VIP充值ChatGPT PlusChatGPT Plus¥119.9月卡30 天质保订阅去看看 ›
首页/账号榜/纳米AI
纳米AI

Backend Engineer Learning LLM · Agent 我写的大模型教程: LLM:http://github.com/aa1143/NamiGPT Agent

粉丝数据 11-14 06:24推文数据 11-14 06:20
3.2万总粉丝
+8427 天涨粉
75477 天帖均曝光
去 X 主页 ↗

健康趋势

状态良好
近 7 天帖均曝光7547
曝光效率每帖曝光≈粉丝数的 23.8%同体量中位 24.8%
曝光环比-6.5%
涨粉环比-46.9%
本账号23.8%
同体量中位24.8%

健康趋势仅为公开数据层面的走势参考,不代表账号在 X 平台的任何状态判定,一切以 X 官方为准。

数据总览

每天早上 8 点定格昨日数据,白天持续更新今天
维度今天昨日7天30天
推文曝光10.0万8.2万40.1万254.5万
发帖101255268
评论2141139662
涨粉+80+171+842+5391
帖均曝光7547754775477547
最高单帖2.9万2.9万2.9万2.9万

帖均曝光固定是近 7 天口径,不随时间档变。空着的格子表示这个账号在那个时间窗里数据还不完整,不是 0。

近 30 天趋势

近 30 天曝光名次

近 30 天每日粉丝涨跌

近 30 天每日曝光

近 30 天每日发帖

近 30 天每日评论

近期爆款推文

按曝光排前 5 条
1

Anthropic 昨天发了一篇讲 Agent 记忆的工程文章 读完我觉得最有价值的结论是: 记忆好不好,不取决于存了多少,取决于存了什么 文章把 Agent 记忆拆成四层 最底层是原始会话日志 往上是模型自己写的笔记 再往上是 wiki 这类知识结构 最顶层是每次开局自动加载的上下文 另外引入一个机制,叫 dreaming Agent 空闲时回看日志,改正错误,重新整理笔记 灵感来自人脑睡眠时的记忆巩固 我的一点感受: 同一个模型,记忆怎么组织、怎么校验、怎么加载 都会显著影响最终表现 这部分属于 Agent 框架层的工程设计,不只是模型能力的问题

11/7 09:00曝光 2.9万点赞 259评论 52互动率 1.2%看原帖 ↗
2

最近很多人问,想学 Agent、想找相关工作 到底该从哪里下手? 我的建议是:直接啃 DeepSeek Harness 原因有三个: 第一,它够主流、够新 面试拿它出来讲,面试官不用你解释它是什么 第二,它是开源的 工业级的 Agent 大多不开源 能把完整源码摊开给你学的,屈指可数 第三,它是真实的工程 学校的课、各种名校推荐的课程,讲的多是概念和原理 你跟面试官讲半天,很难讲明白,也没有分量 DSH 是一个真正在跑的系统,Github可见 我做过多年技术面试官 我认为绝大多数面试官是没有看过DSH源码的 如果你花大量时间把它研究透 再搞一个 GitHub 项目记录学习和思考 写进简历,…

11/12 15:29曝光 2.4万点赞 531评论 51互动率 2.6%看原帖 ↗
3

用AI学技术,有个很烦的问题 一段代码讲解看到一半,冒出个小疑问 在原对话里问吧,回答一长串,把最开始那段分析冲散了 得往上翻半天才找得到,不问吧,又卡着 以前我的办法是把代码复制到另一个AI里问,搞懂了再回来,很麻烦 后来想明白了 问题出在对话是一条线,但人学东西的思路是一棵树 主线一个问题,中间不断冒出小分叉,解决完要回到主干 理想的形态应该是: 选中回答里的某一段,弹出一个小窗 围绕这段单独问答,问完关掉,主对话原封不动 我去查了一下,发现不少人有同样的痛点,已经有一些解法了 不过我还是习惯了deepseek+claude的协作方法

11/11 18:47曝光 2.3万点赞 224评论 92互动率 1.4%看原帖 ↗
4

我准备开始录全英文的技术视频了 发YouTube 讲LLM和Agent 整天在𝕏中文区发内容 学一点 分享一点 看起来挺充实,其实没什么成长感 因为对我来说 这件事没有难度,没有挑战,也就没有收获感 就如同某个午后 我站在腾讯大厦楼下,跟同事说: 你说我们每天在这个格子间 按部就班的上下班、接需求、写代码 重复又重复,loop循环具象化 是不是这辈子就废了、完了 因为我完全不记得上个月干了什么 感觉我目前也基本这个状态 所以想换个真正难的 用英文 把LLM和Agent讲清楚 及时脱离舒适区,找一点能让我兴奋的事情 。🙂

11/7 13:34曝光 1.2万点赞 278评论 53互动率 2.8%看原帖 ↗
5

最近一直在学 Agent,顺手调研了一圈 Agent 相关的课程 发现斯坦福今年秋季新开了一门:CS329Z《Engineering AI Agents》 翻完课表,我觉得是目前看到的最系统的一门 它不教你怎么调某个框架,教的是把 Agent 当成一个工程系统来做 主讲是 Diyi Yang,另外两位讲师: Michael Ryan,DSPy 团队,MIPROv2、GEPA 作者之一 John Yang,SWE-bench、SWE-agent 作者之一 课程思路很清楚: 先从零手写核心组件,RAG、工具调用、Agent 循环 再看 DSPy 这类框架是怎么把这些模式抽象掉的 内容大致分…

11/12 09:10曝光 8583点赞 263评论 30互动率 3.7%看原帖 ↗

同赛道的其他账号