Home/Blog/Kestrel_VLLM - 34 · 批量 M 行：五个块、两种层型，与「退回去」的两个原语AI 与机器学习Kestrel_VLLM - 34 · 批量 M 行：五个块、两种层型，与「退回去」的两个原语掘金2026-11-07 10:250 views34 · 批量 M 行：五个块、两种层型，与「退回去」的两个原语 一句话：为了「一次前向验 k+1 个位置」，给 hybrid 设备路径造一条批量 M 行的路径——它必须与逐行单 token 逐位等价Source：https://juejin.cn/post/7704936491831377954My favoritesPrevious三个Handler一个任务-Netty事件传播的任务边界设计Nextzipfile 中文乱码修复：把已知 GBK 旧 ZIP 解压到正确中文目录Related posts我扫了自己电脑里的 402 个 AI 技能，光目录就吃掉 4.5 万 token一、先说我量到了什么 Hermes Agent 的 issue 区有人贴过一组数：243 个技能，每次调用多 10 到 15K tokens；130 个，大概 4K。 我不太信，就把自己机器扫了一遍。0掘金Kestrel_VLLM - 35 · 把 m 循环搬进内核：一次「先量发射、再合并发射」的完整回合35 · 把 m 循环搬进内核：一次「先量发射、再合并发射」的完整回合 一句话：第 34 篇把批量 M 行建出来了，但只证明算术是对的。第一次真正量它的性能时，实测比模型预测高约 35%——本篇把这笔0掘金AI 开发工作流做成 Claude Code 插件：原理、集成与一致性保障导读 很多团队会把「AI 该怎么干活」写进项目的 CLAUDE.md 或一份很长的工作流文档：任务怎么分级、需求怎么拆、做完要跑哪些检查、怎么交付。用了一段时间后，我们碰到了三个问题： 复制走样：流程0掘金用 Agent 越多，硬盘越满？我在隐藏目录里发现了 334 GB 的 .mimosa最近，我用 AI Agent 做项目，做着做着就报错了硬盘已满。 Wait, Wait。我这512G的盘才用了一个月不到啊。 顺着占用往下查，一个平时看不见的目录引起了我的注意：mimosa0掘金Web 兼容性 + AI 跨浏览器兼容性矩阵做废，最常见的原因不是不认真，是无限扩张。 每一加一个浏览器版本，维护成本就翻一倍；每一加一个操作系统，又翻一倍；再乘上三个视口档位，就没有人能在每次发版前跑完了。但表格还躺在文档里，看着很0掘金为什么让 AI 修个小 Bug 却把底层全重写了？聊聊 Coding Agent 的最小修改边界让 Coding Agent 修个小 Bug 却经常被顺手重构周围几十个公用文件？本文拆解 Agent 缺乏授权边界与安全约束的痛点，分享 Context Continuity 基于分级治理...0掘金
