前言

在我和GPT探讨了很多天的人生之后,他终于说动了我,让我开启迟迟不想动笔的高可用系列。感谢GPT们让我从大量繁琐技术文档中解放出来,让我有时间进行真正的思考。写博客对我来说最大的收益是强制自己思考,如果连博客本身都被GPT代劳,那还不如不写。所以本文文字AI含量基本为0,纯手敲,顶多听取了一些AI在文字表达上

热点随笔:

· 通过 CC Switch 本地路由让 Codex CLI 接入 DeepSeek 等第三方模型 (

老铁们,你还在搭建复杂的自动化测试框架?

还在手写大量定位、断言、报告?

还在让团队被重复回归测试拖垮效率?

别急,今天给大家带来 browser-use 官方出品的终极测试平台 —— QA Use,一款真正面向测试团队、开箱即用的 AI 驱动 E2E 测试系统。不用写代码、不

这篇博客来自我的一个实验性想法:让 AI 参与 PPT 制作时,不直接输出最终文件,而是用一套简单的标记语言描述页面,然后由程序准确地画出来,同时把真实排版后的数据告诉 AI,帮助它在下一次尝试时调整得更精确

绝大部分的Agent都采用对话的方式来和用户进行交互,所以对话的内容就成了Agent决策的基础,对话历史也成为占据LLM上下文窗口的主要内容。LLM推理的质量并非与上下文的丰富程度成正向关系,有时候过多的上下文信息反而会干扰Agent的判断,导致它做出错误的决策。ReducingChatClient就是为了解决这个问题而设计的一个中间件,它通过精减对话内容来帮助Ag

public class SumArray {
public static int sum(int[] arr) {
int total = 0;
for (int num : arr) {
total += num;
}
return total;
}

public static void main(St