thevita

@nomagick 本质是可以认为还是同一套代码, 没有重构, 基本就是 .zig -> .rust 的 LLM based transpiler, 据说好处是把 unsafe 都标出来了，看后续迭代效果把，是个很好的案例，毕竟这种工作过去都不会有人敢直接开干

okey!!so what we got, memleak 修好了吗

欢迎来到 AI Native 的时代

那就去找 agent 产品啊, 哪没有？比如 manus 就提供 API access,虽然...

单台机内 nvlink
跨机器 RDMA 呗

网络并不是对等的, nvlink 带宽和延迟肯定都要好于网络, 所以尽量把 all-to-all 的通信放单个 node 内（比如 TP ）
跨 node 通信也需要深度的优化，通过各种 pipeline overlapped 来隐藏延迟

不是搞这个的，仅仅是个人粗浅的理解

aliyun 和 github 类似的, Sign in 和 Two-Factor 使用什么都是可以单独设置的，以及可以设置什么时候需要 2FA ，检查下你的安全设置先

1. tool 这种东西单纯的多没意义，追求的应该是"可组合性",即工具间能相互争强，扩展使用场景（既然你多个搜索的目的是整合多信源，那你其实需要的是一个高置信度的信源, 用现有的 10+个网页搜索做一个 subagent 也好，还是干脆花钱买个商业的都行啊， 这种由明确目标的问题最好还是寻找一个直接的解决方案，而不是一股脑扔给 LLM ）

2. 对于 LLM 来说，现在以及在短暂可预见的未来，Context 都是关键最资源，如果 Context 里长期存在一大堆绝大多数时间都用不上的信息，肯定不是最优解，不只是成本问题，长上下文时，注意力稀释问题 对模型表现影响很大

看题主没提到要合规，那就把你的数据整理包装装成 dataset/benchmark ，放 huggingface 上，然后去社区发水文说这些模型怎么啦得不行