“技术创新摧毁工作，然后创造更多工作”——这是当时最流行的反驳。过去两个世纪它都是对的。

然后就是GDPval-AA这个评估，这个评估测的是AI在真实工作任务中的表现，包括金融、法律等领域的知识工作。Opus 4.6拿了1606的Elo分，比GPT-...

在科研路上，最让人头疼的往往不是 idea 不够，而是那些重复、琐碎、耗时的工作：

这里，我下载的是deb包。本文是在虚拟机环境中安装，其他环境可根据实际情况进行选择。

对于大多数系统来说，4-8 个工作线程是最佳数量。工作线程越多，速度越快；超过一定数量后，只会增加内存占用，而没有实际收益。

2026年2月24日，一个看似平常的工作日，却因Anthropic的一则公告而在科技圈掀起轩然大波。这家由OpenAI前研究副总裁Dario Amodei创立的...

今天，我想分享一篇文章来深入探讨这个话题。这篇介绍了将智能体系统准确率提升 50% 的实用模式，以及它们所带来的成本代价。以下内容译自 《Agentic Sys...

今年二月，新浪财经报道了一件事：有人给 OpenClaw 50美元，设定好交易策略，然后去睡觉。

简单说，就是 AI 会翻你过去 30 天的聊天记录，然后生成一份 HTML 报告。

一位在数据领域深耕多年的创业者告诉我，早期AI在数据工程领域的切入点其实很务实——那些原本需要大量人工的数据治理工作，恰恰是大模型最擅长的地方。

就像股票持仓应该分散风险，程序员也不要把全部精力放在自己手头的工作上。越是专注于这份工作，未来就会越依赖这份工作。

作为一个工作了15年的老码农，我踩过不少坑后才明白一个道理：会写代码、懂技术，不等于有核心竞争力。

提起程序员加班，很多人的第一反应都是996、行业内卷、项目赶工期，仿佛这只是一群人被动熬时间的无奈选择。那些看似无意义的加班，实则是多方问题交织下的必然产物。

有伙伴问：“大厂做测试，还是小厂做开发”，两者的工作内容、晋升路径、薪资潜力到底差在哪？怎么选才契合自己的职业阶段和发展目标？

作为我们今年很重要的事项，就是把我所有的工作分类，做成AI参与和深度工作的数字员工。

这段时间都在完善ST实战教程里面的内容，在介绍FOR循环的过程时，我在想是否可以动画来展示整个过程呢？

在AI助手日益普及的今天，Anthropic推出的knowledge-work-plugins项目为知识工作者提供了一个全新的解决方案。这个项目不仅仅是一组工具...

无论是继续之前的工作、排查历史Bug，还是查看决策历史，claude-mem都能让Claude"记住"之前的工作内容，大大提升了开发效率。

在 AI 编程助手越来越聪明的今天，我们不再满足于“一个 AI 干一件事”。我们想要的是：同时让多个 AI 小分队并行开发不同任务，互不干扰、高效协作。

前几天，Anthropic 官方发布了 Claude Code 桌面版，让calude code的普及更加平民化了。