我们最近发布了 Claude Code，这是一个用于智能体编程的命令行工具。作为一项研究项目，Claude Code 为 Anthropic 的工程师和研究人员提供了一种更原生的方式，将 Claude 集成到他们的编码工作流中。
Claude Code 故意设计得较为底层且不强制使用特定工作流，为用户提供接近原始模型的访问能力，同时保持灵活、可定制、可编写脚本并确保安全性，是一款功能强大的工具。然而，这种灵活性也带来了学习曲线，尤其对于刚接触智能体编程的工程师——直到他们建立起自己的最佳实践为止。
本文介绍了一些已被证明行之有效的通用模式，无论是 Anthropic 内部团队，还是在各种代码库、语言和环境中使用 Claude Code 的外部工程师，都从中受益。本文列出的内容并非铁律，也不适用于所有场景；请将这些建议视为起点。我们鼓励你大胆尝试，找到最适合自己的方式！
欢迎来到《ChatGPT提示词艺术：清晰有效提示词撰写指南》！在这本综合指南中，你将学到关于撰写清晰有效的ChatGPT提示词所需的一切，这些提示词能够促进引人入胜且信息丰富的对话。
无论你是ChatGPT的初学者还是经验丰富的用户，这本电子书都能满足你的需求。从理解有效提示词的原则到掌握构建清晰简洁提示词的艺术，你将获得所需技能和知识，从而将你的ChatGPT对话提升到一个新水平。
在接下来的章节中，我们将涵盖从ChatGPT的基础知识及其工作原理，到高级提示词撰写技巧和常见问题排查的一切内容。在此过程中，你将找到实际案例和专家见解，帮助你掌握ChatGPT提示词的艺术。
那么，让我们开始吧！通过从这本电子书中学到的知识和技能，你将能够像专业人士一样，推动高效且引人入胜的ChatGPT对话。
这不是一本实用的商业书籍。至少在大多数人看来并非“实用”。我曾想过写一本，但很快意识到那对你丝毫没有帮助。如果我确切地告诉你该做什么，有些人会照做，更少的人会得到结果，而当我的地图与你的实际情况不符时，能够调整方向的人则更少。你没有我的思维。你没有我的经验。你没有我那成千上万次影响我决策的微小失败。这并非傲慢，而是其美妙之处，因为我同样没有你的思维、经验，或那些让你的人生旅程独特到足以成功的失败。
我的目标不是给你可操作的步骤。我的目标是向你的头脑中注入更好的想法，这些想法将构建你思考自己所采取行动的方式。信念先于行动，如果你的头脑不是由那些几乎能保证成功的信念构成，你会举步维艰。但这些信念不能是教条式的。相反，我们需要上升到元层面。我想为你提供一个框架，让你能据此创造自己的行动步骤，而当这些步骤失败时，你将拥有一个能够坚持和迭代直至成功的头脑。
我不打算美化金钱。社会已经做得够多了。但事情是这样的：答案不是拒绝金钱。金钱是我们所知社会的命脉，除非你想因为对金钱的看法占了上风而躲进森林，否则唯一的选择就是融合使命与盈利。如果你被骗，相信富足是不好的，你不应该拥有超出你所需的东西，那么这本书可能帮不了你。如果你是少数思想开放、好奇心被激发的人之一，我只要求你把这本小书完整地读两遍。第一遍为了吸收，第二遍为了消化。它足够短，只需几次阅读即可完成。随着你不断深入并寻求理解，你遇到的任何问题都将得到解答。
最后，这本书是为创意人士、未能实现自我价值的工作者以及那些害怕被取代的人而写。这些人知道自己有更多东西可以奉献给世界，但对他们“应该”做事的方式失去了信任。这本书并不打算像我的其他书那样。它几乎没有编辑，也没有刻意让语言听起来花哨。我的目标是让这篇文字尽可能接近我写作时脑海中想倾吐的话语。我非常愿意接受这本书可能是错的，但无论我脑海中如何反复思量，不分享一个可能帮助他人的观点是愚蠢的。希望你喜欢。
Node.js 最近在 22.6 版本（并在 23.6 版本中稳定）中添加了原生的 TypeScript 支持，这是一个令人欢迎的增强，简化了 TypeScript 用户的设置。这在社区内引发了关于 Node 的新功能与 Deno 现有的 TypeScript 集成相比如何的问题。
在这篇文章中，我们将探讨 Node 的 TypeScript 支持，并提供与 Deno 方法的清晰比较。
当大型语言模型首次出现时，用户必须复制粘贴代码到文本界面中才能与之交互。很快就证明这不足以满足需求，从而出现了用于更好上下文加载的自定义集成方案。然而，这些方案是零散的，并且需要单独开发。Model Context Protocol (MCP) 通过提供一个通用的协议来解决这个问题，该协议可以实现 AI 与本地和远程资源的高效交互。
量化 (Quantization) 是高效部署大型语言模型 (LLM) 的关键技术，它可以减少内存占用并提高推理速度。然而，较低的精度通常会导致模型质量的权衡。在本文中，我们比较了各种量化程度，分析了它们对速度和输出质量的影响。
有些事情我们几乎瞬间就能完成，比如“今天星期几？”。而另一些则需要更多的脑力，比如解一个隐晦的填字游戏或调试一段复杂的代码。我们可以根据手头的任务选择投入或多或少的认知努力。
现在，Claude 也拥有了同样的灵活性。借助新的 Claude 3.7 Sonnet，用户可以开启或关闭“扩展思考模式 (extended thinking mode)”，指示模型更深入地思考更棘手的问题1。开发者甚至可以设置“思考预算 (thinking budget)”，来精确控制 Claude 在一个问题上花费的时间。
扩展思考模式 (extended thinking mode) 并不是切换到采用不同策略的另一个模型的选项。相反，它允许 同一个 模型给自己更多的时间，并投入更多的精力，来得出答案。
Claude 全新的扩展思考能力 (extended thinking capability) 为其智能带来了令人印象深刻的提升。但它也为那些对 AI 模型如何工作、如何评估以及如何提高其安全性感兴趣的人提出了许多重要问题。在这篇文章中，我们将分享我们获得的一些见解。
今天，我们发布 Claude 3.7 Sonnet¹，这是我们迄今为止最智能的模型，也是市场上首个混合推理模型。Claude 3.7 Sonnet 能够产生近乎即时的响应，或者进行扩展的、逐步的思考，这种思考过程对用户是可见的。API 用户还可以精细地控制模型可以思考 多久。
Claude 3.7 Sonnet 在编码和前端 Web 开发方面表现出尤为显著的改进。与该模型一同发布的，还有用于 Agentic Coding 的命令行工具 Claude Code。Claude Code 以有限的研究预览版形式提供，使开发者能够直接从终端将大量的工程任务委托给 Claude。
要升级到 Deno 2.2，请在终端中运行以下命令：
如果尚未安装 Deno，请运行以下命令之一进行安装，或在此处了解如何安装。
curl -fsSL https://deno.land/install.sh | sh
iwr https://deno.land/install.ps1 -useb | iex
在这篇博文中，我们将更仔细地研究 TypeScript enums：
这篇博文最后总结了关于何时使用什么方案的建议。
📖 tl;dr: Request/Response-API 不仅更快，而且使编写测试更容易。
如果你是一名现代 JavaScript 开发者，你很有可能正在使用 ESLint 和 TypeScript 的组合来辅助开发。这些工具执行的功能相似但有所不同。ESLint 是一个 linter（代码检查工具），而 TypeScript 是一个 type checker（类型检查器）。
Linter 和 type checker 是两种 静态分析 工具，它们分析代码并报告检测到的问题。虽然它们乍看之下可能很相似，但 linter 和 type checker 检测到的是不同类别的问题，并且在不同的方面发挥作用。
为了理解这些差异，首先了解什么是静态分析以及它为何有用是很有帮助的。
了解何时使用推理模型以及它们与 GPT 模型的比较。
OpenAI 提供两种类型的模型：推理模型 (例如 o1 和 o3-mini) 和 GPT 模型(例如 GPT-4o)。这些模型系列的行为有所不同。
本指南涵盖：
在 2024 年，大型语言模型（Large Language Models, LLM）领域发生了 很多 事情。这是一篇回顾过去十二个月里我们在这个领域弄清楚的事情的文章，加上我尝试识别的关键主题和关键时刻。
随着 AI 模型将其能力扩展到解决更复杂挑战，一种新的扩展定律，即所谓的 测试时扩展 或 推理时扩展 正在兴起。这项技术也称为 AI 推理 或 长思考，通过在推理期间分配额外的计算资源来评估多种可能的结果，然后选择最佳结果，即神经网络，从而提高模型性能。这使 AI 能够像人类剖析复杂问题并单独解决它们以得出最终解决方案一样，制定策略并系统地解决复杂问题。
在这篇文章中，我们讨论了 NVIDIA 工程师进行的一项实验，他们使用最新的开源模型之一 DeepSeek-R1 模型，以及推理期间的额外计算能力来解决一个复杂的问题。该实验旨在使用自动化的方式生成在数值上正确且针对不同 Attention 变体优化的 GPU Attention Kernel，而无需任何显式编程。
结果表明，在某些情况下，其效果甚至优于经验丰富的工程师开发的优化 Kernel。
在许多现代 Python 应用程序中，尤其是在处理传入数据（例如，来自 API 的 JSON 有效负载）的应用程序中，确保数据的有效性、完整性和正确类型至关重要。Pydantic 是一个强大的库，允许您使用标准的 Python 类型提示为您的数据定义模型，然后自动根据这些模型验证任何传入数据。在本例中，我们将展示如何建模一个典型的用例：用户为产品下订单。我们将使用 Pydantic 定义 User、Product 和 Order 模型，确保电子邮件、价格、数量和用户详细信息等数据符合我们指定的约束。
AI 图像生成器正在改变我们创作艺术的方式。这些强大的工具使用文本描述，称为提示词 (prompts)，来生成图像。创建惊人的 AI 艺术的关键之一是掌握 AI 姿势提示词 (AI pose prompts)。本指南将教您如何使用姿势提示词来控制 AI 生成图像中人物的姿势和动作。
搜索从未如此简单。借助人工智能搜索引擎，您可以比以往更轻松地发现、访问和研究主题。
过去，搜索引擎依赖关键词匹配来检索您正在寻找的信息。但现在，随着人工智能的兴起，一种新型的搜索引擎应运而生。
这种搜索引擎更强大、更复杂，它使用先进技术来理解用户查询并产生准确的结果。
但哪些是_最好的_ AI 搜索引擎？在我们的搜索中，我们发现了 10 个最佳 AI 搜索引擎，我们将在本指南中一起探索它们。
让我们深入了解一下！
在本文中，我列出了 21 个不同类别的 50 款 AI 工具。在探索了每个类别中的所有可用选项后，我根据个人经验精心挑选了最佳工具。这确保了这些建议来自真实的实际使用，因此您可以相信它们是以实际有效的工具为基础的。
对于每款工具，我都专注于其最佳用例，解释何时以及如何才能最有效地使用它。我还分享了我对每款工具的喜爱之处，以及我在使用过程中遇到的任何缺点。此外，我还提供了每款工具的免费版本和高级定价计划的信息。
角色扮演是一种创新技术，也是人工智能系统动态发展领域中的关键工具。这种方法包括指示 LLM “扮演”特定的职业、角色或职能，例如数据科学家、卡通人物、语言代理或财务顾问，使人工智能能够更有效地执行给定的特定任务。本文探讨了这种引人入胜的现象，强调了角色扮演在 LLM 中的优势和理论基础，并向您展示了如何通过 Novita AI 使用强大的模型进行角色扮演。