星数之外：开源智能体项目的许可证正在分裂

同一个仓库里核心 MIT、子目录 Polyform Shield 的写法越来越常见。星数代表热度，不代表你能商用。

把模型塞进设备：蒸馏 + 量化这条流水线能走到哪

先蒸馏再量化感知训练是当前端侧模型的标准管线，但它在长链推理上仍有明确天花板，用错场景的代价不小。

AI 编程智能体的账单：从按席位到按用量

采用率已经不是问题，计费方式才是。当智能体开始按 token 计价，评估指标也得从接受率换成周期时间与单任务成本。

智能体的记忆层怎么选：claude-mem、Mem0、Beads 和 Letta

记忆正在从「附属功能」变成智能体的基础设施。六条主流路线各有取舍，选错的表现是：要么忘掉上一次提交，要么记不住用户。

MCP 成了智能体的 USB-C：标准赢了，麻烦也来了

MCP 已经被主流厂商集体采纳，但传输、认证与权限模型的分裂仍在，进生产前该看的是兼容性而不是下载量。

算力租赁怎么选：按卡时、按 token 还是包月

三种计费方式对应三种负载形态，选错就是白烧钱。附一份包含隐藏成本的选型清单——存储、出网流量和闲置才是大头。

AI 生成内容的标识：发布前该做哪几件事

国内对 AI 生成合成内容有明确的标识要求，分显式和隐式两种。个人博主发图发文前，最低限度要做到什么。

开源大模型许可证：权重和代码是两回事

一个模型“开源”不代表能商用。权重许可证与代码许可证是分开的，商用前要逐条核对的几件事我都列出来了。

本地跑大模型：显存怎么估，Ollama 怎么上手

先算清楚显存够不够，再决定要不要本地部署。附一份估算公式和现实的能力预期——本地模型适合干什么，不适合干什么。

AI 时代的备份：哪些要备，哪些不用备

模型权重重下就行，微调产物丢了就真没了。把 AI 组件加进备份清单时，得先分清哪些是可重放的。