网上冲浪周刊第87期
欢迎阅读本期技术资讯!我们为您介绍了一些有趣的工具,包括开源的提示词优化工具Prompt Optimizer(支持智能优化与多模型集成,提升AI输出质量)、微软为开发者打造的21课时生成式AI入门课程(覆盖从基础到应用开发的全流程)、为Neovim用户提供Cursor AI IDE级代码辅助的插件avante.nvim(支持OpenAI/Claude等模型一键应用建议)、基于MCP协议的高效AI代理框架mcp-agent(实现多代理协作与流式处理),以及简化MCP开发的官方Python工具MCP Python SDK。此外,还推荐了集成阿里云QWen模型的Java框架Spring AI Alibaba(支持RAG与流式API),以及跨平台PS4模拟器shadPS4(提供键鼠映射与调试支持)。
欢迎来到第87期 , 期待您通过RSS订阅我们:https://www.lifeee.top//atom.xml
推荐阅读
Oracle试图向客户隐瞒严重的网络安全事件:在Oracle SaaS服务中,一起严重的网络安全事件浮出水面,威胁行动者rose87168声称已入侵Oracle服务,并发布了相关数据,包括内部会议录音和客户数据。尽管Oracle最初否认了数据泄露,但后续证据表明,涉及客户数据的系统确实受到了影响。Oracle试图通过措辞来避免责任,但透明地沟通事件的影响和应对措施至关重要,这关乎信任和责任。
智谱发布AutoGLM沉思版,国产DeepResearch来了,人人皆免费:智谱在2025年3月31日发布了AutoGLM沉思版,这是国内首个真正的DeepResearch产品。它结合了DeepResearch和AutoGLM的能力,能够通过深度搜索和推理生成详细的报告。文章通过实际案例展示了AutoGLM沉思版的强大功能,如对《燕云十六声》剧情的历史背景研究。尽管产品在用户体验上存在一些不足,但其免费开放的策略和强大的模型能力仍然令人瞩目。用户可以通过智谱官网下载桌面端产品体验完整的AutoGLM沉思版功能。
LLM 应用中的代码质量:超越模型性能: 本文探讨了大型语言模型(LLM)应用中代码质量的重要性,指出尽管LLM本身备受关注,但代码在安全性和性能方面扮演着关键角色。文章介绍了Kereva,一个开源代码扫描工具,旨在通过执行与代码相关的策略来缓解安全或性能问题。这些策略涵盖了提示词、数据和输出三个方面,旨在确保LLM应用的可靠性和安全性,强调了组织应定义并执行策略,以负责任地构建和使用LLM应用。
Cursor 在前端需求开发工作流中的应用: 本文详细介绍了 Cursor AI 在得物技术前端开发中的应用。文章探讨了从需求到代码的转化过程,强调了规划和执行阶段的重要性,以及如何通过反馈循环不断优化开发体验。通过具体场景应用,如现状分析、改动方案和影响评估,展示了 Cursor 如何协助开发者更高效地完成任务。作者指出,AI 工具如 Cursor 并非替代开发者,而是放大开发者的能力,帮助他们节省体力和脑力开销,从而更专注于工作成果和个人成长。
AI信息
Prompt Optimizer:开源的 AI 提示词优化工具,提升 AI 输出质量
Prompt Optimizer 是一个开源的 AI 提示词优化工具,旨在帮助用户编写更高质量的 AI 提示词,从而提升 AI 输出的准确性和质量。它支持 Web 应用和 Chrome 插件两种使用方式,具有智能优化、对比测试、多模型集成、隐私保护和多端支持等核心特性。用户可以通过界面或环境变量配置 API 密钥,并且项目提供了详细的开发文档和贡献指南。
开源地址: https://github.com/linshenkx/prompt-optimizer
体验网站: https://prompt.always200.com/
微软“生成式AI入门”课程:21课时带你快速上手AI开发
微软的“生成式AI入门”课程是一个面向初学者的开源项目,包含21个课程单元,旨在帮助用户快速掌握生成式AI应用的开发。课程内容分为“学习”和“构建”两类,涵盖从基础概念到实际应用开发的各个方面。课程支持Python和TypeScript语言,并提供了与Azure OpenAI服务、OpenAI API等平台的集成示例。此外,课程还提供了丰富的学习资源和社区支持,帮助初学者更好地理解和应用生成式AI技术。
开源地址 : https://github.com/microsoft/generative-ai-for-beginners
课程主页:https://microsoft.github.io/generative-ai-for-beginners/#/
<br /
mcp-agent:基于 Model Context Protocol 构建高效 AI 代理的开源框架
mcp-agent
是一个用于构建 AI 代理的开源框架,基于 Model Context Protocol(MCP)设计。它通过简单的工作流模式,帮助开发者快速构建高效且可组合的 AI 代理。该框架支持多种工作流模式,包括增强型 LLM、并行处理、路由、意图分类、评估优化等,并提供了多代理协作(Swarm)的实现。mcp-agent
还支持持久化执行、内存管理、流式处理等功能,同时允许开发者在不依赖 MCP 客户端的情况下使用。项目提供了丰富的示例应用,包括桌面应用、Web 应用和多代理协作场景。
开源地址: https://github.com/lastmile-ai/mcp-agent
MCP Python SDK:官方 Model Context Protocol 服务器和客户端的 Python 实现
MCP Python SDK
是 Model Context Protocol 的官方 Python 实现,旨在简化 MCP 服务器和客户端的开发。它支持通过标准协议将数据和功能暴露给 LLM 应用,包括资源、工具、提示和图像处理等功能。SDK 提供了快速入门指南、详细的核心概念解释和示例代码,帮助开发者快速上手。此外,它还支持多种运行模式,包括开发模式、与 Claude Desktop 集成以及直接执行。
作者的FastMCP 项目不再维护, 以后都只维护该仓库了
开源地址: https://github.com/modelcontextprotocol/python-sdk
MCP官网教程主页:https://modelcontextprotocol.io/introduction
技术工具
Spring AI Alibaba:为 Java 开发者提供的 AI 应用框架
Spring AI Alibaba
是一个面向 Java 开发者的 AI 应用框架,旨在简化生成式 AI 应用的开发。它基于 Spring AI 构建,支持与阿里云 QWen 大语言模型服务和云原生基础设施的无缝集成。开发者只需通过两个步骤即可将 Spring Boot 应用程序转变为智能代理:添加 spring-ai-alibaba-starter
依赖项,并注入 ChatClient
。该框架支持多种模型类型(如聊天、文本到图像、音频转录等),并提供同步和流式 API 选项。此外,它还支持 RAG(检索增强生成)功能,包括文档读取器、分割器、嵌入、向量存储和检索器。未来,Spring AI Alibaba
计划支持更多功能,如提示模板管理、事件驱动 AI 应用、更多向量数据库支持等。
开源地址: https://github.com/alibaba/spring-ai-alibaba
shadPS4:跨平台的 PlayStation 4 模拟器
shadPS4
是一个开源的 PlayStation 4 模拟器,支持 Windows、Linux 和 macOS。该项目由一群开发者共同开发,旨在提供一个能够运行 PS4 游戏的模拟器。虽然目前仍处于早期开发阶段,但已经可以成功运行多款游戏,如《血源诅咒》《黑暗之魂:重制版》和《荒野大镖客》等。项目提供了详细的快速入门指南、游戏兼容性列表和调试文档,帮助用户更好地使用模拟器。此外,shadPS4
还支持键盘和鼠标自定义映射,并且可以通过 Discord 社区获取支持和建议。
开源地址: https://github.com/shadps4-emu/shadPS4
后记
百闻不如一见,百见不如一试。
🎉 本文同步更新于 https://github.com/starsight/TechWeekly