1.从提示词到上下文

关于此站

2.上下文工程技术栈

Claude Fable 5 — 系统提示词中文版

Palantir 本体论：为何它是企业级 AI 智能体的操作系统

AI游戏开发漫谈

神经网络到底是什么？

线性代数到底是为了解决什么问题而被发明出来的？

AI史论5-符号主义最后一次系统性冲锋及其历史意义

AI史论4-AI首次商业化扩张、技术局限与第二次危机伏笔

AI史论3-莱特希尔报告、组合爆炸与被忽视的关键火种

AI史论2-从感知机之争到第一次AI低谷

AI史论1-人工智能早期路径的形成、分化与资源竞争

理性看待国产开源模型与世界顶级闭源模型的差距

Anthropic 揭秘“透明之翼”计划：AI 正在重构全球防御版图

GOOGLE 投资深度分析报告

Harness Engineering-AI Agent工程化的核心

Claude Code 上下文压缩算法深度分析

解剖OpenClaw：AI Agent 运作原理与架构

AI 时代的软件开发 Vibe Coding 

佛学全景地图：从认知科学视角拆解2500年的意识迷宫

读懂量子力学的大厦是如何建立的

Claude Skills 技术解析

网络审查与反审查技术的十年对抗演进史分析

光刻机产业深度分析

Switch破解史

解谜宇宙：我们是否就是一组全息投影?

概率的本质

MDR事件报告生成器 - 使用说明

为什么强化学习之父说LLM是死路一条？

EDR免杀技术攻防对抗原理

EDR后门检测原理分析

人工智能基础学习笔记-17

人工智能基础学习笔记-16

人工智能基础学习笔记-15

人工智能基础学习笔记-14

人工智能基础学习笔记-13

人工智能基础学习笔记-12

人工智能基础学习笔记-11

人工智能基础学习笔记-10

佛教到底信什么？

现代浏览器的工作原理

人工智能基础学习笔记-9

人工智能基础学习笔记-8

人工智能基础学习笔记-7

人工智能基础学习笔记-6

人工智能基础学习笔记-5

人工智能基础学习笔记-4

人工智能基础学习笔记-3

人工智能基础学习笔记-2

人工智能基础学习笔记-1

3-2.提示词在上下文工程中的实践

3.提示词技术

理解 RAG-3

理解 RAG-2

理解 RAG-1

贝叶斯回归入门指南

人工智能基础到攻防全面指南-4

人工智能基础到攻防全面指南-3

人工智能基础到攻防全面指南-2

人工智能基础到攻防全面指南-1

了解提示词工程到上下文工程的演进，掌握大语言模型交互的核心技术

全面了解上下文工程的技术组成和架构

Palantir 的语义层如何将碎片化的企业数据转化为 LLMs 真正能够理解的数字孪生——以及为什么本体增强生成（OAG）在处理实际业务决策时优于 RAG

本文希望能通过通俗易懂的方式带各位上手游戏开发, 而不是去开发游戏引擎、绘制精美角色等轮子工作, 还是用开发 B/S 举例, 你不能指望一个人从数据库驱动这种底层轮子开始能在这个人兴(耐)趣(心)耗尽之前完成整个系统的开发

如果你想真正搞懂深度学习，那么起点通常不该直接放在 ChatGPT 或大模型上。因为这些系统虽然看起来宏大、复杂、充满“智能感”，但它们的数学骨架，其实都可以一路追溯回一个非常朴素的问题：
神经网络到底是什么？它为什么能学习？

从工程和计算的角度看，线性代数并不是“矩阵算术”，而是一套用来描述、组织和求解复杂多变量系统的语言。它是现代科技文明的底层基础之一。没有线性代数，就不会有现代图形渲染、通信系统、推荐算法、深度学习，也不会有今天几乎所有依赖海量数据处理的技术体系。

在今天，大模型只要接入互联网和大规模语料，就能展现出相当强的语言理解与知识调用能力。但如果回到没有互联网、算力有限、数据极度稀缺的1980年代，人工智能研究者面对的是另一种几乎无法回避的根本难题：机器缺乏常识。

1979年前后的美国人工智能领域，仍处在第一次AI寒冬的余波中。联邦政府削减拨款，军方收回订单，大量短期看不到回报的研究项目被暂停，许多学者面临失业与实验室停摆的现实。然而，历史很快出现转折。

如果把今天的大模型能力带回1973年的英国，许多当时最有影响力的学者大概率不会把它视为技术现实，而会把它当作夸张宣传，甚至彻底的骗局。这并不只是因为他们缺乏想象力，更因为在那个时间点，主流学界刚刚以相当正式的方式，对“机器是否能够拥有智能”给出了极其悲观的判断。

人工智能的发展并非一条持续上升的技术曲线。在其早期历史中，技术突破、理论局限、学术权威、国家预算与冷战竞争长期交织，决定了不同路线的兴衰。其中，围绕感知机（Perceptron）展开的争论，是人工智能史上最关键的分叉点之一。

今天我们看到的人工智能发展，尤其是大模型、深度学习与算力驱动的智能系统，并不是一条单纯由技术自发推进的线性道路。它的起点，某种意义上可以追溯到一笔只有 7,500 美元 的经费申请；它的发展路径，则深受战争遗产、冷战竞争、学术权力结构与资源分配机制的共同塑造。

Anthropic 正式启动了 “透明之翼”计划 (Project Glasswing)。这不仅是一次技术发布，更是一场由 Amazon、Google、Microsoft、Apple、NVIDIA、Cisco 及 JPMorganChase 等巨头组成的全球防御联盟。

市场长期以来对AI颠覆谷歌搜索的“生存危机”定价正面临彻底证伪。随着Gemini系列模型的加速迭代与AI Overview（AIO）渗透率跨越50%的红线，硬核流量数据揭示了一个被忽视的现实：AI不仅没有蚕食搜索，反而通过开辟高频次、复杂化的交互场景，驱动了搜索总盘子的“增量膨胀”。我们认为，谷歌的风险结构已从商业模式的“生死存亡”降级为变现节奏的“运营适配”，当前估值具备显著的非对称性上行空间。

Harness Engineering-AI Agent框架工程化介绍。

基于 Claude Code 源码（2026-03-31 快照，512K 行 TypeScript）逆向分析
核心文件：src/services/compact/ 目录下 11 个文件

深入探讨生成式人工智能（AI）深度介入下的编程新范式——Vibe Coding

初涉佛学的人，往往会瞬间陷入一种深度信息过载的挫败感：有人推崇《金刚经》的空灵，有人执着于“阿弥陀佛”的简易，有人在“八识”的精密术语中迷失，而禅宗却又高喊“不立文字”。这种混乱并非佛学玄奥，而是因为它经历了一场持续2500年的“传声筒游戏”。

技术瓶颈、商业博弈与AI驱动的未来格局

从宇宙尘埃到黑洞深渊的生命之旅

抛硬币、谈恋爱、看世界：你是“频率派”还是“贝叶斯派”？

MDR安全事件报告生成器是一个专业的安全事件管理工具，用于从Kaspersky MDR平台获取安全事件数据， 并通过AI翻译服务将英文事件描述翻译为选定的语言，最终生成格式化的HTML和PDF报告。

大型语言模型是通往AGI的一条死路。

面向 Web 开发者的浏览器内部机制指南

OWASP机器学习十大安全威胁深度剖析

红队视角下的AI系统漏洞挖掘与对抗策略

人工智能基础理论与核心要素解析

技术分享

心情随笔

人工智能

技术文档

思考

新闻

文字

Description

password

icon

date

type

slug

status

title

summary

Config

Post Board

Table

Post Gallery

EDR系统存在的常见局限性与绕过逻辑分析

1. 日志延迟或采集不完整（Log Delay / Incomplete Collection）

2. 策略配置不当（Misconfigured Policies）

3. API接口覆盖不足（Incomplete API Hooking）

完整攻击链示例：CertUtil下载恶意DLL并注入explorer.exe（实战级演示）

步骤 1：生成加密后的shellcode（使用Cobalt Strike）

步骤 2：编写PowerShell脚本（无文件执行）

步骤 3：利用CertUtil下载DLL（伪装成正常操作）

自动化免杀工具与混淆技术原理

当前主流自动化免杀框架核心机制剖析

多层混淆技术详解（以Shikata Ga Nai为例）

1. 字符串加密（String Obfuscation）

2. 控制流扁平化（Control Flow Flattening）

3. 函数重写（Function Re-writing）

EDR如何反制？——静态脱壳 + 动态解密追踪

2. 动态解密追踪（Dynamic Decryption Tracing）

3. 行为上下文建模（Behavioral Context Modeling）

Hex Diff对比与Sysmon事件差异截图（实测验证）

📊 原始Payload vs 混淆后Payload Hex Diff（部分）

📸 Sysmon事件对比截图（附图描述）

总结：EDR后门检测与免杀趋势展望

当前检测技术瓶颈与未来演进方向

一、现有EDR在应对APT后门中的主要技术瓶颈

1. 零日漏洞与无文件攻击绕过检测

2. AI生成恶意样本削弱特征提取有效性

3. 行为碎片化与低频触发规避基线建模

路线一：基于大语言模型（LLM）的行为语义理解

路线二：跨平台EDR联动与XDR架构整合

关联分析示例（MITRE ATT&CK T1071.004）

路线三：硬件级防护与机密计算集成

攻防平衡视角下的安全体系建设建议

一、强化终端基线管理，减少误报干扰

问题背景：误报率过高导致EDR“失能”

1. 细化白名单规则（Whitelist Tuning）

2. 启用沙箱预检机制（Pre-execution Sandboxing）

二、部署EDR与SOAR平台联动，实现自动化响应

自动化剧本（Playbook）示例：处理T1055进程注入

案例一：金融行业 —— 某大型银行红蓝对抗演练

案例二：医疗行业 —— 医院PACS系统防护升级

stephano