Agent 的自动化测试与评估
本文介绍一套从确定性规则检查、LLM-as-Judge 到人工抽样评估的三层 Agent 质量评估体系,帮助持续发现模型输出退化、幻觉和质量问题。
汇集全部已收录博客的最新文章,点击标题前往原文阅读。
本文介绍一套从确定性规则检查、LLM-as-Judge 到人工抽样评估的三层 Agent 质量评估体系,帮助持续发现模型输出退化、幻觉和质量问题。
微软 E3 开发者订阅的 OneDrive 现在官方规则改为10G/人。微软近两年持续收紧开发者订阅政策的结果。旧 E3 正在退出,新的 Microsoft 365 Developer 订...
《星空》入驻计划(试点测试)林霄阙 · 星空计划 —— 满堂花醉三千客,一剑霜寒十四洲。每一颗星,都值得被看见。一、什么是「星空」「星空」是本站(林霄阙 · lxqgf.cn)打造的一座 3D ...
很多系统一开始用”直接调接口”把服务串起来,随着流量和依赖变多,耦合、峰值、故障扩散会接踵而至。Kafka 不是单纯的”消息中间件”,它更像一套分布式的提交日志系统。本文从原理到实战,把 Kafka 最容易被问、最容易踩坑的部分一次讲透。一、为什么需要 Kafka:消息队列解决了什么在一个典型后端系统里,订单服务可能要同时通知库存、积分、风控、物流。如果全部用同步 RPC 调用,任何一个下游抖动都…
封面图拍摄于前几周在上海雾天快天黑的一张照片,很有感觉,标题应该叫做雾上海更有感觉。 记录每周看到的接地气的潮流技术,筛选后发布于此,觉得不错可关注此周刊,方便获取更新通知 潮流工具 Mac Duo:把 iPhone Duo 的合盖动效搬到 MacBook https://github.com/sumimakito/Mac-Duo 哈哈 没有啥用,但有点意思,盖子合上时画面跟着倾斜、模糊、淡出,菜单栏可调视角,需要带盖角传感器的机型。 MacTap:敲机身或桌面触发快捷键 https://github.com/jaskirat1616/mactap-app 这个也很有意思,敲机身或桌面触发快捷…
1. 椰子水可以作为什么的替代品? 答案: 血浆解析: 椰子水的电解质成分、渗透压与人体血 […]
在开源社区的广袤海洋中,GitHub 每周的热点项目就像是风向标,预示着技术领域的新趋势。本周,我们观察到开发者们不仅在关注如何提升开发效率,更在探索如何将复杂的自动化流程变得更加“人性化”和规范化。以下是本周脱颖而出的几个极具话题性的项目,涵盖了文档处理、空间智能、工作流优化及代码规范等多个维度。1. Microsoft/MarkItDown:打破文档格式壁垒的利器在日常工作中,我们经常会遇到需要从各类办公文档(如 Word、Excel、PDF、PPT 等)中提取数据或将其转化为 Markdown 格式的需求。微软推出的 MarkItDown 工具本周引起了广泛关注,它专门用于将多种主流办公…
啊啊啊啊啊事情好多啊
26年9月
迁移缓存文件夹到D盘关闭所有打开的 Chrome 窗口。将 C 盘下的 Cache 文件夹(路径为 C:\Users\你的用户名\AppData\Local\Google\Chrome\User Data\Default\Cache)剪切移动到 D 盘的某个位置(如 D:\ChromeCache\Cache)。使用管理员身份运行命令提示符(CMD),通过符号链接命令将两者绑定:mklink /d "C:\Users\你的用户名\AppData\Local\Google\Chrome\User Data\Default\Cache" "D:\ChromeCache\Cache" [1]
Most of the protocol bugs I find interesting live in the same place: the spec describes what a valid message looks like, leaves one operational detail implicit, and two conforming implementations fill…
坤坤五年級(上期)第2周學報〔總第147期〕 本周,坤坤語文預學新課,抄默生字,過關改錯;課外閱讀科幻小說《三 … Read More
1Panel 虚拟机管理功能现已面向专业版用户开放!管理员可以在熟悉的服务器面板中创建和维护虚拟机,将虚拟化资源纳入现有运维流程,减少在命令行与不同工具之间切换。 什么是 1Panel 虚拟机管理? 1Panel 虚拟机管理为具备 KVM(Kernel-based Virtual Machine)/QEMU(Quick Emulator)虚拟化能力的服务器提供可视化管理界面。其中,KVM 是 Linux 内核的虚拟化模块,QEMU 提供虚拟机运行所需的设备模拟等能力。 管理员可以通过 1Panel 完成虚拟机创建、运行维护和监控,通过 VNC(Virtual Network Computing…
一次真实的头像发布翻车记录:从 npm 包整理、两步验证到 unpkg 主源与 jsDelivr 备用源,顺手整理成可复用的固定图床流程。
What it takes to run agents in a codebase older than the team
为了避免未来一次昂贵的 cache miss,我们现在最多值得花多少钱去维持 cache 状态?
本文解析了 DNSSEC 的作用,并分享一次排查 DNS 解析异常的踩坑经验,提供一套清晰的排查思路。
股权一转手,出资责任并不自动跟着走,它沿三条线分头传导,其中最要紧的一条在2024年7月1日这一天断开,断点两 […] 接手一份股权,三条线可能要你补钱|股东出资纠纷研究(四)最先出现在吴丛江律师|注会 税务师。
从一个主色出发,聊聊如何用 OKLCH 生成自然的色阶。
从产品动机、Miora 视觉设计到 CodeBuddy 研发,记录 StatusHub 如何成为一个能运行的服务状态工作台。
我的个人介绍里说过,我的技术很烂,水平大概就是“熟练使用 Ctrl+C/V”,每次看到别人写的那些精致优雅的代码,都会默默感叹一句“这才是专业”。但没办法,我套了不少主题,但总有点地方和我想要的有些不同,有的是布局、有的是功能、有的是风格,和我想要的总是差一点。我试着修改一些主题,但发现工作量也不小,所以就自己做了这个极简风格的主题, Zero。 Zero 是给我自己的网站做的。一开始也没什么宏伟计划,就是觉得,我想要一个安静的、不那么吵的地方,放我那些飘来飘去的念头。所以主题名字叫 Zero,从零开始,回到本质。不追求什么功能都有,只求我自己用着舒服。 既然是自己做的,那每个功能背后多少都有…
平时写东西、折腾电脑,总会遇到一些“就这一次”的小需求——转个格式、算个哈希、剪个图、生成个二维码。然后就得满世界找在线工具,有些要注册,有些弹广告,有些你不知道它拿你的数据干什么。烦了,就想着干脆自己做一个。 于是就有了 MOL工具箱,代码在 GitHub 上开源,仓库叫 Page-Tools。目前有八个大类:文本/编码、图片/媒体、加密/安全、CSS/设计、开发工具、生活工具、硬件/电子、PDF/文档。数量不算多,但覆盖了我日常碰到的绝大多数场景。 所有工具都在浏览器本地运行 打开工具箱,你会看到一个搜索框,下面按类别排着各种工具。最重要的那行小字是:“所有工具在浏览器本地运行。” 这不是…
平时上网,最烦的就是浏览器默认的新标签页。要么是搜索巨头的推荐流,要么是满屏的快捷方式图标,乱七八糟的,还关不掉。用第三方的新标签页插件吧,又总觉得不踏实——你不知道它把你的书签、搜索记录传到哪里去了。 所以我就自己做了个。叫 MolTab,定位很简单:一个安静的、属于你自己的浏览器起始页。 项目开源在 GitHub 上,仓库名就叫 moltab。网址是 tab.molx.net,直接打开就能用,不用装任何东西。如果你觉得好用,再考虑装插件也不迟。 打开之后是什么样 第一次打开 MolTab,你看到的会是一个很干净的画面。背景是一张壁纸,左上角显示天气和农历日期,中间是搜索框,下面是你的书签和…
在即将到来的春节之际,张灯结彩、购买各种年货的热闹景象已经成为了人们生活中的一道亮丽风景线。快过年了,大街小巷都洋溢着欢乐祥和的氛围,而人们的心情也变得十分愉悦。2024年的到来似乎给了人们很多期待,大家都希望这一年能够顺利、幸福、如意,让心中的美好愿望得以实现。 在这个特殊的时刻,大家除了忙碌地准…
正如我们所知,生活中充满了普通人的日常活动和特殊的节日庆祝。最近,我有幸收到了书法家协会的朋友们亲手写的新春对联,这使我深深感受到时间的飞逝,也让我回忆起来丰富而美好的童年。 首先,我想感谢书法家协会的朋友们。他们以优雅的字迹和深思熟虑的词语表达出节日的欢乐和喜悦,每一笔、每一画都充满了艺术的气息。…
经过了半个月的各种测试,终于从typecho换到了wordpress,其实我也没想明白我为啥要折腾怎么一下子,但是wordpress的主题确实很好看,而且也很顺手,typecho 的备份略微麻烦,而且网上也很少教程,以后的图片都上传到博客的附件里就好了,以后就是安心养老,安心的写一点东西。 2024…
新年的钟声已经敲响,我们迎来了甲辰龙年。在这个特殊的时刻,让我们一起庆祝,祝愿所有人都能顺风顺水,心想事成。 在中国的十二生肖中,龙被誉为最有力量和运气的象征,寓意着权威、尊严和成功。"甲辰"是中国传统六十花甲字之一,"甲"代表开始,"辰"与龙有关,所以甲辰龙年象征着一个开启新篇章的时刻。 新年是放…
刚才刷网易新闻,看到有的人过年期间通过兼职副业日入过千,然后刷了刷知乎,发现很多朋友都想问一问是否有合适的兼职工作,正好和大家聊一聊兼职的事。 兼职副业,让我想起了月影下的银河。不同于全职工作的纵深质感,兼职副业更像是一条饱满的银带,蔓延在生活的天空中,点缀了我们的日常。它们或许没有浑厚的本质,却有…
上半年因为工作原因,一直未更新,工作职位调动,提拔到了副处级,工作事情很多,很忙。 最近又沉迷于mir2的私服,好吧,我很想念大家,等我不忙的时候,再跟大家汇报。安!
A listening note for 那由歌's cover of ふわりP's ながれぼし, a quiet song that lets memory and hope travel across the night sky.
把已有的 Hanja 消歧模型接到麦克风和浏览器标签页音频。记录增量上下文、候选重排、字幕回改协议,以及 32 段 FLEURS 音频上没有带来 CER 改善的 N-best 联合打分实验。
保留 FP8 激活与 FP4/FP8 权重,在 8 台 V100 节点上实现文本推理服务。记录 SM70 兼容计算、推测解码、CUDA Graph、前缀缓存,以及单请求约 18–24 tok/s 的实测结果。
引过去一直是 Apple Watch 的忠实用户,听说过 Whoop,但我总觉得它只是无屏幕版的 Apple Watch,很酷,也很贵,没必要再买一款功能相近的产品。小米手环比它划算多了,设计的跟老款无屏小米手环差不多呀。 但用了一个多月,Fitbit Air 真的远超我的预期,跟 Apple Watch 和小米手环不是一个类型的产品。 使用感受Fitbit Air 和 WHOOP 这类产品最强的地方,是软硬件都围绕一个目标设计:尽量减少用户操作。 去掉屏幕、换来更长续航,只是最直观的一步。更关键的是一个很容易被忽略的参数:后台心率数据的记录频率。它直接影响设备能不能在运动结束后,回溯出完整的…
【论文分享】视频内容理解之全局+局部双粒度表示。本文提出了一种global-local representation granularity(GL-RG)框架,该框架能够实现更广泛的视频表示,生成不同领域视频的词汇特征。
《周期》
9.13 去了一趟上海观赛 恭喜AL 3:1战胜 BLG夺得冠军 顺便说下Yasal Siru Nari是真的好看! 行程 9:30 到达了上海 11:00 和上海的朋友们中饭