与「Nヤッホー」相关的搜索结果

寧々🤍@nene_ito1212 の出演した舞台を観てきました🐶 歌と踊りに皆さん団結力、 寧々可愛い… 天国いったサスケ（愛犬）に会って抱きしめたくなった🥲 #ヤッホー祭# #Nヤッホー# 動き回る寧々ちゃんの後ろ姿💕

First time doing NFL Fantasy Draft this year. I still don’t understand the sport. This is my squad in a 10 team Draft: QBs J Goff / J Herbert RBs B Tuten / J Warren / R Stevenson / J Mason WR J Chase / Z Flowers / N Collins / E Egbuka / D Boston / D Vele TE B Bowers / T Ferguson

保持总数10一定之下（一个元素集合，即空间），取映射f: 10→(N， 10-N)，g: 10-N→N，使得这两个映射的某种复合为恒等映射。 即第一个操作是分割，第二个操作是取补集 为了保证取补的操作是合法的，补上一点空点，即无所谓的量 具体数学细节的补充是简单的 好的，如果你不是数学系的人多半是听不懂的，翻译成人话就是……你拿10个出来，全都翻个面，结束

nora would be cool if she wasnt a greedy bitch. shes been earning at least 1 mill a month for years yet she continues to scam ppl a man gave her so much he lost his house n wife then killed himself. he was a mentally ill person who noras agency exploited. agencies need to burn

被很多专业者骂了，但是在折腾了3天以后，AIHOT最终还是重写完然后上线了。。。我觉得还是可以分享一下我全部跟AI协同的流程，万一对其他人有用呢（当然我就是个纯外行，仅供参考）： 1. 使用Claude Opus 5.5和GPT-6 Astra并行对旧项目进行蒸馏，并且设计交流包。要求：架构分离，为多Agent并行开发而设计，保留所有功能和容易踩坑的细节。 2. 使用Claude Fable 5.1对两个模型生产的功能文档、交接包和旧代码库进行全面对照，寻找不合理和遗漏的地方进行完善。 3. 使用Claude Opus 5.5在不看任何旧代码的情况下，根据最终的功能文档、交接包、线上网站的端到端测试，进行全方位的重写（大概写了12个小时）。 4. 使用Claude Fable 5.1和GPT-6 Astra并行审查新写完的项目，将其与旧代码库的所有细节进行逐行审计，看看是否有功能和细节遗漏，在用户体验层面，能否完美还原，最终产出两份审计报告。 5. 使用Claude Opus 5.5根据审计报告，进行优化开发，开发完成以后，清空所有上下文，自己再并行N个子Agent，以功能模块化的方式，跟旧代码库进行对比，看是否遗漏功能和逻辑细节（无视代码实现，只看功能和逻辑细节）。 6. 使用Claude Fable 5.1和GPT-6 Astra并行审查所有可能的BUG和漏洞，继续Opus 5.5优化。 7. 使用Opus 5.5优化所有前端UI，进行控件组件化统一，部分UI界面全面重设计，加了一部分Opus 5.5擅长的JS+Canvas动效，例如关于页和更新页。 8. 导出旧项目所有数据库，进行线上服务器彩排，6小时的影子系统并行，过程中实时监控，使用Claude Opus 5.5自动化并行修复过程中出现的所有问题。 9. 使用GPT-6 Astra进行全面的端到端测试。 10.无缝切换上线。 11. 使用GPT-6 Astra根据真实数据，全方位优化缓存、CDN、页面大小等问题，提升全站性能。 12.监控问题，不断优化。 以上，大概就是一个纯外行者的“重写”的经验，虽然AIHOT这个项目很小，但是我自己干的很开心。希望能对大家有一点点的启发。

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。

去年8月加入了Backpack，入职第二天就遇到宕机。 那天我整晚都在道歉，但也在那晚看清楚了一件事，内部没有人纠结要不要赔，所有人只在想怎么赔得更快。我当时就觉得，行 能处！然后就这么一路待下来了 TGE那段时间，可以说是我这辈子压力最大的一段日子 群里骂声一片，我完全能理解，也觉得自己应该去承受这些情绪。但群里发言太频繁，我的n.0老登群直接被封了 当时怎么说呢，其实不怕大家骂，我只有一个念头就是不能让大家觉得我们跑路了 所以群被封的下一秒，我就建了新群，让大家进来继续骂 后来有很多人劝我，说别在Backpack干了 可以说是没有一秒钟动摇过 Backpack的血统、技术、方向，还有我所有的同事我从来没有怀疑过。我来这里工作，是我做过最好的决定之一，我是真心这么觉得的 还记得今年初过年那会儿我一个人在东京，想热闹但不好意思说，都市丽人嘛。就跑去老登群里玩，发现大家在陪家人看春晚还分着心跟我水群。那天晚上我一点都不觉得冷清。我回国的时候，会专门从日本带点心给熟悉的老登，因为我就是这么看待大家的，不是用户是朋友 这种感情，我说不太清楚，反正就是很真实 现在一年多啦！ 最近我的TG社区已经有几百人、中文社区证券群也过了三千人。网上每天都有刷不完的Backpack文章，根本看不过来 志愿者群里的氛围，说打了鸡血都不够形容！大家互相加油，互相支持，每个人都是那种欣欣向荣的劲头。看着这些熟悉的面孔，我真的会觉得，这一年是真他妈值啊😭 市场在重新给Backpack定价，是因为大家终于看到了这一件件事是真的在做 美股全面上线、证券业务、资产上链，日韩欧美地区的陆续开放，还有打新IPO的计划，Backpack card 预测市场 每一件事单独拎出来都不小，而我们是在同时推进这些。方向越来越清晰，步子越来越稳。 新概念美资券商这个赛道，Backpack真的有机会把它全部吃掉 当初加入的时候，这些还只是愿景。现在一件一件在落地，说实话每次看到进展，都会有一种很难形容的感觉，不完全是骄傲更像是一种确幸。确幸自己从头到尾都看着这件事一点点变成真的变成大的 能作为骨灰级员工和这样一个团队一起走过这段路，很荣幸 大家最难的时候没有走（嘴上说着走），我也没被你们劝退（压根儿不想退） 我觉得咱们扯平了。

慧根就行了。 @hebi555 今年的第N个1M入账。 每次何老师追着 @Backpack 骂，就 $BP 拉盘😂。 基本上空投亏的全回来了还赚几辆SF90。 @crypto_laodong @MetaHunter168 @Ice_Frog666666 按头喊你们买，就是不买。😆😆😆 活该只买赛道版法拉利。