Redis 之父 antirez（Salvatore Sanfilippo）出手了。他没有继续打磨 Redis，而是用纯 C 写了一个专门为 DeepSeek V4 Flash 优化的本地推理引擎——DwarfStar（项目名 ds4）。不到一个月，GitHub 星标突破 12,000。
这不是又一个 GGUF 加载器。DwarfStar 的野心是：把一个 284B 参数的 MoE 大模型，在 96GB 内存的 MacBook 上做到「用起来像云服务」的体验——包括磁盘 KV 缓存持久化、原生编程 Agent、OpenAI/Anthropic 兼容 API、以及跨机器分布式推理。
你的团队可能正在同时使用 Claude Code、Codex CLI 和 Cursor，三套配置、三套指令、三套工作流。但如果我告诉你，一个名为 AGENTS.md 的文件正在成为它们共同的“配置语言”，而 MCP 协议正在让所有工具互通——你可能需要重新审视自己的工具链策略了。
2026 年 5 月 25 日，华为在上海 ISCAS 2026 上投下了一枚深水炸弹。
何庭波（华为董事、半导体业务部总裁）发表题为《半导体新路径探索与实践》的主旨演讲，正式提出 「韬（τ）定律」——这是中国首次在全球半导体领域提出指导产业发展的新原则。
消息传出的当天，A 股芯片板块午后直线拉升，东芯股份、华虹公司等多股涨停。
黄仁勋评价：「极高的创新。」
但比起股市的反应，更值得关注的是这个问题：韬定律到底说了什么，以至于让整个行业如此震动？
假设你一天消耗 100M input tokens + 10M output tokens，缓存命中率 99.82%（这是 Reasonix 实测能达到的数字），账单约 ¥22。同一份工作量，如果没有任何缓存优化，按 DeepSeek V4-Flash 定价算大约 ¥120——一天省 ¥98，一个月就是 ¥2,940。
来源是 DeepSeek 官方定价：V4-Flash 命中价 ¥0.02/M，未命中 ¥1/M，输出 ¥2/M。这篇文章聊聊：一个开源编程 Agent 是怎么把 DeepSeek 的缓存机制“焊”进自己的主循环，从而把 token 成本压到接近物理下限的。
市面上 AI Agent 的叙事，大多围绕“效率”和“自动化”展开——命令行里敲指令，模型跑完给你结果。OpenHanako 想讲一个不一样的故事：一个坐在你桌面上、记得你说过什么、有自己性格的 AI 助手。
它的作者 liliMozi 是一位中国开发者，一人全职维护这个项目——从代码到设计到文档，一个人扛下了整个产品。这篇文章基于实际使用体验，聊聊这个项目的定位、核心机制、和同类产品的差异。
5 月 22 日，DeepSeek 官方明确：V4-Pro 模型 API 当前 2.5 折的限时优惠将在 北京时间 5 月 31 日 23:59 结束，价格不会回弹——同一档价格直接转为永久价。
这件事最容易被读成“又一次促销结束公告”。但放在 2026 年这个时间点上、放在国内外大模型竞争的版图上看，它真正的意义不在数字本身，而在于：DeepSeek 把“低价”这件事，从市场动作正式升级成了产品定义。
Hermes Agent 是 Nous Research 在 2026 年初开源的 AI 智能体框架，仓库上线后短时间内 GitHub 星标突破 30K。它的卖点是“自我进化”—— 不止有记忆，还能从执行任务的过程中自动生成可复用技能。本文综合多家评测和官方文档，对项目做一次客观梳理。
记录一下本站的部署方案演进：从最初的 GitHub Pages 到现在的 Cloudflare Pages，解决国内访问慢的问题。
这是 Seven’s Blog 的第一篇文章，很早就部署了，但一直没有发布内容。
