大模型
Agent 有工牌了
10 月 8 日 Google Cloud 给 agent 发了工牌：有自己的邮箱、日历和目录身份，每个动作记在它自己名下。我看完回头数了一遍自己博客上的自动化脚本，发现它们全在共用一把管理员钥匙。这篇写我照着那套分工给三个脚本各发一个身份、按资源切权限、把动作全记下来，以及哪些我抄不动也不想抄。
让模型给文章写摘要：一个会重试的 LLM 客户端，和一条 SSE 全链路
我把手写摘要交给了模型，但我不信任它。这篇讲两块最难的东西：客户端怎么处理超时、限流和退避抖动，以及 SSE 流式怎么从模型接口一路走到浏览器，中间三个环节各自的坑。
推理预算：模型开始"思考"之后，延迟和成本该怎么算
思考型模型的账单波动能差十倍，延迟也从两秒变到四十秒。这篇给出一套任务分档的实操方法、分级路由代码、缓存与批处理两个省钱杠杆，以及怎么用评测脚本查表决策。
开源权重模型选型：Qwen、DeepSeek、GLM、Kimi
公开调用量榜上中国模型已经占了大半席位。不是说它们全面超越了旗舰，而是“够用 + 便宜 + 拿得到权重”这个组合赢了。
量化与蒸馏：把模型便宜地放进生产
同样一个模型，部署方式的成本能差十倍。量化、蒸馏、缓存，三条降本路线各有适用场景，这篇给出选型决策。
模型周更之后，你需要自己的评测集
模型发布速度已经快过开发者完成一轮评估的速度。与其追榜单，不如花一天建一个 50 条的私有评测集，从此换模型变成跑一次脚本的事。
多模态落地的三个真实场景
图文理解能力降到几厘钱一次之后，多模态从“演示项目”变成了可以写进排期的功能。挑三个投入产出比最高的场景说说。
给应用接 LLM API：成本、限流与降级
上线一个真正在用的大模型功能，工程量的大头不在调 API，而在限流、重试、缓存和降级。这篇整理一套可以直接抄的防线设计。
30B 以下的小模型，能顶多大用
笔记本都塞得下的小模型，每个月都在逼近旗舰系统的能力线。哪些活已经可以放心交给它们，哪些还不行，这篇给一个实测分界线。
挑大模型的新标准：从跑分到 Token ROI
9 月前后一周之内七家厂商同时发新模型，榜单还没看完价格已经变了。比拼单点能力之外，“每百万 Token 花出去能换来多少实际产出”正在成为选型的第一指标。