ARTICLE · 1078436
AI小道消息 · 9月25日 21:23
发布时间：2026-09-26 00:13:08 最近访问：2026-09-26 00:12:38
AI小道消息 · 9月25日 21:23
01｜Ix 为代码库构建知识图谱
来源（X） · @bkdgiffug · 2026-09-25 14:26
接手一个陌生项目，最耗时间的往往不是写代码，而是先搞懂代码之间到底怎么串起来。Ix 做的就是给整个代码库建立一张“系统地图”。它用 tree-sitter 解析 26 种语言，把符号、调用、导入等关系整理成可查询的知识图谱，而且数据直接保存在本地。你可以用它快速查：① 某个组件负责什么② 数据是怎么一路流转的③ 改一个文件可能影响哪些地方人可以查，AI Agent 也能用，特别适合分析大型或陌生代码库。🔗 https://github.com/ix-infrastructure/Ix02｜Easel 覆盖自媒体全流程
来源（X） · @grgerwcwetwet · 2026-09-25 19:46
推荐一个自媒体人值得关注的开源 Agent：Easel，一个人也能跑“内容团队”。它把做账号最耗时间的 5 件事直接串起来：找热点 → 选题策划 → 图文/视频制作 → 多平台发布 → 数据复盘最狠的是内置 112 个可执行 Skill，文案、知识卡、海报、配音、字幕、剪辑、AI 短剧都能做；热点还能聚合微博、抖音、知乎、B站、百度、头条。发布支持小红书、抖音、快手、知乎、B站、视频号，每个账号还有自己的画像，发完后的数据会继续沉淀，下次生成内容会更贴合账号。以前一个人做自媒体要同时当编辑、设计、剪辑和运营，现在这些脏活开始能交给 Agent 了。GitHub：https://github.com/ZJU-REAL/Easel03｜AI系统设计全流程指南
来源（X） · @amitiitbhu · 2026-09-25 12:57
中文译文
AI 系统设计 - 一个完整的学习 AI 系统设计的逐步指南 - 从 LLM 推理、GPU、KV 缓存和缓存到 RAG、向量数据库、AI 代理、MCP、多代理系统、语音 AI、防护栏、评估、可观测性、成本优化，以及一个逐步框架来破解任何 AI 系统设计面试。所有内容集中在一个地方，用简单语言解释，每个深入部分都有详细的博客。从这里开始：https://github.com/amitshekhariitbhu/ai-system-design
原文
AI System Design - A complete guide to learn AI System Design step by step - from LLM inference, GPUs, KV Cache, and caching to RAG, Vector Databases, AI Agents, MCP, Multi-Agent Systems, Voice AI, Guardrails, Evaluation, Observability, Cost Optimization, and a step-by-step framework to crack any AI System Design interview.Everything in one place, explained in simple words, with detailed blogs for every deep dive.Start here: https://github.com/amitshekhariitbhu/ai-system-design
04｜Claude Code 源码架构拆解
来源（X） · @realchendahuang · 2026-09-25 11:12
想研究 Coding Agent 基本原理的朋友们，可以关注一下这个项目。社区有人把 Claude Code 还原出来的 47 万行 TypeScript 源码，重新喂给 Claude 本人，让它逐行阅读自己的实现，整理出了一套 17 章的中英双语架构拆解。不管是想自己手搓 Coding Agent，还是魔改开源 Harness，这套代码走读和设计模式都非常值得存下来研读。项目地址：https://github.com/openedclaude/claude-reviews-claude在线阅读：https://openedclaude.github.io/claude-reviews-claude/zh-CN/05｜纯PyTorch从头训练LLM
来源（X） · @XAMTO_AI · 2026-09-24 23:17
去年想弄清 LLM 怎么转，课要么只讲概念，要么一上来就调 transformers，中间那层永远看不见。Train LLM From Scratch 用纯 PyTorch 把 Transformer 拆开：token、注意力、多头、整块、预训练，再到 SFT、Reward、DPO/PPO/GRPO。不靠 trl、peft、transformers；分词走 tiktoken。模块旁边有说明和预期输出，适合对着跑。单卡先玩百万级最顺。文档里的示范底座大约 4 亿参数；十亿要看显存，可多卡。https://github.com/FareedKhan-dev/train-llm-from-scratch06｜code-server 浏览器写代码
来源（X） · @Ryrenz · 2026-09-25 21:09
🛜 真香！code-server 让你打开浏览器就能写代码，编译、跑测试、下依赖这些重活全留在服务器上。GitHub 上 7.9 万 star、六千八百多个 fork，七百多人盯着它的更新。场景太真实了：在外面拿笔记本改项目，装依赖十分钟，跑一次测试风扇狂转，电量掉得比进度条快。把 code-server 架在一台机器上，浏览器打开就是完整的 VS Code，插件、终端、调试都在，重活在服务器那头跑完，本地只负责显示画面。手边的 iPad、借来的电脑都能接着写，环境跟着服务器走，不跟着设备走。门槛比想的低，官方说的最低配置是一台开了 WebSockets 的 Linux 机器、1G 内存、2 核。背后维护它的是 Coder 这家公司，团队要成规模地用，还有配套的 coder/coder 帮你把一堆实例统一管起来。最近一个月版本从 4.135 排到了 4.138，节奏很稳。写代码的地方从此不是某台电脑，而是一个网址。GitHub：https://github.com/coder/code-server
