全部 AI 动态 · AI 热点

8月6日

05:59

官方一手marktechpost@Sana Hassan

精选

本教程基于Google Meridian完整演示贝叶斯营销组合建模流程，从安装库、检查GPU到加载含媒体曝光、花费、转化、收入的地理级数据集。教程展示了如何将原始列映射到Meridian数据模式，并使用基于ROI的先验定义可解释的模型参数。最终输出媒体测量、ROI分析和预算优化结果，帮助营销团队量化各渠道贡献并重新分配预算。

技巧 Google Meridian 营销组合建模贝叶斯

推荐理由：想学Google Meridian做营销归因和预算分配？这篇手把手教程带你跑通整个流程，有实操代码和地理级数据示例。

原文

04:18

04:18官方账号Simon Willison’s Weblog（博客/媒体）

开发者Simon Willison用Claude Fable 5，仅凭2024年一条推文里的GPT-3和DALL-E概念图，自动构建出了可玩的网页3D游戏Raccoon Heist。他全程在手机上通过Claude Code for web操作，并用GitHub Pages解决实时预览：先让Claude尽快提交index.html，再在仓库Settings的Pages中选择对应分支部署。每次推送后约30秒，新版本就会出现在yourname.github.io/your-repo/上。文章还公开了完整的Fable 5提示词和工作流步骤。

技巧 Claude Fable 5 Claude Code for web GitHub Pages

事件专题

推荐理由：Simon Willison拿Claude Fable 5自动做了一整个游戏，配GitHub Pages实时预览，比2024年GPT-3时代强太多了。

原文

02:26

官方一手AWS Machine Learning Blog@Sundar Raghavan

Amazon Bedrock AgentCore harness 现已正式可用，可当作 agent step 接入 n8n 工作流。官方提供了新的开源社区节点，安装后即可在 n8n 编辑器内使用。它支持持久记忆、真实工具调用、代码执行和 VPC 隔离，无需自建基础设施或编写智能体代码。

技巧 Amazon Bedrock AgentCore n8n

推荐理由：想在 n8n 里跑生产级智能体，装个社区节点接上 Bedrock AgentCore 就行，不用自己写基建代码。

原文

02:25

官方一手AWS Machine Learning Blog@Rohan Lekhwani

精选

AWS发布技术博客，介绍如何为Amazon Bedrock AgentCore托管的云上AI代理搭建MCP桥接，使其能调用用户笔记本电脑上的本地MCP服务器。方案通过浏览器扩展和Chrome原生消息传递，在现有WebSocket连接上隧道传输签名消息，无需开放端口或VPN。文中详细说明了AgentCore与本地MCP工具之间的安全通信机制，并给出了具体实现步骤。

技巧 MCP AgentCore AWS

推荐理由：AWS官方教你怎么在云上代理和本地工具之间搭桥，不用开端口也不用VPN，跟着步骤就能搞定。

原文

02:24

官方一手AWS Machine Learning Blog@Adi Jabkowski

75°

Mobileye在AWS官方博客中分享了用Amazon Bedrock AgentCore构建AI支持代理的完整过程。项目始于支持团队遇到的瓶颈，随后通过概念验证验证了方案可行性。最终部署采用混合架构，打通了本地系统与AWS云服务。文章重点展示了AgentCore如何在企业级治理和安全标准下扩展AI代理。

技巧 Mobileye Amazon Bedrock AgentCore AWS

推荐理由：Mobileye用Bedrock AgentCore搭了个客服智能体，把本地系统和云打通了，还讲了怎么过安全和治理这关，挺实在。

原文

8月5日

21:43

官方一手Cloudflare Blog@Sam Rhea

Cloudflare 内部构建了 Cloudflare OS 平台，将 Compute 原语与 Zero Trust 套件整合，为团队提供安全的 AI 工具环境。该平台旨在让员工在受控条件下重新设计工作流程。Cloudflare OS 结合了公司自身的技术栈，帮助团队在日常任务中应用 AI。

技巧 Cloudflare Cloudflare OS Zero Trust

推荐理由：想知道 Cloudflare 内部怎么把 AI 安全地用进工作流？这篇是他们的第一手实践。

原文

09:42

09:42SuperTechFans（博客/媒体）

作者Sean Goedecke指出，LLM让每个人都成了通才，但领域专业知识才是高效使用模型的关键。以数学家陶哲轩与ChatGPT讨论雅可比猜想反例为例，他的提示词简短精准，只抓要点。模型回答有误时，陶哲轩不说“你错了”，而是说“这比我预想的复杂”。领域知识让用户能从模型输出中提取相关想法、识别错误，编程中同样如此。瓶颈在人而非模型，因为信息已在模型中，需要聪明人提取。

技巧 ChatGPT 陶哲轩提示词工程

推荐理由：别看陶哲轩和ChatGPT聊雅可比猜想的对话，领域知识才是用好LLM的钥匙。学学他怎么提问，比堆提示词管用。

原文

05:46

官方一手GitHub Blog@Julia Muiruri

GitHub官方博客介绍如何让编程智能体将一次生成的大量代码拆分成有序的堆叠式Pull Request。文章以GitHub Stacked Pull Requests功能为基础，说明通过拆分可避免单个PR过大导致无法审查。作者给出了具体的操作流程和配置方法，帮助开发者在AI辅助编码时保持代码审查质量。

技巧 GitHub Pull Request 编程助手

推荐理由：GitHub官方出的教程，教你让AI写代码别一次性塞个大PR，拆成小堆栈，审查起来不头大。

原文

03:42

03:42官方账号Simon Willison’s Weblog（博客/媒体）

精选

MiniMax 两天前发布 MiniMax-H3，称其为通用全模态生成系统，可输入文本、图像、音频和视频，输出最长 15 秒、含音频的视频片段。PipeNetwork 的 Python 包将其移植到 MLX，让该模型可以在 Apple Silicon 上运行。Simon Willison 在 M5 Max MacBook Pro 上跑通，下载约 115GB 模型文件，生成一段视频耗时不到 45 分钟。他提醒，若不参照 MiniMax-H3 的提示词指南指定音频方向，生成的声音可能像无意义的语音噪声。

技巧 MiniMax-H3 MLX 视频生成

事件专题

推荐理由：MiniMax-H3 出了 MLX 版，Apple Silicon 本地能跑，能生成 15 秒带声视频。

原文

00:35

掘金本周最热@老王以为

文章用公式"Agent=决策引擎+信息视野+执行通道"解释AI Agent的本质。介绍了2022年提出的ReAct循环，让模型交替进行思考与行动。提到Claude Code、千问、豆包等日常工具都属于Agent形态。用"上海到北京3天旅行"的伪代码展示轨迹的消息序列结构。对比了Agent与聊天机器人的差异，强调其能调用工具并循环改进。

技巧智能体 ReAct Claude Code

推荐理由：这篇用公式加旅行规划案例拆解AI Agent，比空谈概念的文章实在，看完能跟人讲清楚。

原文

00:08

官方一手AWS Machine Learning Blog@Louisa Liu

本文演示如何用Amazon Bedrock AgentCore Browser、Amazon Bedrock、Amazon OpenSearch Serverless和AWS Lambda搭建自动化网页洞察提取方案。该方案可监控RSS订阅源，可靠渲染目标网页，并将AI提取的洞察写入OpenSearch Serverless实现可搜索。文章包含完整的架构说明和实现步骤，适合需要批量处理网站信息的开发者参考。

技巧 Amazon Bedrock AgentCore AWS Lambda

推荐理由：AWS官方教程，教你用Bedrock AgentCore加Lambda自动盯RSS和网页，把AI提炼的要点存进OpenSearch，省得一个个手动开网页。

原文

8月4日

21:28

官方一手Cloudflare Blog@Tomáš Hobza

精选

Cloudflare 发布 CI SDK，可在其平台上用 TypeScript 构建可定制的沙箱化 CI/CD 流水线。该流水线使用 Workflows 和 Artifacts 替代传统 YAML 配置，把复杂逻辑拆分为可编程步骤。方案面向数百万个仓库的批量运行场景，并配有自愈 AI 代理自动处理失败任务。

技巧 Cloudflare CI/CD Workflows

推荐理由：Cloudflare 搞了个 CI SDK，可以直接用 TypeScript 写流水线，不用再折腾 YAML 了，还带 AI 代理自动修复失败任务。

原文

21:27

官方一手Cloudflare Blog@Timo Reimann

精选

Cloudflare 创建了 Codex，一个由 AI 代理在开发生命周期中消费的治理工程标准体系。它将结构化 RFC 与代理审查结合，让团队在代码、规格说明和事件报告中自动执行一致性标准。这套机制帮助工程组织减少人工核对环节，让规范落地更统一。

技巧 Cloudflare Codex 智能体

推荐理由：Cloudflare 把工程标准塞给 AI 代理去执行，代码和文档不合规会被自动揪出来，省了大把人工审查时间。

原文

21:23

官方一手Cloudflare Blog@Matthew Phillips

精选

Cloudflare 工程师用 GitHub Actions 跑隔离的 AI 子代理，替代人工验证 issue，把 Astro 的未关闭 issue 数削了 85%。这套自动化流水线覆盖 bug 复现、补丁验证和预览发布三个阶段。文章拆解了子代理如何隔离运行、如何与仓库交互，以及为什么选择这种架构。

技巧 Astro Cloudflare GitHub Actions

推荐理由：Cloudflare 用 AI 子代理自动处理 Astro 的 issue，积压少了 85%，这套流水线可以搬回自己项目用。

原文

16:39

官方一手marktechpost@Sana Hassan

精选

本教程演示如何用NVIDIA SkillSpector和LangGraph搭建AI代理技能的安全审计流水线。流程先构造一个合成技能市场，再扫描恶意提示注入、凭证访问和危险依赖。你可以自定义YARA规则，配置基线豁免，并把SARIF结果接入CI部署门禁。整个方案面向AI技能供应链的自动化安全检查。

技巧 NVIDIA SkillSpector LangGraph YARA

事件专题

推荐理由：想给AI技能加安全审计，可以照这个教程搭一套：NVIDIA SkillSpector扫描、YARA规则拦截、CI门禁卡关，步骤很清楚。

原文

11:54

量子位@克雷西

精选

一家拥有亿级日活App的出海AI团队，因推理成本倒挂陷入算力压力。他们通过重构为跨云架构，将GPU集群规模砍掉75%。文章拆解了这套跨云方案的实施路径，以及如何应对出海场景下的“三重算力锁链”。

技巧跨云架构推理成本 GPU集群

推荐理由：一家出海AI团队靠跨云架构把GPU集群砍掉75%，推理成本倒挂的解法都拆开了，做AI应用的真该看看。

原文

07:53

07:53官方账号Simon Willison’s Weblog（博客/媒体）

Niklas Gruhn提出“meat proxy”一词，指盲目复制粘贴AI输出给他人的人。Simon Willison建议，人们可以用AI辅助，但不能只转发输出，而要阅读、理解、验证，再用自己的话写回复。这个建议源于Lobste.rs，强调这种努力能增加价值。

技巧 meat proxy Simon Willison AI输出

推荐理由：Simon Willison教你别当“肉代理”——别把AI的回答直接甩给别人。读一遍、想明白、用自己的话说，就这么简单。

原文

06:30

官方一手marktechpost@Sana Hassan

本教程介绍如何用Moonshot PerceptionBench搭建多模态视觉模型评估工作流，覆盖OCR、计数、定位、上下文推理、比较、深度理解与幻觉检测等任务。教程使用Colab环境安装依赖，并加载数据集的平衡子集。通过健壮数据加载与自动判定流程，实现端到端评测。教程同时说明如何配置自动评判模块以减少人工干预。

技巧 PerceptionBench Moonshot 多模态

推荐理由：想测自家视觉模型？用Moonshot的PerceptionBench，从OCR到幻觉检测都覆盖，跟着这教程搭流程就行。

原文

06:27

06:27官方账号Latent Space (swyx)（博客/媒体）

76°

Baseten刚完成130亿美元F轮融资，成为推理工程领域的头部公司。本文由Philip Kiely和Ali Taha撰写，是一份推理工程大师课。内容聚焦自回归推理与扩散推理两大方向。适合从事AI模型部署的工程师阅读。

技巧 Baseten 推理工程自回归模型

推荐理由：Baseten刚融了130亿美元，这篇大师课把自回归和扩散的推理工程讲透了，搞部署的可以看。

原文

04:23

官方一手marktechpost@Asif Razzaq

精选

本指南提出see-fix-protect框架，覆盖五层智能体AI攻击面地图和12点错误配置检查清单。还提供基于证据的排查矩阵、运行时防护栏和系统提示词加固方法。安全成熟度自评估对标NIST AI RMF、OWASP AIMA、ISO/IEC 42001和欧盟AI法案。适合正在将AI代理和MCP服务器投入生产的团队参考。

技巧 AI安全 MCP/工具智能体

推荐理由：这份指南把AI应用安全讲得很实在，有攻击面地图和检查清单，照着就能排查配置问题，比抽象的安全理论有用多了。

原文

02:08

02:08官方一手Meta Engineering Blog（博客/媒体）

技巧 GEM Meta 广告推荐

推荐理由：Meta把广告推荐模型训到LLM规模，效率翻倍，MFU到20-25%，算力扩4倍。值得做推荐训练的看看。

原文

01:08

01:08官方账号Simon Willison’s Weblog（博客/媒体）

David Crawshaw 认为开发工具必须开源，并给出一个可直接使用的提示词。该提示词要求设置夜间 cron 任务，执行“获取上游更改并变基所有本地更改”的指令，随后检查软件是否正常并替换当前版本。这个流程能帮助开发者长期维护基于上游的本地分支，适合配合编码代理使用。

技巧 David Crawshaw cron 提示词工程

推荐理由：Crawshaw 给了一个能直接抄的 cron 提示词，让编码代理每晚自动 rebase 上游，不用再手动合并了。

原文

00:47

官方一手AWS Machine Learning Blog@Nafi Diallo

Amazon Bedrock 新增自动化推理策略优化功能。该引擎能诊断失败的测试，并为规则问题和语言问题提出形式逻辑修复方案。所有变更需人工批准后才生效。文章演示了两种优化模式的完整 API 和控制台工作流。

技巧 Amazon Bedrock Automated Reasoning AWS

推荐理由：AWS 给 Bedrock 加了自动策略优化，能诊断测试失败并提议修复，你确认后才生效。文章带完整 API 和操作流程。

原文

8月3日

05:24

官方一手marktechpost@Sana Hassan

精选

本教程基于NAIP高分辨率影像，完整演示建筑足迹提取的GeoAI工作流。流程包括配置深度学习环境、下载影像与矢量标签，并生成带地理参考的图像块和分割掩码。训练阶段采用ResNet-34编码器的U-Net模型，并涉及Grounding DINO、SAM和Mask R-CNN的集成应用。

技巧 U-Net Grounding DINO SAM

推荐理由：想用航拍图自动提取建筑轮廓？这篇教程教你从NAIP影像训练U-Net，还带上了SAM和Mask R-CNN的用法。

原文

8月2日

13:47

官方一手marktechpost@Sana Hassan

精选

该教程基于TimesFM 2.5构建完整的时序预测工作流，覆盖配置运行时、安装依赖、硬件检测和生成多门店零售数据集。数据集包含趋势、季节性、价格、促销、节假日和温度效应等真实因素。流程中详细演示了回测、协变量处理和异常检测方法，并支持在Colab中直接部署可扩展的预测管线。

技巧 TimesFM 2.5 时间序列预测回测

推荐理由：这教程用TimesFM 2.5把预测全流程都走了一遍，回测、协变量、异常检测都有，跟着能直接在Colab跑起来。

原文

02:35

官方一手marktechpost@Sana Hassan

78°

教程演示如何在PyTorch中配置NVIDIA Transformer Engine的融合GPU内核。使用FP8延迟缩放和BF16混合精度训练GPT风格因果语言模型。文章提供了可运行的代码示例，并给出不同GPU上的基准测试对比。还解释了FP8延迟缩放的数值稳定性调参方法。

技巧 NVIDIA Transformer Engine PyTorch FP8

推荐理由：想让你自己训练的Transformer跑得更快？这篇手把手教你用NVIDIA Transformer Engine和FP8，还有代码和GPU跑分对比。

原文

7月31日

23:54

官方一手AWS Machine Learning Blog@Joshua Lacy

文章介绍如何使用 Amazon Bedrock AgentCore Observability 监控生产智能体。借助 Amazon CloudWatch 仪表盘，可以定位长时运行会话中的性能瓶颈。通过 CloudWatch 日志和指标，还能诊断内存异常并优化配置。

技巧 Amazon Bedrock AgentCore CloudWatch

推荐理由：如果你有智能体从demo上线后变慢，这篇AWS官方教程教你怎么用CloudWatch和AgentCore找瓶颈、查内存问题，实用。

原文

12:48

官方一手marktechpost@Sana Hassan

精选

本教程演示如何在Google Colab中用Omnigent搭建多智能体金融研究工作流。流程集成了实时汇率数据，用于金融文本审计。采用层级智能体委托，将任务分派给子智能体执行。可设置成本预算和工具调用上限等治理策略，限制研究管线开销。整个流程运行在隔离Python环境中，保证执行安全。

技巧 Omnigent Google Colab 智能体

推荐理由：想用Omnigent搭金融研究流程？教程里教你在Colab接实时汇率、设成本上限，还能自动分任务给子智能体，挺实用。

原文

12:42

12:42IT之家（博客/媒体）

微星发布High-Efficiency模式，让标准EXPO DDR5内存延迟从79.4ns降至71.6ns，接近EXPO ULL的71.4ns。该测试基于Ryzen 7 9800X3D与B850MPOWER平台，使用芝奇F5-6000J3038F16GX2-TZ5N标准内存。功能集成于MSI CLICK BIOS X，提供Tightest、Tighter、Balance、Relax四档预设。相比EXPO ULL内存79%的溢价，该模式可省下额外花费。

技巧微星 EXPO High-Efficiency

推荐理由：开个模式，普通EXPO内存延迟从79.4ns变71.6ns，ULL的79%溢价都能省，微星BIOS里搞定。

原文

00:32

官方一手AWS Machine Learning Blog@Sunita Koppar

精选

该指南介绍如何利用Amazon Quick为Amazon SageMaker AI端点搭建推理元监控系统。该系统作为治理层，持续追踪预测质量和数据质量，检测数据漂移，并集成延迟真实值。同时自动化生成性能仪表板，帮助运维团队快速定位问题。

技巧 Amazon SageMaker AI Amazon Quick 推理监控

推荐理由：想给SageMaker模型加监控层？这篇手把手教你用Amazon Quick做推理监控，自动抓数据漂移和性能报表。

原文

00:10

官方一手AWS Machine Learning Blog@Jesse Manders

Amazon Bedrock Advanced Prompt Optimization 可同时优化最多5个模型的提示词，并对比原始与优化后的质量、延迟和成本。用户可在几分钟内完成模型迁移或当前提示优化，替代原本数周的手动工作。该功能支持主流基础模型，帮助开发者快速找到最优提示配置。

技巧 Amazon Bedrock Advanced Prompt Optimization 提示词工程

推荐理由：想换模型又怕提示词不兼容？Bedrock这个功能支持一次优化5个模型，几分钟就能看到质量、延迟和成本的对比，省时省力。

原文

7月30日

10:42

官方一手宝玉的分享@宝玉

文章分享了当AI编程助手（如Cursor）的代码质量可信后，作者作为技术主管（TL）不再逐行审查实现，而是转向工程经理（EM）角色，专注于定义方向、验收结果。这种转变基于对AI生成代码的信任，将人从实现细节中解放，提升整体效率。作者强调，可信门槛取决于团队和工具成熟度，需结合具体场景判断。

技巧编程助手 AI代码审查工作流

事件专题

推荐理由：作者分享了自己从TL转EM的实战心得，告诉你何时可以放心让AI写代码、人只负责验收方向，适合正在用AI编程的团队参考。

原文

07:12

07:12官方一手OpenAI Blog（博客/媒体）

OpenAI 通过启用两个 API 设置（保留推理轨迹和启用结果压缩）让模型在 ARC-AGI-3 基准上的得分提升至原来的三倍。这些设置分别作用于推理过程和输出压缩，不增加额外计算成本。具体配置方法在官方博客中公开。

技巧 ARC-AGI-3 OpenAI 推理模型

事件专题

推荐理由：OpenAI 官方分享的实用技巧，只改两个参数就让 ARC-AGI-3 分数翻三倍，玩模型的可以试试。

原文

03:45

官方一手marktechpost@Asif Razzaq

文章对比了提示工程（Prompt Engineering）、循环工程（Loop Engineering）和图工程（Graph Engineering）三种AI工程方法。循环工程于2025年末进入AI词汇，到2026年6月主导开发者讨论，图工程约六周后出现。三者并非竞争技术，而是在不同抽象层次上改变AI工作流。提示工程聚焦单次指令优化，循环工程引入多步迭代，图工程构建结构化依赖关系。

技巧 Prompt Engineering Loop Engineering Graph Engineering

推荐理由：别再混用这三个术语了。这篇文章清晰拆解提示工程、循环工程和图工程各自管哪一层，面试和写简历都能用上。

原文

03:06

03:06官方账号Simon Willison’s Weblog（博客/媒体）

本文详细说明如何将自定义MCP服务器连接到Claude和ChatGPT的标准聊天界面。你需要创建一个MCP服务器端点并配置API密钥。然后在Claude桌面版或ChatGPT的设置中注册该服务器。整个过程需要十余个手动步骤，但完成后可以在对话中直接调用自定义工具。

技巧 Claude ChatGPT MCP/工具

推荐理由：想给Claude和ChatGPT加自定义工具？这篇手把手教你搭MCP服务器，不用插件，在设置里就能连上。

原文

00:48

官方一手AWS Machine Learning Blog@Swara Gandhi

精选

本文介绍如何在Amazon Bedrock AgentCore Identity中使用Private Key JWT客户端认证，并支持授权码流和客户端凭证流。您将学习在AWS KMS中创建签名密钥、向身份提供商注册公钥、在AWS管理控制台配置凭证提供程序，以及查看记录代理访问的AWS CloudTrail事件示例。

技巧 Amazon Bedrock AgentCore Identity Private Key JWT

推荐理由：AWS官方教程，手把手教你配置私钥JWT认证，省去自己摸索的时间。

原文

7月29日

23:56

官方一手AWS Machine Learning Blog@Sudhanshu Hate

Amazon Bedrock AgentCore 通过配置而非自定义代码实现跨系统商业智能。它提供预构建的MCP服务器连接器，支持自然语言查询多个数据源。细粒度访问控制和持久内存确保角色边界自动执行。该方案无需编写集成代码即可实现企业级数据查询。

技巧 Amazon Bedrock AgentCore MCP

推荐理由：AWS出了个新玩意，用AgentCore配合MCP服务器，不用写代码就能自然语言查多个数据库，权限也自动管，省心。

原文

17:41

掘金本周最热@沉默王二

一位携程研发员工分享4年月薪约3万未涨薪但满意稳定福利。文章随后给出Agent面试题详解，涵盖Claude Code与Codex对比、prompt分层组装（9层含身份层、模式层等）、ReAct循环、工具调用、MCP协议等核心模块。还解释了Prompt Caching原理和三层上下文压缩策略（工具结果截断、对话历史摘要、紧急降级）。

技巧 Claude Code Codex PaiCLI

推荐理由：想学Agent实现原理？这篇有9层prompt组装、三层上下文压缩等实战细节，比只看工具用法深不少。

原文

07:17

07:17官方账号Simon Willison’s Weblog（博客/媒体）

精选78°

Anthropic研究人员使用Claude Mythos在60小时内发现了HAWK和弱版AES（AES-128 r7）的数学弱点，但两者对当前系统无实际影响。研究花费约10万美元API费用，关键干预是反复用自然语言提示模型“找点值得发表的东西”。研究人员公开了带拼写错误的prompt，例如“no again the goal is that we have highly inteligent model as good top researcher”。实验表明，即使强大模型也需要明确引导才能坚持解决困难问题。

技巧 Claude Anthropic HAWK

事件专题

推荐理由：Anthropic花了10万刀让Claude跑60小时，逼它找出HAWK和弱AES的数学漏洞，还公开了怎么给模型打鸡血的prompt，很有参考价值。

原文

07:15

官方一手marktechpost@Sana Hassan

精选

本教程演示如何通过uv在Python 3.13隔离环境中安装并配置Kimi CLI，使用TOML文件设置Moonshot API认证。通过编写Python封装器实现非交互式CLI命令执行，结合JSONL流式处理、自动化测试和会话记忆功能，构建完整的智能体编码工作流。教程详细说明了Kimi CLI作为非交互式编程助手的配置步骤和实际调用方法。

技巧 Kimi CLI Moonshot 智能体

推荐理由：手把手教你用Kimi CLI搭一个非交互式的编程智能体工作流，包括配置、封装、测试和记忆功能，适合自动化编码场景。

原文