GPT88 技术博客

#Jev#System One Model#Agent工程

Jev 完整实战教程：用快速决策模型驱动浏览器、记忆与预测

整理 Moritz Kremb 的 Full Jev Tutorial 与 AYi_AInotes 的中文解读，按时间轴拆解 Jev 的机制、API 接入、语音控制浏览器、长期记忆筛选和 YouTube 概率预测三个实战案例，并给出可靠的工程落地边界。

Jev 开源项目地图：从浏览器 Agent 到代码搜索和知识图谱

根据 govin.eth 的 Jev 项目清单逐项核验公开 GitHub 仓库，整理 Jev 开源生态中的浏览器自动化、桌面控制、代码审查、模型路由、MCP、知识图谱、代码搜索和上下文过滤项目，并标注当前能力与使用风险。

#Jev#开源项目#Browser Agent

Jev 能不能上生产：从四次失败到置信度校准的完整验收方法

整理 huangserva 对 Jev 的失败案例与两轮实测，结合 TypeSafe 官方评测边界，解释为什么 Jev 不是自动化外挂，如何验证上下文、延迟、成本、概率校准和人工接管，给出从 shadow 到生产的渐进式验收流程。

#Jev#生产验收#置信度校准

Jev 到底适合做什么：从客服分流到 AI 质检的真实落地清单

根据黄小木、huangserva 的 Jev 文章与 TypeSafe 官方资料，整理 Jev 适合落地的客服分流、内容审核、招聘筛选、模型路由、代码质检和海量数据分类场景，并给出结构化决策层的工程设计方法。

#Jev#AI自动化#内容审核

#Pi Agent#pi-herdr-agents#Herdr

Pi Agent 多智能体实战：用 pi-herdr-agents 搭建可监督的 AI 团队

整理畅的科技工坊关于 Pi Agent、pi-herdr-agents、subagent 和 workflow 工作流的视频，并结合公开 GitHub 仓库核对安装、角色、并行执行、Herdr 面板、Git worktree 与审查边界，给出可复用的多智能体工程方法。

#Agent评测#LLM Judge#Auto Rubrics

让 Agent 可评、可控、可迭代：业务效果导向的评测体系与实践

整理策略效果类 Agent 的业务评测方法：用五层评测对象、三层评估方法、四步质量归因和三阶段上线治理，把 Prompt、知识、工具、推理与线上效果纳入同一条可回归的质量闭环，并详解 Auto Rubrics、位置偏差、选择过拟合和策略收敛判断。

#AI API中转站#GPT88#OpenAI兼容API

AI Agent 应用精细化评测：从端到端结果定位到模块级缺陷

根据阿里技术公开摘要整理 Agent 精细化评测方法：将端到端任务完成度与感知、规划、记忆、工具调用等模块指标分开设计，建立评测范围、数据集、埋点和缺陷定位之间的映射。

#Agent评测#端到端评测#感知

API开发2026-09-19

2026 AI API 中转站怎么选？结合 GPT88 的接入、验证与避坑指南

整理 GPT88 的 OpenAI 兼容 API 接入流程，覆盖 AI 中转站选型、Base URL、API Key、模型发现、最小请求、计费核对、客户端配置、故障排查与安全边界。

#Browser Agent#Browser Use#Jev

Browser Use + Jev：网页 Agent 为什么能在 7 秒内完成一次航班搜索

整理 Gregor Zunic 的 Browser Use + Jev 实测视频，以及 AYi 对该案例的中文解读，拆解动态动作空间、DOM 状态、小模型输入回退和成本测量，并给出浏览器 Agent 的工程化落地与验收方法。

模型对比2026-09-19

扩散式语言模型会赢得 AI 推理吗？从 Inception 访谈看并行生成、速度与模型架构竞争

整理 No Priors 对 Inception 联合创始人 Stefano Ermon 的访谈，解释扩散式语言模型如何通过并行去噪生成文本，为什么推理阶段可能比自回归模型更适合 GPU，以及速度、可控性、服务引擎和 GPT88 模型路由应该如何评测。

#扩散式语言模型#Diffusion LLM#Inception

#Jev#System One Model#TypeSafe AI

Jev / System One Model 实测：把语言模型变成软件可直接调用的决策函数

整理 01Coder 对 TypeSafe AI Jev 的视频实测，解释 System One Model、Choice、Score、Boolean、并行评估、概率与置信度，并给出模型路由、内容审核和 LLM 输出校验的工程落地方法。

AI工具指南2026-09-19

Jianying Headless：用 Agent Skill 生成、修改并导出可编辑剪映草稿

整理 mcncarl/jianying-headless 项目，详细说明剪映无头编辑能力、yichen-jianying-edit Skill 的安装与调用、计划格式、独立副本编辑、原生导出、验收门禁和许可边界。

#Jianying Headless#剪映#Agent Skill

#Prompt工程#Agent#Context Engineering

删掉 80% Prompt 规则后 Agent 交付更稳：把约束放回系统

整理腾讯云开发者关于精简 Agent Prompt 的工程思路：把上下文索引、可信事实、工具能力和验证关卡分别承担确定性约束，避免依赖超长提示词记住所有规则。

美团智播：数字人直播从生成模型到业务知识库的工程化实践

根据美团技术团队公开摘要整理智播数字人直播链路：形象生成、动作驱动、流式语音与手势协调、直播内容量产和业务知识库如何组合成可运营系统。

#数字人#AI直播#多模态

#OpenViking#Agent Memory#Context Engineering

OpenViking：让研发上下文在不同 Agent 与工具之间持续在线

整理字节跳动技术团队对 OpenViking 的公开介绍：用统一上下文文件系统组织资源、记忆与技能，通过 L0、L1、L2 分层加载减少上下文浪费，并保留会话记忆与检索轨迹。

#Rslib#Rsbuild#JavaScript

Rslib 1.0：面向 JavaScript 库、组件库和 CLI 的构建工具

整理 Rslib 1.0 的公开摘要：基于 Rsbuild 统一 JavaScript 库的编译、类型生成和资源处理，覆盖工具库、组件库与 CLI，支持 ESM、CJS、模块保留和 Rstest、Rspress 组合。

广告埋点参数自动化校验：让 AI 补充规则引擎而不是替代它

整理搜狐技术产品公开摘要中的广告埋点 AI 校验实践：在确定性规则引擎之外增加复杂关联检查，用新旧链路并行、超时、缓存、熔断和结果融合控制模型接入风险。

#广告埋点#AI校验#规则引擎

淘宝百亿补贴数据分析助手 Agent：让自然语言查询先经过业务语义层

根据大淘宝技术公开摘要整理淘宝百亿补贴数据分析助手的工程思路：在自然语言与 SQL 之间加入业务语义层，用多 Agent 编排、知识检索、血缘溯源和 Python 沙箱串联取数、分析与归因。

#Agent#数据分析#Text-to-SQL

#3D#三维高斯泼溅#Gaussian Splatting

小红书 × vivo 的 3D 图片技术：从相册生成到移动端消费

整理小红书与 vivo 3D 图片实践的公开摘要：基于三维高斯泼溅打通相册生成、社交发布和移动端消费，并通过压缩、剪枝、分级细节和渲染优化控制体积与帧率。

开发工具2026-09-18

产品项目初始化 Prompt：让 Agent 参与从市场分析到版本复盘的全流程

整理一套适用于 Codex、Claude Code 和其他 Coding Agent 的产品项目初始化方法：用编号目录、唯一事实源、需求池、版本门槛和评审记录，把一次性 Prompt 变成可持续协作的产品工作空间。

#AI Agent#产品经理#Codex

开发工具2026-09-17

GEPA 提示词自进化：从人工调参到可解释的反思优化系统

详细拆解 GEPA 的推理、评分、反思与 Pareto 选择闭环，包括任务模型、Judge、反思模型的分工，任务无关架构、数据集分析、评分策略、Skill/API 用法及生产落地风险。

#GEPA#Prompt优化#Agent

技术教程2026-09-16

推理芯片之战：Groq、Cerebras 与 OpenAI 三条路线，到底在比什么？

整理硅谷101 E251 对 Groq、Cerebras、OpenAI 自研推理芯片与 Bill Dally 设计哲学的讨论，解释为什么推理更看带宽、SRAM 与 HBM 如何取舍，以及芯片、模型和系统如何共同决定速度与能耗。

#AI 芯片#推理芯片#Groq

AI模型评测2026-09-16

14 个大模型同做一道量化题：谁写出了更好的交易策略？

整理 frank-quant 的 EP007 量化交易大模型基准测试，复盘 14 个模型、8 家厂商、9 套官方 harness 在同一份数据和同一张考卷上的表现，并分析样本外收益、稳健性、代码质量、成本与末端强平偏差。

#大模型评测#量化交易#回测

#Agent Memory#AI Agent#CoALA

Agent Memory 五层架构：让 Agent 真正记住并持续学习

整理《Agent Memory - The 5-Layer Playbook》的核心框架，解释 Working、Episodic、Semantic、Procedural 与 Forgetting 五层记忆如何协作，以及为什么记忆是 Agent 的工程瓶颈。

#Agent Memory#AI Agent#Multi-Agent

Agent Memory 7 天落地路径：从单 Agent 到多 Agent 共享记忆

整理《Agent Memory - The 5-Layer Playbook》的七天构建路线、生产决策框架和多 Agent 记忆边界，帮助团队从事件日志逐步走向共享账本。

#Agent Memory#JSONL#SQLite

Agent Memory 实现：JSONL、SQLite、YAML 与完整执行循环

从《Agent Memory - The 5-Layer Playbook》整理 Agent 记忆系统的最小实现模式，覆盖 Episodic JSONL、Semantic SQLite、Procedural YAML、配置文件与 Memory-Aware Agent Loop。

#Agent Memory#Production#Forgetting

Agent Memory 生产化：遗忘、分层存储与测试方法

整理《Agent Memory - The 5-Layer Playbook》的生产化注意事项，覆盖 memory tax、层级摘要、冷热存储、矛盾流水线、领域生命周期和六类测试。

技术教程2026-09-15

企业 AI Native 怎么落地：从 Palantir Ontology 到真实 FDE 交付

整理 Miles Ma 关于 AI Native、Palantir Ontology、五天 PoC 和 FDE 交付的长文，拆解对象、关系、动作、写回、验收与复用，区分真正的企业 AI 落地和换皮 Demo。

#FDE#Palantir#Ontology

#Vibe Marketing#Marketing Engineer#AI Agent

Vibe Marketing：Solo Founder 如何成为营销工程师

整理 Shann³ 关于 Marketing Engineer 的长文，拆解 Vibe Marketing、Agent Development Environment、营销知识层、数据层、工作流、审核循环与自治机器人，并给出可执行的第一条营销工作流。