、整理好： - 把已经解决的技术问题，整理成能用的笔记 - 把成功的方法和解决方案存成 Skills - 后面做项目时，可以直接用上以前的经验 但最有意思的是这一段： 一个 Skill 被用过三次后，系统会尝试把它变成 Workflow。 也就是说，Agent 不用每次从零开始再走一遍解题路径，可以直接用一套已经跑通过的现成流程。 结果是什么？ - 少做重复的试错 - 不用再把已经解决过的问题重新查一遍 - 省 Token - 把成功的经验拿来再用 - 把零散的经验变成可重复的 Workflow 实际上，AgentRun 就是想把每个项目的经验，变成后面项目能用的资产。 🔗 GitHub 仓库：

- 汤姆张的“三阶段”模型有一定观察价值，但它把复杂的认知变化简化成了线性进步：很多人从“粉红”到“反贼”再“去魅”，并非必然更清醒，而是可能只是换了一套叙事框架。真正稳定的判断通常不来自“阶段升级”，而来自对具体制度绩效、激励结构与信息环境的持续比较。 - 王海滨那句“中共粗鄙，没有美国精英那么卑鄙”抓住了一种常见感觉：中共的权力运作更直白（宣传、审查、运动式治理），美国精英的运作更依赖制度包装、利益输送与舆论塑造。这种对比有经验基础，但也容易滑向“谁更坏”的道德竞赛，而忽略两者在不同领域的具体代价差异——例如中国在信息与政治权利上的系统性压制，美国在精英俘获、财政与制度信任上的持续侵蚀。 - 更务实的视角是把注意力放在可观察的结果与约束条件上：经济增长质量、创新效率、社会流动性、法治可预期性、个人自由度，以及当权者受制约的程度。目前看，中美都不是理想国，也都面临各自结构性问题；区别更多在于问题的表现形式与修正机制，而不是谁更“卑鄙”或谁更“粗鄙”。

很多人翻墙之后，只会刷推特 其实真正的信息差，藏在海外这些网站里。 下面这 10 个地方，建议全部收藏。每天花半小时逛一圈，信息获取能力可能超过身边 90% 的人！ 1、Reddit 互联网最大的兴趣社区之一。AI、投资、编程、创业、科技，几乎任何领域都有专属 Subreddit。真人经验、深度讨论、行业内幕，挖宝圣地！ 2、GitHub 全球最大的开源代码社区之一。AI Agent、LLM、大模型、自动化工具、开发框架，想找宝藏开源项目，这里简直挖不完！ 3、Hacker News 硅谷程序员的情报站。AI、开源项目、技术趋势、创业故事，每天都有高质量讨论，技术信息密度爆表！ 4、Product Hunt AI 工具和 SaaS 产品的发射场。每天都有新产品上线，很多爆火的 AI 项目都能在这里提前发现。 5、LinkedIn 千万别只把它当招聘网站。全球 CEO、投资人、创业者、科技公司高管都在这里分享一手行业动态。 6、Telegram 海外信息集散中心。AI、加密货币、投资、开源工具，各种频道和社群层出不穷，不少一手消息传播速度非常快。 7、Threads Meta 旗下社交平台。海外创作者、开发者、创业者聚集地，氛围比 X 更轻松，经常能看到有意思的新观点。 8、Discord 海外互联网社区的大本营。AI 项目、Web3、游戏、开发者社区都喜欢在这里建群，很多项目的核心讨论和早期动态都在 Discord。 9、Medium 海外技术和商业长文聚集地。AI 技术教程、创业复盘、投资思考、产品分析，适合系统性补充知识。 10、Substack 独立作者和行业专家的内容订阅平台。大量投资人、科技创业者、研究员在这里发布深度报告，有些内容比新闻媒体更有洞察力。 最后说一句： 不要把翻墙后的互联网，只当成一个刷 X 的娱乐工具。 Reddit 找讨论，GitHub 挖项目，Hacker News 看趋势，Product Hunt 找工具，Substack 追踪大佬观点。 这才是打开海外互联网的正确姿势！ 建议收藏，也转发给还在只会刷 X 的朋友。 你还有哪些值得推荐的海外网站？评论区补充！

保密的活交给 AI，第一句该问的不是它能干什么，是它会不会把秘密带出门？ Anthropic 官方新课《Introduction to Claude Tag》第四课，先把一句话说死：非公开频道里的 Claude 和公开频道里是同一个同事，但它认墙。人事、财务、法务、带保密细节的客户升级，本来就放在非公开频道里，频道有墙，Claude 也认这堵墙——它在频道里学到的东西只留这个频道，出了频道，它就当这个频道不存在。 非公开频道里第三课的活照样干：财务频道里去开票系统把客户的账拉出来；人事频道里把面试反馈整理好贴回帖子；法务频道里把合同要改的几条标出来；客户升级频道里把跟进工单开好。活干完回帖子里，只有频道里的人看得见、改得了、接得上。 动手之前先分清两件事。第一，工具只给成员用：可以只连在这个频道上，比如财务频道里连上开票系统，只有频道成员能让 Claude 用它，它能干的，也只限那个账号被允许干的，权限给到刚好够干活。第二，成员名单就是权限名单：频道连上的工具账号能看到什么，频道里每个人通过 Claude 就都能看到什么，名单多一个人，就多一个人能看到，先把名单收紧。 还有一条要记死：它在这里学到的东西，只存这个频道的笔记里，绝不存全组共用的笔记里。公开频道里教给它的，这个频道能沾光；这个频道里学到的，别的频道沾不到。带客人的频道、和别的公司共用的频道里它回不回答，是管理员定的，它回答也只待在这个频道里。 S1哥观点：说“保密的活只能藏在私信里，一个人干”的人，和说“非公开频道就是人少一点的公开频道”的人，错的是同一处，都没看懂第四课——非公开频道不是人少的地方，是秘密不出门的地方。私信里一个人干是第 2 课的活，几个人才能干的保密活，本来就该放在非公开频道里；反过来，把不该进频道的人随手拉进来，名单一松，秘密就跟着出门了，那也叫不负责。分得清什么时候该私信、什么时候该公开频道、什么时候该非公开频道，才叫会用。你呢？你们团队有没有那种只有几个人能进、却没人敢第一个艾特它的频道？你第一件想让它在非公开频道里干的保密活是什么？评论区说说。 收藏用清单（照着做）： 1. 先问清这个频道连了什么工具、能看到多少历史，再派活。 2. 再看一眼成员名单，名单里不该有的人先请出去。 3. 派活之前先想想这件活该放在这里吗，全组能看的挪到公开频道，只属于你的挪到私信。 4. 活干完先在帖子里看一遍，错了在帖子里纠正，说“以后这个频道都这样”。 转给那个还在私信里一个人翻账、再一条一条发给频道里几个人的同事，先派一件小活试试，再说它有没有用。 #Claude中文教程#

马云： 中国当下不是面临金融系统性风险，而是缺少一个健康金融系统的风险。 王慧文： 股民们为什么不质疑国家队存在的必要 中国的巨富的成就感远不如美国巨富的一个原因就是，由于体制的差异，他们没法把巨大的财富兑换成在现实世界的权力和影响国家走向的能力。 这种落差，让他们感到深深的沮丧和无力

马云： 中国当下不是面临金融系统性风险，而是缺少一个健康金融系统的风险。 王慧文： 股民们为什么不质疑国家队存在的必要 中国的巨富的成就感远不如美国巨富的一个原因就是，由于体制的差异，他没法把他们的巨大的财富， 兑换成在现实世界的权力和影响国家走向的能力。 这种落差，让他们感到深深的沮丧和无力

几个 agent 一起跑一件长任务，最头疼的是各记各的：一个刚查出来的结论，另一个根本不知道。 omnigraph 从存储这一层解决这个问题。它是个图数据库，给多个 agent 共用一份带类型的「世界模型」。每个 agent 从里面取上下文，干完活再写回去，分工就靠它协调。作者说这样 agent 和界面都能做成无状态的，状态全在库里。 几个设计很对路：数据直接放在对象存储上，用开源的 Lance 格式；节点和关系都有类型定义，不是什么都往里塞；检索把向量、BM25 关键词和图关系合进了同一个引擎。 最有意思的是分支。它支持 Git 那样的工作流，共享的记忆也能开分支。 仓库今年 4 月才建，Rust 写的，MIT 许可，现在 2247 星，今天一天涨了 160，11 月 9 号刚发过版。 搭多 agent 系统，迟早要决定记忆放哪。仓库里配了 Cookbooks，可以照着例子先跑一个。