最新

目前大家都知道，文档需要针对人工智能代理进行优化——我们都在将Claude Code、Codex和Pi等代理指向文档，并期望这些模型能够理解如何实现产品。 然而，这改变了编写文档时的整个优化问题。好的文档现在变得更加客观——你正在解决一个非常具体的问题：一个简单的工具，运行着最基础的模型，能否可靠地实现这一点？ 人类通常可以弥补术语不一致或页面上下文分散的问题，但对于代理而言，这往往会浪费时间（甚至可能完全让代理感到困惑）。 我们围绕这个问题构建了一个小项目，叫做dari-docs：用户可以通过网站或命令行界面上传他们的文档，并在不同的提供商之间运行代理，以查看它们在哪些方面表现不佳。你可以上传文档，提供任务列表，并要求具有不同智能水平和成本的代理并行完成这些任务。当运行完成后，你将收到每个代理运行的反馈markdown文件列表，并可以根据代理的反馈进行修改。 托管服务链接： [https://optimize.dari.dev](https://optimize.dari.dev)，代码库链接：[https://github.com/mupt-ai/dari-docs](https://github.com/mupt-ai/dari-docs) 这些代理实际上尝试端到端使用产品。它们会搜索文档，遵循指示，运行命令，尝试示例，并尝试调试故障。重要的是，这不是对文档的静态大型语言模型（LLM）审查。代理实际上是在尝试集成。 你还可以启用实时验证，使用测试凭证，以便代理可以实际验证工作流与真实API的匹配： ```bash dari-docs check . --live-verify --secret-env DARI_TEST_API_KEY --task "Create a checkout session" ``` 如果你正在构建CLI、API、MCP服务器或SDK，并且积极维护面向人类或代理的文档，我们非常希望与你合作，并在真实工作流中进行测试！

每次我看到这样的内容，我都会对云服务提供商和谷歌感到紧张。由于这是一个相对高调的客户标准，他们难道不应该解释一下是什么原因导致他们暂停了账户吗？

该模型拥有30亿个活跃参数。我们在这里提供主页、论文和模型的链接：<p>- 主页： <a href="https://lance-project.github.io/" rel="nofollow">https://lance-project.github.io/</a><p>- 论文： <a href="https://arxiv.org/abs/2605.18678" rel="nofollow">https://arxiv.org/abs/2605.18678</a><p>- 模型： <a href="https://huggingface.co/bytedance-research/Lance" rel="nofollow">https://huggingface.co/bytedance-research/Lance</a><p>附注：Lance是一个研究项目，而不是一个成熟的产品。该模型的训练使用了少于128个GPU。