与「須々田浩伎」相关的搜索结果

#テンカトル# 本公演vol.20 ✨情報解禁✨ 『長雨と伽藍』 📍シアターグリーンBIG TREE THEATER 脚本 #太田友和# 演出 #内堀克利# 【出演キャスト】 #岩城直弥# #杉咲真広# #内堀克利# #佐藤修二# #冨田佳孝# #𠮷川亜州香# 〈A班〉 #漢人拓希# #鈴木寿枝# 〈B班〉 #宮本杏子# （以上10·Quatre） #海部剛史# #宮嶌秀彰# #真矢# #小川直彦# #須々田浩伎# #二ツ塚杏理# 〈A班〉 #鈴木柚葉# 〈A班〉 #天野舞音# 〈B班〉 #森花音# 〈B班〉 #前沢健太# #海翼# #深夢# #八剱咲羅# (C-Style) 〈A班〉 #潮干狩鯏# (C-Style) 〈B班〉 #岩佐祐樹# #渡辺みり愛# #大西桃香# 【公演日時】 2026年9月2日(水)～6日(日) 2日(水) 18:30～A 3日(木) 13:30〜A／18:30〜B 4日(金) 13:30〜B／18:30～A 5日(土) 13:30〜A／18:30〜B 6日(日) 13:30〜B 《全8公演》 【🎫チケット発売日】 🥇5月30日(土) 会場販売🥇 10・Quatre extra battle 『BLACK TOURNAMENT ~fifth element~』 新木場1st RINGにて行われるテンカトル主催イベント会場内にて《最速先行》販売！ 🥈6月22日(月) 21時 販売開始🥈 下記キャストのFCにて先行販売！ ・岩城直弥 ・杉咲真広 ・大西桃香 ・渡辺みり愛 ・岩佐祐樹 ・八剱咲羅(C-Style) ・潮干狩鯏(C-Style) 🥉6月29日(月) 21時 販売開始🥉 カンフェティ、コリッチにて一般販売！ 【チケット種類】 全席指定席 🔹SS席：7,500円 中央ブロック最前列A〜C列 ・公演パンフレット ・2L版非売品ブロマイド ・クリアファイル ※カンフェティのみ取り扱い 🔹S席：6,500円 中央ブロックD〜G列 ・Ｌ版非売品ブロマイド ・クリアファイル 🔹A席：5,000円 🔹U-25割：4,000円 25歳以下／受付にて身分証の提示 ※コリッチのみ取り扱い 本公演20回目となる記念すべき公演です✨️ 是非劇場まで足を運んでいただけますと幸いです！ また、こちらの公演は池袋演劇祭エントリー作品となります。 応援の程よろしくお願いいたします！！ #ながらん# #殺陣# #時代劇#

⊹ ࣪˖ ┈┈ ˖ ࣪⊹ ┈┈⊹ ࣪˖ ┈┈˖ ࣪⊹ ┈┈⊹ ࣪˖ ┈┈ ˖ ࣪⊹ フレッシュフェス2026 Spring Edition 4/26(日) 出演モデル一覧紹介① ⊹ ࣪˖ ┈┈ ˖ ࣪⊹ ┈┈⊹ ࣪˖ ┈┈˖ ࣪⊹ ┈┈⊹ ࣪˖ ┈┈ ˖ ࣪⊹ 大特価"12,000円OFF"前売り券🎟️ ⇢ 自宅に届く‼︎ 当日出演衣装の郵送チェキ💌 ⇢ 榛名うい(@uiui15ch) 雛なの(@nano_cats0923) 佐々木明音(@33ki_akane) 五百木いお(@iochanyade) 雪村花鈴(@yukimura_karin) もものすけ(@momonosuke1020) 塩野響子(@elsy_kyoko) らいむたそ(@raimu_charlotte) ごみちゃん(@gomichan_zzz) 花咲楓香(@Hanasaki__Fuka) 須羽こころ(@suwa_cocoro0126) 池田あゆあ(@ayua_primo) 大城かえ(@oshiro_kae) 有栖未桜(@arisu_mio) 日下部ほたる(@hotaru_kusakabe) 日野アリス(@hinoalice) 松本みいな(@miina_matsumoto) 百合川サシャ(@sasha_chu_) 板野優花(@_harunoyuki_) 茜紬うた(@utagra624) 七海まり(@mari_nanami7) にごろ(@tinmomiyan) いなりちゃん(@inarichaan_) ぺてんし(@ptns_xxx) しおん共和国(@mami11191) 成瀬かのん(@Kanon_JAPANARI) 小日向ゆり(@kohinata_yuri_) 百瀬せいな(@momose_seina) るか(@ruka_japan00) 谷かえ(@Tani_kae) さとうしお(@sugar_salt1010) 宮本なる(@naru322_) 清宮みいな(@miinyaaa23) 薺かれん(@udon_chan8) 浅沼凛(@rin_asanuma) 峰尾こずえ(@kozurin69) 杠ゆあ(@yuadarake) おりん(@_6m_oO) 神川さあや(@saaaya0404) 倉園ひかる(@kurazono_cat) 叶園ちさ(@chisa8700) れいちゃん(@u__wanwan__wan) 奥泉奏(@Kanade_Cyp) 一ノ瀬ことね(@Kotone_ResChu) ⇢ #フレッシュ撮影会#

11.15梭哈晨报： 这个行情，周末这么一路阴跌，只要敢抄底的全都带走了啊？ 1. $BTC 都去63000了啊，这直接可能又要去看看5？ 2. $ETH 真的要去1500吗？ 3. $SOL 伦敦开大会，现场砸盘？ 4.Glassnode：稳定币供应量过去一个月减少 170 亿美元，创 2022 年以来最大单月降幅； 稳定币都不用了，不是都变成稳定币理财吗？ 5.数据：过去 24 小时全网爆仓约 12.75 亿美元，多单爆仓约 11.69 亿美元； 多军果然是最惨的； 6.Tom Lee：科技股抛售、Anthropic IPO 挤压流动性以及币安被盗 63 亿美元后部分持有人套现等因素导致加密市场遭受持续抛售； 懂这么多，怎么eth亏那么多的？ 数据：BitMine 的 ETH 持仓浮亏扩大至约 97 亿美元； 7.Bitwise CIO：当前市场需消化部分长期影响因素，未来会出现再次购买机会； 未来是什么时候； 8.黄仁勋请愿网站Stand with Jensen：将建立员工身份验证机制，正过滤恶意签名； 9.Strive CEO：若比特币复刻SpaceX IPO后走势，明年2月或触及9万美元； 10.Peter Schiff：若比特币跌破5万美元，可能迅速下探1.65万美元； 像个大傻逼； 11.数据：加密恐惧与贪婪指数降至15，创6月以来新低； 12.Strategy提出100亿至300亿美元数字信贷融资容量计划； Strategy 董事长 Saylor：银行采用或推动比特币下一轮牛市； 13.Solana Confidential Compute开放beta，主网发布时间尚未公布； 14.Fundstrat Capital 首席投资官：科技股抛售或加剧加密市场压力； 15.美联储柯林斯：在双向风险并存的情况下，采取稳定、渐进的加息方式是合适的； 16.OpenAI：ChatGPT Wallet支持卡片令牌支付，用户须逐笔批准； --------------- 先恭喜下blg吧，这简简单单的就夺冠了？ 何时币圈才能回暖啊，可惜了，大家都去抄美股了😮‍💨 #bitcoin# #ethereum# #solana# #crypto# #nasdaq#

建议收藏，用到时照着做。做完你能让 DeepSeek 自己决定“要不要调用你写的函数”，并把结果用人话讲回来。 AI 能查天气、查订单，是它自己去查的吗？DeepSeek 官方一句话拆台：模型本身不执行任何函数 这是 DeepSeek 官方 API 文档里 Tool Calls（工具调用）一页。先说结论： 官方原话是，函数要由你自己提供，模型本身不执行具体函数。它只负责说“我想调这个函数、参数是这些”，真正去跑的是你的代码。 先说清词。 工具调用（Tool Calls），是让模型能用外部工具的功能，比如查天气、查数据库。 函数（function），是你自己写好的一段代码，模型只会“点名”它。 tool_call_id（工具调用编号），是模型每次点名时附带的一个号码，你回传结果时要带上它，模型才知道你在回答哪一次。 strict 模式（严格模式，Beta 测试版），是让模型点名时严格按你定义的格式填参数。 一个真实例子：官方示例问“杭州天气怎么样”，模型返回的是 get_weather 这个函数和参数 location 等于杭州，你的代码去查到“24℃”，再交给模型，模型才说“杭州现在 24 度”。 先把话说全： 官方示例用的是非思考模式，请求里加 extra_body 把 thinking 的 type 设成 disabled。 官方写明：从 DeepSeek-V3.2 开始，思考模式下也能用工具调用，细节看官方 Thinking Mode 一页。 官方写明：Chat Completion 接口不支持在对话中间插入不是模型生成的工具调用，要插的话请改用 Anthropic API 或 Responses API。 strict 模式目前是 Beta，要用测试版地址。 一、先看懂整个流程 官方给的执行流程是四步：用户问杭州天气；模型返回要调用 get_weather，参数是杭州；你的代码真的去调用 get_weather，把结果交给模型；模型用自然语言回答“杭州现在 24 度”。 二、照官方示例做一遍 第一步：去 DeepSeek 开放平台拿一个 API key，电脑装好 Python 和 openai 库。 第二步：创建客户端，base_url 写 DeepSeek 官方接口地址（官方文档第一屏就有），api_key 填你的。 第三步：写 tools 清单。每个工具包含 type 等于 function，再写 name（函数名）、description（描述，告诉模型什么时候用）、parameters（参数）。官方示例的函数叫 get_weather，描述是“获取某地天气，用户须先提供地点”，参数 location 是字符串，并且在 required 里。 第四步：发第一次请求，model 官方示例写 deepseek-flash，把 messages 和 tools 一起传，并加上 thinking 关闭的设置。 第五步：从返回里取 tool_calls 的第一项，先把模型这条消息原样追加进 messages。 第六步：你的代码去执行函数，再追加一条 role 是 tool 的消息，带上刚才的 tool_call_id，content 写结果，官方示例写的是 24℃。 第七步：再发一次请求，这次模型就会用自然语言回答。 三、想要更稳：strict 严格模式 第八步：base_url 改成官方文档里写明的 beta 版接口地址（就是原地址后面加 /beta）。 第九步：每个 function 都加上 strict 等于 true。 第十步：服务器会检查你的 JSON Schema（结构说明），格式不合规或用了不支持的类型，会直接返回错误信息。 官方支持的类型是：object、string、number、integer、boolean、array、enum、anyOf，另外 $ref 和 $def 可以复用和做递归。 四、strict 的硬规矩 对象里所有属性都必须写进 required，并且 additionalProperties 必须设成 false。 字符串可以用 pattern（正则）和 format，官方列出的格式有 email、hostname、ipv4、ipv6、uuid，但不支持 minLength 和 maxLength。 数字支持 const、default、minimum、maximum、exclusiveMinimum、exclusiveMaximum、multipleOf。 数组不支持 minItems 和 maxItems。 五、看到什么算成功 第一次返回的是函数点名，不是答案；第二次返回的才是自然语言答案，内容里有你的函数结果。 六、卡住怎么办 strict 报错：先检查是不是漏写 required 或忘了 additionalProperties 设 false，再检查有没有用到 minLength、maxItems 这类官方不支持的写法。 结论：工具调用不是模型替你干活，而是模型“点名”、你的代码“动手”。想让点名更准，就用 strict。把这条复制链接发给他，下次他说 AI 查不到东西，先让他确认函数是不是自己写了。 你卡在第几步？评论区告诉我。同系列前几篇在我主页。 收藏版：5 步速查 一、tools 里写清函数名、描述、参数 二、第一次请求拿到 tool_calls 三、自己执行函数，回传 role 为 tool 的消息并带 tool_call_id 四、第二次请求拿到自然语言答案 五、想更稳就用 beta 地址加 strict 等于 true 常见坑 3 条 一、以为模型会自己执行函数，其实要你的代码去跑。 二、回传结果忘了带 tool_call_id。 三、strict 里漏了 required 或 additionalProperties 设成 false。 复制即用提示词：我想让模型调用一个叫 你的函数名 的函数，它需要这些参数：写参数。请帮我写出符合 DeepSeek Tool Calls 格式的 tools 清单，每个参数都写 description，并改成 strict 模式需要的写法。 S1哥观点：这篇最狠的地方，是官方把话挑明了：模型不执行函数，只负责点名。很多人以为 AI 在后台自己动手，其实动手的永远是你的代码。 真正的信号是：工具调用的难点不在模型，在你把函数描述写得多清楚。就像派活给新人，说明写得含糊，他再聪明也会点错人。 你现在想让 DeepSeek 调用的是什么，查数据还是发消息？评论区告诉我。 今天送：DeepSeek 工具调用速查卡，评论区第一条直接拿。 参考：DeepSeek 官方 API 文档 Tool Calls（S1哥 整理）

Nvidia總部不是要設在台灣，而是設在台北市 這一點要搞清楚 高雄多次熱情邀約，而老黃堅持拒絕，延宕多年後才於2026年搞定台北市土地問題 寧可放著不蓋給他辦公室不夠用，也要等到郭萬安上台來蓋章核准 再說一次，講訂單數量，Nvidia就是當年的華為翻版 是老黃必須依賴台灣的半導體產能，台灣沒在怕他訂單不來 蘇媽為了AMD硬體產能來回台灣美國之間的次數可沒比老黃少 Nvidia退出產能大戰，只不過是讓位給後面排隊的其他大廠而已 我就想不透某些人為何老愛找個衣食父母給自己跪著拜 難道都是中國翻牆出來的牛馬韭菜嗎?

信息求证，需要“检索-筛选-甄别-输出”等 4 个环节; 信息传播只须“一键转发”。 只要“求证成本 > 传播成本”一直成立，信息场里的噪音就远多于信号。

黃仁勳對 Nvidia 的重要性，在於他能把工程團隊認為可能實現的技術，轉化成全公司願意投入資源、承擔風險，而且必須交付的產品。正因如此，供應鏈才能有極高的訂單能見度，並配合激進的規格升級。而這也帶動了競爭對手的跟進，進一步推動整體 AI 產業的技術升級與供應鏈投資。 如果硬要比較，做出並落實激進規格升級的決策，比提供供應鏈訂單能見度更困難。黃仁勳不必是 Nvidia 內部最懂 HVDC、CPO/NPO 與 CCL/PTFE 等新技術的人，但他的價值，在於同時考慮到策略、組織、技術與供應鏈，並迅速拍板定案與投入資源執行。 就目前公開資訊，黃仁勳似乎很難全身而退。在這前提下，比較務實的做法，可能是階段性降低 Nvidia 對黃仁勳個人的決策依賴，同時布局接班計畫。而在這過程中，Nvidia 能否延續高效的新產品與新技術研發，以及競爭對手如何因應，將是觀察整體 AI 產業技術發展與投資趨勢的重點，而供應鏈研究則能提供重要的判斷依據。

10.05梭哈晨报： 许久没有睡到这么晚才醒来了，只能说睡眠是个好东西，还是得好好维护下，醒来怎么半导体又牛了？ 1. $BTC 再次站上86000，今天会直接冲刺90000吗？ 2. $ETH 大哥的笑容很好，小弟也要在这周冲3000了？ 3. $SOL 能跟上吗，STONK生态全面崩盘了； 4.美国中期选举临近，民调指民主党有望翻转众议院； 5.日本 30 年期国债收益率上升 2.5 个基点，创下 4.23%的历史新高； 6.美数字资产持有人 2026 年 10 月 15 日前须提交 2025 年度联邦报税表； 7.美银行协会起诉 OCC，指加密企业利用信托执照套利监管； 8.特朗普宣布设立“超级人工智能部队”，前 SEC 主席领军； 9.投票率2.69%尚未达到法定人数，Aptos治理提案拟启用加密交易功能； 10.美联储10月维持利率不变的概率为77.9%； 11.存款规模两年增至100亿美元，标普全球评级推出链上借贷金库风险评估框架； 12.贝森特淡化美债收益率飙升与 AI 泡沫担忧； 13.Glassnode：比特币上方最大清算集群位于约 9 万美元； 14.SEC主席：将推出更多加密监管规则以确保市场留在美国； 15.彼得·希夫称微策略失去了购买比特币的能力； 16.9小时内，与Ethena相关的Gnosis Safe从Bybit提取1.1758亿枚ENA，价值2796万美元； 大概率今天会公布 @ethena 解锁全部回购，机构全在二级买回的利好？ ------------------ 半导体行情又来了，而我，你的好兄弟周五全面止损了，这该去哪里说理去呢😭。 到底严格不严格止损了，还是凭借感情止损呢😮‍💨。 #Bitcoin# #Ethereum# #Solana# #Crypto# #Nasdaq#

有人問我為什麼出來競選 坦白講： A man like me is not supposed to run a campaign! But 我家繳的税比絕大部分人多的多！ 然後 有一天我知道了他們畫這個花了10萬加元 就畫了這一個！不是畫滿全城！ 必須有人必須fix it！

阿里云开源「企业级 Agent 白皮书」 2026 年最新发布，是 2025 年 9 月「AI 原生应用架构白皮书」的升级续作。全书按 架构 → 构建 → 运行 → 治理 → 调优 的全生命周期组织，共 7 篇 30 章，由阿里云数十位一线工程师分工撰写，并纳入吉利、塔斯汀、MiniMax、哔哩哔哩、信永中和等外部企业案例。 它的写作动机很明确：过去一年市场重心已经从 “如何快速搭出一个 Agent” 转移到三个新挑战，工程化（从概率智能到可靠生产力）、规模化（从单点试验到智能基础设施）、组织化（从 Agent 孤岛到进入核心业务流程）。现有的框架文档和教程基本不回答这些问题，这本白皮书填补的正是这个空白。 开源地址 # 各篇核心内容 架构篇（1–2 章） 建立认知框架。给出 Agentic Application 的六个判定特征（以任务结果为中心、运行时决定部分执行路径、能作用于环境、维持跨请求状态、受确定性机制约束、可观测可评估）和成熟度四级模型（L1 辅助生成 → L2 受控自动化 → L3 Agentic Execution → L4 规模运营）。两个重要的解耦判断：用哪种形态取决于任务结构，处于哪级成熟度取决于治理完备程度；单 Agent / Long-Horizon / 多 Agent 是沿时间跨度和协作结构两个正交维度的扩展，不存在“必须升级到多 Agent”的路径。贯穿的原则是“最低充分架构”，为任务选择成本与风险可接受的最低复杂度。 构建篇（3–6 章） 是方法浓度最高的部分，按“范式—任务—信息—行动”还原构建过程： · 任务：Agent Loop 五阶段（Prepare→Model→Act→Observe→Verify）+ 十态任务状态机，要害是“消息历史不应是任务状态的唯一来源”；完成判定的核心原则是“模型只能申请完成，Harness 依据环境证据提交完成”，验证分五级并与风险匹配。 · 信息：Context 是动态“编译”而非静态字符串。本章的独创设计是 Context Manifest，每次调用记录上下文每个片段的来源、作用域、版本、信任级别、选中理由和内容哈希，使“模型看见了什么”变得可解释、可回放、可审计。信息被五分为 Context/State/Memory/Knowledge/Skill，其中 Memory（个人经验）与 Knowledge（组织内容）必须分列，因为治理责任不同，“放进同一个向量库会同时失去两类治理能力”。 · 行动：统一 Action Plane（意图→Schema 校验→身份绑定→策略决策→执行→观测），关键三分：“模型看见工具 ≠ Harness 注册了工具 ≠ 获得执行授权”。协议定位清晰：Function Calling 是模型-Harness 意图接口，MCP 是 Harness-能力提供方连接协议，A2A 面向拥有独立任务循环的远程 Agent，“协议选择由能力是否拥有独立任务循环决定，而非新旧或流行度”。 运行篇（7–12 章） 处理规模化后的工程问题，大量内容达到了分布式系统的专业深度：沙箱后端选型判据（容器/gVisor/MicroVM 按代码可信度与租户边界取舍）；状态外置后 Event Log / Checkpoint / 工作区快照三者不可互相替代，且“Durable Execution ≠ 外部动作恰好执行一次”；AI 网关对 LLM/MCP/Agent 三类流量按不同粒度治理，其中“严格预算需要原子预留而非阈值检查”的数学化分析（余额 100、两笔 80 的并发请求都会通过）是真实的并发工程细节；多 Agent 编排强调“最小充分共享”，共享的是上下文来源而非同一个 Context 窗口。 治理篇（13–16 章） 让自主运行的系统变得可信。可观测性的判据是“请求成功 ≠ 任务成功”；安全章同时把 Agent 当被攻击对象和行为主体来防护（身份是全章最扎实的部分：数字工牌、Token Exchange 权限收敛、On-Behalf-Of 且 Agent 权限 ≤ 用户权限）；资产管理把 Prompt/Skill/MCP/Agent 当作运行时依赖做注册与版本治理。第 16 章 Agent Simulation 是全书原创性最强的一章：Agent 行为之所以不可验证，是缺制度前提（角色无外部标准、失败无自然代价、身份不连续），模拟是当下唯一可做的事，本质是“用可靠 Harness 约束不可靠内核”。它甚至给出诚实的统计学提醒：n 次零违规的 95% 置信上界约为 3/n 而非零。 调优篇（17–24 章） 的组织原则是“归因决定方法”：先排除环境故障、再修 Harness、最后才动模型，“把本应由上下文或工具协议解决的问题当成模型不行，是代价最高的一类误判”。主线是数据飞轮：Trace→Trajectory→黄金数据集（输入/轨迹/结果/判据四要素）→Badcase 闭环→受控自进化（模型生成的改进一律是候选变更，须回流构建、过门禁、可回滚）。模型调优章对 SFT/Agentic RL/蒸馏的适用边界、奖励投机的三套机制分离（训练奖励、独立评测、系统硬约束）论述相当严谨，广引 DeepSeek-R1、Tulu 3、FrugalGPT 等外部工作。 总结篇（第 30 章） 是全书思想密度最高的总结。当企业同时运行多 Agent、多框架、多租户时，同样的工程要求在每个应用里被重复且不一致地实现，这本质上是缺一个共享的系统层。Agentic OS 被给出“窄定义 + 三条否定”：为 Agent 任务提供公共运行对象、能力接入、可强制边界与统一证据的系统层，它不持有任务语义、不是又一个框架、不必然改内核。能力下沉有三条判据（复用性 + 强制性或可验证性），九类管理对象（其中 Budget Lease 预算租约最易被忽略），并提出“自治上限由可撤销范围与可证明范围决定，而非模型能力”。 调研报告 的 1906 份问卷给出一个关键发现：已开发或开发中 Agent 的企业占 46%，但真正上生产的仅 18%；有评估体系的企业任务成功率是无评估者的约两倍，卡点不是模型能力，是 Harness 层的工程配套。这与全书立意互为印证。