07:26Ate-a-Pi@svpinosvpino在推文中指出,每个模型都有独特的行为模式,切换模型时通常需要更新大量提示词以适应新特性。根据实际经验,每一次模型替换都伴随着提示词的重写。因此建议在设计系统时提前构建灵活性,减少替换成本。技巧提示词工程模型替换架构设计推荐理由:svpino分享了一个实用经验:别指望模型替换是即插即用,得重新调提示词,所以架构要留好接口。原文稍后读已读值得跟进有用关注 提示词工程
06:18Philipp Schmid@_philschmidPhilipp Schmid 发布了 gemini-omni-flash-api skill,可通过 npx skills add google-gemini/gemini-skills --skill gemini-omni-flash-api 快速集成到 agent 中。该 skill 支持 Text to video、Image references to video、First frame to video、Conversational video editing 四种核心工作流。它让开发者能直接在 agent 内调用 Gemini Omni Flash 的视频生成和编辑能力。技巧Gemini Omni Flashnpx视频生成推荐理由:Philipp Schmid 放了个 skill,一行命令就能让 agent 用 Gemini Omni Flash 做视频编辑,四个玩法直接抄原文稍后读已读值得跟进有用关注 Gemini Omni Flash
05:20Google AI Developers@googleaidevsGoogle AI Deva 在交互式 3D 地球仪演示中,展示了结合 Nano Banana 2 Lite 和 Omni 模型的工作流。上传照片后,Nano Banana 2 Lite 进行快速上下文感知图像融合,Omni 模型将场景生动化,生成个性化明信片。该演示可在 AI Studio 中体验。技巧Nano Banana 2 LiteOmniGoogle10 个信源在谈事件专题推荐理由:Google 出了个好玩的多模型演示,上传照片就能让 Nano Banana 2 Lite 和 Omni 合作生成明信片,想看看不同模型怎么配合的可以试试。原文稍后读已读值得跟进有用关注 Nano Banana 2 Lite
05:17Lenny Rachitsky@lennysanColin Matthews在客座文章中提出AI原生PM在2026年中的操作框架。最好的PM用真实代码做原型,通过MCP以自然语言查询数据,并运行coding AI agents。该框架指导PM如何利用AI创造更大杠杆,替代传统协调型工作方式。技巧Colin MatthewsMCPAI agents推荐理由:Colin Matthews教你顶级PM怎么用代码、MCP和AI Agent干活,照着做就能提升你的工作效率。原文稍后读已读值得跟进有用关注 Colin Matthews
04:20OpenRouter@OpenRouterAI精选73°OpenRouter 更新模型别名机制,用户调用 ~anthropic/claude-sonnet-latest 即可自动获取最新 Sonnet 模型。该别名目前指向 Claude Sonnet 5。开发者无需手动修改 API 中的模型名称,即可持续使用最新版本。技巧OpenRouterClaude Sonnet 5API10 个信源在谈事件专题推荐理由:以后不用手动换模型版本了,用 OpenRouter 的这个别名自动跟着 Anthropic 走,省心。原文稍后读已读值得跟进有用关注 OpenRouter
03:25Harrison Chase@hwchase17Mitchell 分享他的规则:任何内容加入知识系统前必须经他本人审核,这让他受益匪浅。他还执行每日和每周的回顾(standups/reviews)来清理过时状态。Harrison Chase 对此表示赞同,认为 human in the loop 对这类 wiki 记忆系统非常有益。这种方法能确保知识库质量,避免噪音。技巧human in the loopwiki memory systems知识管理推荐理由:Mitchell 分享了一个实用工作流:每次添加知识前先过目,再加每日每周回顾。想管理好你自己的知识库?试试这个。原文稍后读已读值得跟进有用关注 human in the loop
03:20AK@_akhaliq该推文介绍了在Claude Code中集成open-fusion与hf-claude的工作流程。open-fusion是一个用于模型融合的开源工具,hf-claude让用户通过Hugging Face接口调用Claude模型。该帖获得4031次查看、5次转发和11个点赞,表明社区对此方法的关注。技巧Claude Codehf-claudeopen-fusion推荐理由:一个让Claude Code调用Hugging Face模型的新工作流,适合想扩展Claude能力的开发者。原文稍后读已读值得跟进有用关注 Claude Code
02:22Harrison Chase@hwchase17精选Miller等人通过将“文件”作为文档数据库对象托管,并添加了数据库查询API。他们为智能体构建了一个CLI,用于存储、更新和获取信息。系统提示被更新,告知智能体使用该CLI进行交互。这种实现方式让智能体专注于信息管理,实现了类似维基的持久记忆。技巧wiki memory智能体文档数据库推荐理由:Miller分享了怎么用文档数据库和CLI让AI智能体拥有维基式的长效记忆,很实用的操作指南。原文稍后读已读值得跟进有用关注 wiki memory
02:09Harrison Chase@hwchase17精选本教程展示如何结合Gemini Live和deepagents子代理构建语音研究代理。Gemini Live提供低延迟、自然流畅的语音对话能力,而deepagents负责执行长时间运行的复杂任务。通过LangSmith实现全链路追踪与可观测性。该方法解决了语音代理中对话质量与可靠性的权衡问题。技巧Gemini LivedeepagentsLangChain推荐理由:LangChain发了个教程,教你用Gemini Live做语音代理,把复杂任务丢给deepagents子代理,既能低延迟对话又能跑长时间任务,挺实用的。原文稍后读已读值得跟进有用关注 Gemini Live
01:59官方一手@OpenAIDevs@OpenAIDevs精选OpenAI开发者团队对一年间数据基础设施的所有崩溃进行调试,最终定位到两个根本原因:一个硬件故障,另一个是开源代码中潜伏了18年未被发现的漏洞。团队详细分享了从崩溃日志到源码级分析的追踪方法。技巧OpenAI调试开源代码4 个信源在谈事件专题推荐理由:OpenAI分享他们怎么追了一年崩溃,结果发现一个藏了18年的开源bug,挺硬核的原文稍后读已读值得跟进有用关注 OpenAI
01:36官方账号LangChain@LangChainAILangChain介绍语音智能体构建的两种方案:Gemini Live实现低延迟的自然对话,Sandwich架构提供更可靠的流程控制。他们结合Gemini Live、Deep Agents和LangSmith构建了一个语音研究智能体,具备完整追踪与可观测性。该方案同时优化了对话质量和长期研究任务的可靠性。技巧LangChainGemini LiveDeep Agents推荐理由:LangChain教你如何混用Gemini Live和Sandwich架构,既做出流畅对话又保证任务可靠,实用技巧。原文稍后读已读值得跟进有用关注 LangChain
01:00Harrison Chase@hwchase17LangChain团队通过强化代码解释器运行时,实现了在无完整沙箱环境下安全运行Agent代码。该方法减少了资源开销,同时保持安全隔离。具体优化包括权限控制、资源限制和网络隔离。适用于需要快速迭代Agent逻辑的场景。技巧AgentCode InterpreterLangChain推荐理由:LangChain创始人教你用轻量级方案跑Agent代码,不用开重型沙箱,省资源还安全。原文稍后读已读值得跟进有用关注 Agent
00:27官方账号Andrew Ng@AndrewYNgAndrew Ng在一封信中分享了循环工程(loop engineering)的概念,该术语因Claude Code创造者Boris Cherny和OpenClaw创造者Peter Steinberger的提及而走红。Ng提出三个关键循环:代理编码循环让AI代理根据产品规范和评估集迭代写代码、测试,直至无缺陷;开发者反馈循环让开发者检查产品并指导代理改进,每十分钟到几小时一次;产品方向循环帮助团队用AI辅助决策。例如,Ng用代理编程构建了一款打字练习应用,代理持续工作约一小时后才返回结果。技巧Claude CodeAndrew Ng循环工程2 个信源在谈事件专题推荐理由:Andrew Ng手把手教你用三个循环让AI编程代理干活更久更稳,适合做0到1产品的开发者看。原文稍后读已读值得跟进有用关注 Claude Code
00:08宝玉@dotey社区推荐将多个微服务放在monorepo或虚拟monorepo下,让Agent同时看到schema定义和API协议。根目录放AGENTS.md作为索引,每个服务目录内放bounded context文档,按需加载。文档需及时更新,优先使用OpenAPI spec等机器可读规格代替手写文档。利用contract test和Pact契约文件提供精准上下文,配合mock server和本地测试形成验证闭环。技巧AI Agentmonorepo微服务推荐理由:这篇讲了怎么用monorepo、AGENTS.md和契约测试让Agent搞定十几个微服务的协作设计,实操性很强。原文稍后读已读值得跟进有用关注 AI Agent
23:51Harrison Chase@hwchase17Harrison Chase在推文中介绍了一种常见的AI记忆模式——Wiki Memory,即让智能体维护类似维基百科的结构化知识库。他列举了三个具体实现:Cognition公司开发的DeepWiki、FactoryAI旗下的AutoWiki,以及Andrej Karpathy的LLM Wiki。该模式通过持续更新外部知识文档来增强智能体的长时记忆能力。技巧DeepWikiAutoWikiLLM Wiki推荐理由:Harrison Chase用三个实际项目告诉你智能体怎么记住东西,适合想搞记忆机制的开发者。原文稍后读已读值得跟进有用关注 DeepWiki
23:19Yangyi@Yangyixxxx用户分享让 coding agent 通读 openclaw 前端代码的经验。通过深度学习 openclaw 的前端设计,agent 能避免生成 AI slop。这是用户从 openclaw 项目中获得的最大收获之一。技巧coding agentopenclawAI slop2 个信源在谈事件专题推荐理由:想知道怎么让 AI 写代码不产生垃圾?这位开发者分享了一个很实际的工作流:让你的 coding agent 去读 openclaw 的前端代码学习一下。原文稍后读已读值得跟进有用关注 coding agent
21:47Harrison Chase@hwchase17hwchase17在推特中分享了如何优雅地显示动态子代理(subagents)的CLI加载动画。他们通过自定义spinner实现动态更新,并对齐了UI设计。该方案专注于提升终端交互的视觉反馈效果。技巧CLI子代理loading spinner推荐理由:看看大佬们怎么在CLI里优雅展示子代理的加载动画,代码细节和设计决策都有。原文稍后读已读值得跟进有用关注 CLI
18:47AI Will@FinanceYF5Seedance 2.0 又一次引发热潮,用户构建了多种多样的AI视频工作流,包括电影感动作片、K-pop MV、广告、动画以及4K恐怖片。该推文展示了10个极端案例,并介绍了制作方法。这些案例覆盖了从短视频到电影级场景的各种不可能实现的效果。教程部分详细说明了如何使用Seedance 2.0工具链实现这些创意。技巧Seedance 2.0视频生成工作流推荐理由:Seedance 2.0 又火了,这次分享了10个超野的视频工作流案例,从动作片到K-pop MV都有,还附带了制作方法,想学AI视频的话可以看看。原文稍后读已读值得跟进有用关注 Seedance 2.0
17:17Geek@geekbbGitHub 用户 kageroumado 发布了一个工具,它能监控 AI Agent 的进程状态。当 Agent 运行时,阻止 Mac 进入休眠;Agent 退出后,自动恢复原有的电源管理策略。这个方案避免了因整机持续唤醒造成的电能浪费,适合需要长时间运行 Agent 任务的用户。技巧Mac智能体开源工具推荐理由:跑 Agent 时再也不用手动关屏保了,跑完自动休眠省电,超实用。原文稍后读已读值得跟进有用关注 Mac
15:01Jerry Liu@jerryjliu0精选Cognition 的 Devin Fusion 采用混合模型架构,引入“sidekick” 小模型与前沿模型并行运行。前沿模型负责任务规划、进度监控和最终审查,小模型处理具体工作。这种设计在保证智能的同时避免不必要的 frontier 模型开销,并确保所有子代理能利用累积上下文缓存。该方法能提升缓存命中率,降低推理成本。技巧Devin FusionCognition模型路由推荐理由:Cognition 的 Devin Fusion 用一个小模型当副手,让主力模型专心做决策,省资源还提高缓存效率,做多代理系统的人值得看。原文稍后读已读值得跟进有用关注 Devin Fusion
14:55AI Will@FinanceYF5该解码流程分为三步:Conformer先识别字符,Aligner将字符分组对齐成词向量,LLM根据语义重构句子。整个链路不依赖人工规则,而是通过端到端训练实现。这种方法能提升解码准确性和语义一致性。技巧ConformerAlignerLLM推荐理由:看看这个解码思路:Conformer干识别,Aligner对齐,LLM重构,全端到端,比人工规则强。原文稍后读已读值得跟进有用关注 Conformer
14:52Paul Couvert@itsPaulAi精选Paul推荐了5款可在笔记本上运行的本地模型,无需$10k Mac Studio。Qwen3.6-27B被认为是最佳编程智能体模型,Qwen3.6-35B-A3B是更快选项。Gemma 4 12B适合日常问答,Parakeet 0.6B v3是语音转文本最佳模型。Gemma 4 E4B可离线在手机运行,Gemma 4 26B diffusion在本地模型中Token/秒最高。建议使用Unsloth量化版搭配LM Studio或llama.cpp运行。技巧Qwen3.6-27BGemma 4Parakeet1 个信源在谈事件专题推荐理由:Paul整理了5款能塞进笔记本的本地模型,从编程到语音全覆盖,帮你省掉高价工作站的钱。原文稍后读已读值得跟进有用关注 Qwen3.6-27B
14:37Lenny Rachitsky@lennysan精选OpenAI Codex负责人Andrew Ambrosino总结了7条经验。产品工作已从'是否该做'转向'哪个原型最好'。角色由时间分配而非头衔定义,Codex团队采用'区域防守'策略覆盖全公司。AI设计差有实用与结构两原因,实用层面可能解决。最初的Codex Web发布过于野心勃勃,而Claude Code本地启动更契合模型能力。他认为2026年2月发布的Codex应用若在2025年11月推出会失败。品味不仅是美学,更是决定构建什么。技巧OpenAICodexClaude Code10 个信源在谈事件专题推荐理由:Andrew Ambrosino分享Codex团队真实经验:产品策略、模型发布时机和设计缺陷,做AI产品的都该看看。原文稍后读已读值得跟进有用关注 OpenAI
14:21AI Will@FinanceYF5用户将Opus 4.8替换为Kimi K2.7进行推理任务,基准差距约8%,价格便宜11倍。代码生成从GPT-5.5替换为Qwen 3.7 Max,基准差距约18%,价格便宜7倍。智能体循环与工具调用从Sonnet 4.7替换为GLM 5.2,基准差距约3%,输入价格便宜5倍。图像生成从GPT-Image-2替换为Wan 2.5,基准差距约5%,价格便宜8倍;视频生成从Sora 2替换为Kling 3.0,差距大致相等,价格便宜6倍。30天后运营成本下降87%,输出质量平均下降4%,收入不变,且模型可本地运行、保障数据安全。技巧Kimi K2.7Qwen 3.7 MaxGLM 5.21 个信源在谈事件专题推荐理由:他把Opus、GPT、Sonnet全换成中国模型:成本降87%,性能只降4%,收入不变。附完整迁移方法。原文稍后读已读值得跟进有用关注 Kimi K2.7
14:17AI Will@FinanceYF5一位开发者将其产品使用的AI模型全部替换为中国系模型,涉及6类任务逐一对比。替换后成本下降87%,收入未受影响,而模型输出质量平均仅下滑4%。该案例展示了中国模型在性价比上的显著优势。技巧中国模型成本优化质量对比推荐理由:有人实测把模型全换成中国的,成本省了87%,质量只差4%,收入没掉,这性价比太香了。原文稍后读已读值得跟进有用关注 中国模型
13:22AI产品黄叔@PMbackttfuture作者分享了一个使用Codex的Agentic工作流:通过一个Skill实现Codex自动抓取、改写内容并提交到多维表格。另一个Skill基于多维表格内容生成小红书图文笔记。再用Codex的Replay复刻Skill,基于爱贝壳插件将图文笔记发布到小红书。目前Codex不允许直接对外公开发布内容,存在限制。技巧Codex多维表格小红书推荐理由:作者用Codex串联了抓取、改写、生成、发布整个流程,虽然有限制但思路很实用,想搭建内容自动化工作流的可以看看。原文稍后读已读值得跟进有用关注 Codex
13:19官方一手歸藏(guizang.ai)@op7418精选71°Twitter(X)现已推出 MCP 接口,允许 AI 工具直接访问实时信息。配置需在 Twitter 开发者后台创建 APP 并充值,调用费用为 0.01 美元/次(1 美元 1000 次)。作者拉取近三天书签仅花费 0.1 美元。配置步骤包括创建 APP、获取配置 ID、在 MCP 配置文件中替换 ID,以及授权启动。配置过程可借助 Codex 或 Claude 辅助。技巧TwitterMCPX API推荐理由:想用 AI 分析你自己的 Twitter 数据吗?MCP 接口花几分钱就能让 AI 帮你整理书签和信息流,跟着这个教程一步步配置就行。原文稍后读已读值得跟进有用关注 Twitter
13:02宝玉@dotey精选该项目用约4300行代码(TypeScript和Python两个版本)复现了Claude Code的核心架构。涵盖Agent Loop、13个工具(含并行执行+流式早期启动)、4层上下文压缩、语义记忆召回、技能系统、多Agent、MCP集成等模块。全书共13章,每章均为分步教程,对照真实源码讲解简化实现思路。技巧Claude Code开源教程Agent推荐理由:想搞懂Claude Code怎么工作的?这个教程用4300行代码讲清楚了,还有TypeScript和Python两个版本可以跟着写。原文稍后读已读值得跟进有用关注 Claude Code
12:37官方账号LangChain@LangChainAILangChain 的 LangSmith Fleet 允许用户在 General Purpose Chat 中处理临时任务,系统自动记录工作流。当任务重复出现时,Fleet 可将其转化为带有指令、工具、触发器和记忆的 Specialized Agent,无需从头配置。这简化了从临时任务到永久 Agent 的迁移过程。技巧LangSmithFleetLangChain推荐理由:临时任务做多了?LangSmith Fleet 能帮你自动转成专用Agent,省掉空白配置的麻烦。原文稍后读已读值得跟进有用关注 LangSmith
10:43Ate-a-Pi@svpino精选建议用“value per token dollar”指标评估智能体:将智能体产生的价值除以消耗的token成本。比值低于1表示成本大于回报;等于1表示收支平衡;高于1则可用该智能体构建业务。不同智能体即使使用相同模型和token数,创造的价值也可能完全不同。@matrix_build 团队首次采用这一指标。技巧value per token dollarmatrix_build智能体推荐理由:别再纠结智能体能不能干了,试试用“值多少token”来算账,看投入产出比高不高。原文稍后读已读值得跟进有用关注 value per token dollar
23:12berryxia@berryxiaMargot Van Laar在Code with Claude大会上分享提示词工程实战,核心观点是生产提示词调试维护比从零写更重要。她展示客服机器人场景:团队发现旧模型遗留的'禁止列表'指令导致新模型过度拟合,以及'请仔细计算'无效需提供计算器工具。在零售排班Agent场景中,她将复杂提示词拆成三个简单提示词(生成、评估、修复)组成循环,比单一大提示词更稳定。她强调可用Opus等更强推理模型加自适应思考来简化提示词,并务必建立量化评估基准验证改动效果。技巧AnthropicClaude提示词工程10 个信源在谈事件专题推荐理由:Anthropic工程师手把手教你维护生产提示词,从客服机器人到排班Agent,拆成小提示词更靠谱,还有评估妙招。原文稍后读已读值得跟进有用关注 Anthropic
23:10berryxia@berryxia精选Anthropic工程师Margot Van Laar在Code with Claude分享提示词工程最佳实践,强调通过评估(Eval)而非直接修改提示词来优化。她用客服机器人和零售排班两个案例演示:使用XML标签结构化提示词、移除旧模型遗留的禁止列表(如Claude 3 Opus)、用工具替代指令处理计算任务。拆解复杂任务为生成-评估-修复循环,并建议用更强推理模型(如Opus)加自适应思考替代小模型复杂提示词。技巧提示词工程Claude评估10 个信源在谈事件专题推荐理由:Anthropic工程师手把手教你怎么调客服提示词和搭Agent,用Opus加循环拆解比堆复杂指令更管用,核心就一句话:先搞评估原文稍后读已读值得跟进有用关注 提示词工程
20:05@zarazhangrui@zarazhangrui一位创业者分享经验:每花1小时构建产品,应投入2小时用于解释、演示、销售和教学。这一比例强调产品需要持续向外界传达并基于用户反馈迭代。指出将时间优先花在传播和沟通上,是产品成功的关键。该观点源自与现实的接触和不断打磨。技巧产品开发推广技巧创业经验推荐理由:别只顾码代码,花两倍时间去推销和教学,这才是让产品落地的硬道理。原文稍后读已读值得跟进有用关注 产品开发
18:57官方账号vLLM@vllm_project精选NVIDIA 与 vLLM 合作发布 step-by-step 指南,教你用四台 DGX Spark 盒子组建私有集群,自托管 550B 参数的 Nemotron-3-Ultra 模型。指南基于 vLLM 官方容器,可提供兼容 OpenAI 的端点。无需数据中心,适合构建私有 agent 工作流。技巧Nemotron-3-UltraNVIDIADGX Spark10 个信源在谈事件专题推荐理由:想不依赖数据中心自己跑 550B 模型?NVIDIA 出了详细教程,四台 DGX Spark 就能拼出 OpenAI 兼容的端点。原文稍后读已读值得跟进有用关注 Nemotron-3-Ultra
14:55宝玉@dotey有用户发现,在 Codex 应用中将模型选为 GPT-5.5 并设置推理为 xhigh 后,运行 Juice 测试 Prompt 若返回 128 则实际使用的是 GPT 5.6 Sol,否则返回 768 就是 GPT 5.5。该 Prompt 要求模型输出 Juice 数除以2乘10再除以5的结果。目前测试仍返回 768,说明多数用户尚未灰度到 GPT 5.6 Sol。技巧GPT 5.6 SolGPT 5.5提示词工程推荐理由:想提前知道自己的 GPT 5.5 是不是偷偷升级了?用这个 Juice 测试 Prompt 一试便知,很简单。原文稍后读已读值得跟进有用关注 GPT 5.6 Sol
13:58Ate-a-Pi@svpino这个开源项目允许你录制浏览器操作,系统会自动清理录制内容,移除重试、死路和页面特定细节。然后它只保留任务逻辑而非具体点击,将其转化为可复用的技能。最后这些技能被组织成技能图谱,智能体可检索用于相关新任务。整个过程完全开源。技巧开源浏览器自动化智能体推荐理由:有个开源项目能录制你在浏览器里做的事,自动变成可复用的技能,还能让智能体直接调用,省去重复劳动。原文稍后读已读值得跟进有用关注 开源
13:52官方账号EleutherAI@AiEleutherEleutherAI在ICML 2024会议上发布了参会指南。指南包含了他们在会议期间的展位和演讲安排。参会者可通过链接获取详细位置信息。技巧EleutherAIICML开源模型推荐理由:EleutherAI发了他们在ICML的定位指南,想去现场找他们的可以看看,免得错过。原文稍后读已读值得跟进有用关注 EleutherAI
13:51官方账号Together AI@togethercomputeTogether AI 工程师将在 AI Engineer World’s Fair 举办 hands-on workshop,讨论 Agentic Coding 如何改变推理引擎需求。workshop 将讲解推理引擎的工作原理及服务生产级 agentic workloads 的要点。活动时间为6月29日上午9-11点,地点在 Room 2020。技巧Together AIAI Engineer World’s Fairagentic coding推荐理由:想了解 agentic coding 对推理引擎的新要求?Together AI 的这个实操 workshop 直接带你上手,时间是6月29日上午。原文稍后读已读值得跟进有用关注 Together AI
13:51官方账号Jasper AI@heyjasperaiJasper将Hugging Face基础设施用于其MONET系统的数据创建和存储。该方法针对随时间更新的大型训练数据集进行了优化。Jasper团队通过HF实现了更高效的数据管道管理。这一案例展示了HF在训练数据工作流中的实际应用。技巧JasperHugging FaceMONET推荐理由:看看Jasper怎么用Hugging Face当MONET的数据后台,对做大模型训练数据管道的团队很有启发。原文稍后读已读值得跟进有用关注 Jasper
13:50官方账号François Chollet@fcholletFrançois Chollet(Keras创建者)在推文中指出编程不是关于代码,而是通过抽象层管理复杂性的艺术。他认为编程的核心在于构建函数、类等抽象层来降低认知负荷。AI在这一框架下仅是一种新的抽象工具,不应被过度神化。这一观点提醒程序员更关注架构设计而非语法细节。技巧François CholletKeras抽象层推荐理由:Chollet一句话点醒你:编程不是写代码,是搭抽象层。别把AI太当回事。原文稍后读已读值得跟进有用关注 François Chollet