我的个人 Agent 基础设施：用 Hermes 与 Mattermost 搭一套可治理的控制面
我想搭建的不是几个彼此孤立的 AI 工具，而是一套以人为中心、可长期运行、可审计也可替换的个人 Agent 基础设施：Mattermost 作为统一控制台，Hermes profile 作为领域自治单元，Coding Agent 作为可替换的专业 worker。
Posts
小站基础设施更新：统计、备案与缓存
今天为小站补齐了国内外访问统计、备案信息展示，并重新梳理了静态资源缓存策略。
驯服小丑牌:用强化学习把白注通关率推向 99%
如果要在 Balatro 白注达成 99% 的 Ante 8 通关率,RL 算法该怎么设计?本文从游戏机制建模、状态/动作空间、奖励塑形到算法选型,给出一份可落地的技术蓝图,并解释为什么纯 PPO 走不通、必须用 MCTS+RL 的混合架构。
从 AlphaZero 到 Dota 2:强化学习的三道难关与破局之法
AlphaZero 与 OpenAI Five 是强化学习的两座里程碑。它们各自撞上了哪些墙?又用怎样的工程与算法创新把它们撞倒?本文用金字塔结构拆解:三大共性难关 —— 数据、稳定性、规模 —— 以及各自的破局之道。
强化学习入门:从直觉到 Q-Learning
强化学习是让 AI 学会『在试错中成长』的范式。本文从最核心的直觉出发,讲清楚 MDP、贝尔曼方程、Q-Learning,并附一个可运行的 Python 示例。
你好,世界 —— 博客上线啦
这是王辉赳的个人博客的第一篇文章,记录这个小站的诞生。