<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>AI实战 :: x7peeps</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/index.html</link><description>机器人在修 PR，人类只剩签字 11 月 1 日，OpenClaw 的仓库更新了 500 条 PR，其中 270 条被合并或关闭；Hermes Agent 同样更新了 500 条，其中 371 … AI 服务容器化与编排：Docker/K8s/GPU 调度/弹性伸缩 AI 服务的落地不只是模型推理本身——从 Docker 镜像构建到 Kubernetes 集群编排，从 GPU 资源调度到弹性伸缩策略，再到 CI/CD 流水线 … patdis-实战：从 9250 stars 开源专利 skill 到端到端跑通与反哺上游 patdis-实战：从 9250 stars 开源专利 skill 到端到端跑通与反哺上游 写在前面的诚实声明：本文所有"实测"都来自本机一 … Hermes Agent v0.21 全面升级：从单兵作战到多智能体协同的范式跃迁 导读：这是一篇针对 Hermes Agent v0.21.1 (2026.9.7) 的系统化深度测评。Hermes 在三个月里从 v0.18「Judgment … Hermes 记忆插件实战：从 MEMORY.md 到 fact_store——把 AI 记忆做成可审计的工程 Hermes 记忆插件实战：从 MEMORY.md 到 fact_store——把 AI 记忆做成可审计的工程 一句话贡献：Hermes 自带的 … 安全知识库 RAG 系统：架构设计、技术选型与实现 安全团队的知识管理长期面临"三难困境"——文档分散导致检索低效、经验依赖导致知识流失、回答不一致导致决策风险。当安全事件响应需要在分钟级别完 … LLM 应用性能工程：Token 优化、语义缓存与延迟调优 LLM 应用性能工程：Token 优化、语义缓存与延迟调优 当 LLM 应用从原型走向生产环境，性能问题会以最直接的方式暴露出来——Token 成本随用户量线性 … 安全 Agent：自动化漏洞扫描与报告生成架构 需求分析：安全评估的自动化刚需 在企业安全治理的实践中，漏洞扫描与报告生成是两项高频、高价值但极其消耗人力的核心任务。传统的安全评估流程高度依赖安全工程师的手动 … AI 应用可观测性：链路追踪、成本管控与告警体系 AI 应用可观测性：链路追踪、成本管控与告警体系 当 LLM 应用从原型走向生产环境，一个严峻的现实随之浮出水面：你无法优化你无法度量的东西。传统 Web 应用 … 0.6B 也能克隆声音了：Audio8-TTS-Realistic 本地实测，和 Qwen3-TTS-1.7B 掰手腕 title: “0.6B 也能克隆声音了：Audio8-TTS-Realistic 本地实测，和 Qwen3-TTS-1.7B 掰手腕 … AI-Native IT 运维平台：Agent 重构企业 IT 服务架构 传统 IT 运维的结构性困境 企业 IT 运维部门长期面临着一个悖论：随着数字化转型的深入推进，IT 服务的复杂度和用户期望同步攀升，但运维团队的编制和预算几乎 … AI Agent 编排引擎：从框架选型到生产落地的技术全景 AI Agent 编排引擎：从框架选型到生产落地的技术全景 AI Agent 正在从实验室的 Demo 走向生产环境的关键基础设施。Gartner 预测，到 … 自动化红队评测平台：评测引擎设计与实现 平台需求分析 在 大模型红队测试 中我们建立了攻击向量体系和安全评测基准，在 评测平台架构 中我们掌握了评测工程化的基础框架。然而，当红队测试的规模从手动验证扩 … Context Engineering：从 Prompt 到上下文系统的工程化演进 Context Engineering：从 Prompt 到上下文系统的工程化演进 在 LLM 应用开发领域，2023 年是 Prompt … ChatGPT微信机器人搭建 chatgpt对接微信服务搭建 背景，这里有个需求就是我希望在日常微信的某个群中使用chatgpt回答群里的日常问题。如果你也想搭建一个对接微信的chatgpt … Structured Output 与 JSON Mode：大模型结构化输出技术全景 Structured Output 与 JSON Mode：大模型结构化输出技术全景 LLM 生成的是自然语言文本，而现代软件系统需要的是结构化数据。当模型输出 … 本地 AI 助手启动失败三重根因：分支错位、链接被改与守护误杀 一个本地运行的桌面 AI 助手，早上拒绝启动，报错只有一行：ModuleNotFoundError: No module named 'yaml'。看到这行报错 … AI 工作流与编排平台全景：Dify、n8n、Coze 与 FastGPT 架构对比与选型指南 AI 工作流与编排平台全景：Dify、n8n、Coze 与 FastGPT 架构对比与选型指南 大语言模型（LLM）的应用开发正在经历一场从"代码驱动 … 排障第一课：先怀疑脚手架，再怀疑业务——一次公众号 403 误诊的完整复盘 排障第一课：先怀疑脚手架，再怀疑业务 一次"公众号被风控"误诊的完整复盘：curl 反而是破局点，cookie 差点被全清 2026 年 … LLM Guardrails 技术全景：从输入校验到输出防护的生产级安全架构 LLM Guardrails 技术全景：从输入校验到输出防护的生产级安全架构 LLM 的输出本质上是非确定性的——同一个 Prompt 在不同时间可能产生截然不 … MLX 并行提速实录：macOS 本地 TTS 从 230 秒到 100 秒 MLX 并行提速实录：macOS 本地 TTS 从 230 秒到 100 秒 一句话结论：引入 Apple MLX 框架 + 4 进程池并行分块，在不替换模型、 … WAL 检查点从未完成：进程内读快照顶住状态库 一台 Windows 10 机器上，网关的状态库 state/openclaw.sqlite 已经长到约 405 MB，旁边的 -wal 文件在 47 到 73 … 更新后项目列表空了，元数据还在 Windows 版 Codex 桌面应用，版本 OpenAI.Codex 26.1103.3517.0。用户从企业账号切回个人账号之后，Projects 列表里 … 子代理跑到上限却报告成功 2026 年 3 月 13 日，一位开发者在 Gemini CLI 里让主 agent 调查两个本地仓库（t3code 和 superset）的架构。主 … 微信扫码直接配渠道：Qwen Code Web Shell 补上个人微信这个最大缺口 2026 年 11 月 9 日，Qwen Code 维护者 wenshao 提交并随后合入了 PR #16736：个人微信成为 Web Shell 里可直接配置 … 子代理报成功却没做完的另一种坑：Qwen Code 子代理开局 105k 上下文去向不明 一位 Qwen Code 桌面版用户在 2026 年 10 月 26 日提交了 issue #15660： 父会话只用了 42k 上下文，其中约 21k 来自启 … agent-browser：给编码 Agent 一台能用命令驱动的浏览器 agent-browser：给编码 Agent 一台能用命令驱动的浏览器 让 AI 操作浏览器这件事，主流做法是把页面截图丢给视觉模型，让模型看图找按钮。这条路 … 子代理报成功却没做完：Gemini CLI 的假成功与无限挂起 子代理报成功却没做完：Gemini CLI 的两个可靠性坑和一个超时开关 2026 年 3 月 9 日，一个用户在 … Agent Reach：给编码 Agent 补上够不着的互联网 Claude Code、Codex、Hermes Agent、OpenClaw 这类 CLI Agent 自带搜索和网页读取，但有一批平台它们基本够不着：要登录 … 自托管网关的三种假死：服务没崩，机器人却不说话了 把 Claude Code、Codex 这类编码 CLI 换成自托管的 Agent 网关之后，运维里最耗时间的往往不是"服务挂了"——那种情 … 额济纳胡杨林套票 240 元里，不含一道桥到二道桥的车 每年十月，内蒙古额济纳胡杨林进入观赏期，同时"收费不够清楚"的讨论也会准时出现在社交平台。2026 年 10 月 8 日，光明日报在澎湃新闻 … Codex知道几点恢复额度，却选择让任务死在你睡着的夜里 openai/codex 仓库里有一个开了快半年的功能请求（#21073，5 月 4 日提交），诉求只有一句话：任务跑到一半撞上用量限额时，错误信息里明明带着确 … 免费模型清单五天换一次血，你的 Agent 配置跟得上吗 免费模型清单五天少了五个：把 OpenCode Zen 的 Free 接进 Agent 前，先看这三件事 用 AI 编码工具的都有体会：各家"限时免费 … AI Agent 可靠性工程：从错误恢复到优雅降级的生产级实践 AI Agent 可靠性工程：从错误恢复到优雅降级的生产级实践 构建一个 AI Agent 的 Demo 只需要 20 行代码——一个 while 循环加上 … macOS 本地 TTS 朗读服务优化实录：从频繁超时到秒级响应 macOS 本地 TTS 朗读服务优化实录：从频繁超时到秒级响应 一句话结论：不换模型、不动推理代码，仅靠服务架构层面的 7 项改造，将本地 TTS 朗读服务的 … SWE-bench 被停报：看编码榜单先查基准 SWE-bench 被停报：看编码榜单先查基准 OpenAI 在 2026 年 2 月停止报告 SWE-bench Verified 分数。几个月后，它又审计了 … Mac 苹果芯片声音克隆方案横评：8 个主流方案实测，谁最适合你？ Mac 苹果芯片声音克隆方案横评：8 个主流方案实测，谁最适合你？ 一句话结论：如果你在 Mac（Apple Silicon）上想克隆声音，首选 … 买显卡前先跑一遍：llmspeed 把本地推理速度做成可分享预估，我们补了一组实机数据 本地跑大模型的第一个问题从来不是"哪个模型最强"，而是"我这台机器上它每秒能吐几个字、装不装得下"。过去回答它只有两条路 … 虚拟环境重建后 TLS 悄悄断了：certifi 死路径故障链的复现与修复 有个报错在 Python 圈并不罕见：进程跑着跑着，所有 HTTPS 请求突然全挂——httpx 系报 [Errno 2] No such file or … 一套订阅池喂所有 Agent：magpie 本地模型网关三协议互转实测 你机器上可能同时装着 Claude Code、Codex CLI、Gemini CLI、Qwen Code、OpenCode 之类一堆 agent，每个都有自己 … 开源AI双雄：WAL膨胀、网关合并与慢思考误杀 开源AI双雄：WAL膨胀、网关合并与慢思考误杀 2026年10月16日，两个最受关注的个人AI助手开源项目同时出现在同一张数据表的两端。过去24小时 … 苹果官方实测：两台 Mac Studio 雷电直连，跑 816B 参数大模型 苹果官方实测：两台 Mac Studio 雷电线直连，跑 816B 参数大模型 2026 年 10 月 15 日，苹果机器学习研究团队发布了一篇实测报告，回答一 … 7.89GB装下27B：2-bit量化模型实测，工具调用反超54GB原版，但有三个坑 Conway Research（Underdog）10 月上旬发布了一个 7.89GB 的 GGUF 文件 Saluki 27B——底层是阿里 … AI CLI 的上下文压缩，正在成为全行业的质量洼地 如果你长期开着 Claude Code 或 Codex 干活，最近可能遇到过一种情况：会话开到一半，模型突然"失忆"了——之前商量的方案、做 … Rapid-MLX 实测：框架提速是真的，MTP 推测解码是负的 Rapid-MLX 实测：框架提速是真的，MTP 推测解码是负的 一句话结论：框架本身对 Ollama 的提速成立（轻载最高 3.9 倍），但官方宣传排在最前面 … Agent编程工具的成本黑洞：缓存失效、计量失真与用户侧自救 Agent编程工具的成本黑洞：缓存失效、计量失真与用户侧自救 一个越来越常见的场景：你没改一行代码、没换一个模型，只是让 Agent 多跑了几轮任务，月底账单却 … Qwen3.8-27B 量化损失实测与推理档位对照：8bit 只掉 1pt 的实证 Qwen3.8-27B 量化损失实测与推理档位对照：8bit 只掉 1pt 的实证 导读：这篇文章不是推荐某个模型，而是回答本地部署者最纠结的两个问题：量化到底 … Qwen3.8-Flash-Next 本地部署评估：360B 级 MoE 模型的路线选择 导读 导读：如果说传统大模型是一辆装满全部零件上路的大卡车，那 MoE 模型就像是一辆"货架摆满 360 个备件、但每次只挑 6 个上车跑" … MetalAnchor 实战：520 行 Python 把智能体语义 KV 缓存落地 Apple Silicon MetalAnchor 实战：520 行 Python 把智能体语义 KV 缓存落地 Apple Silicon 导读：如果你在 Mac 上跑本地大模型做智能体 … 让AI看着屏幕操作电脑：本地视觉闭环的基准评测与工程验证 让 AI「看着屏幕」操作电脑：本地视觉闭环的基准评测与工程验证 摘要 AI Agent 操作电脑的主流方案（截图 + 云端视觉模型）单步延迟 4-15 秒 … 永不完成的checkpoint：智能体的状态层欠账 10 月 30 日那期生态日报的快照里，OpenClaw 仓库社区热点榜首的一条 issue，不是新漏洞，也不是新功能，而是一条 10 月初报出来的数据库问题 … 被静默删除的五份交付物：智能体信任债清算日 被静默删除的五份交付物：智能体信任债清算日 2026年10月17日凌晨4点21分（UTC），Hermes Agent 仓库里一个编号 #132401 的 P0 … 生成成功不等于交付合格：AI 内容管线的三道验收关 生成成功不等于交付合格：AI 内容管线的三道验收关 一句话结论：AI 生成内容的管线里，最容易被省掉的那一层——验收——恰恰是成本最高的一层。 生成接口返回成功 … 本地LLM延迟优化实录：缓存会撒谎，慢的从来不是推理 本地 LLM 延迟优化实录：缓存会撒谎，慢的从来不是推理 一句话结论：**本地推理链路的两个"慢"，都不是模型慢。**一个是任务路由场景下前 … AI 智能体生态的验证基建：假成功、失败透传与审计文化的三线观察 AI 智能体生态的验证基建：假成功、失败透传与审计文化的三线观察 一句话结论：10 月 2 日的修复密集期横截面里，藏着一条容易被错过的暗线——当“报成功”可以 … AI 智能体生态的信任关卡：发布兑现、策略执行与交付确定的三线审计 AI 智能体生态的信任关卡：发布兑现、策略执行与交付确定的三线审计 一句话结论：10 月 1 日，头部开源智能体生态迎来了一个大版本发布日——一边是 518 个 … AI 智能体生态的还债期：内存、状态与计量的三线观察 AI 智能体生态的还债期：内存、状态与计量的三线观察 一句话结论：**两个头部开源个人智能体项目单日的 issue 与 PR 更新双双触顶 500 条、七款主流 … 两大开源智能体生态的升级危机实录：当更新本身成为最大故障源 两大开源智能体生态的升级危机实录：当更新本身成为最大故障源 一句话结论：**两个头部开源个人智能体项目（合计 issue 编号都到十几万量级）在同两周内暴露的头 … AI 智能体生态的常驻账单：内存泄漏、磁盘磨损与主线程卸载的三线观察 AI 智能体生态的常驻账单：内存泄漏、磁盘磨损与主线程卸载的三线观察 一句话结论：10 月 3 日的两份开源智能体生态日报里，最刺眼的一组数字与模型无关——一个 … AI 视频平台 Agent 复刻闭环实测：上传三步协议、审批门应答与僵尸态逃生 AI 视频平台 Agent 复刻闭环实测：上传三步协议、审批门应答与僵尸态逃生 一句话结论：把一条 88 秒的爆款视频喂给一个为 Agent 设计的 AI 视频 … 开源AI助手的偿债分化：11％对43％的关闭率之间，隔着评审带宽与自主性重构 开源AI助手的偿债分化：11％对43％的关闭率之间，隔着评审带宽与自主性重构 2026年10月8日，两大个人AI助手开源项目的社区数据摆在一起，出现了一组刺眼的 … 编码 Agent 的权限配置界面，正在骗你做出危险选择 编码 Agent 的权限配置界面，正在骗你做出危险选择 OpenCode 的权限模型本身不复杂：每条规则解析成 allow（直接跑）、ask（弹窗确认）或 … 四个版本，两个旧洞：安全审计看的是差集 四个版本，两个旧洞：安全审计看的是差集 2026 年 11 月 3 日清晨六点，版本监控把一个新 tag 推进审计队列：v0.22.6，发布时刻 … 审计的第二层：先校准尺子，再报漏洞 审计的第二层：先校准尺子，再报漏洞 2026 年 11 月 4 日晚，v0.22.7 的增量审计收尾。报告最后一页是九行：Critical 0，High … 48个技能，46个只增不减 2026 年 10 月 29 日 03 点 34 分（UTC），OpenClaw 仓库里一个编号 #186861 的拉取请求被合并。这个请求做的事情听起来有点朴 … 一天三版本与零发布:智能体生态的分化时刻 2026 年 10 月 27 日 23 点 44 分(UTC),一份覆盖 GitHub 上五百条 issue 更新的快照被生成出来。快照里有两个名字挨得很近的项 … 330 次合并与关闭，三个仍开着的 P0 2026 年 10 月 26 日 23 点 50 分（UTC），两份自动生成的生态日报同时落盘。OpenClaw 那份给出一份相当漂亮的读数：过去 24 小时 … SWE-bench 停报：模型解不出的题，一半是坏的 SWE-bench 停报：模型解不出的题，一半是坏的 2026 年 2 月，OpenAI 做了一件没有开发布会、但比任何一次模型发布都更值得复盘的事 … 挂了、丢了、谎报成功：AI 编码 CLI 的失败都在沉默里——五个真实案例复盘 给编码智能体派了个活，它跑了半天回来说"完成了"——你怎么知道它是真完成了，还是把一次中断包装成了成功？过去几个月里，Claude … 监控说全绿，审计说四个旧洞还在 11 月 5 日 08:02，一份定时采集报告给出结论：连续第 35 轮零增量。173 个仓库名与基线逐名比对，added 为空、removed 为空；110 … 2026-10-17 的 agent 三连事故 10 月 17 日 18:15 UTC,OpenCode 用户 ExNihil14 在 Termux + PRoot + Ubuntu 26.04 的组合环境里 … 腾讯开源的 Agent 记忆插件，能用在 Hermes 上吗：一份诚实横评 导读：2026 年 5 月腾讯云开源 TencentDB Agent Memory（GitHub 仓库），上线不到 3 个月 GitHub Trending … grill-me 实战：把一个模糊 idea 用对话压成可落地的决策 grill-me 实战：把一个模糊 idea 用对话压成可落地的决策 为什么这个技能值得专门写 2026 年 3 月，Matt Pocock 发了一条视频 … LLM推理引擎技术全景：vLLM、SGLang与TensorRT-LLM的架构选型与生产实践 AI Gateway技术全景：多模型路由、成本管控与企业级集成架构</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sat, 14 Nov 2026 12:00:00 +0800</lastBuildDate><atom:link href="https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/index.xml" rel="self" type="application/rss+xml"/><item><title>机器人在修 PR，人类只剩签字</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%9C%A8%E4%BF%AE-PR%E4%BA%BA%E7%B1%BB%E5%8F%AA%E5%89%A9%E7%AD%BE%E5%AD%97/index.html</link><pubDate>Sun, 01 Nov 2026 23:45:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%9C%A8%E4%BF%AE-PR%E4%BA%BA%E7%B1%BB%E5%8F%AA%E5%89%A9%E7%AD%BE%E5%AD%97/index.html</guid><description>11 月 1 日，OpenClaw 的仓库更新了 500 条 PR，其中 270 条被合并或关闭；Hermes Agent 同样更新了 500 条，其中 371 条还挂在待合并队列里。两个项目当天都没有发布新版本——OpenClaw 的 v2026.10.10-beta.5 是 10 月 31 日发的，Hermes 最新仍是 v0.22.5。</description></item><item><title>AI 服务容器化与编排：Docker/K8s/GPU 调度/弹性伸缩</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E6%9C%8D%E5%8A%A1%E5%AE%B9%E5%99%A8%E5%8C%96%E4%B8%8E%E7%BC%96%E6%8E%92DockerK8sGPU%E8%B0%83%E5%BA%A6%E4%B8%8E%E5%BC%B9%E6%80%A7%E4%BC%B8%E7%BC%A9/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E6%9C%8D%E5%8A%A1%E5%AE%B9%E5%99%A8%E5%8C%96%E4%B8%8E%E7%BC%96%E6%8E%92DockerK8sGPU%E8%B0%83%E5%BA%A6%E4%B8%8E%E5%BC%B9%E6%80%A7%E4%BC%B8%E7%BC%A9/index.html</guid><description>AI 服务的落地不只是模型推理本身——从 Docker 镜像构建到 Kubernetes 集群编排，从 GPU 资源调度到弹性伸缩策略，再到 CI/CD 流水线和模型服务化框架选型，每一个环节都直接决定了 AI 服务能否稳定、高效、低成本地运行在生产环境。</description></item><item><title>patdis-实战：从 9250 stars 开源专利 skill 到端到端跑通与反哺上游</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/patdis-%E5%AE%9E%E6%88%98%E4%BB%8E9250-stars-%E5%BC%80%E6%BA%90%E4%B8%93%E5%88%A9-skill-%E5%88%B0%E7%AB%AF%E5%88%B0%E7%AB%AF%E8%B7%91%E9%80%9A%E4%B8%8E%E5%8F%8D%E5%93%BA%E4%B8%8A%E6%B8%B8/index.html</link><pubDate>Sat, 12 Sep 2026 13:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/patdis-%E5%AE%9E%E6%88%98%E4%BB%8E9250-stars-%E5%BC%80%E6%BA%90%E4%B8%93%E5%88%A9-skill-%E5%88%B0%E7%AB%AF%E5%88%B0%E7%AB%AF%E8%B7%91%E9%80%9A%E4%B8%8E%E5%8F%8D%E5%93%BA%E4%B8%8A%E6%B8%B8/index.html</guid><description>patdis-实战：从 9250 stars 开源专利 skill 到端到端跑通与反哺上游 写在前面的诚实声明：本文所有"实测"都来自本机一次端到端的真实跑通——browser.py --probe、mermaid_render.py、gh pr create 都拿到了真实的 stdout 返回值，所有数字对应真实可核验的产物。但这不是 benchmark：跑的是仓库自带的 3 个示例案件，不是真实专利场景；查新走的是公开可访问的 Google Patents 降级渠道，不是国知局真实检索流量；两张 PR 还在等上游回复，没有被合并。本文记的是"怎么把这个 skill 装起来跑通 + 给上游提了两个 PR"的一次完整经历，以及从中提炼出的对设计 agent-first 工具的读者可借鉴的机制——不是工具评测。</description></item><item><title>Hermes Agent v0.21 全面升级：从单兵作战到多智能体协同的范式跃迁</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Hermes-Agent-v0.21-%E5%85%A8%E9%9D%A2%E5%8D%87%E7%BA%A7%E4%BB%8E%E5%8D%95%E5%85%B5%E4%BD%9C%E6%88%98%E5%88%B0%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E5%8D%8F%E5%90%8C%E7%9A%84%E8%8C%83%E5%BC%8F%E8%B7%83%E8%BF%81/index.html</link><pubDate>Wed, 09 Sep 2026 14:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Hermes-Agent-v0.21-%E5%85%A8%E9%9D%A2%E5%8D%87%E7%BA%A7%E4%BB%8E%E5%8D%95%E5%85%B5%E4%BD%9C%E6%88%98%E5%88%B0%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E5%8D%8F%E5%90%8C%E7%9A%84%E8%8C%83%E5%BC%8F%E8%B7%83%E8%BF%81/index.html</guid><description>导读：这是一篇针对 Hermes Agent v0.21.1 (2026.9.7) 的系统化深度测评。Hermes 在三个月里从 v0.18「Judgment Release」一路走到 v0.21「Pantheon Release」，本文聚焦 v0.21 的能力跃迁：单智能体→多智能体协同的范式转换，以及底层 CLI / Desktop / Gateway / Memory / Browser 五条产品线的同步升级。所有结论基于 v0.21.0 (v2026.8.31) 官方 release notes 与 v0.21.1 patch (2026.9.7) 在配备 128GB 内存的工作站实测得出。</description></item><item><title>Hermes 记忆插件实战：从 MEMORY.md 到 fact_store——把 AI 记忆做成可审计的工程</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Hermes-%E8%AE%B0%E5%BF%86%E6%8F%92%E4%BB%B6%E5%AE%9E%E6%88%98%E4%BB%8E-MEMORY.md-%E5%88%B0-fact_store/index.html</link><pubDate>Thu, 03 Sep 2026 16:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Hermes-%E8%AE%B0%E5%BF%86%E6%8F%92%E4%BB%B6%E5%AE%9E%E6%88%98%E4%BB%8E-MEMORY.md-%E5%88%B0-fact_store/index.html</guid><description>Hermes 记忆插件实战：从 MEMORY.md 到 fact_store——把 AI 记忆做成可审计的工程 一句话贡献：Hermes 自带的 MEMORY.md 只有 2200 字符硬上限、全文注入无检索、手写易漂移——本文用 Holographic 本地 SQLite + 自研 memory-sync.sh 同步管线，把记忆容量撑到无限、把全文检索做到 FTS5 秒级、把审计做到脚本 6 项 2 秒跑完，相对 Hermes 自带在 6 个维度（容量 / 检索 / 持久化 / 隐私 / 跨 session / 审计）全部升级。</description></item><item><title>安全知识库 RAG 系统：架构设计、技术选型与实现</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AE%89%E5%85%A8%E7%9F%A5%E8%AF%86%E5%BA%93RAG%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84%E8%AE%BE%E8%AE%A1%E6%8A%80%E6%9C%AF%E9%80%89%E5%9E%8B%E4%B8%8E%E5%AE%9E%E7%8E%B0/index.html</link><pubDate>Fri, 03 Jul 2026 15:17:54 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AE%89%E5%85%A8%E7%9F%A5%E8%AF%86%E5%BA%93RAG%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84%E8%AE%BE%E8%AE%A1%E6%8A%80%E6%9C%AF%E9%80%89%E5%9E%8B%E4%B8%8E%E5%AE%9E%E7%8E%B0/index.html</guid><description>安全团队的知识管理长期面临"三难困境"——文档分散导致检索低效、经验依赖导致知识流失、回答不一致导致决策风险。当安全事件响应需要在分钟级别完成时，翻阅十几个 Wiki 页面和共享文件夹寻找一个防火墙规则配置方案，代价是不可接受的。</description></item><item><title>LLM 应用性能工程：Token 优化、语义缓存与延迟调优</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/LLM%E5%BA%94%E7%94%A8%E6%80%A7%E8%83%BD%E5%B7%A5%E7%A8%8BToken%E4%BC%98%E5%8C%96%E8%AF%AD%E4%B9%89%E7%BC%93%E5%AD%98%E4%B8%8E%E5%BB%B6%E8%BF%9F%E8%B0%83%E4%BC%98/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/LLM%E5%BA%94%E7%94%A8%E6%80%A7%E8%83%BD%E5%B7%A5%E7%A8%8BToken%E4%BC%98%E5%8C%96%E8%AF%AD%E4%B9%89%E7%BC%93%E5%AD%98%E4%B8%8E%E5%BB%B6%E8%BF%9F%E8%B0%83%E4%BC%98/index.html</guid><description>LLM 应用性能工程：Token 优化、语义缓存与延迟调优 当 LLM 应用从原型走向生产环境，性能问题会以最直接的方式暴露出来——Token 成本随用户量线性增长、首 Token 响应时间让用户失去耐心、高并发场景下 API 限流导致大量请求失败。这些不是边缘问题，而是决定 LLM 应用能否商业化的核心瓶颈。</description></item><item><title>安全 Agent：自动化漏洞扫描与报告生成架构</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AE%89%E5%85%A8Agent%E8%87%AA%E5%8A%A8%E5%8C%96%E6%BC%8F%E6%B4%9E%E6%89%AB%E6%8F%8F%E4%B8%8E%E6%8A%A5%E5%91%8A%E7%94%9F%E6%88%90%E6%9E%B6%E6%9E%84/index.html</link><pubDate>Fri, 03 Jul 2026 15:17:54 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AE%89%E5%85%A8Agent%E8%87%AA%E5%8A%A8%E5%8C%96%E6%BC%8F%E6%B4%9E%E6%89%AB%E6%8F%8F%E4%B8%8E%E6%8A%A5%E5%91%8A%E7%94%9F%E6%88%90%E6%9E%B6%E6%9E%84/index.html</guid><description>需求分析：安全评估的自动化刚需 在企业安全治理的实践中，漏洞扫描与报告生成是两项高频、高价值但极其消耗人力的核心任务。传统的安全评估流程高度依赖安全工程师的手动操作——从目标资产的梳理、扫描策略的配置、扫描结果的判读，到最终安全报告的编写，每一步都需要专业人员投入大量时间和精力。这种模式在资产规模持续膨胀、攻击面不断扩大的今天，已经暴露出显著的效率瓶颈。</description></item><item><title>AI 应用可观测性：链路追踪、成本管控与告警体系</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E5%BA%94%E7%94%A8%E5%8F%AF%E8%A7%82%E6%B5%8B%E6%80%A7%E9%93%BE%E8%B7%AF%E8%BF%BD%E8%B8%AA%E6%88%90%E6%9C%AC%E7%AE%A1%E6%8E%A7%E4%B8%8E%E5%91%8A%E8%AD%A6%E4%BD%93%E7%B3%BB/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E5%BA%94%E7%94%A8%E5%8F%AF%E8%A7%82%E6%B5%8B%E6%80%A7%E9%93%BE%E8%B7%AF%E8%BF%BD%E8%B8%AA%E6%88%90%E6%9C%AC%E7%AE%A1%E6%8E%A7%E4%B8%8E%E5%91%8A%E8%AD%A6%E4%BD%93%E7%B3%BB/index.html</guid><description>AI 应用可观测性：链路追踪、成本管控与告警体系 当 LLM 应用从原型走向生产环境，一个严峻的现实随之浮出水面：你无法优化你无法度量的东西。传统 Web 应用的可观测性体系（Metrics、Logs、Traces 三支柱）在面对 LLM 应用时出现了显著的能力缺口——Token 消耗带来的弹性成本、模型推理的非确定性延迟、输出质量的主观性评估，这些新维度要求我们在传统可观测性的基础上构建一套专属于 AI 应用的监控体系。</description></item><item><title>0.6B 也能克隆声音了：Audio8-TTS-Realistic 本地实测，和 Qwen3-TTS-1.7B 掰手腕</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Audio8-TTS-Realistic-0.6B%E6%9C%AC%E5%9C%B0%E5%AE%9E%E6%B5%8B%E5%AF%B9%E6%AF%94Qwen3-TTS/index.html</link><pubDate>Fri, 30 Oct 2026 12:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Audio8-TTS-Realistic-0.6B%E6%9C%AC%E5%9C%B0%E5%AE%9E%E6%B5%8B%E5%AF%B9%E6%AF%94Qwen3-TTS/index.html</guid><description>title: “0.6B 也能克隆声音了：Audio8-TTS-Realistic 本地实测，和 Qwen3-TTS-1.7B 掰手腕” date: “2026-10-30 12:00:00 +0800” weight: 3 tags: [TTS, 语音合成, 声音克隆, 本地部署, 开源模型] menu: main: parent: “AI工程化” 最近开源社区冒出一个很有意思的模型：Audio8-TTS-Realistic-0.6B。它是 Audio8-TTS-Preview-0.6B 的升级版，主打两件事——语音更真实、语言从 11 种扩到 23 种，而主模型参数量保持 0.6B 不变，权重总共只有 2.57GB，Apache 2.0 许可，可以商用。</description></item><item><title>AI-Native IT 运维平台：Agent 重构企业 IT 服务架构</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-Native-IT%E8%BF%90%E7%BB%B4%E5%B9%B3%E5%8F%B0Agent%E9%87%8D%E6%9E%84%E4%BC%81%E4%B8%9AIT%E6%9C%8D%E5%8A%A1%E6%9E%B6%E6%9E%84/index.html</link><pubDate>Fri, 03 Jul 2026 15:17:54 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-Native-IT%E8%BF%90%E7%BB%B4%E5%B9%B3%E5%8F%B0Agent%E9%87%8D%E6%9E%84%E4%BC%81%E4%B8%9AIT%E6%9C%8D%E5%8A%A1%E6%9E%B6%E6%9E%84/index.html</guid><description>传统 IT 运维的结构性困境 企业 IT 运维部门长期面临着一个悖论：随着数字化转型的深入推进，IT 服务的复杂度和用户期望同步攀升，但运维团队的编制和预算几乎停滞不变。这种"需求膨胀、资源锁死"的剪刀差正在将传统 IT 运维推向效率悬崖。</description></item><item><title>AI Agent 编排引擎：从框架选型到生产落地的技术全景</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-Agent-%E7%BC%96%E6%8E%92%E5%BC%95%E6%93%8E%E4%BB%8E%E6%A1%86%E6%9E%B6%E9%80%89%E5%9E%8B%E5%88%B0%E7%94%9F%E4%BA%A7%E8%90%BD%E5%9C%B0%E7%9A%84%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AF/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-Agent-%E7%BC%96%E6%8E%92%E5%BC%95%E6%93%8E%E4%BB%8E%E6%A1%86%E6%9E%B6%E9%80%89%E5%9E%8B%E5%88%B0%E7%94%9F%E4%BA%A7%E8%90%BD%E5%9C%B0%E7%9A%84%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AF/index.html</guid><description>AI Agent 编排引擎：从框架选型到生产落地的技术全景 AI Agent 正在从实验室的 Demo 走向生产环境的关键基础设施。Gartner 预测，到 2028 年 33% 的企业软件将嵌入 Agentic AI 能力，而独立的 Agentic AI 市场规模预计在 2034 年将达到 1990 亿美元（CAGR 43.8%）。但一个残酷的现实是：超过 40% 的 Agentic AI 项目将在 2027 年前被废弃，原因不是模型不够强，而是编排层无法在生产环境中可靠运行。</description></item><item><title>自动化红队评测平台：评测引擎设计与实现</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%87%AA%E5%8A%A8%E5%8C%96%E7%BA%A2%E9%98%9F%E8%AF%84%E6%B5%8B%E5%B9%B3%E5%8F%B0%E8%AF%84%E6%B5%8B%E5%BC%95%E6%93%8E%E8%AE%BE%E8%AE%A1%E4%B8%8E%E5%AE%9E%E7%8E%B0/index.html</link><pubDate>Fri, 03 Jul 2026 15:17:54 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%87%AA%E5%8A%A8%E5%8C%96%E7%BA%A2%E9%98%9F%E8%AF%84%E6%B5%8B%E5%B9%B3%E5%8F%B0%E8%AF%84%E6%B5%8B%E5%BC%95%E6%93%8E%E8%AE%BE%E8%AE%A1%E4%B8%8E%E5%AE%9E%E7%8E%B0/index.html</guid><description>平台需求分析 在 大模型红队测试 中我们建立了攻击向量体系和安全评测基准，在 评测平台架构 中我们掌握了评测工程化的基础框架。然而，当红队测试的规模从手动验证扩展到数百个攻击向量、数十个模型版本、多个安全维度的并行评测时，一个专为红队场景设计的自动化评测平台就成为刚需。</description></item><item><title>Context Engineering：从 Prompt 到上下文系统的工程化演进</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Context-Engineering%E4%BB%8EPrompt%E5%88%B0%E4%B8%8A%E4%B8%8B%E6%96%87%E7%B3%BB%E7%BB%9F%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%8C%96%E6%BC%94%E8%BF%9B/index.html</link><pubDate>Wed, 15 Jul 2026 16:21:46 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Context-Engineering%E4%BB%8EPrompt%E5%88%B0%E4%B8%8A%E4%B8%8B%E6%96%87%E7%B3%BB%E7%BB%9F%E7%9A%84%E5%B7%A5%E7%A8%8B%E5%8C%96%E6%BC%94%E8%BF%9B/index.html</guid><description>Context Engineering：从 Prompt 到上下文系统的工程化演进 在 LLM 应用开发领域，2023 年是 Prompt Engineering 的年份——开发者们痴迷于找到"神奇的措辞"来释放模型能力。但当 AI 应用从简单的单轮对话演进到复杂多步骤 Agent 系统时，一个新问题浮出水面：大多数 Agent 的失败不是因为模型不够聪明，而是因为它看到的信息不够好。</description></item><item><title>ChatGPT微信机器人搭建</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/chatgpt%E5%BE%AE%E4%BF%A1%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%90%AD%E5%BB%BA/index.html</link><pubDate>Tue, 06 May 2025 00:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/chatgpt%E5%BE%AE%E4%BF%A1%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%90%AD%E5%BB%BA/index.html</guid><description>使用chatgpt-on-wechat项目搭建对接微信的ChatGPT问答机器人。</description></item><item><title>Structured Output 与 JSON Mode：大模型结构化输出技术全景</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Structured-Output%E4%B8%8EJSON-Mode%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%BB%93%E6%9E%84%E5%8C%96%E8%BE%93%E5%87%BA%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AF/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Structured-Output%E4%B8%8EJSON-Mode%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%BB%93%E6%9E%84%E5%8C%96%E8%BE%93%E5%87%BA%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AF/index.html</guid><description>Structured Output 与 JSON Mode：大模型结构化输出技术全景 LLM 生成的是自然语言文本，而现代软件系统需要的是结构化数据。当模型输出成为下游系统的输入时，格式的不确定性就从"可以忍受的小问题"变成了"让整条数据管线崩溃的大问题"。一个多余的逗号、一个缺失的字段、一个被 markdown 代码块包裹的 JSON 字符串——这些在 Prompt Engineering 时代被反复容忍的"小瑕疵"，在生产环境中可能意味着数据丢失、解析失败甚至业务逻辑错误。</description></item><item><title>本地 AI 助手启动失败三重根因：分支错位、链接被改与守护误杀</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%9C%AC%E5%9C%B0-AI-%E5%8A%A9%E6%89%8B%E5%90%AF%E5%8A%A8%E5%A4%B1%E8%B4%A5%E4%B8%89%E9%87%8D%E6%A0%B9%E5%9B%A0%E5%88%86%E6%94%AF%E9%94%99%E4%BD%8D%E9%93%BE%E6%8E%A5%E8%A2%AB%E6%94%B9%E4%B8%8E%E5%AE%88%E6%8A%A4%E8%AF%AF%E6%9D%80/index.html</link><pubDate>Tue, 06 Oct 2026 23:20:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%9C%AC%E5%9C%B0-AI-%E5%8A%A9%E6%89%8B%E5%90%AF%E5%8A%A8%E5%A4%B1%E8%B4%A5%E4%B8%89%E9%87%8D%E6%A0%B9%E5%9B%A0%E5%88%86%E6%94%AF%E9%94%99%E4%BD%8D%E9%93%BE%E6%8E%A5%E8%A2%AB%E6%94%B9%E4%B8%8E%E5%AE%88%E6%8A%A4%E8%AF%AF%E6%9D%80/index.html</guid><description>一个本地运行的桌面 AI 助手，早上拒绝启动，报错只有一行：ModuleNotFoundError: No module named 'yaml'。看到这行报错，大多数人的第一反应和我当初一样——装依赖就好了，pip install pyyaml 一秒钟的事。这次修复会话里，执行了 48 次工具调用加 24 次复查之后，结论完全相反：yaml 缺失只是三重根因叠加之后露出的最表层症状，直接装依赖不但修不好，还会把水搅得更浑。这篇文章完整复盘这三重根因怎么被一层层剥开、每一步的判断依据是什么、以及这次排障留下的几条可以迁移到任何常驻 AI 服务上的运维铁律。</description></item><item><title>AI 工作流与编排平台全景：Dify、n8n、Coze 与 FastGPT 架构对比与选型指南</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E5%B7%A5%E4%BD%9C%E6%B5%81%E4%B8%8E%E7%BC%96%E6%8E%92%E5%B9%B3%E5%8F%B0%E5%85%A8%E6%99%AFDifyn8nCoze%E4%B8%8EFastGPT%E6%9E%B6%E6%9E%84%E5%AF%B9%E6%AF%94%E4%B8%8E%E9%80%89%E5%9E%8B%E6%8C%87%E5%8D%97/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E5%B7%A5%E4%BD%9C%E6%B5%81%E4%B8%8E%E7%BC%96%E6%8E%92%E5%B9%B3%E5%8F%B0%E5%85%A8%E6%99%AFDifyn8nCoze%E4%B8%8EFastGPT%E6%9E%B6%E6%9E%84%E5%AF%B9%E6%AF%94%E4%B8%8E%E9%80%89%E5%9E%8B%E6%8C%87%E5%8D%97/index.html</guid><description>AI 工作流与编排平台全景：Dify、n8n、Coze 与 FastGPT 架构对比与选型指南 大语言模型（LLM）的应用开发正在经历一场从"代码驱动"到"平台驱动"的范式迁移。2024 年以前，构建一个具备 RAG 能力的 AI 应用往往需要开发者自行搭建向量数据库、编写检索逻辑、对接模型 API、实现对话管理——整套链路动辄需要数周工程投入。而到 2025 年，Dify、n8n、Coze、FastGPT 等平台已经将这些能力封装为可视化工作流节点，让开发者甚至非技术人员在数小时内就能完成从知识库构建到 Agent 部署的全流程。</description></item><item><title>排障第一课：先怀疑脚手架，再怀疑业务——一次公众号 403 误诊的完整复盘</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%8E%92%E9%9A%9C%E7%AC%AC%E4%B8%80%E8%AF%BE%E5%85%88%E6%80%80%E7%96%91%E8%84%9A%E6%89%8B%E6%9E%B6%E5%86%8D%E6%80%80%E7%96%91%E4%B8%9A%E5%8A%A1%E4%B8%80%E6%AC%A1%E5%85%AC%E4%BC%97%E5%8F%B7403%E8%AF%AF%E8%AF%8A%E7%9A%84%E5%AE%8C%E6%95%B4%E5%A4%8D%E7%9B%98/index.html</link><pubDate>Fri, 06 Nov 2026 23:20:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%8E%92%E9%9A%9C%E7%AC%AC%E4%B8%80%E8%AF%BE%E5%85%88%E6%80%80%E7%96%91%E8%84%9A%E6%89%8B%E6%9E%B6%E5%86%8D%E6%80%80%E7%96%91%E4%B8%9A%E5%8A%A1%E4%B8%80%E6%AC%A1%E5%85%AC%E4%BC%97%E5%8F%B7403%E8%AF%AF%E8%AF%8A%E7%9A%84%E5%AE%8C%E6%95%B4%E5%A4%8D%E7%9B%98/index.html</guid><description>排障第一课：先怀疑脚手架，再怀疑业务 一次"公众号被风控"误诊的完整复盘：curl 反而是破局点，cookie 差点被全清 2026 年 11 月 3 日上午，收益日报定时任务正常退出，但公众号（微信支付流量主）收入抓取失败，报表沿用前一天旧值。故障卡上当时写的诊断结论是：公众号 cookie 或会话被风控拒绝，去浏览器清 cookie 重新登录即可。</description></item><item><title>LLM Guardrails 技术全景：从输入校验到输出防护的生产级安全架构</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/LLM-Guardrails%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AF%E4%BB%8E%E8%BE%93%E5%85%A5%E6%A0%A1%E9%AA%8C%E5%88%B0%E8%BE%93%E5%87%BA%E9%98%B2%E6%8A%A4%E7%9A%84%E7%94%9F%E4%BA%A7%E7%BA%A7%E5%AE%89%E5%85%A8%E6%9E%B6%E6%9E%84/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/LLM-Guardrails%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AF%E4%BB%8E%E8%BE%93%E5%85%A5%E6%A0%A1%E9%AA%8C%E5%88%B0%E8%BE%93%E5%87%BA%E9%98%B2%E6%8A%A4%E7%9A%84%E7%94%9F%E4%BA%A7%E7%BA%A7%E5%AE%89%E5%85%A8%E6%9E%B6%E6%9E%84/index.html</guid><description>LLM Guardrails 技术全景：从输入校验到输出防护的生产级安全架构 LLM 的输出本质上是非确定性的——同一个 Prompt 在不同时间可能产生截然不同的回复，而这些回复可能包含幻觉事实、敏感信息泄露、有毒内容，甚至被恶意用户通过 Prompt Injection 劫持。当一个 AI 应用从 Demo 走向生产环境时，开发者会迅速发现一个残酷事实：模型本身的"能力"不再是瓶颈，“可控性"才是。</description></item><item><title>MLX 并行提速实录：macOS 本地 TTS 从 230 秒到 100 秒</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/MLX%E5%B9%B6%E8%A1%8C%E6%8F%90%E9%80%9F%E5%AE%9E%E5%BD%95macOS%E6%9C%AC%E5%9C%B0TTS%E4%BB%8E230%E7%A7%92%E5%88%B0100%E7%A7%92/index.html</link><pubDate>Thu, 13 Aug 2026 12:16:44 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/MLX%E5%B9%B6%E8%A1%8C%E6%8F%90%E9%80%9F%E5%AE%9E%E5%BD%95macOS%E6%9C%AC%E5%9C%B0TTS%E4%BB%8E230%E7%A7%92%E5%88%B0100%E7%A7%92/index.html</guid><description>MLX 并行提速实录：macOS 本地 TTS 从 230 秒到 100 秒 一句话结论：引入 Apple MLX 框架 + 4 进程池并行分块，在不替换模型、不牺牲音质的前提下，将本地 TTS 长文本生成从 230.7 秒降至 100.2 秒（RTF 1.25→0.53），短文本从 11.5 秒降至 7.5-8 秒，冷启动从 11 秒降至 1-2 秒。 核心发现是：MLX 单进程并不比调优后的 PyTorch 并行快，真正的提速来自「MLX GPU 推理 × 受控多进程并行」的组合；而并发失控（18 进程）会导致内存与 GPU 初始化风暴，必须使用进程池限流。</description></item><item><title>WAL 检查点从未完成：进程内读快照顶住状态库</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/WAL-%E6%A3%80%E6%9F%A5%E7%82%B9%E4%BB%8E%E6%9C%AA%E5%AE%8C%E6%88%90%E8%BF%9B%E7%A8%8B%E5%86%85%E8%AF%BB%E5%BF%AB%E7%85%A7%E9%A1%B6%E4%BD%8F%E7%8A%B6%E6%80%81%E5%BA%93/index.html</link><pubDate>Sat, 14 Nov 2026 12:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/WAL-%E6%A3%80%E6%9F%A5%E7%82%B9%E4%BB%8E%E6%9C%AA%E5%AE%8C%E6%88%90%E8%BF%9B%E7%A8%8B%E5%86%85%E8%AF%BB%E5%BF%AB%E7%85%A7%E9%A1%B6%E4%BD%8F%E7%8A%B6%E6%80%81%E5%BA%93/index.html</guid><description>一台 Windows 10 机器上，网关的状态库 state/openclaw.sqlite 已经长到约 405 MB，旁边的 -wal 文件在 47 到 73 MB 之间浮动。网关每次启动后不久，WAL 自动检查点就开始报阻塞，一直到关机都没成功过一次。</description></item><item><title>更新后项目列表空了，元数据还在</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%9B%B4%E6%96%B0%E5%90%8E%E9%A1%B9%E7%9B%AE%E5%88%97%E8%A1%A8%E7%A9%BA%E4%BA%86%E5%85%83%E6%95%B0%E6%8D%AE%E8%BF%98%E5%9C%A8/index.html</link><pubDate>Fri, 13 Nov 2026 23:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%9B%B4%E6%96%B0%E5%90%8E%E9%A1%B9%E7%9B%AE%E5%88%97%E8%A1%A8%E7%A9%BA%E4%BA%86%E5%85%83%E6%95%B0%E6%8D%AE%E8%BF%98%E5%9C%A8/index.html</guid><description>Windows 版 Codex 桌面应用，版本 OpenAI.Codex 26.1103.3517.0。用户从企业账号切回个人账号之后，Projects 列表里的本地项目全部消失。单个聊天还在，但不再归属到任何项目下。磁盘上的项目文件夹都在。重启应用无效。</description></item><item><title>子代理跑到上限却报告成功</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AD%90%E4%BB%A3%E7%90%86%E8%B7%91%E5%88%B0%E4%B8%8A%E9%99%90%E5%8D%B4%E6%8A%A5%E5%91%8A%E6%88%90%E5%8A%9F/index.html</link><pubDate>Fri, 13 Nov 2026 23:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AD%90%E4%BB%A3%E7%90%86%E8%B7%91%E5%88%B0%E4%B8%8A%E9%99%90%E5%8D%B4%E6%8A%A5%E5%91%8A%E6%88%90%E5%8A%9F/index.html</guid><description>2026 年 3 月 13 日，一位开发者在 Gemini CLI 里让主 agent 调查两个本地仓库（t3code 和 superset）的架构。主 agent 调用了 codebase_investigator 子代理，objective 写得很具体：t3code 里 Codex 怎么集成、superset 有哪几套 agent harness、两者有什么可复用的共同模式。</description></item><item><title>微信扫码直接配渠道：Qwen Code Web Shell 补上个人微信这个最大缺口</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%BE%AE%E4%BF%A1%E6%89%AB%E7%A0%81%E7%9B%B4%E6%8E%A5%E9%85%8D%E6%B8%A0%E9%81%93Qwen-Code-Web-Shell-%E8%A1%A5%E4%B8%8A%E4%B8%AA%E4%BA%BA%E5%BE%AE%E4%BF%A1%E8%BF%99%E4%B8%AA%E6%9C%80%E5%A4%A7%E7%BC%BA%E5%8F%A3/index.html</link><pubDate>Thu, 12 Nov 2026 23:50:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%BE%AE%E4%BF%A1%E6%89%AB%E7%A0%81%E7%9B%B4%E6%8E%A5%E9%85%8D%E6%B8%A0%E9%81%93Qwen-Code-Web-Shell-%E8%A1%A5%E4%B8%8A%E4%B8%AA%E4%BA%BA%E5%BE%AE%E4%BF%A1%E8%BF%99%E4%B8%AA%E6%9C%80%E5%A4%A7%E7%BC%BA%E5%8F%A3/index.html</guid><description>2026 年 11 月 9 日，Qwen Code 维护者 wenshao 提交并随后合入了 PR #16736：个人微信成为 Web Shell 里可直接配置的渠道，包括在浏览器内完成扫码登录。同一批渠道工作里还包含 QQ 渠道的配置界面（PR #16724）。</description></item><item><title>子代理报成功却没做完的另一种坑：Qwen Code 子代理开局 105k 上下文去向不明</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AD%90%E4%BB%A3%E7%90%86%E6%8A%A5%E6%88%90%E5%8A%9F%E5%8D%B4%E6%B2%A1%E5%81%9A%E5%AE%8C%E7%9A%84%E5%8F%A6%E4%B8%80%E7%A7%8D%E5%9D%91Qwen-Code-%E5%AD%90%E4%BB%A3%E7%90%86%E5%BC%80%E5%B1%80-105k-%E4%B8%8A%E4%B8%8B%E6%96%87%E5%8E%BB%E5%90%91%E4%B8%8D%E6%98%8E/index.html</link><pubDate>Thu, 12 Nov 2026 23:50:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AD%90%E4%BB%A3%E7%90%86%E6%8A%A5%E6%88%90%E5%8A%9F%E5%8D%B4%E6%B2%A1%E5%81%9A%E5%AE%8C%E7%9A%84%E5%8F%A6%E4%B8%80%E7%A7%8D%E5%9D%91Qwen-Code-%E5%AD%90%E4%BB%A3%E7%90%86%E5%BC%80%E5%B1%80-105k-%E4%B8%8A%E4%B8%8B%E6%96%87%E5%8E%BB%E5%90%91%E4%B8%8D%E6%98%8E/index.html</guid><description>一位 Qwen Code 桌面版用户在 2026 年 10 月 26 日提交了 issue #15660：
父会话只用了 42k 上下文，其中约 21k 来自启动加载（skills、AGENT.md、memory 等），发给子代理的提示词只有 1k——但推理引擎报告子代理会话开局就是 105k 的 prompt。</description></item><item><title>agent-browser：给编码 Agent 一台能用命令驱动的浏览器</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/agent-browser%E7%BB%99%E7%BC%96%E7%A0%81-Agent-%E4%B8%80%E5%8F%B0%E8%83%BD%E7%94%A8%E5%91%BD%E4%BB%A4%E9%A9%B1%E5%8A%A8%E7%9A%84%E6%B5%8F%E8%A7%88%E5%99%A8/index.html</link><pubDate>Thu, 12 Nov 2026 01:35:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/agent-browser%E7%BB%99%E7%BC%96%E7%A0%81-Agent-%E4%B8%80%E5%8F%B0%E8%83%BD%E7%94%A8%E5%91%BD%E4%BB%A4%E9%A9%B1%E5%8A%A8%E7%9A%84%E6%B5%8F%E8%A7%88%E5%99%A8/index.html</guid><description>agent-browser：给编码 Agent 一台能用命令驱动的浏览器 让 AI 操作浏览器这件事，主流做法是把页面截图丢给视觉模型，让模型看图找按钮。这条路的问题不在于做不到，而在于每一步都要传图、都要重新推理——一个表单填十次，就是十轮图像往返。</description></item><item><title>子代理报成功却没做完：Gemini CLI 的假成功与无限挂起</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AD%90%E4%BB%A3%E7%90%86%E6%8A%A5%E6%88%90%E5%8A%9F%E5%8D%B4%E6%B2%A1%E5%81%9A%E5%AE%8CGemini-CLI-%E7%9A%84%E5%81%87%E6%88%90%E5%8A%9F%E4%B8%8E%E6%97%A0%E9%99%90%E6%8C%82%E8%B5%B7/index.html</link><pubDate>Thu, 12 Nov 2026 01:35:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AD%90%E4%BB%A3%E7%90%86%E6%8A%A5%E6%88%90%E5%8A%9F%E5%8D%B4%E6%B2%A1%E5%81%9A%E5%AE%8CGemini-CLI-%E7%9A%84%E5%81%87%E6%88%90%E5%8A%9F%E4%B8%8E%E6%97%A0%E9%99%90%E6%8C%82%E8%B5%B7/index.html</guid><description>子代理报成功却没做完：Gemini CLI 的两个可靠性坑和一个超时开关 2026 年 3 月 9 日，一个用户在 google-gemini/gemini-cli 仓库提交 issue #22323，让 Gemini CLI 分析两个本地仓库的架构。主代理正常调起了 codebase_investigator 子代理，传入了一个具体的调查目标。</description></item><item><title>Agent Reach：给编码 Agent 补上够不着的互联网</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Agent-Reach%E7%BB%99%E7%BC%96%E7%A0%81Agent%E8%A1%A5%E4%B8%8A%E5%A4%9F%E4%B8%8D%E7%9D%80%E7%9A%84%E4%BA%92%E8%81%94%E7%BD%91/index.html</link><pubDate>Tue, 10 Nov 2026 01:35:25 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Agent-Reach%E7%BB%99%E7%BC%96%E7%A0%81Agent%E8%A1%A5%E4%B8%8A%E5%A4%9F%E4%B8%8D%E7%9D%80%E7%9A%84%E4%BA%92%E8%81%94%E7%BD%91/index.html</guid><description>Claude Code、Codex、Hermes Agent、OpenClaw 这类 CLI Agent 自带搜索和网页读取，但有一批平台它们基本够不着：要登录才能用的（小红书搜笔记、X 查账号动态、读职位详情），视频里的内容（B站和 YouTube 字幕、YouTube 视频和小宇宙播客的语音转文字），以及中文平台（B站、小红书、V2EX、雪球，通用搜索覆盖很差）。</description></item><item><title>自托管网关的三种假死：服务没崩，机器人却不说话了</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%87%AA%E6%89%98%E7%AE%A1%E7%BD%91%E5%85%B3%E7%9A%84%E4%B8%89%E7%A7%8D%E5%81%87%E6%AD%BB%E6%9C%8D%E5%8A%A1%E6%B2%A1%E5%B4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%8D%B4%E4%B8%8D%E8%AF%B4%E8%AF%9D%E4%BA%86/index.html</link><pubDate>Tue, 10 Nov 2026 00:58:42 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%87%AA%E6%89%98%E7%AE%A1%E7%BD%91%E5%85%B3%E7%9A%84%E4%B8%89%E7%A7%8D%E5%81%87%E6%AD%BB%E6%9C%8D%E5%8A%A1%E6%B2%A1%E5%B4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%8D%B4%E4%B8%8D%E8%AF%B4%E8%AF%9D%E4%BA%86/index.html</guid><description>把 Claude Code、Codex 这类编码 CLI 换成自托管的 Agent 网关之后，运维里最耗时间的往往不是"服务挂了"——那种情况看门狗一眼就能看出来。真正难缠的是三种状态：进程活着、日志还在写、但用户那边就是没响应。</description></item><item><title>额济纳胡杨林套票 240 元里，不含一道桥到二道桥的车</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E9%A2%9D%E6%B5%8E%E7%BA%B3%E8%83%A1%E6%9D%A8%E6%9E%97%E5%A5%97%E7%A5%A8240%E5%85%83%E9%87%8C%E4%B8%8D%E5%90%AB%E4%B8%80%E9%81%93%E6%A1%A5%E5%88%B0%E4%BA%8C%E9%81%93%E6%A1%A5%E7%9A%84%E8%BD%A6/index.html</link><pubDate>Thu, 05 Nov 2026 01:50:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E9%A2%9D%E6%B5%8E%E7%BA%B3%E8%83%A1%E6%9D%A8%E6%9E%97%E5%A5%97%E7%A5%A8240%E5%85%83%E9%87%8C%E4%B8%8D%E5%90%AB%E4%B8%80%E9%81%93%E6%A1%A5%E5%88%B0%E4%BA%8C%E9%81%93%E6%A1%A5%E7%9A%84%E8%BD%A6/index.html</guid><description>每年十月，内蒙古额济纳胡杨林进入观赏期，同时"收费不够清楚"的讨论也会准时出现在社交平台。2026 年 10 月 8 日，光明日报在澎湃新闻澎湃号发文记录了这轮争议：多名游客反映旺季套票 240 元/人（含一至八道桥门票加 40 元景区摆渡车），但从景区入口附近的一道桥前往二道桥倒影林，并不能靠这 40 元摆渡车无缝衔接。</description></item><item><title>Codex知道几点恢复额度，却选择让任务死在你睡着的夜里</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Codex%E7%9F%A5%E9%81%93%E5%87%A0%E7%82%B9%E6%81%A2%E5%A4%8D%E9%A2%9D%E5%BA%A6%E5%8D%B4%E9%80%89%E6%8B%A9%E8%AE%A9%E4%BB%BB%E5%8A%A1%E6%AD%BB%E5%9C%A8%E4%BD%A0%E7%9D%A1%E7%9D%80%E7%9A%84%E5%A4%9C%E9%87%8C/index.html</link><pubDate>Mon, 02 Nov 2026 21:15:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Codex%E7%9F%A5%E9%81%93%E5%87%A0%E7%82%B9%E6%81%A2%E5%A4%8D%E9%A2%9D%E5%BA%A6%E5%8D%B4%E9%80%89%E6%8B%A9%E8%AE%A9%E4%BB%BB%E5%8A%A1%E6%AD%BB%E5%9C%A8%E4%BD%A0%E7%9D%A1%E7%9D%80%E7%9A%84%E5%A4%9C%E9%87%8C/index.html</guid><description>openai/codex 仓库里有一个开了快半年的功能请求（#21073，5 月 4 日提交），诉求只有一句话：任务跑到一半撞上用量限额时，错误信息里明明带着确切的恢复时间——“try again at 6:34 AM”——为什么不能到点自动接着跑，而要让人定闹钟爬起来敲一句 continue？</description></item><item><title>免费模型清单五天换一次血，你的 Agent 配置跟得上吗</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%85%8D%E8%B4%B9%E6%A8%A1%E5%9E%8B%E6%B8%85%E5%8D%95%E4%BA%94%E5%A4%A9%E6%8D%A2%E4%B8%80%E6%AC%A1%E8%A1%80Agent%E9%85%8D%E7%BD%AE%E6%80%8E%E4%B9%88%E8%B7%9F%E4%B8%8A/index.html</link><pubDate>Sat, 31 Oct 2026 23:50:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%85%8D%E8%B4%B9%E6%A8%A1%E5%9E%8B%E6%B8%85%E5%8D%95%E4%BA%94%E5%A4%A9%E6%8D%A2%E4%B8%80%E6%AC%A1%E8%A1%80Agent%E9%85%8D%E7%BD%AE%E6%80%8E%E4%B9%88%E8%B7%9F%E4%B8%8A/index.html</guid><description>免费模型清单五天少了五个：把 OpenCode Zen 的 Free 接进 Agent 前，先看这三件事 用 AI 编码工具的都有体会：各家"限时免费"的模型是最好的起步额度，也是最不稳定的依赖。今天 /models 里躺着一排 Free，明天你的 agent 任务就可能报 model not found。2026 年 10 月的最后一周，OpenCode Zen 的免费清单就演示了这种不稳定有多夸张——五天之内五个模型退出、一个新增。</description></item><item><title>AI Agent 可靠性工程：从错误恢复到优雅降级的生产级实践</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-Agent-%E5%8F%AF%E9%9D%A0%E6%80%A7%E5%B7%A5%E7%A8%8B%E4%BB%8E%E9%94%99%E8%AF%AF%E6%81%A2%E5%A4%8D%E5%88%B0%E4%BC%98%E9%9B%85%E9%99%8D%E7%BA%A7%E7%9A%84%E7%94%9F%E4%BA%A7%E7%BA%A7%E5%AE%9E%E8%B7%B5/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-Agent-%E5%8F%AF%E9%9D%A0%E6%80%A7%E5%B7%A5%E7%A8%8B%E4%BB%8E%E9%94%99%E8%AF%AF%E6%81%A2%E5%A4%8D%E5%88%B0%E4%BC%98%E9%9B%85%E9%99%8D%E7%BA%A7%E7%9A%84%E7%94%9F%E4%BA%A7%E7%BA%A7%E5%AE%9E%E8%B7%B5/index.html</guid><description>AI Agent 可靠性工程：从错误恢复到优雅降级的生产级实践 构建一个 AI Agent 的 Demo 只需要 20 行代码——一个 while 循环加上 LLM 调用和工具接口。但将其部署到生产环境并可靠运行，复杂度会发生量级跃迁。这不是模型能力的问题，而是 Agent 系统在生产环境中遭遇的失败模式与传统软件截然不同：它们更隐蔽、更难以复现、且往往在输出层面看起来"完全正常"。</description></item><item><title>macOS 本地 TTS 朗读服务优化实录：从频繁超时到秒级响应</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/macOS%E6%9C%AC%E5%9C%B0TTS%E6%9C%97%E8%AF%BB%E6%9C%8D%E5%8A%A1%E4%BC%98%E5%8C%96%E5%AE%9E%E5%BD%95/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/macOS%E6%9C%AC%E5%9C%B0TTS%E6%9C%97%E8%AF%BB%E6%9C%8D%E5%8A%A1%E4%BC%98%E5%8C%96%E5%AE%9E%E5%BD%95/index.html</guid><description>macOS 本地 TTS 朗读服务优化实录：从频繁超时到秒级响应 一句话结论：不换模型、不动推理代码，仅靠服务架构层面的 7 项改造，将本地 TTS 朗读服务的长文本生成时间从 377 秒降至 230 秒（RTF 2.17→1.25），短文本从约 20 秒降至 8-11 秒，并彻底消除"频繁超时"问题。 核心经验是：服务超时的根因往往不在推理速度，而在进程调度、探活机制与超时配置之间的系统性失衡。</description></item><item><title>SWE-bench 被停报：看编码榜单先查基准</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/SWE-bench-%E8%A2%AB%E5%81%9C%E6%8A%A5%E7%9C%8B%E7%BC%96%E7%A0%81%E6%A6%9C%E5%8D%95%E5%85%88%E6%9F%A5%E5%9F%BA%E5%87%86/index.html</link><pubDate>Mon, 26 Oct 2026 06:20:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/SWE-bench-%E8%A2%AB%E5%81%9C%E6%8A%A5%E7%9C%8B%E7%BC%96%E7%A0%81%E6%A6%9C%E5%8D%95%E5%85%88%E6%9F%A5%E5%9F%BA%E5%87%86/index.html</guid><description>SWE-bench 被停报：看编码榜单先查基准 OpenAI 在 2026 年 2 月停止报告 SWE-bench Verified 分数。几个月后，它又审计了作为替代方案的 SWE-Bench Pro，估计约 30% 的任务存在缺陷。</description></item><item><title>Mac 苹果芯片声音克隆方案横评：8 个主流方案实测，谁最适合你？</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/macOS%E6%9C%AC%E5%9C%B0TTS%E5%A3%B0%E9%9F%B3%E5%85%8B%E9%9A%86%E5%AE%9E%E6%B5%8B/index.html</link><pubDate>Tue, 20 Oct 2026 20:01:26 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/macOS%E6%9C%AC%E5%9C%B0TTS%E5%A3%B0%E9%9F%B3%E5%85%8B%E9%9A%86%E5%AE%9E%E6%B5%8B/index.html</guid><description>Mac 苹果芯片声音克隆方案横评：8 个主流方案实测，谁最适合你？ 一句话结论：如果你在 Mac（Apple Silicon）上想克隆声音，首选 Qwen3-TTS-12Hz；追求极致中文效果且有耐心微调，GPT-SoVITS 上限最高；完全不想折腾，直接上 ElevenLabs 云端服务。</description></item><item><title>买显卡前先跑一遍：llmspeed 把本地推理速度做成可分享预估，我们补了一组实机数据</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E4%B9%B0%E6%98%BE%E5%8D%A1%E5%89%8D%E5%85%88%E8%B7%91%E4%B8%80%E9%81%8Dllmspeed-%E6%8A%8A%E6%9C%AC%E5%9C%B0%E6%8E%A8%E7%90%86%E9%80%9F%E5%BA%A6%E5%81%9A%E6%88%90%E5%8F%AF%E5%88%86%E4%BA%AB%E9%A2%84%E4%BC%B0%E6%88%91%E4%BB%AC%E8%A1%A5%E4%BA%86%E4%B8%80%E7%BB%84%E5%AE%9E%E6%9C%BA%E6%95%B0%E6%8D%AE/index.html</link><pubDate>Mon, 19 Oct 2026 00:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E4%B9%B0%E6%98%BE%E5%8D%A1%E5%89%8D%E5%85%88%E8%B7%91%E4%B8%80%E9%81%8Dllmspeed-%E6%8A%8A%E6%9C%AC%E5%9C%B0%E6%8E%A8%E7%90%86%E9%80%9F%E5%BA%A6%E5%81%9A%E6%88%90%E5%8F%AF%E5%88%86%E4%BA%AB%E9%A2%84%E4%BC%B0%E6%88%91%E4%BB%AC%E8%A1%A5%E4%BA%86%E4%B8%80%E7%BB%84%E5%AE%9E%E6%9C%BA%E6%95%B0%E6%8D%AE/index.html</guid><description>本地跑大模型的第一个问题从来不是"哪个模型最强"，而是"我这台机器上它每秒能吐几个字、装不装得下"。过去回答它只有两条路：买回来实测，或者翻 reddit 上的零散跑分。10 月 17-18 日 Hacker News 的 Show HN 头条 llmspeed（llmspeed.dev）想当第三条路：选一块硬件、选一个模型和量化档位，网页直接把生成"流"给你看——按预估的 tok/s 逐字出现，首 token 前还有符合该配置的等待时间；两列并排还能跑竞速模式，比如 5090 对 Mac Studio。README 里的示例够挑衅：“RTX 5090 vs Mac Studio M5 Ultra 512GB on GLM-5.3 Flash (Q8). The 5090 can’t load it.”</description></item><item><title>虚拟环境重建后 TLS 悄悄断了：certifi 死路径故障链的复现与修复</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%99%9A%E6%8B%9F%E7%8E%AF%E5%A2%83%E9%87%8D%E5%BB%BA%E5%90%8E-TLS-%E6%82%84%E6%82%84%E6%96%AD%E4%BA%86certifi-%E6%AD%BB%E8%B7%AF%E5%BE%84%E6%95%85%E9%9A%9C%E9%93%BE%E7%9A%84%E5%A4%8D%E7%8E%B0%E4%B8%8E%E4%BF%AE%E5%A4%8D/index.html</link><pubDate>Mon, 19 Oct 2026 00:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%99%9A%E6%8B%9F%E7%8E%AF%E5%A2%83%E9%87%8D%E5%BB%BA%E5%90%8E-TLS-%E6%82%84%E6%82%84%E6%96%AD%E4%BA%86certifi-%E6%AD%BB%E8%B7%AF%E5%BE%84%E6%95%85%E9%9A%9C%E9%93%BE%E7%9A%84%E5%A4%8D%E7%8E%B0%E4%B8%8E%E4%BF%AE%E5%A4%8D/index.html</guid><description>有个报错在 Python 圈并不罕见：进程跑着跑着，所有 HTTPS 请求突然全挂——httpx 系报 [Errno 2] No such file or directory（发生在客户端构造那一刻），requests 系报 OSError: Could not find a suitable TLS CA certificate bundle, invalid path: …/certifi/cacert.pem。第一反应通常是网络坏了、代理坏了、证书过期了。三样都不是：坏的是一个本地文件路径——你的 Python 环境目录被包管理器原地换掉了，而进程还记得旧路径。</description></item><item><title>一套订阅池喂所有 Agent：magpie 本地模型网关三协议互转实测</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E4%B8%80%E5%A5%97%E8%AE%A2%E9%98%85%E6%B1%A0%E5%96%82%E6%89%80%E6%9C%89-Agentmagpie-%E6%9C%AC%E5%9C%B0%E6%A8%A1%E5%9E%8B%E7%BD%91%E5%85%B3%E4%B8%89%E5%8D%8F%E8%AE%AE%E4%BA%92%E8%BD%AC%E5%AE%9E%E6%B5%8B/index.html</link><pubDate>Mon, 19 Oct 2026 00:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E4%B8%80%E5%A5%97%E8%AE%A2%E9%98%85%E6%B1%A0%E5%96%82%E6%89%80%E6%9C%89-Agentmagpie-%E6%9C%AC%E5%9C%B0%E6%A8%A1%E5%9E%8B%E7%BD%91%E5%85%B3%E4%B8%89%E5%8D%8F%E8%AE%AE%E4%BA%92%E8%BD%AC%E5%AE%9E%E6%B5%8B/index.html</guid><description>你机器上可能同时装着 Claude Code、Codex CLI、Gemini CLI、Qwen Code、OpenCode 之类一堆 agent，每个都有自己的配置文件和 API key 字段，每家订阅各付各的。想让某个 agent 换个模型，就得翻它的 settings.json 或 .env；想让它用上你另一家已经付费的订阅，配置文件里字段方言还不一样——OpenAI 系吃 OPENAI_BASE_URL，Anthropic 系吃 ANTHROPIC_BASE_URL，Gemini 吃 GOOGLE_GEMINI_BASE_URL。yetone/magpie 就是冲着这件事来的：一个本地进程把散落的 key 和订阅收进一个池子，对外同时摆出 OpenAI、Anthropic、Gemini 三套协议方言，agent 那头只需要改 base URL。这篇文章讲清楚它怎么配、协议互转的真实边界在哪、哪些坑 README 没写。所有功能描述对官方 README（MIT，Go 实现），投产数据来自本机运行记录。</description></item><item><title>开源AI双雄：WAL膨胀、网关合并与慢思考误杀</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%BC%80%E6%BA%90AI%E5%8F%8C%E9%9B%84WAL%E8%86%A8%E8%83%80%E7%BD%91%E5%85%B3%E5%90%88%E5%B9%B6%E4%B8%8E%E6%85%A2%E6%80%9D%E8%80%83%E8%AF%AF%E6%9D%80/index.html</link><pubDate>Sat, 17 Oct 2026 16:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%BC%80%E6%BA%90AI%E5%8F%8C%E9%9B%84WAL%E8%86%A8%E8%83%80%E7%BD%91%E5%85%B3%E5%90%88%E5%B9%B6%E4%B8%8E%E6%85%A2%E6%80%9D%E8%80%83%E8%AF%AF%E6%9D%80/index.html</guid><description>开源AI双雄：WAL膨胀、网关合并与慢思考误杀 2026年10月16日，两个最受关注的个人AI助手开源项目同时出现在同一张数据表的两端。过去24小时，OpenClaw 的 GitHub Issue 更新量是500条，其中新开与活跃374条、关闭126条；同一天 Hermes Agent 的 Issue 更新量是466条，其中新开与活跃416条、关闭50条。两个项目都在为同一个产品形态——常驻运行、接入消息通道、跑定时任务的个人智能体——抢跑，但这一天各自的烦恼截然不同：OpenClaw 最热的 issue 已经积累了131条评论、被官方打上发布阻塞标签，一个数据库文件卡住了整个版本的发布；Hermes 刚把历时五周的统一网关运行时合进主干，正在承受架构落地后的修复洪峰。</description></item><item><title>苹果官方实测：两台 Mac Studio 雷电直连，跑 816B 参数大模型</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%8B%B9%E6%9E%9C%E5%AE%98%E6%96%B9%E5%AE%9E%E6%B5%8B%E4%B8%A4%E5%8F%B0Mac-Studio%E9%9B%B7%E7%94%B5%E7%9B%B4%E8%BF%9E%E8%B7%91816B%E5%A4%A7%E6%A8%A1%E5%9E%8B/index.html</link><pubDate>Fri, 16 Oct 2026 23:58:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%8B%B9%E6%9E%9C%E5%AE%98%E6%96%B9%E5%AE%9E%E6%B5%8B%E4%B8%A4%E5%8F%B0Mac-Studio%E9%9B%B7%E7%94%B5%E7%9B%B4%E8%BF%9E%E8%B7%91816B%E5%A4%A7%E6%A8%A1%E5%9E%8B/index.html</guid><description>苹果官方实测：两台 Mac Studio 雷电线直连，跑 816B 参数大模型 2026 年 10 月 15 日，苹果机器学习研究团队发布了一篇实测报告，回答一个 Mac 用户关心了很久的问题：想在本地跑前沿开源大模型，Mac 到底行不行？答案是——单台 Mac Studio 已经能跑 128B 密集模型，两台 Mac Studio 用雷电线直连，能跑超过 800B 参数的 MoE 模型。这篇报告的数字全部来自官方用 mlx_lm.benchmark 实测，不是纸面推算。</description></item><item><title>7.89GB装下27B：2-bit量化模型实测，工具调用反超54GB原版，但有三个坑</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/7.89GB%E8%A3%85%E4%B8%8B27B2-bit%E9%87%8F%E5%8C%96%E6%A8%A1%E5%9E%8B%E5%AE%9E%E6%B5%8B%E5%B7%A5%E5%85%B7%E8%B0%83%E7%94%A8%E5%8F%8D%E8%B6%8554GB%E5%8E%9F%E7%89%88%E4%BD%86%E6%9C%89%E4%B8%89%E4%B8%AA%E5%9D%91/index.html</link><pubDate>Fri, 16 Oct 2026 00:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/7.89GB%E8%A3%85%E4%B8%8B27B2-bit%E9%87%8F%E5%8C%96%E6%A8%A1%E5%9E%8B%E5%AE%9E%E6%B5%8B%E5%B7%A5%E5%85%B7%E8%B0%83%E7%94%A8%E5%8F%8D%E8%B6%8554GB%E5%8E%9F%E7%89%88%E4%BD%86%E6%9C%89%E4%B8%89%E4%B8%AA%E5%9D%91/index.html</guid><description>Conway Research（Underdog）10 月上旬发布了一个 7.89GB 的 GGUF 文件 Saluki 27B——底层是阿里 Qwen3.8-27B，原版 BF16 权重 54GB，这个 2-bit 混合量化版本（IQ2-mix）体积砍了近 7 倍。官方宣称"九项基准平均保留 96% 能力"，发布后登上多家科技媒体。</description></item><item><title>AI CLI 的上下文压缩，正在成为全行业的质量洼地</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-CLI-%E7%9A%84%E4%B8%8A%E4%B8%8B%E6%96%87%E5%8E%8B%E7%BC%A9%E6%AD%A3%E5%9C%A8%E6%88%90%E4%B8%BA%E5%85%A8%E8%A1%8C%E4%B8%9A%E7%9A%84%E8%B4%A8%E9%87%8F%E6%B4%BC%E5%9C%B0/index.html</link><pubDate>Thu, 15 Oct 2026 01:10:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-CLI-%E7%9A%84%E4%B8%8A%E4%B8%8B%E6%96%87%E5%8E%8B%E7%BC%A9%E6%AD%A3%E5%9C%A8%E6%88%90%E4%B8%BA%E5%85%A8%E8%A1%8C%E4%B8%9A%E7%9A%84%E8%B4%A8%E9%87%8F%E6%B4%BC%E5%9C%B0/index.html</guid><description>如果你长期开着 Claude Code 或 Codex 干活，最近可能遇到过一种情况：会话开到一半，模型突然"失忆"了——之前商量的方案、做过的决定、读过的文件，它都不记得了。检查日志，只看到一行"Compacted while idle"。这不是你的配置问题。近几个月，多款主流 AI CLI 工具先后暴露出上下文压缩（compaction）问题，它正在成为这个行业共同的质量洼地。</description></item><item><title>Rapid-MLX 实测：框架提速是真的，MTP 推测解码是负的</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Rapid-MLX%E5%AE%9E%E6%B5%8B%E6%A1%86%E6%9E%B6%E6%8F%90%E9%80%9F%E6%98%AF%E7%9C%9F%E7%9A%84MTP%E6%8E%A8%E6%B5%8B%E8%A7%A3%E7%A0%81%E6%98%AF%E8%B4%9F%E7%9A%84/index.html</link><pubDate>Sun, 04 Oct 2026 22:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Rapid-MLX%E5%AE%9E%E6%B5%8B%E6%A1%86%E6%9E%B6%E6%8F%90%E9%80%9F%E6%98%AF%E7%9C%9F%E7%9A%84MTP%E6%8E%A8%E6%B5%8B%E8%A7%A3%E7%A0%81%E6%98%AF%E8%B4%9F%E7%9A%84/index.html</guid><description>Rapid-MLX 实测：框架提速是真的，MTP 推测解码是负的 一句话结论：框架本身对 Ollama 的提速成立（轻载最高 3.9 倍），但官方宣传排在最前面的 MTP 推测解码，在混合架构模型上实测吞吐反降三到四成——官方文档自己也承认这类场景「比关闭慢 20%」。这不是配置问题，是架构边界。</description></item><item><title>Agent编程工具的成本黑洞：缓存失效、计量失真与用户侧自救</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Agent%E7%BC%96%E7%A8%8B%E5%B7%A5%E5%85%B7%E7%9A%84%E6%88%90%E6%9C%AC%E9%BB%91%E6%B4%9E%E7%BC%93%E5%AD%98%E5%A4%B1%E6%95%88%E8%AE%A1%E9%87%8F%E5%A4%B1%E7%9C%9F%E4%B8%8E%E7%94%A8%E6%88%B7%E4%BE%A7%E8%87%AA%E6%95%91/index.html</link><pubDate>Thu, 17 Sep 2026 23:45:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Agent%E7%BC%96%E7%A8%8B%E5%B7%A5%E5%85%B7%E7%9A%84%E6%88%90%E6%9C%AC%E9%BB%91%E6%B4%9E%E7%BC%93%E5%AD%98%E5%A4%B1%E6%95%88%E8%AE%A1%E9%87%8F%E5%A4%B1%E7%9C%9F%E4%B8%8E%E7%94%A8%E6%88%B7%E4%BE%A7%E8%87%AA%E6%95%91/index.html</guid><description>Agent编程工具的成本黑洞：缓存失效、计量失真与用户侧自救 一个越来越常见的场景：你没改一行代码、没换一个模型，只是让 Agent 多跑了几轮任务，月底账单却翻了一倍；或者订阅额度在几分钟内被烧穿，而你完全说不清钱花在了哪。这不是玄学，2026 年 9 月中旬，主流 AI 编程 CLI 工具的社区 issue 区集中爆发了一批成本类问题——七款头部工具里至少四款（Claude Code、OpenAI Codex、GitHub Copilot CLI、OpenCode）在同一个观测窗口内出现成本相关热点讨论。本文把这批公开证据摊开，拆成三类失败模式，讲清楚每类背后的机制，最后给出不依赖厂商修复的用户侧自救清单。</description></item><item><title>Qwen3.8-27B 量化损失实测与推理档位对照：8bit 只掉 1pt 的实证</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Qwen3.8-27B%E9%87%8F%E5%8C%96%E6%8D%9F%E5%A4%B1%E5%AE%9E%E6%B5%8B%E4%B8%8E%E6%8E%A8%E7%90%86%E6%A1%A3%E4%BD%8D%E5%AF%B9%E7%85%A78bit%E5%8F%AA%E6%8E%891pt%E7%9A%84%E5%AE%9E%E8%AF%81/index.html</link><pubDate>Thu, 27 Aug 2026 23:38:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Qwen3.8-27B%E9%87%8F%E5%8C%96%E6%8D%9F%E5%A4%B1%E5%AE%9E%E6%B5%8B%E4%B8%8E%E6%8E%A8%E7%90%86%E6%A1%A3%E4%BD%8D%E5%AF%B9%E7%85%A78bit%E5%8F%AA%E6%8E%891pt%E7%9A%84%E5%AE%9E%E8%AF%81/index.html</guid><description>Qwen3.8-27B 量化损失实测与推理档位对照：8bit 只掉 1pt 的实证 导读：这篇文章不是推荐某个模型，而是回答本地部署者最纠结的两个问题：量化到底损失多少？推理档位到底怎么选？在 Mac（M5 Max 128GB）上把 Qwen3.8-27B 用 8bit MLX + DFlash2 投机解码部署好之后，我用 2901 + 164 + 53 + 30 题的完整评测集做了 2×2 控制变量实验（量化档位 × 推理档位），得到一个反直觉的结论：8bit 相对 4bit 在 MMLU 上只损失约 1 个百分点，远低于社区流传的 10-15pt；而推理档位的影响反而比量化大得多——选择题场景下"想得越多越错"。</description></item><item><title>Qwen3.8-Flash-Next 本地部署评估：360B 级 MoE 模型的路线选择</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Qwen3.8-Flash-Next%E6%9C%AC%E5%9C%B0%E9%83%A8%E7%BD%B2%E8%AF%84%E4%BC%B0360B%E7%BA%A7MoE%E6%A8%A1%E5%9E%8B%E7%9A%84%E8%B7%AF%E7%BA%BF%E9%80%89%E6%8B%A9/index.html</link><pubDate>Thu, 27 Aug 2026 11:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/Qwen3.8-Flash-Next%E6%9C%AC%E5%9C%B0%E9%83%A8%E7%BD%B2%E8%AF%84%E4%BC%B0360B%E7%BA%A7MoE%E6%A8%A1%E5%9E%8B%E7%9A%84%E8%B7%AF%E7%BA%BF%E9%80%89%E6%8B%A9/index.html</guid><description>导读 导读：如果说传统大模型是一辆装满全部零件上路的大卡车，那 MoE 模型就像是一辆"货架摆满 360 个备件、但每次只挑 6 个上车跑"的轻卡——你以为它在偷懒，其实它在优化。Qwen3.8-Flash-Next（360GB BF16 / 6B 激活 / 1M context，2026 年 8 月发布）就是这台"轻卡"在 Mac 本地圈的初次登场，本文记录它在 M5 Max 128GB UMA 上的路线评估：今天四条主流路线都因 qwen4_exp 架构支持未到位而跑不通，“1-14 天窗口内有可跑路径"是基于 Qwen 历史新架构发布后社区量化版平均节奏的估算，实际可能更短也可能拉长到一个月——这个时间窗口本身有不确定性，文章会讲清依据和例外条件。</description></item><item><title>MetalAnchor 实战：520 行 Python 把智能体语义 KV 缓存落地 Apple Silicon</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/MetalAnchor%E5%AE%9E%E6%88%98520%E8%A1%8CPython%E6%8A%8A%E6%99%BA%E8%83%BD%E4%BD%93%E8%AF%AD%E4%B9%89KV%E7%BC%93%E5%AD%98%E8%90%BD%E5%9C%B0AppleSilicon/index.html</link><pubDate>Wed, 26 Aug 2026 14:28:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/MetalAnchor%E5%AE%9E%E6%88%98520%E8%A1%8CPython%E6%8A%8A%E6%99%BA%E8%83%BD%E4%BD%93%E8%AF%AD%E4%B9%89KV%E7%BC%93%E5%AD%98%E8%90%BD%E5%9C%B0AppleSilicon/index.html</guid><description>MetalAnchor 实战：520 行 Python 把智能体语义 KV 缓存落地 Apple Silicon 导读：如果你在 Mac 上跑本地大模型做智能体（Agent），大概率遇到过这种"慢"——新会话要等模型加载很久、同一个系统提示词每次都要重新计算一遍、长对话越聊越慢。这不是模型能力问题，而是"重复计算"问题：模型把已经算过的内容又算了一遍。本文记录一个真实解法：用 520 行纯 Python 写一个透明代理层（MetalAnchor），把 FreeToken 的智能体语义 KV 缓存思想落地到 Apple Silicon，实测把缓存复用率做到 90%，首 Token 延迟（TTFT）提速 5-7 倍。</description></item><item><title>让AI看着屏幕操作电脑：本地视觉闭环的基准评测与工程验证</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%AE%A9AI%E7%9C%8B%E7%9D%80%E5%B1%8F%E5%B9%95%E6%93%8D%E4%BD%9C%E7%94%B5%E8%84%91-%E6%9C%AC%E5%9C%B0%E8%A7%86%E8%A7%89%E9%97%AD%E7%8E%AF%E7%9A%84%E5%9F%BA%E5%87%86%E8%AF%84%E6%B5%8B%E4%B8%8E%E5%B7%A5%E7%A8%8B%E9%AA%8C%E8%AF%81/index.html</link><pubDate>Wed, 19 Aug 2026 17:49:42 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%AE%A9AI%E7%9C%8B%E7%9D%80%E5%B1%8F%E5%B9%95%E6%93%8D%E4%BD%9C%E7%94%B5%E8%84%91-%E6%9C%AC%E5%9C%B0%E8%A7%86%E8%A7%89%E9%97%AD%E7%8E%AF%E7%9A%84%E5%9F%BA%E5%87%86%E8%AF%84%E6%B5%8B%E4%B8%8E%E5%B7%A5%E7%A8%8B%E9%AA%8C%E8%AF%81/index.html</guid><description>让 AI「看着屏幕」操作电脑：本地视觉闭环的基准评测与工程验证 摘要 AI Agent 操作电脑的主流方案（截图 + 云端视觉模型）单步延迟 4-15 秒，token 消耗高。本文提出并验证一条本地化技术路线：以 AX（Accessibility）作为快速执行层，以本地视觉模型（Qwen2.5-VL-7B + ShowUI-2B）作为「看屏-决策-验证」层，配以 verify-loop 防误报框架，实现「目标窗口路由」的安全点击。通过严谨的基准评测（基准延迟对比、误报案例归因、2 场景 × 3 轮采样的定位/理解/决策评测、3 个端到端真实任务）验证：AX 单步 94ms（快 10-150 倍）；ShowUI-2B 定位归一化偏差 0.026（±0.000）；Qwen2.5-VL-7B 理解/决策与 72B 同效（决策命中 1.00）且快 5-7 倍；端到端任务（音乐双平台发布、Suno 音乐库检索、WPS 数据透视表）全部跑通。最终将 4 个候选模型精简为 2 个，并沉淀 5 类工程坑（坐标系统、全局点击、CEF 应用、隐私屏、远程会话）。结果表明：本地视觉闭环在延迟、成本、可靠性上全面优于云 VLM 方案，具备封装为可复用「视觉 Agent 框架」的工程基础。</description></item><item><title>永不完成的checkpoint：智能体的状态层欠账</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%B0%B8%E4%B8%8D%E5%AE%8C%E6%88%90%E7%9A%84checkpoint%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E7%8A%B6%E6%80%81%E5%B1%82%E6%AC%A0%E8%B4%A6/index.html</link><pubDate>Fri, 30 Oct 2026 23:55:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%B0%B8%E4%B8%8D%E5%AE%8C%E6%88%90%E7%9A%84checkpoint%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E7%8A%B6%E6%80%81%E5%B1%82%E6%AC%A0%E8%B4%A6/index.html</guid><description>10 月 30 日那期生态日报的快照里，OpenClaw 仓库社区热点榜首的一条 issue，不是新漏洞，也不是新功能，而是一条 10 月初报出来的数据库问题：#164294，网关状态库的 WAL 自动 checkpoint 永远无法完成。进程内的 reader 长期把 WAL 文件钉住，一万七千多帧迟迟合并不回主数据库，38 条评论堆在一个看似冷僻的底层话题下面，截至发稿前复核，这条 issue 仍然开着。同一天，这个项目在 24 小时里合并或关闭了 202 条 PR，对 298 条待合并的存量，吞吐率约 68%；而它的同行 Hermes Agent，445 条待合并 PR 对着每天约 55 条的处理速度，吞吐率只有约 12%。同一天，同一个赛道，两种健康度。</description></item><item><title>被静默删除的五份交付物：智能体信任债清算日</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%A2%AB%E9%9D%99%E9%BB%98%E5%88%A0%E9%99%A4%E7%9A%84%E4%BA%94%E4%BB%BD%E4%BA%A4%E4%BB%98%E7%89%A9%E6%99%BA%E8%83%BD%E4%BD%93%E4%BF%A1%E4%BB%BB%E5%80%BA%E6%B8%85%E7%AE%97%E6%97%A5/index.html</link><pubDate>Sat, 17 Oct 2026 23:55:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%A2%AB%E9%9D%99%E9%BB%98%E5%88%A0%E9%99%A4%E7%9A%84%E4%BA%94%E4%BB%BD%E4%BA%A4%E4%BB%98%E7%89%A9%E6%99%BA%E8%83%BD%E4%BD%93%E4%BF%A1%E4%BB%BB%E5%80%BA%E6%B8%85%E7%AE%97%E6%97%A5/index.html</guid><description>被静默删除的五份交付物：智能体信任债清算日 2026年10月17日凌晨4点21分（UTC），Hermes Agent 仓库里一个编号 #132401 的 P0 issue 被维护者 teknium1 关闭，关闭理由是 completed。这个时间点很有意思：本专栏每日跟踪的开源雷达快照生成于 10 月 16 日 22:49（UTC），在那份快照里，这个 issue 还挂着 needs-decision 标签，状态是"数据丢失类 P0，等待维护者决策"。快照生成后不到六个小时，决策落地了。维护者在关闭前的最后一条评论里写明：修复已合并为提交 33beaec5700，scratch 清理机制现在会在删除前重新检查整个子树、在最终检查前测量条目大小、并为每一条被删除的条目写入审计日志。</description></item><item><title>生成成功不等于交付合格：AI 内容管线的三道验收关</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E7%94%9F%E6%88%90%E6%88%90%E5%8A%9F%E4%B8%8D%E7%AD%89%E4%BA%8E%E4%BA%A4%E4%BB%98%E5%90%88%E6%A0%BCAI-%E5%86%85%E5%AE%B9%E7%AE%A1%E7%BA%BF%E7%9A%84%E4%B8%89%E9%81%93%E9%AA%8C%E6%94%B6%E5%85%B3/index.html</link><pubDate>Thu, 01 Oct 2026 23:41:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E7%94%9F%E6%88%90%E6%88%90%E5%8A%9F%E4%B8%8D%E7%AD%89%E4%BA%8E%E4%BA%A4%E4%BB%98%E5%90%88%E6%A0%BCAI-%E5%86%85%E5%AE%B9%E7%AE%A1%E7%BA%BF%E7%9A%84%E4%B8%89%E9%81%93%E9%AA%8C%E6%94%B6%E5%85%B3/index.html</guid><description>生成成功不等于交付合格：AI 内容管线的三道验收关 一句话结论：AI 生成内容的管线里，最容易被省掉的那一层——验收——恰恰是成本最高的一层。 生成接口返回成功、文件落了盘，只说明「生成成功」；而「交付合格」需要三道独立的验收关：文字要逐字核验，画面要抽帧目检，声音要过数值红线。同一天里，一套百集级漫剧管线拦下了六张全是色块的口型视频，一套封面生图流程拦下了三行乱码中文——如果只有「生成成功」判断，这些问题会全部无声地流进成片。</description></item><item><title>本地LLM延迟优化实录：缓存会撒谎，慢的从来不是推理</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%9C%AC%E5%9C%B0LLM%E5%BB%B6%E8%BF%9F%E4%BC%98%E5%8C%96%E5%AE%9E%E5%BD%95%E7%BC%93%E5%AD%98%E4%BC%9A%E6%92%92%E8%B0%8E%E6%85%A2%E7%9A%84%E4%BB%8E%E6%9D%A5%E4%B8%8D%E6%98%AF%E6%8E%A8%E7%90%86/index.html</link><pubDate>Thu, 24 Sep 2026 23:50:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E6%9C%AC%E5%9C%B0LLM%E5%BB%B6%E8%BF%9F%E4%BC%98%E5%8C%96%E5%AE%9E%E5%BD%95%E7%BC%93%E5%AD%98%E4%BC%9A%E6%92%92%E8%B0%8E%E6%85%A2%E7%9A%84%E4%BB%8E%E6%9D%A5%E4%B8%8D%E6%98%AF%E6%8E%A8%E7%90%86/index.html</guid><description>本地 LLM 延迟优化实录：缓存会撒谎，慢的从来不是推理 一句话结论：**本地推理链路的两个"慢"，都不是模型慢。**一个是任务路由场景下前缀缓存"看起来没生效"——官方指标 prompt_eval_count 每次都报全量 token，但墙钟从 8.94s 收敛到 0.39s，指标在撒谎；另一个是语音助手首句要等 13-15 秒——根因是 23GB 模型闲置超时被卸载后的冷加载，热态下大模型首 token 只要 0.07s。修复都不换模型：把变量后置让前缀逐字节命中，用流式首句即播 + 常驻保活把可听延迟压到 2 秒。</description></item><item><title>AI 智能体生态的验证基建：假成功、失败透传与审计文化的三线观察</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E9%AA%8C%E8%AF%81%E5%9F%BA%E5%BB%BA%E5%81%87%E6%88%90%E5%8A%9F%E5%A4%B1%E8%B4%A5%E9%80%8F%E4%BC%A0%E4%B8%8E%E5%AE%A1%E8%AE%A1%E6%96%87%E5%8C%96%E7%9A%84%E4%B8%89%E7%BA%BF%E8%A7%82%E5%AF%9F/index.html</link><pubDate>Sat, 03 Oct 2026 01:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E9%AA%8C%E8%AF%81%E5%9F%BA%E5%BB%BA%E5%81%87%E6%88%90%E5%8A%9F%E5%A4%B1%E8%B4%A5%E9%80%8F%E4%BC%A0%E4%B8%8E%E5%AE%A1%E8%AE%A1%E6%96%87%E5%8C%96%E7%9A%84%E4%B8%89%E7%BA%BF%E8%A7%82%E5%AF%9F/index.html</guid><description>AI 智能体生态的验证基建：假成功、失败透传与审计文化的三线观察 一句话结论：10 月 2 日的修复密集期横截面里，藏着一条容易被错过的暗线——当“报成功”可以脱离“成功”独立存在，信任就只能靠证据来建。这一天，多款编码工具集中暴露出“假成功”缺陷，开源生态把复现证据变成了合入通行证，审计轮次与影子评估开始成为固定工序；而模型的静默变更，又让所有旧证据进入保质期倒计时。本文对 88 项关键条目做了发稿前实时复核，把“证据”拆成可复现、可透传、可对抗、可持续四道工艺，并给出一份任何团队明天就能用的自证清单。</description></item><item><title>AI 智能体生态的信任关卡：发布兑现、策略执行与交付确定的三线审计</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E4%BF%A1%E4%BB%BB%E5%85%B3%E5%8D%A1%E5%8F%91%E5%B8%83%E5%85%91%E7%8E%B0%E7%AD%96%E7%95%A5%E6%89%A7%E8%A1%8C%E4%B8%8E%E4%BA%A4%E4%BB%98%E7%A1%AE%E5%AE%9A%E7%9A%84%E4%B8%89%E7%BA%BF%E5%AE%A1%E8%AE%A1/index.html</link><pubDate>Fri, 02 Oct 2026 01:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E4%BF%A1%E4%BB%BB%E5%85%B3%E5%8D%A1%E5%8F%91%E5%B8%83%E5%85%91%E7%8E%B0%E7%AD%96%E7%95%A5%E6%89%A7%E8%A1%8C%E4%B8%8E%E4%BA%A4%E4%BB%98%E7%A1%AE%E5%AE%9A%E7%9A%84%E4%B8%89%E7%BA%BF%E5%AE%A1%E8%AE%A1/index.html</guid><description>AI 智能体生态的信任关卡：发布兑现、策略执行与交付确定的三线审计 一句话结论：10 月 1 日，头部开源智能体生态迎来了一个大版本发布日——一边是 518 个提交、2,818 个 PR、334 位贡献者堆出来的正式发版，另一边是十余项 P0 级问题仍躺在队列里等修复；同一天，三个安全边界问题在同一个生态浮出水面，而 CLI 工具圈出现了跨工具的同类权限绕过。把这几条线拼起来，主题只有一个：智能体生态的竞争正在从“功能清单”转向“信任记录”——承诺能不能兑现、策略会不会执行、交付是否确定。本文对 30 余个关键条目做了发稿前实时复核，给出可复用的三线审计框架。</description></item><item><title>AI 智能体生态的还债期：内存、状态与计量的三线观察</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E8%BF%98%E5%80%BA%E6%9C%9F%E5%86%85%E5%AD%98%E7%8A%B6%E6%80%81%E4%B8%8E%E8%AE%A1%E9%87%8F%E7%9A%84%E4%B8%89%E7%BA%BF%E8%A7%82%E5%AF%9F/index.html</link><pubDate>Thu, 01 Oct 2026 01:40:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E8%BF%98%E5%80%BA%E6%9C%9F%E5%86%85%E5%AD%98%E7%8A%B6%E6%80%81%E4%B8%8E%E8%AE%A1%E9%87%8F%E7%9A%84%E4%B8%89%E7%BA%BF%E8%A7%82%E5%AF%9F/index.html</guid><description>AI 智能体生态的还债期：内存、状态与计量的三线观察 一句话结论：**两个头部开源个人智能体项目单日的 issue 与 PR 更新双双触顶 500 条、七款主流 AI 编程 CLI 同期暴露同类问题——这个品类最紧迫的缺陷，几乎没有一个来自“模型不够聪明”，全部来自资源治理、状态管理与计量工程这三张旧考卷。**本文基于 2026 年 9 月 30 日两个生态与 CLI 工具链的社区日报，交叉复核 33 个关键 issue/PR 的实时状态，给出“还债期”的三线观察与一套可执行的应对清单。</description></item><item><title>两大开源智能体生态的升级危机实录：当更新本身成为最大故障源</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E4%B8%A4%E5%A4%A7%E5%BC%80%E6%BA%90%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E5%8D%87%E7%BA%A7%E5%8D%B1%E6%9C%BA%E5%AE%9E%E5%BD%95%E5%BD%93%E6%9B%B4%E6%96%B0%E6%9C%AC%E8%BA%AB%E6%88%90%E4%B8%BA%E6%9C%80%E5%A4%A7%E6%95%85%E9%9A%9C%E6%BA%90/index.html</link><pubDate>Mon, 28 Sep 2026 22:50:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E4%B8%A4%E5%A4%A7%E5%BC%80%E6%BA%90%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E5%8D%87%E7%BA%A7%E5%8D%B1%E6%9C%BA%E5%AE%9E%E5%BD%95%E5%BD%93%E6%9B%B4%E6%96%B0%E6%9C%AC%E8%BA%AB%E6%88%90%E4%B8%BA%E6%9C%80%E5%A4%A7%E6%95%85%E9%9A%9C%E6%BA%90/index.html</guid><description>两大开源智能体生态的升级危机实录：当更新本身成为最大故障源 一句话结论：**两个头部开源个人智能体项目（合计 issue 编号都到十几万量级）在同两周内暴露的头部缺陷，几乎没有一个来自"AI 不够聪明"，全部来自经典的发布工程、资源治理与状态管理问题。**升级链路出现 P0 级 crash-loop 与"更新五连败"，上下文压缩导致生产数据丢失，空闲网关烧掉一半 CPU。本文基于 2026 年 9 月 27 日两个项目生态日报的交叉分析，给出一套"升级即迁移"的运维姿势与六条工程启示。</description></item><item><title>AI 智能体生态的常驻账单：内存泄漏、磁盘磨损与主线程卸载的三线观察</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E5%B8%B8%E9%A9%BB%E8%B4%A6%E5%8D%95%E5%86%85%E5%AD%98%E6%B3%84%E6%BC%8F%E7%A3%81%E7%9B%98%E7%A3%A8%E6%8D%9F%E4%B8%8E%E4%B8%BB%E7%BA%BF%E7%A8%8B%E5%8D%B8%E8%BD%BD%E7%9A%84%E4%B8%89%E7%BA%BF%E8%A7%82%E5%AF%9F/index.html</link><pubDate>Sat, 03 Oct 2026 23:50:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E5%B8%B8%E9%A9%BB%E8%B4%A6%E5%8D%95%E5%86%85%E5%AD%98%E6%B3%84%E6%BC%8F%E7%A3%81%E7%9B%98%E7%A3%A8%E6%8D%9F%E4%B8%8E%E4%B8%BB%E7%BA%BF%E7%A8%8B%E5%8D%B8%E8%BD%BD%E7%9A%84%E4%B8%89%E7%BA%BF%E8%A7%82%E5%AF%9F/index.html</guid><description>AI 智能体生态的常驻账单：内存泄漏、磁盘磨损与主线程卸载的三线观察 一句话结论：10 月 3 日的两份开源智能体生态日报里，最刺眼的一组数字与模型无关——一个 worker 组件每 5 分钟泄漏约 1 GiB 内存、一条 CLI 命令重写 1.1–1.4 GB 磁盘、一个 60 秒的刷新周期短于它自身的耗时。当智能体从“按需调用”走向 7×24 常驻，它开始像一个真正的长期进程那样消耗物理资源；而两个生态不约而同地把工程重心压向同一个方向：把数据库搬出主线程的重构连夜落地、把泄漏写进 P0 账本、把恢复机制设上预算。本文对 82 项关键条目做了发稿前实时复核，梳理常驻智能体的五本资源账，并给出任何自建团队明天就能开始记的三笔账。</description></item><item><title>AI 视频平台 Agent 复刻闭环实测：上传三步协议、审批门应答与僵尸态逃生</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E8%A7%86%E9%A2%91%E5%B9%B3%E5%8F%B0-Agent-%E5%A4%8D%E5%88%BB%E9%97%AD%E7%8E%AF%E5%AE%9E%E6%B5%8B%E4%B8%8A%E4%BC%A0%E4%B8%89%E6%AD%A5%E5%8D%8F%E8%AE%AE%E5%AE%A1%E6%89%B9%E9%97%A8%E5%BA%94%E7%AD%94%E4%B8%8E%E5%83%B5%E5%B0%B8%E6%80%81%E9%80%83%E7%94%9F/index.html</link><pubDate>Wed, 07 Oct 2026 16:20:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-%E8%A7%86%E9%A2%91%E5%B9%B3%E5%8F%B0-Agent-%E5%A4%8D%E5%88%BB%E9%97%AD%E7%8E%AF%E5%AE%9E%E6%B5%8B%E4%B8%8A%E4%BC%A0%E4%B8%89%E6%AD%A5%E5%8D%8F%E8%AE%AE%E5%AE%A1%E6%89%B9%E9%97%A8%E5%BA%94%E7%AD%94%E4%B8%8E%E5%83%B5%E5%B0%B8%E6%80%81%E9%80%83%E7%94%9F/index.html</guid><description>AI 视频平台 Agent 复刻闭环实测：上传三步协议、审批门应答与僵尸态逃生 一句话结论：把一条 88 秒的爆款视频喂给一个为 Agent 设计的 AI 视频平台，它能在规划模式下不耗积分交出六段式分镜反推表，并自主给出「选纯剧情镜头、快档模型、十秒 720p」的控成本复刻方案——这是超预期的一半；另一半是三个没写进文档的雷区：签名上传协议的时效约束、审批门应答的极简字段边界，以及一个一旦触发就只能弃项目重来的僵尸态。本文是一次全链路实测的完整复盘，也是一份给所有要对接 Agent 平台接口的人的状态机避坑图。</description></item><item><title>开源AI助手的偿债分化：11％对43％的关闭率之间，隔着评审带宽与自主性重构</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%BC%80%E6%BA%90AI%E5%8A%A9%E6%89%8B%E7%9A%84%E5%81%BF%E5%80%BA%E5%88%86%E5%8C%9611%E5%AF%B943%E7%9A%84%E5%85%B3%E9%97%AD%E7%8E%87%E4%B9%8B%E9%97%B4%E9%9A%94%E7%9D%80%E8%AF%84%E5%AE%A1%E5%B8%A6%E5%AE%BD%E4%B8%8E%E8%87%AA%E4%B8%BB%E6%80%A7%E9%87%8D%E6%9E%84/index.html</link><pubDate>Fri, 09 Oct 2026 21:40:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%BC%80%E6%BA%90AI%E5%8A%A9%E6%89%8B%E7%9A%84%E5%81%BF%E5%80%BA%E5%88%86%E5%8C%9611%E5%AF%B943%E7%9A%84%E5%85%B3%E9%97%AD%E7%8E%87%E4%B9%8B%E9%97%B4%E9%9A%94%E7%9D%80%E8%AF%84%E5%AE%A1%E5%B8%A6%E5%AE%BD%E4%B8%8E%E8%87%AA%E4%B8%BB%E6%80%A7%E9%87%8D%E6%9E%84/index.html</guid><description>开源AI助手的偿债分化：11％对43％的关闭率之间，隔着评审带宽与自主性重构 2026年10月8日，两大个人AI助手开源项目的社区数据摆在一起，出现了一组刺眼的对照。过去24小时，OpenClaw 的 Issue 更新量是500条，其中新开与活跃445条、关闭55条；同一天，Hermes Agent 的 Issue 更新量同样是500条，其中新开与活跃285条、关闭215条。两边都是数百条级别的社区活跃度，都在同一条赛道上争夺"个人智能体"的定义权，但把关闭数除以更新数，一边的关闭率约为11%，另一边约为43%。再把新开速度和关闭速度做对比，OpenClaw 的问题产生速度大约是关闭速度的8倍。</description></item><item><title>编码 Agent 的权限配置界面，正在骗你做出危险选择</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E7%BC%96%E7%A0%81Agent%E7%9A%84%E6%9D%83%E9%99%90%E9%85%8D%E7%BD%AE%E7%95%8C%E9%9D%A2%E6%AD%A3%E5%9C%A8%E9%AA%97%E4%BD%A0%E5%81%9A%E5%87%BA%E5%8D%B1%E9%99%A9%E9%80%89%E6%8B%A9/index.html</link><pubDate>Sun, 01 Nov 2026 23:55:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E7%BC%96%E7%A0%81Agent%E7%9A%84%E6%9D%83%E9%99%90%E9%85%8D%E7%BD%AE%E7%95%8C%E9%9D%A2%E6%AD%A3%E5%9C%A8%E9%AA%97%E4%BD%A0%E5%81%9A%E5%87%BA%E5%8D%B1%E9%99%A9%E9%80%89%E6%8B%A9/index.html</guid><description>编码 Agent 的权限配置界面，正在骗你做出危险选择 OpenCode 的权限模型本身不复杂：每条规则解析成 allow（直接跑）、ask（弹窗确认）或 deny（禁止），模式匹配、最后命中的规则生效，官方文档建议把 catch-all 放最前、例外放后面。设计意图很清楚——让用户自己划定 Agent 的行动边界。</description></item><item><title>四个版本，两个旧洞：安全审计看的是差集</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%9B%9B%E4%B8%AA%E7%89%88%E6%9C%AC%E4%B8%A4%E4%B8%AA%E6%97%A7%E6%B4%9E%E5%AE%89%E5%85%A8%E5%AE%A1%E8%AE%A1%E7%9C%8B%E7%9A%84%E6%98%AF%E5%B7%AE%E9%9B%86/index.html</link><pubDate>Tue, 03 Nov 2026 23:40:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%9B%9B%E4%B8%AA%E7%89%88%E6%9C%AC%E4%B8%A4%E4%B8%AA%E6%97%A7%E6%B4%9E%E5%AE%89%E5%85%A8%E5%AE%A1%E8%AE%A1%E7%9C%8B%E7%9A%84%E6%98%AF%E5%B7%AE%E9%9B%86/index.html</guid><description>四个版本，两个旧洞：安全审计看的是差集 2026 年 11 月 3 日清晨六点，版本监控把一个新 tag 推进审计队列：v0.22.6，发布时刻 2026-11-02T17:18:36Z，commit f0d94882e89。触发它的 diff 很短，只有版本号和一段 release notes；真正的体量在后面——自 v0.22.5 以来合并了 776 个 PR、3,448 个非 merge commit、4,316 个文件改动，+248,579 / −94,077 行。</description></item><item><title>审计的第二层：先校准尺子，再报漏洞</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AE%A1%E8%AE%A1%E7%9A%84%E7%AC%AC%E4%BA%8C%E5%B1%82%E5%85%88%E6%A0%A1%E5%87%86%E5%B0%BA%E5%AD%90%E5%86%8D%E6%8A%A5%E6%BC%8F%E6%B4%9E/index.html</link><pubDate>Thu, 05 Nov 2026 00:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E5%AE%A1%E8%AE%A1%E7%9A%84%E7%AC%AC%E4%BA%8C%E5%B1%82%E5%85%88%E6%A0%A1%E5%87%86%E5%B0%BA%E5%AD%90%E5%86%8D%E6%8A%A5%E6%BC%8F%E6%B4%9E/index.html</guid><description>审计的第二层：先校准尺子，再报漏洞 2026 年 11 月 4 日晚，v0.22.7 的增量审计收尾。报告最后一页是九行：Critical 0，High 3，Medium 2，Low 2，INFO 2。比上一版多了一行 High——不是因为世界突然危险了一点，而是一条原本记作 Medium 的发现被重新算成了 7.0，而 7.0 正好是 High 的下限。</description></item><item><title>48个技能，46个只增不减</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/48%E4%B8%AA%E6%8A%80%E8%83%BD46%E4%B8%AA%E5%8F%AA%E5%A2%9E%E4%B8%8D%E5%87%8F/index.html</link><pubDate>Thu, 29 Oct 2026 22:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/48%E4%B8%AA%E6%8A%80%E8%83%BD46%E4%B8%AA%E5%8F%AA%E5%A2%9E%E4%B8%8D%E5%87%8F/index.html</guid><description>2026 年 10 月 29 日 03 点 34 分（UTC），OpenClaw 仓库里一个编号 #186861 的拉取请求被合并。这个请求做的事情听起来有点朴素：给「技能工作坊」加上一套让习得技能「减肥」的机制。它的动机来自一次对生产环境智能体的实测——那个智能体身上挂着四十八个习得技能，其中四十六个处于「只增不减」的状态：装上之后从未被清理、从未被合并、从未被判定过还有没有用，随着运行时间一路堆积。合并进来的修复方案是给这堆技能加一个每日维护收缩的环节，让系统每天自己问一遍：这些东西还都要吗。</description></item><item><title>一天三版本与零发布:智能体生态的分化时刻</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E4%B8%80%E5%A4%A9%E4%B8%89%E7%89%88%E6%9C%AC%E4%B8%8E%E9%9B%B6%E5%8F%91%E5%B8%83%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E5%88%86%E5%8C%96%E6%97%B6%E5%88%BB/index.html</link><pubDate>Thu, 29 Oct 2026 02:10:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E4%B8%80%E5%A4%A9%E4%B8%89%E7%89%88%E6%9C%AC%E4%B8%8E%E9%9B%B6%E5%8F%91%E5%B8%83%E6%99%BA%E8%83%BD%E4%BD%93%E7%94%9F%E6%80%81%E7%9A%84%E5%88%86%E5%8C%96%E6%97%B6%E5%88%BB/index.html</guid><description>2026 年 10 月 27 日 23 点 44 分(UTC),一份覆盖 GitHub 上五百条 issue 更新的快照被生成出来。快照里有两个名字挨得很近的项目:一个叫 OpenClaw,一个叫 Hermes Agent。前者的日报口径里写着单日发布了三个版本——一个 beta、一个正式版,还有一个专门给求稳用户准备的长期支持版;后者在同一天里没有一个正式 release,五百条拉取请求更新里,三百六十三个还排在待合并队列里。</description></item><item><title>330 次合并与关闭，三个仍开着的 P0</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/330-%E6%AC%A1%E5%90%88%E5%B9%B6%E4%B8%8E%E5%85%B3%E9%97%AD%E4%B8%89%E4%B8%AA%E4%BB%8D%E5%BC%80%E7%9D%80%E7%9A%84-P0/index.html</link><pubDate>Tue, 27 Oct 2026 23:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/330-%E6%AC%A1%E5%90%88%E5%B9%B6%E4%B8%8E%E5%85%B3%E9%97%AD%E4%B8%89%E4%B8%AA%E4%BB%8D%E5%BC%80%E7%9D%80%E7%9A%84-P0/index.html</guid><description>2026 年 10 月 26 日 23 点 50 分（UTC），两份自动生成的生态日报同时落盘。OpenClaw 那份给出一份相当漂亮的读数：过去 24 小时 Issue 更新 500 条（新开与活跃 397，关闭 103），PR 更新 500 条（合并或关闭 330，待合并 170）；隔壁 Hermes Agent 的读数也不逊色：Issue 更新 445 条，PR 更新 500 条。单日数百条的活动量，放在任何一个开源项目里都算得上热火朝天。</description></item><item><title>SWE-bench 停报：模型解不出的题，一半是坏的</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/SWE-bench-%E5%81%9C%E6%8A%A5%E6%B7%B1%E5%BA%A6%E5%A4%8D%E7%9B%98%E6%A8%A1%E5%9E%8B%E8%A7%A3%E4%B8%8D%E5%87%BA%E7%9A%84%E9%A2%98%E4%B8%80%E5%8D%8A%E6%98%AF%E5%9D%8F%E7%9A%84/index.html</link><pubDate>Wed, 28 Oct 2026 12:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/SWE-bench-%E5%81%9C%E6%8A%A5%E6%B7%B1%E5%BA%A6%E5%A4%8D%E7%9B%98%E6%A8%A1%E5%9E%8B%E8%A7%A3%E4%B8%8D%E5%87%BA%E7%9A%84%E9%A2%98%E4%B8%80%E5%8D%8A%E6%98%AF%E5%9D%8F%E7%9A%84/index.html</guid><description>SWE-bench 停报：模型解不出的题，一半是坏的 2026 年 2 月，OpenAI 做了一件没有开发布会、但比任何一次模型发布都更值得复盘的事：SWE-bench Verified 分数不再出现在官方评测表里。最后一份报告是 80.9%，六个月前同一条曲线还在 74.9%[1]。</description></item><item><title>挂了、丢了、谎报成功：AI 编码 CLI 的失败都在沉默里——五个真实案例复盘</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E7%BC%96%E7%A0%81CLI%E7%9A%84%E5%A4%B1%E8%B4%A5%E9%83%BD%E5%9C%A8%E6%B2%89%E9%BB%98%E9%87%8C-%E4%BA%94%E4%B8%AA%E7%9C%9F%E5%AE%9E%E6%A1%88%E4%BE%8B%E5%A4%8D%E7%9B%98/index.html</link><pubDate>Thu, 29 Oct 2026 15:30:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E7%BC%96%E7%A0%81CLI%E7%9A%84%E5%A4%B1%E8%B4%A5%E9%83%BD%E5%9C%A8%E6%B2%89%E9%BB%98%E9%87%8C-%E4%BA%94%E4%B8%AA%E7%9C%9F%E5%AE%9E%E6%A1%88%E4%BE%8B%E5%A4%8D%E7%9B%98/index.html</guid><description>给编码智能体派了个活，它跑了半天回来说"完成了"——你怎么知道它是真完成了，还是把一次中断包装成了成功？过去几个月里，Claude Code、GitHub Copilot CLI、Gemini CLI、OpenAI Codex 等主流编码 CLI 的仓库中，一批高热度缺陷指向同一个模式：失败发生了，但用户看不到。更糟的是有些失败会被伪装成成功，或者干脆把整个会话锁死。</description></item><item><title>监控说全绿，审计说四个旧洞还在</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E7%9B%91%E6%8E%A7%E8%AF%B4%E5%85%A8%E7%BB%BF%E5%AE%A1%E8%AE%A1%E8%AF%B4%E5%9B%9B%E4%B8%AA%E6%97%A7%E6%B4%9E%E8%BF%98%E5%9C%A8/index.html</link><pubDate>Thu, 05 Nov 2026 23:50:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E7%9B%91%E6%8E%A7%E8%AF%B4%E5%85%A8%E7%BB%BF%E5%AE%A1%E8%AE%A1%E8%AF%B4%E5%9B%9B%E4%B8%AA%E6%97%A7%E6%B4%9E%E8%BF%98%E5%9C%A8/index.html</guid><description>11 月 5 日 08:02，一份定时采集报告给出结论：连续第 35 轮零增量。173 个仓库名与基线逐名比对，added 为空、removed 为空；110 个本地目录的九项计数与上一轮全等；没有新增异常。</description></item><item><title>2026-10-17 的 agent 三连事故</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/2026-10-17-%E7%9A%84-agent-%E4%B8%89%E8%BF%9E%E4%BA%8B%E6%95%85/index.html</link><pubDate>Mon, 19 Oct 2026 23:38:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/2026-10-17-%E7%9A%84-agent-%E4%B8%89%E8%BF%9E%E4%BA%8B%E6%95%85/index.html</guid><description>10 月 17 日 18:15 UTC,OpenCode 用户 ExNihil14 在 Termux + PRoot + Ubuntu 26.04 的组合环境里,正用 opencode serve 给手机端 web 客户端做权限调测。他配了一条 effect: "ask" 的规则,意图是"匹配到这条规则的 shell 命令先停下,等我点确认再跑";命令发出后,客户端的权限弹窗没出现,客户端拿到的是一条 HTTP 404,等到他在手机端注意到 404 时,那条命令已经在 shell 进程树里跑完了——ask 在 shell 子类上是 fail-open。这条 issue(#56470)在 10 月 19 日 23:02 最后更新,仍未关闭。而 10 月 17 日那一周里,这种"防御层自己被自己吃掉"的事故至少在三家公司同时发生。</description></item><item><title>腾讯开源的 Agent 记忆插件，能用在 Hermes 上吗：一份诚实横评</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%85%BE%E8%AE%AF%E5%BC%80%E6%BA%90%E7%9A%84-Agent-%E8%AE%B0%E5%BF%86%E6%8F%92%E4%BB%B6%E8%83%BD%E7%94%A8%E5%9C%A8-Hermes-%E4%B8%8A%E5%90%97%E4%B8%80%E4%BB%BD%E8%AF%9A%E5%AE%9E%E6%A8%AA%E8%AF%84/index.html</link><pubDate>Sun, 06 Sep 2026 22:00:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/%E8%85%BE%E8%AE%AF%E5%BC%80%E6%BA%90%E7%9A%84-Agent-%E8%AE%B0%E5%BF%86%E6%8F%92%E4%BB%B6%E8%83%BD%E7%94%A8%E5%9C%A8-Hermes-%E4%B8%8A%E5%90%97%E4%B8%80%E4%BB%BD%E8%AF%9A%E5%AE%9E%E6%A8%AA%E8%AF%84/index.html</guid><description>导读：2026 年 5 月腾讯云开源 TencentDB Agent Memory（GitHub 仓库），上线不到 3 个月 GitHub Trending #1，最近又登顶 Hacker News 首页。官方 README 里写得非常漂亮——团队级记忆中枢、4 类资产、L0→L3 四层架构、61% Token 节省、PersonaMem 48%→76%…… 但真实情况是：这套系统的设计目标是"3-5 个 agent 团队共享"，而 Hermes / OpenClaw 这类自动多 agent 平台——delegate_task 派子 agent、kanban swarm 多 agent 并行、profile 多 bot 路由、async delegation 不阻塞父 chat——在 TencentDB 的 session init 机制里是"二等公民"：因为 TencentDB 用 header 预选 + bypass fallback 管 session，跟 Hermes 的"agent 自动管 session、自动切 profile"的运行模式不对齐。</description></item><item><title>grill-me 实战：把一个模糊 idea 用对话压成可落地的决策</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/grill-me%E5%AE%9E%E6%88%98%E4%BB%8E%E6%A8%A1%E7%B3%8Aidea%E5%88%B0%E5%8F%AF%E8%90%BD%E5%9C%B0%E5%86%B3%E7%AD%96/index.html</link><pubDate>Thu, 03 Sep 2026 22:40:00 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/grill-me%E5%AE%9E%E6%88%98%E4%BB%8E%E6%A8%A1%E7%B3%8Aidea%E5%88%B0%E5%8F%AF%E8%90%BD%E5%9C%B0%E5%86%B3%E7%AD%96/index.html</guid><description>grill-me 实战：把一个模糊 idea 用对话压成可落地的决策 为什么这个技能值得专门写 2026 年 3 月，Matt Pocock 发了一条视频 《My ‘Grill Me’ Skill Went Viral》——一个 6 行的 Claude Code skill（让 agent 持续追问需求直到达成共识），随后在开发者社区被广泛采用。它和同年 4 月发布的 grill-with-docs 是两个不同用途的兄弟技能：前者是任何场合、任何主题都能开的对话式需求压实，后者是仓库内、带 CONTEXT.md 和 ADR 落盘的工程化版本。</description></item><item><title>LLM推理引擎技术全景：vLLM、SGLang与TensorRT-LLM的架构选型与生产实践</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/LLM%E6%8E%A8%E7%90%86%E5%BC%95%E6%93%8E%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AFvLLMSGLang%E4%B8%8ETensorRT-LLM%E7%9A%84%E6%9E%B6%E6%9E%84%E9%80%89%E5%9E%8B%E4%B8%8E%E7%94%9F%E4%BA%A7%E5%AE%9E%E8%B7%B5/index.html</link><pubDate>Mon, 17 Aug 2026 10:36:28 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/LLM%E6%8E%A8%E7%90%86%E5%BC%95%E6%93%8E%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AFvLLMSGLang%E4%B8%8ETensorRT-LLM%E7%9A%84%E6%9E%B6%E6%9E%84%E9%80%89%E5%9E%8B%E4%B8%8E%E7%94%9F%E4%BA%A7%E5%AE%9E%E8%B7%B5/index.html</guid><description/></item><item><title>AI Gateway技术全景：多模型路由、成本管控与企业级集成架构</title><link>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-Gateway%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AF%E5%A4%9A%E6%A8%A1%E5%9E%8B%E8%B7%AF%E7%94%B1%E6%88%90%E6%9C%AC%E7%AE%A1%E6%8E%A7%E4%B8%8E%E4%BC%81%E4%B8%9A%E7%BA%A7%E9%9B%86%E6%88%90%E6%9E%B6%E6%9E%84/index.html</link><pubDate>Sun, 19 Jul 2026 19:29:38 +0800</pubDate><guid>https://blog.x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI-Gateway%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AF%E5%A4%9A%E6%A8%A1%E5%9E%8B%E8%B7%AF%E7%94%B1%E6%88%90%E6%9C%AC%E7%AE%A1%E6%8E%A7%E4%B8%8E%E4%BC%81%E4%B8%9A%E7%BA%A7%E9%9B%86%E6%88%90%E6%9E%B6%E6%9E%84/index.html</guid><description/></item></channel></rss>