前端
学习Zod，以便您可以信任您的数据和类型
这是一个系列的文章，有 5 篇，帮助学习 Zod ，Zod 也是越来越流行，并广泛使用，值得学习。
2025 React 趋势
Robin Wieruch 每年都会出的 React 生态趋势，必看。
TanStack Start 是用来代替 Nextjs 的方案，可以看看他们的对比
JS 运行时兼容性
这个网站显示了不同JavaScript运行时的API兼容性。
PS：Bun 真的很快，兼容性也已经非常好了，可以试用起来了。
AI
从头开始构建大型语言模型
作者讲述了从头开始构建 LLM 的历程，分享了关于分词、训练以及掌握人工智能基础学习过程中的关键见解。
Model Context Protocol（模型上下文协议）
Model Context Protocol（简称 MCP）是一种开放协议，它标准化了应用程序向 LLM 提供上下文的方式。
MCP 帮助您在大型语言模型（LLMs）之上构建代理和复杂的工作流程。LLMs 经常需要与数据和工具集成，而 MCP 提供了以下功能：
-
一系列不断增长的内置集成，您的 LLM 可以直接接入
-
在不同 LLM 提供商和供应商之间灵活切换的能力
-
在您的基础架构中保护数据的最佳实践
当然 MCP 并没有那么方便的使用，这里有一个对 MCP 的吐槽
如何使用LLMs来帮助我编写代码
使用AI协助开发代码并没有想象中的那么简单，这是 Simon Willison 大佬总结的经验分享。
破解 Vibe code
最近有一个词非常火：Vibe code。就是依赖 AI 的编程，程序员变成了指导、测试、改进 AI 生成的代码。
但是全部依赖 AI 开发，会带来额外的技术债务。这篇文章带来了 Vibe Code 时代应该具备的心智模型。
AI Engineering Hub
这个仓库可以给你这些资源，帮助你在 AI 领域掌握领先的知识
-
深入教程 LLMs与RAGs 详解
-
现实世界中的 AI 代理应用
-
项目中的实施、调整与扩展实例
AI 智能体的五个级别
AI Agent 不仅能生成文本，还能做出决策、调用功能，甚至运行自主工作流。
该图示阐释 AI Agent 能力的五个级别——从简单响应者到完全自主的智能体。
一级：Basic responder
-
人类主导整个流程。
-
大语言模型只是一个通用应答器，接收输入并生成输出。它对程序流程几乎没有控制权。
二级：Router pattern
-
人类定义流程中存在的路径/功能。
-
大语言模型对可选择的函数或路径做出基本决策。
三级：Tool calling
-
人类定义了一组工具供大语言模型（LLM）调用以完成任务。
-
大语言模型自主决定工具的使用时机及执行参数。
四级：Multi-agent pattern
管理者 Agent 负责协调多个子 Agent ，并通过迭代方式决定后续步骤。
-
人类负责设定 Agent 间的层级结构、角色分工及工具配置等。
-
大语言模型掌控执行流程，决定下一步操作。
五级：Autonomous pattern
最先进的模式，即大型语言模型（LLM）能够独立生成并执行新代码，实质上扮演着独立AI开发者的角色。
内容和图片来自：Daily Dose of Data Science