一个从没写过代码的管道工程师,用Claude Code干掉了一个估算团队的工作量
一个从没写过代码的管道工程师,用Claude Code干掉了一个估算团队的工作量在休斯顿南边那片化工厂和炼油厂密布的工业带,Cory LaChance 每天打交道的东西是管道等轴测图(piping isometric drawing)。这类图纸记录了工业管道系统中每一根管子的走向、每一个焊缝的位置、每一种材料的规格。
搜索
在休斯顿南边那片化工厂和炼油厂密布的工业带,Cory LaChance 每天打交道的东西是管道等轴测图(piping isometric drawing)。这类图纸记录了工业管道系统中每一根管子的走向、每一个焊缝的位置、每一种材料的规格。
当人们谈到“世界模型”(World Models)时,很多人会首先想到近年来迅速发展的生成式视频模型。
过去两年,世界模型(World Model)正在成为大模型演进的重要方向。
打破多模态视觉+语言拼接套路!
今天, Anthropic 的 Claude Code 团队工程师 Thariq Shihipar 在 X 上发布了一篇Skills的深度经验分享,帖子在AI/科技圈迅速引发热议。
随着生成式 AI 迈入万亿参数时代,大语言模型(LLM)的推理与部署面临着前所未有的“显存墙”挑战。如何在超节点(SuperNode)复杂的异构存储架构下,实现海量张量的高效管理和调度,已成为大模型落地的胜负手。
我们用 Codex 改变了维护 OpenAI Agents SDK[1] 仓库的方式。仓库本地的技能(skills)、AGENTS.md 文件和 GitHub Actions,让我们把反复出现的工程工作——验证、发布准备、示例集成测试、PR 审查,变成了可重复执行的工作流。
所以今天我就去闲鱼上找了找,看看有没有更便宜一点、能继续顶上来的方案,最后顺手买了一个 9.9 元的 bussiness 拼车。买完之后,我就顺手把它折腾了一下,最终成功接到了 Claude Code 里面。
Datasette创始人Simon Willison公开了一套指南,专门教专业开发者如何用Claude Code等AI编程工具提效。他总结了8大实战模式,从测试驱动到交互式解释,每一条都在重构程序员的工作方式。
近年来,多模态大模型(Multimodal Large Language Models, MLLMs)正在迅速改变人工智能的能力边界。从图像理解到视频分析,从语音对话到复杂推理,大模型正在逐步具备类似人类的综合感知能力。但一个关键问题仍然没有得到充分回答:这些模型真的能够理解人类情绪吗?