火山方舟 vs 阿里百炼｜Coding Plan 实测对比报告
本文对比了字节火山方舟与阿里百炼两大平台的 Coding Plan API 服务性能。通过 270 次请求测试，从响应速度、吞吐量（TTS）和稳定性三个维度，对包括 GLM、Kimi、DeepSeek 等主力模型进行了评估。结果显示，对于相同的旧版本模型，阿里百炼在速度上完胜；而字节方舟在模型更新速度（如 k2.6）和覆盖广度上更具优势。
相关文档
万字保姆级教程 | 豆包从入门到精通！
作者整理了豆包相关的官方资料与社区开源项目，澄清了广为流传的《豆包工作蓝皮书》实为社区维护而非官方文档的误区。文章系统梳理了四种豆包形态：个人产品、豆包工作、火山方舟与ByteDance Seed，指导新手按'先个人产品、再工作任务、最后开发者工具'的路径学习。内容涵盖零基础三十分钟上手指南、普通对话与工作任务的场景选择、豆包工作的核心能力（文件、浏览器、电脑操作、Skill、连接器等）、可直接复用的指令模板、隐私权限与安全注意事项、付费版本与配额说明，以及开发者通过火山方舟接入豆包模型的快速入门步骤。
12个月成为AI工程师的路径
本文介绍了如何在12个月内通过六个阶段的学习和实践，成为一名AI工程师。重点是掌握Python编程、模型API使用、构建RAG系统、开发Agent、评估和部署能力。强调通过实际项目作品集而非学历来证明能力。
Kimi 3 完全使用指南
本文详细介绍了 Kimi K3 的实际使用方法，澄清了关于开源、1M 上下文和免费会员的常见误区。文章通过网页 Agent、Kimi Work、Kimi Code 和 API 四个入口的实战演示，指导读者如何利用 K3 完成数据处理、文件整理和工程开发任务，并提供了编写 Agent 任务的六段式方法论。
全自动 Coding Agent 实战：大模型规划，小模型干活
文章验证了一个关于多 Agent 编排的猜想，通过搭建 hero-coding MVP，对比了 ChatGPT 5.4、Ling-2.6-flash 和 Ling-2.5-1T 在编码任务中的表现。结果显示，非思考小模型（Flash）在明确 Bug 修复上比思考模型快 31%，而 Ling-1T 在加功能任务上仅需 11% 的 Token 和 63% 的时间。作者总结出“大模型规划，小模型干活”的最佳实践，并强调了非思考模型必须配合 Harness 工程兜底的重要性。
国内免费 API 渠道汇总
文章整理了国内主流大模型平台的免费 API Token 渠道，包括智谱 AI、Moonshot、MiniMax、讯飞星火、腾讯云、阿里云百炼、硅基流动等。作者详细列出了各平台的新用户注册赠送额度、有效期内包含的模型种类（如 GLM、Kimi、DeepSeek 等），并针对开发者提供了接入 OpenClaw 等工具的建议。文末还提醒用户注意实名认证要求及额度有效期，避免超额扣费。
免费大模型API服务商合集
本文整理了亲测好用的免费大模型API服务商，包括Nvidia NIM、火山方舟、openrouter和Google AI Studio。文章详细介绍了各平台的注册方式、免费额度策略及支持的模型（如DeepSeek、GLM-4.7等），并提供了相关链接，为开发者寻找低成本AI模型调用方案提供了实用指南。
同样 10 美元，OpenCode Go 和 Command Code GOAT 选哪个？基于 6 万多条记录的实测对比
作者将 OpenCode Go 和 Command Code GOAT 两个 10 美元/月的套餐接入自己的 Sub2API 网关，基于 64,648 条使用记录和小规模质量测试进行实测对比。两者月额度均为 80 美元，OpenCode 短时额度更大（5 小时 16 美元、周 40 美元），GOAT 为 14/35 美元。在相近规模流式请求中 GOAT 耗时中位数和 P95 更短，400 错误也显著更少。结论：接自己的 Agent 或通用 API 客户端优先 GOAT；用于兼容的 coding agent 且集中跑任务则选 OpenCode Go。文章还讨论了处理费、高峰定价、参数兼容问题和模型是否量化等细节。
大模型、AI 产品、Agent、Skill、插件和 MCP 到底是什么？
文章系统梳理了 AI 生态中的核心概念及其关系。首先介绍 AI 模型，按处理信息类型分为语言/多模态、图像生成、视频生成、音频语音和专用任务模型，并列举 GPT、Claude、Gemini、FLUX、Veo、Whisper 等代表产品。其次区分 AI 模型与 AI 产品，涵盖综合助手、AI 搜索、创作和办公开发工具。然后解释 Agent 如何从回答问题走向执行任务，分类介绍了编程 Agent（Codex、Claude Code）、跨应用 Agent（Manus、OpenClaw）和长期个人 Agent。最后厘清 Skill（可复用工作方法）、Tool（具体能力）、Plugin（功能集成）、API（软件接口）和 MCP（标准化连接协议）的区别，以及 Workflow、Memory、知识库和执行环境等支撑能力，帮助读者理解整个 AI 生态的组成与协作方式。
DeepSeek-V4.1-Flash-1017 发布
DeepSeek 发布 V4.1-Flash-1017 模型，性能更强、任务完成更快、输出更短，实现性能与成本的帕累托改进，已在官网、App 和 API 上线。模型通过强化学习自反馈优化端到端项目开发能力，覆盖游戏创建到 3D 建模等完整项目构建，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等工具优化。同时 Search & Fetch API 面向所有人开放，基于自研搜索引擎，每端点 $0.75/千次调用，已在 Hugging Face 和 ModelScope 开源。
兄弟们，我耗费5天把 REA 和原生 Codex 对跑了 108 次：它到底给 Codex 增加了多少实际能力？
作者耗时5天对 REA 增强版 Codex 与原生 Codex 进行了108次对照实验，其中35对可同条件比较。文章详细记录了三个阶段：首先是六次小型探索，测试笔记导出、桌面应用复制、.NET 计价函数复现三组任务，两边均通过全部用例但 REA 组耗时略长；随后扩展至六档难度、两种模型共72次正式运行。文章分析了 REA 作为调查工具为模型提供的模块关系、函数位置等线索，以及原生 Codex 借助普通工具自行调查的能力，指出在小规模任务中两者能力差距不明显，差异更多体现在调查入口和验证路径上，并对实验边界与结论适用范围做了严谨说明。
Gemini 4 Argon 对 Opus 5.5、GPT-6.1 Sol：同样 12 道题，3 道打开就坏
作者用同样的 12 道题横向实测 Gemini 4 Argon、Claude Opus 5.5 与 GPT-6.1 Sol。Argon 在 Gemini 网页 App 中闭卷盲打，另两家则通过 Claude Code 与 Codex 命令行 Agent 拥有自测调试的工作流。结果 Argon 对 Opus 0 胜 5 平 7 负，对 GPT 2 胜 4 平 6 负。失分分两类：铁路、咖啡店、四季三题毁于作用域未定义、少打空格、404 地址等小错，补一两行即可运行，根源在 App 环境无法自测；而机械蝴蝶连杆伸缩、折纸裂开、书封视觉误读、西瓜过曝等属于硬伤。Argon 在视觉题与原创游戏上表现出色，Pro 额度也较充裕。
万字总结：成为 Agent 工程师的学习线路
作者面试一家 AI+Web3 公司失败后，获得面试官分享的《Agent工程师入门指南》，并结合自己的学习心得整理成一条完整的 Agent 工程师学习路线。内容涵盖 LLM 基础（Transformer、Token、上下文窗口、采样参数、API 协议、流式输出、结构化输出、工具调用、Embedding）、Prompt Engineering（Zero-shot/Few-shot、CoT、ReAct、Reflexion）以及 RAG（文档解析、分块、检索与重排）等核心知识。每个知识点都附有学习文档链接、项目要求和验收标准，帮助学习者系统掌握 AI 应用开发技能并检验学习成果。
