devashish

RSS: https://devashish.me/feed
构建有态度的技术。

在戴尔与NVIDIA AI黑客松中获得第三名的感言

上周日,我报名参加了戴尔与NVIDIA联合举办的本地人工智能黑客松。当天,桌上摆满了四十个搭载GB10芯片的戴尔Pro Max机箱,而且有一条硬性规定:必须打造一款完全运行在机箱内部的项目。不使用任何云平台API,也不使用预构建的代理。 我们对“不使用预构建”这一规则的执行程度,甚至超出了预期。我们甚至没有提前讨论过任何创意。我们只想看看,一支从未合作过的团队,能否在当天即兴头脑风暴,依然打造出一...
评论点赞收藏15 天前

在DGX Spark上用Qwen3.6-27B编写可上线代码的实践

作者实测在DGX Spark上部署Qwen3.6-27B并成功向开源项目提交代码。文章详细记录了从容器崩溃、依赖冲突到工具调用解析失败的踩坑过程及具体修复方案。提出了“前沿模型负责规划,本地模型负责执行”的混合工作流,为本地推理落地提供了极具参考价值的一手工程经验。
评论点赞收藏39 天前

在一台DGX Spark上跑两个Qwen3模型:显存分配的数学题

作者分享在单台DGX Spark上共部署Qwen3-80B和Qwen3-4B两个模型的实战经验。核心发现是vLLM的gpu_memory_utilization参数是基于显存总量而非剩余空间,且Qwen3的Mamba架构导致KV Cache占用不符合直觉。文章提供了具体的配置调优数值和排查步骤,强调实际测试显存占用比理论计算更重要。
评论点赞收藏58 天前

基于 Nvidia DGX Spark 的本地与云端大模型对比实测

作者分享了在 AI Tinkerers Seattle 演示中进行的本地与云端大模型对比实验。通过在相同编码任务上并行运行 6 个不同模型并由裁判打分,结果显示本地模型整体表现不如云端模型。不过作者指出,对于测试、文档生成和合规性等范围明确的简单任务,本地模型仍具有实用价值。
评论点赞收藏187 天前

AWS re:Invent 2025 回顾

本文回顾了AWS re:Invent 2025大会,提炼出三个关键趋势:多智能体AI系统、设计时的可观测性以及开发过程中的成本优化。适合关注云原生和AI基础设施的开发者阅读。
评论点赞收藏248 天前

用 Claude Code 管理工程团队:解决协作瓶颈,提升团队吞吐量

文章指出单纯提高工程师编码速度无法提升团队整体产出,瓶颈在于协调层。作者利用 Claude Code 插件自动化了三个关键环节:1. 规划:通过强制模板减少需求澄清时间;2. 评审:模拟不同角色专家进行本地预评审,加速 PR 流程;3. 分配:生成数据驱动的报告以平衡工作负载。结果显示团队吞吐量提升,管理开销减半。作者强调需根据团队具体痛点定制插件,而非盲目复制。
评论点赞收藏281 天前

理解 Claude Code 组件:一份实用指南

文章指出许多工程师在使用Claude Code时仅依赖斜杠命令,实际上只发挥了20%的功能。通过区分Agents、Tools和Skills的使用场景,帮助开发者消除混淆,提升自动化效率。
评论点赞收藏295 天前

Linus评审法:我们如何简化RFC审查流程

作者团队发现AI在审查架构提案时过于讨好,导致技术债务积累。通过将提示词设定为模拟Linus Torvalds的评审风格,利用LLM中内化的Linus长期维护和拒绝特例的思维模式,成功获得了直接、具体且关注长期后果的技术反馈。该方法适用于架构审查和设计文档,能有效提升团队技术决策标准,避免早期头脑风暴使用。
评论点赞收藏309 天前

登录芦苇

登录后关注作者、收藏内容和参与讨论。