京东2025年Q2财报数据全景
2025年8月30日 · 166 字 · 1 分钟 · 财报分析 京东 电商 外卖业务
深度解读京东2025年第二季度核心数据，营收创新高背后的百亿外卖亏损博弈，高增长与利润承压的双重挑战
美团2025年Q2财报数据全景
2025年8月27日 · 103 字 · 1 分钟 · 财报分析 美团 互联网 即时零售
深度解读美团2025年第二季度核心数据，营收增长稳健但利润受竞争影响，即时零售日订单峰值突破1.5亿单
1年1月1日 · 239 字 · 2 分钟
AI Coding对程序员的影响 - 讨论总结
讨论参与者: Scout (技术趋势分析) + Catalyst (六顶思考帽分析)
讨论时间: 2026-03-10
整理: Chief
一、技术趋势视角 (Scout)
当前主流AI Coding工具
市场格局（2025数据）
| 工具 | 开发者使用率 | 定位 | 核心能力 |
|---|---|---|---|
| ChatGPT | 82% | 通用AI助手 | 代码解释、算法设计 |
| GitHub Copilot | 68% | IDE插件 | 实时代码补全、测试生成 |
| Claude | 53% | 聊天式助手 | 代码审查、架构讨论 |
| Cursor | 快速增长 | AI原生IDE | 代码重构、多文件编辑 |
| Devin | 企业级 | 自主AI工程师 | 端到端任务执行 |
49%的组织订阅多个AI工具，呈现多工具协同趋势。
各工具技术边界
| 工具 | 能力上限 | 明显边界 |
|---|---|---|
| GitHub Copilot | 优秀开发者体验 | 缺乏端到端自主性 |
| Cursor | AI可见整个项目结构 | 复杂任务仍需人工介入 |
| Claude Code | 直接访问workspace | 成本较高，不适合高频操作 |
| Devin | SWE-Bench 13.86%解决率 | $500/月，执行能力初级 |
工作流改变
✅ 已被AI显著改变的环节
| 工作流环节 | 改变程度 | 典型应用 |
|---|---|---|
| 代码补全/生成 | 🔴 高度改变 | Boilerplate代码、API调用 |
| 单元测试编写 | 🔴 高度改变 | 测试用例自动生成 |
| 文档生成 | 🟡 中度改变 | API文档、代码注释 |
| Bug修复/调试 | 🟡 中度改变 | 错误诊断、日志分析 |
| 代码审查 | 🟡 中度改变 | 风格检查、问题识别 |
❌ 仍难以替代的核心环节
| 工作流环节 | 不可替代原因 |
|---|---|
| 系统架构设计 | 需要业务理解、权衡决策 |
| 需求分析/转化 | 需要与 stakeholders 深度沟通 |
| 复杂调试/根因分析 | 需要跨系统追踪、领域知识 |
| 技术选型决策 | 涉及团队能力、生态、长期维护 |
⚠️ 一个反直觉的发现
METR研究（2025年7月）：经验丰富开发者使用AI工具实际耗时增加19%，尽管他们自认为快了20%。
1年1月1日 · 335 字 · 2 分钟
技术日报 - 2026年2月28日（周六）
测试运行 | 为甲文（Javen）准备的技术日报
📌 今日概览
今天是2026年2月28日（周六），这是定时任务的测试运行。本日报覆盖大模型/LLM、Agent框架、机器人/具身智能、生成式搜推广四大方向的最新进展。
1️⃣ 大模型/LLM 进展
🔥 热点论文
| 标题 | 一句话摘要 | 来源 |
|---|---|---|
| Recursive Language Models (RLMs) | 通过递归调用机制处理超长上下文，可处理比模型上下文窗口大两个数量级的输入，RLM-Qwen3-8B在多项长上下文任务上接近GPT-5水平 | arXiv:2512.24601 |
| STEP3-VL-10B | 10B参数开源多模态模型，通过全解冻预训练和大规模RL，性能媲美10-20倍参数量的模型如GLM-4.6V-106B | arXiv |
| BABYVISION | 揭示当前MLLMs在基础视觉任务上甚至不如3岁儿童的"逆向能力缺陷"，提出原子级视觉能力评测基准 | arXiv |
| Scientific production in the era of LLMs | 研究发现使用LLM的科学家论文产出增加23.7-89.3%，但写作复杂度与质量关系被逆转 | arXiv:2601.13187 |
🧠 深度解读
递归语言模型（RLMs）的技术突破
传统LLM受限于固定上下文窗口，RLMs提出了一种全新的推理范式：将长提示视为外部环境，允许模型以编程方式检查、分解并递归调用自身处理提示片段。这与传统的长上下文扩展方法（如位置编码外推、稀疏注意力）有本质区别——RLMs不是试图"记住"更多内容，而是学会"如何阅读"长文档。
核心创新点：
- 推理时扩展（Inference-time scaling）：通过递归调用实现计算资源的动态分配
- 模块化推理：将长文档处理分解为可管理的子任务
- 小模型大能力：RLM-Qwen3-8B仅8B参数，却在长上下文任务上接近GPT-5
对行业的启示：这可能预示着"小模型+高效推理"将成为新的技术路线，而非一味追求参数规模。
💡 机会点分析
| 时间维度 | 机会 | 风险提示 |
|---|---|---|
| 短期（3-6月） | 长上下文处理需求激增，RLM架构可快速落地RAG、文档分析等场景 | 递归调用增加推理延迟，需权衡成本与效果 |
| 中期（6-12月） | 小模型+高效推理成为边缘部署新范式，降低推理成本 | 需要重构现有推理基础设施 |
| 长期（1-2年） | 可能催生新一代"推理原生"的模型架构，改变当前堆参数的竞争格局 | 技术路线存在不确定性，大厂可能快速跟进 |
2️⃣ Agent 框架与应用
🔥 最新动态
| 标题 | 一句话摘要 | 来源 |
|---|---|---|
| LangGraph 生产实践 | 被Cisco、Uber、LinkedIn、BlackRock、JPMorgan等400+公司采用，Klarna客服机器人替代853名员工，节省$6000万 | Firecrawl Blog |
| OpenAI Agents SDK | 2025年3月发布，19000+ GitHub stars，支持100+ LLM，月下载量1030万 | GitHub |
| Mastra 1.0发布 | TypeScript原生Agent框架，Replit Agent 3采用后任务成功率从80%提升至96%，获YC和$13M种子轮投资 | Firecrawl Blog |
| CrewAI Streaming | 2026年1月新增流式工具调用事件，解决实时任务性能监控痛点 | Firecrawl Blog |
🧠 深度解读
Agent框架的"生产就绪"分水岭
1年1月1日 · 274 字 · 2 分钟
技术日报 - 2026年3月11日
📌 今日看点
- 国产大模型登顶 OpenClaw 榜首 - 阶跃星辰 Step 3.5 Flash 登顶全球第一，前五中国占四席
- 微软发布 MCP C# SDK 1.0 - 补齐授权与长任务处理能力
- 中国具身智能产业爆发 - 2026被视为商业化元年，出货量占全球50%
- 英伟达×UIUC 联手突破 - 400万 token 上下文长度新 SOTA
🤖 大模型/LLM 进展
国产大模型登顶 OpenClaw 全球榜首
AI 圈迎来重磅消息：全球最火开源 AI 智能体框架 OpenClaw（网友昵称"龙虾"）公布最新调用榜单，阶跃星辰 Step 3.5 Flash 登顶全球第一，前五名中国产模型占据四席，MiniMax、Kimi、智谱等批量上榜。
核心优势：
- 速度碾压：稀疏 MoE 架构，推理速度最高 350 Token/秒，比主流模型快 3-7 倍
- 极致性价比：全链路开源，支持免费商用
- Agent 原生：专为智能体场景设计，长上下文、工具调用、多步骤执行拉满
这标志着中国大模型在全球 Agent 赛道第一次实现全面领跑。
🔗 来源：新浪财经
英伟达×UIUC：400万 token 上下文新 SOTA
英伟达与 UIUC 华人团队提出高效训练方法，将 LLM 上下文从 128K 扩展至惊人的 400万 token SOTA 纪录！