AI SDK 的 HarnessAgent 层现已在所有适配器（如 Claude Code、Codex、Cursor 等）中支持图像输入。用户可在标准消息格式的内容数组中混合传入文本与图像文件，由底层视觉模型处理。文中还提供了使用 Codex 适配器描述图片的代码示例。

本文以 Koog 1.3.0 的 Kotlin API 为例，讲解模型调用的输入与输出。输入方面，user 消息可混排文本与图片、音频、视频、文件等附件，但多模态支持取决于 provider 和模型能力，例如 DeepSeek V4 Flash 不支持 document 附件。参数方面，LLMParams 可在 prompt、子图、会话三层生效，包含 temperature、maxTokens、toolChoice、schema 等字段，并有构造期校验。输出方面，流式调用 requestLLMStreaming 返回 Flow<StreamFrame>，可用 collectText 拼接文本，也可边流式边解析 Markdown 为对象；结构化输出用 data class 加注解生成 schema，requestLLMStructured 返回 Result，解析失败可由 StructureFixingParser 自动修复。文中还提及 Anthropic 与 Bedrock 的提示词缓存配置差异。

谷歌向开发者开放旗舰模型Gemini 4 Argon，定价与GPT-6.1 Sol相同，12月起涨价。该模型提供100万输入输出共享token额度，ERQA测试得分87%，编程越权率仅2%，并已在谷歌内部广泛使用。

文章介绍用 Python 调用 Responses API 识别发票图片的最小实现：模型仅输出候选字段，本地用 Decimal 重算含税金额并校验币种与上限，通过后才进入人工确认。强调不用浮点数算钱、不让模型决定批准、不记录密钥和原图，并给出超时与结构化输出等失败处理建议。

DeepSeek-V4.1在主干外有两处改动。视觉端：自研DeepSeek-ViT从零训练，采用2D-RoPE、RMSNorm、SwiGLU，经3×3 pixel-unshuffle将token数除以9，再投影到5120维；1302×1302图像占994个位置，文本与图像token各用一套MoE负载均衡偏置。优化器端：head-wise Muon按注意力头分别正交化query权重；Sinkhorn-balanced update以行列交替归一化替代Adam二阶动量，仅存一份动量即可训练196B参数的Engram表。

宜家在美国推出Badkruka蓝牙音箱，售价59.99美元。音箱高约七英寸，无电池需插电，有黑色和粉色可选。支持蓝牙连接、多音箱串联、双只组建立体声、Spotify Tap及三种EQ模式，并可通过附赠光纤线连接电视或电脑。

本文讨论了在智能代理系统中确保信息新鲜度的重要性，以避免因过时数据导致的错误。文章强调了上下文管理，并提出六个需要保持更新的组件，指出快速读取新数据的必要性。Redis Iris被介绍为一种实时上下文引擎，能够在数据写入和读取过程中保持新鲜性，从而提高代理的决策准确性。

本文介绍了不间断空格的定义、查找、输入和替换方法。不间断空格（Unicode U+00A0）用于避免换行时内容分开。查找方法包括在Word和Neovim中显示标记，输入方法可通过Alt键或特定代码实现，替换方法可在可视化编辑器或命令行中进行。

Obsidian 已成为我主要的文字输入工具，因其离线特性和快速反应速度，适合长文章写作。虽然 Notion 仍用于项目管理，但 Obsidian 的扩展性和定制化功能更符合我的需求。短文字记录则用 flomo 补充。唯一缺点是同步功能需付费。

本文聚焦交互首帧响应，使用 Perfetto 度量从 InputReader 读取事件到首帧 present 的延迟，主指标为 input_to_present_ms。文章将响应慢拆分为 read/dispatch、handling、ACK 到首帧、滑动跟手四项，给出采集配置、SQL 查询与 App marker 方法，并归纳常见归因路径及高速相机与 Perfetto 的边界。

本文介绍Vim输入模式的高效用法，涵盖进入/退出方式、重复输入、删除文本、寄存器粘贴、页面滚动、自动补全及执行普通命令等技巧，并建议养成非输入时退出到普通模式、善用复制和自动补全以减少重复输入的习惯。

文章讨论了人工智能代理在工作中的应用变化，调查显示人们从“人类参与”转向“人类监督”。AI代理不仅能完成简单任务，还能独立构建软件工具。研究表明，人与代理共同处理的项目测试效果更佳。呼吁软件工程师参与调查，以了解AI在工作中的影响和责任界限，调查将于4月30日结束。