博客

新模型一发布，大家第一反应是“怎么接进来”。但真正决定你能不能长期跑的是第二个问题：怎么路由、怎么降级、怎么把成本锁住。

谷歌刚刚发布了 Nano Banana2（官方代号 Gemini 3.1 Flash Image）。这几天我在 X 和 GitHub 上刷到不少相关的讨论。

RAG 项目最容易陷入“瞎调参”：换 embedding、换向量库、换模型、加 prompt……但质量还是忽高忽低。真正有效的方式，是按影响链路从大到小、从最容易做的到最难的，做一条清晰的优化路线图。

RAG 项目最容易陷入“瞎调参”：换 embedding、换向量库、换模型、加 prompt……但质量还是忽高忽低。真正有效的方式，是按影响链路从大到小、从最容易做的到最难的，做一条清晰的优化路线图。

在2026年的AI应用开发中，对接大模型API（如OpenAI GPT-3.4, Anthropic Claude 4.6）已成为后端开发的常规需求。然而，对于国内开发者和企业而言，直连官方API始终面临三个难以绕过的工程挑战：

“每个月固定扣我20美元（约145元人民币），但我其实也就偶尔写写周报、润色一下邮件，感觉好亏啊。”

2026年，大模型API市场杀红了眼。

福利就上我刚用AI画的图吧。

最近 DeepSeek v4 在 GitHub 和 X 上吵翻了天。大家都在吹它 SWE-Bench 83.7% 的逆天分数，但我盯着 GitHub Issue #1088 里的那份“诊断报告”，背后却是一阵发凉。

大家好，我是 147。

最近技术圈又炸锅了。

DeepSeek V3 刚发布的时候，大家都在喊“真香”，API 便宜得让人怀疑人生。结果 V4 的消息一出，GitHub 上的 Issue 区直接变成了“大型吃瓜现场”。

最近 AI 绘画圈子里出了个有意思的事儿：谷歌的 Gemini 系列生图模型被大家戏称为 "Nano Banana"（纳米香蕉？），而且还分成了 Pro 和 2 两个版本。

在 Nano Banana 2 还没发布之前，Nano Banana Pro 毫无疑问是整个 Banana 系列（Gemini 生图模型）中“最能打”的存在——无论是画质的细腻度还是对复杂语义的理解，它都稳坐头把交椅，几乎没有对手。

最近 OpenClaw 在 GitHub 上杀疯了，24 万 Star 简直离谱。作为一个前端/全栈开发者，我更感兴趣的是：它是怎么用 Node.js 实现这一切的？