• 卡帕西用最原始的Python代码，从自动求导引擎开始，手写一个完整的GPT模型，实现训练、优化、推理与文本生成全过程，结构极简，逻辑透明，是理解大模型底层机制的绝佳范本。 这一整份代码干了一件非常燃的事：用最朴素的Python语法，从零开始，手工造一个可以训练
  • 本文逐步演示如何用Python从零构建具备持久记忆、多平台同步、工具执行、权限控制、定时任务和多代理协作的AI私人助理，完整复现OpenClaw核心架构，附可运行代码与文件结构。 你也能造出“AI私人管家”！直接上代码、上命令、上文件结构，一步一步从最简单的“会回消息的机器人”开始，慢慢给它加上记忆
  • Localsandbox 是一个轻量级开源库，为 AI 代理提供隔离的虚拟文件系统、安全的 Bash 执行环境和沙箱化的 Python 代码运行能力，基于 AgentFS、just-bash 和 Pyodide 构建，让代理在本地也能拥有类似虚拟机的自主操作权限，同时避免破坏真实系统。 智能体从只会 icon
  • DeepSeek员工刚刚开源了nano-vllm ，点击标题。 它是一个从头开始构建的轻量级vLLM实现。 关键特征 [list] [*]快速离线推理-与vLLM的推理速度相当 [*]易读的代码库-在约1，200行Python代码中实现干净 [*]优化套件-前缀缓存，张量优化，火炬编译，C icon
  • AMD发布ROCm 7.11.0技术预览版，采用全新TheRock构建系统实现模块化架构，支持从数据中心到边缘设备的统一GPU编程体验，开源生态涵盖PyTorch、Kubernetes等主流框架，为AI开发者提供低成本高灵活性的CUDA替代方案。 AMD（超威半导体公司）终于开窍了 icon
  • Python正在变成编程界的拼音，你还学不学？ 文章讨论人工智能写代码对 Python 未来的影响，提出 Python 可能从主要开发语言转变为教学工具，类似拼音之于汉字。核心观点包括输出语言不再重要、开源维护面临挑战、Python 仍是入门最佳选择。 很多人不知道中国小孩学汉字前先学拼音。拼音用拉 icon
  • 深度对比vLLM与TensorRT-LLM在5000亿参数模型上的实测表现，揭示性能优势背后的运维代价，提供生产部署决策框架。 AI推理界的"华山论剑"——vLLM和TensorRT-LLM到底谁才是5000亿参数大模型的真命天子？ vLLM像是一辆改装性能车，随时能调参数、换轮胎、改悬挂，适合那些 icon
  • Astral一直在开发这个“用Rust编写的极快的Python类型检查器和语言服务器”，虽然很安静，但已经公开了一段时间。这是PyPI上的第一个alpha公开发布版。 As icon
  • 详细拆解了在NVIDIA H100 GPU上从零开始优化矩阵乘法（GEMM）的全过程。通过七个渐进式内核，生动展示了如何从最原始的全局内存访问，逐步运用共享内存分块、寄存器分块、向量化加载、填充避冲突等技巧，并最终驾驭Tensor Core与TMA等Hopper架构黑科技，实现逼近甚至超越cuBLA icon
  • OpenAI 宣布收购 Astral 及其明星工具 uv、Ruff，引发社区激烈辩论。开发者担忧工具商业化、维护停滞及 AI 强制植入，但也讨论了开源许可证的保护作用及社区分叉的可能性。 2026 年 3 月 19 日OpenAI 官宣要收购 Astral，也就是那个开发了 Python 界超级明星 icon
  • 这一篇从基本原理翻译讲清楚CUDA是让程序员主动管好并行工作、数据搬运和内存访问。它的性能关键在内存访问模式、线程并行覆盖等待、分块合作重用数据等，而不是简单“更多线程”。 ### 为什么过去CPU自动加速终结了 很久以前电脑之所以变快，是因为CPU主频不断提高，同样的代码跑得更快。这时候程序员根本 icon
  • 你还在用 ORM？2026 年最潮数据库玩法是“裸奔+数据类”！ 话说，编程圈里有个老规矩：写代码连数据库，得靠 ORM。 啥是 ORM？就是那种能把数据库里的表格自动变成你代码里“对象”的魔法工具。比如你查一个订单，ORM 就会给你返回一个 Order 对象，你 icon
  • Pandas 3.0以稳定优先哲学问世，Copy-on-Write机制彻底根除SettingWithCopyWarning，pandas.col表达式解放链式写法，可插拔UDF引擎引入JIT加速，Arrow字符串采用环境自适应的折中策略，老用户无痛升级新用户需权衡Polars。 Pandas 3.0 icon
  • 一个可用于生产的模板，用于启动您的生成式AI项目，并考虑到结构和可扩展性。 一个生产就绪的模板，帮助您启动和组织生成式AI项目，并考虑清晰度和可扩展性。旨在减少早期开发中的混乱，并通过经过验证的结构和实践支持长期可维护性。 项目目录结构 generati icon
  • 技术迁移真实案例：三个月，一个人，砍掉90%服务器成本！ 我们换了套技术，服务器账单直接打了一折 Wasmer团队将一个运行了七年的Django后端用Rust完全重写。重写后，CPU从220核降至24核，内存从800GB降至64GB，数据库连接数减少3-5倍，查询延迟提升5-10倍。本文详细记录了迁 icon
  • 我在Cursor摸爬滚打学到的血泪经验！手把手教你用AI搞开发，看完绝对不踩坑！ [b]1️⃣ 项目起手式：先问清楚再干！[/b] 重要警告：别像我一样傻乎乎直接开干！先抓着AI问明白： icon
  • Furiosa没有制造一块“更快的GPU”，而是试图让AI芯片直接理解神经网络本身，而不是理解矩阵乘法。 过去十几年，几乎所有AI加速器都建立在同一个假设之上：矩阵乘法（Matrix Multiplication，MatMul）才是人工智能计算最核心的基础操作。因此，无论是NVIDIA GPU的Te icon
  • 这张图片通过对比“期望”和“现实”来幽默地展示了机器学习编译器和硬件支持的实际情况。 [img]data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD/2wBDABMNDhAODBMQDxAVFBMWHC4eHBoaHDkpKyIuQztHRkI7QUB icon