Most RAG systems are doing chunking 𝘸𝘳𝘰𝘯𝘨.

The 𝘸𝘩𝘦𝘯 you chunk matters just as much as 𝘩𝘰𝘸 you chunk.

We've been stuck in the pre-chunking mindset: split documents → embed chunks → store in vector DB. But what if we flipped this entirely?

𝗣𝗿𝗲-𝗖𝗵𝘂𝗻𝗸𝗶𝗻𝗴:

Claude API Documentation

一晚上写了 LocalDeepSearch 实训课程方案，包括选模型、合成数据集、选 Agent 框架、Agent SFT 数据集和框架、Agent RL 数据集和框架。

第一个问题，用什么工具调用方案，准备用 B 方案。目前实现是真的乱。

[实用指南与最佳实践] 用 AGENTS. md 提升 AI 代码质量 —— 来自 @Steve8708 分享

文章讲了一个简单但超级实用的方法：通过在项目根目录创建一个 AGENTS. md 文件，告诉 AI 编程工具你的项目规则和偏好，让 AI 输出的代码更符合你的需求，减少修改的麻烦。作者分享了他用 AGENTS. md 提升 AI

发现这个开源的多媒体管理工具做得挺好，简洁美观。https://t.co/p67fh3fo0D

开发者不做选择，窗口/白板/节点全都要！哈哈哈

又又又🍌+ Vibe Coding 了全新节点式：香蕉工厂｜BananaFlow

现在基于🍌三大件都有了

1⃣窗口式：Nano Bananary｜香蕉超市
2⃣白板/画布式：BananaPod｜香蕉铺子
3⃣节点/工作流式：BananaFlow｜香蕉工厂

香蕉工厂目的是流程自动化，与视频等功能串联

Bring your vision to life with Kling Video Generator , turning text and images into stunning, dynamic videos with AI-powered precision.

之前和一位朋友聊了我是怎么做 vibe coding 的，今天他把我的方法公开了，可以顺便看看（我那 OCAT 至今仍然是采用这样的方式实现了“99% 的代码都是 AI 写的”）：https://t.co/OYgfGSgGdC

免费 GPU 或廉价算力 1. 显卡需求和推荐模型 使用 int4 + QLora 训练（效果并不会比Full-finetuning差多少，lora rank设置较大且应用到所有层） 8K 上下文时，显存16GB的显卡则可以训练 20B 以下模型，显存24GB的显卡则可以训练 32B（含）以下模型。 推荐微调 1-7B 模型。推荐性价比显卡：4090，计算能力和显存带宽都足够好，比L40等商...

Upstash is a serverless data platform providing low latency and high scalability for real-time applications. Optimize your data infrastructure with Upstash's managed services for Redis, Vector, QStash, and other key data technologies.