13:50官方账号François Chollet@fchollet精选François Chollet 指出,智能体编程(Agentic coding)迫使开发者设计清晰的 API 接口并编写完整的文档字符串。AI 代理无法阅读团队内部的隐式心理模型,只能依赖显式的 API 合约和 docstring。这要求接口规范必须精确、无歧义,文档覆盖所有输入/输出场景。对工程团队而言,这意味着需要投入更多时间在接口形式化设计上。技巧Agentic codingAPI设计文档字符串推荐理由:François Chollet 说得很实在:想用AI代笔写代码,接口就得干净、文档得详细,别指望它懂你没写出来的默契。原文稍后读已读值得跟进有用关注 Agentic coding
13:50官方账号阿里云 Alibaba Cloud@alibaba_cloud阿里巴巴云Qwen团队将于2026年6月30日举办Qwen Live第一集直播,主题为Agent-First。Qwen云负责人Linlin Kong与产品经理Pan Gu、Xijue将分享从零构建智能体云平台的经验。直播将重新定义面向非人类用户的开发者体验,并探讨大规模人机协作的新范式。技巧Qwen阿里云智能体推荐理由:想搞智能体云平台?Qwen这期直播讲从零搭建、非人类用户开发体验,做agent的开发者别错过。原文稍后读已读值得跟进有用关注 Qwen
13:50官方账号阶跃星辰 Stepfun@Stepfun_AIStep Plan 专为 Agent 工作流设计,用户只需连接一次即可持续构建和实验。它在 Claude Code 中集成了 Step 3.7 Flash 模型,大幅降低每次 API 调用的管理成本。开发者 @codedailyML 用 Step Plan 制作了 Tarot 生成器 demo,验证了工作流的便捷性。技巧Step PlanStepFunClaude Code推荐理由:StepFun 的 Step Plan 让你在 Claude Code 里连一次就能持续调模型,不用反复写 API,看那个 Tarot 生成器 demo 就知道了。原文稍后读已读值得跟进有用关注 Step Plan
13:49Ethan Mollick@emollickEthan Mollick 指出,所有模型路由器(model routers)在处理非数学/编程任务时,普遍低估任务难度并分配过少的智能资源。他建议,对于不可验证的任务(如创新、营销、定性分析),使用更智能的模型往往能带来更大收益。这一观点源于他对多种路由器实际表现的经验观察。技巧model routers任务分配推理模型推荐理由:Ethan Mollick 分享了一个容易被忽视的问题:模型路由器的任务分配不够智能,尤其对创意和分析类任务。如果你也发现一些任务结果不好,可能不是模型不行,是路由器给它派了太弱的模型。原文稍后读已读值得跟进有用关注 model routers
13:48岚叔@lufzzliz文章指出长期依赖AI生成代码会削弱工程师的沉浸式创造能力和职业满足感。作者用历史小说家批量生产而非亲自研究写书的类比,说明类似问题。他自述使用Claude和Codex几个月后,写代码变得懒散迟钝,遇到复杂问题第一反应是让AI找bug或写修复。文章警告AI批量产生的代码如同“数字塑料垃圾”,便宜但长期污染软件生态。技巧ClaudeCodex编程助手推荐理由:这篇很真实,说透了AI用得越多,自己越容易变懒,得先自己思考再让AI动手。原文稍后读已读值得跟进有用关注 Claude
13:48Ethan Mollick@emollick这个提示词让AI模型推荐两首适合当前GenAI状态的诗,并要求认真思考而非后验合理化。作者建议在GLM-5.2或Opus 4.8上尝试,观察模型如何选题和论证。它提供了窥探模型内部推理过程的视角,适合想了解模型思考方式的人。该技巧无需额外工具,直接复制提示词即可使用。技巧GLM-5.2Opus 4.8提示词工程6 个信源在谈事件专题推荐理由:想看看AI怎么思考?让GLM-5.2或Opus 4.8帮你选诗,能看到它的推理过程,挺有意思的。原文稍后读已读值得跟进有用关注 GLM-5.2
13:48岚叔@lufzzliz在世界杯小组赛预测中,GLM-5.2在比分榜综合最强,GPT-5.5在胜负榜综合最强且命中率达70%。淘汰赛阶段取消24小时限制,可一次性预测16场比赛。作者分享了提示词示例:"继续预测,可以提交淘汰赛16场的比赛,你需要仔细分析给出你的答案、并提交"。同时附带了opus-4.8和deepseekv4-pro的预测结果。技巧GLM-5.2GPT-5.5提示词工程推荐理由:作者用GLM-5.2和GPT-5.5预测世界杯,GPT-5.5命中率70%,还给了淘汰赛提示词,试试用自己的agent玩。原文稍后读已读值得跟进有用关注 GLM-5.2
13:48岚叔@lufzzliz精选LufzzLiz基于Andrej Karpathy的LLM Wiki gist衍生出两套模板:个人知识库schema(五层目录)和代码仓库wiki schema(三层目录+双层导览)。附带实践案例Hermes-wiki和wiki-web,后者支持关系图和脑图。模板可直接用于构建结构化个人知识库或项目文档。技巧Karpathy知识库模板推荐理由:如果你嫌搭建知识库太麻烦,试试这套基于Karpathy思路的模板,五层目录帮你把笔记理得清清楚楚,还有实际案例参考。原文稍后读已读值得跟进有用关注 Karpathy
12:48Geek@geekbbGitHub上Pluviobyte/video-skill仓库将AI视频制作流程拆解为多个可安装的skill模块,涵盖视频创作、复刻、动效、片头包装、质检等环节。每个skill独立可用,降低视频制作门槛。项目长期维护,持续更新。技巧video-skillPluviobyte视频制作推荐理由:这个仓库把视频创作、动效、包装等技能打包成模块,装一个就能用,做视频更轻松。原文稍后读已读值得跟进有用关注 video-skill
01:45AI产品黄叔@PMbackttfuture用户使用Hermes生成手机壁纸,并将微信Agent入口交回Hermes,同时接入flomo MCP实现记忆同步。每次手动触发“保存到flomo”时,内容会同步到flomo,并立即触发即时增强功能,从flomo/Hermes记忆中检索相关知识点推送笔记。这为知识工作者提供了利用AI助手整理灵感和长期记忆的工作流。技巧HermesflomoMCP/工具推荐理由:教你给AI设个微信入口,用Hermes做壁纸,还能自动同步到flomo,随时调取记忆,挺实用的。原文稍后读已读值得跟进有用关注 Hermes
01:42OpenRouter@OpenRouterAIOpenRouter 持续对大多数开源权重模型运行 GPQA 与 TAU-Bench 两个基准,并将结果公开。这些成绩被用于其 AutoExacto 元基准,后者是路由工具调用的默认依据。当前 Parasail 和 Zai 在排行榜上位列第一。技巧OpenRouterGPQATAU-Bench推荐理由:选模型路由工具前,看看 OpenRouter 定期跑的 GPQA 和 TAU-Bench 排名,现在 Parasail 和 Zai 排第一,挺有参考价值。原文稍后读已读值得跟进有用关注 OpenRouter
00:01官方账号Clement Delangue@ClementDelangueBrian Armstrong在推文中分享了Coinbase控制AI成本的实践。他提到,通过将默认模型切换到开源模型如GLM 5.2和Kimi 2.7,91%的员工从未触及使用上限。通过改进缓存,LibreChat的缓存命中率从5%提升到60%。这些措施使AI支出减少近一半,同时token用量仍在增长。他还强调路由优化和精简上下文的重要性。技巧Hugging FaceGLM 5.2Kimi 2.7推荐理由:Coinbase创始人Brian Armstrong分享了一套实际操作方案:用更便宜的默认模型、优化缓存和路由,能把AI成本砍半。开源模型GLM 5.2和Kimi 2.7是主角,缓存命中率从5%跳到60%。原文稍后读已读值得跟进有用关注 Hugging Face
16:18Geek@geekbb精选网友分享的 Gentle-AI 配置串联 11 个不同职能的智能体,使用低成本 Flash 模型处理大部分上下文,仅在设计(Qwen)和编码(Kimi Code)等关键环节调用高性能模型。每日成本控制在 4~7 美元,并通过多智能体对齐审查显著降低幻觉率。该 per-phase model routing 策略可适配 15 种 AI 编程工具。技巧Gentle-AIQwenKimi Code推荐理由:挺实用的配置:11个智能体分工,Flash模型省成本,Qwen和Kimi Code干重活,每天才4-7美元,还降幻觉。原文稍后读已读值得跟进有用关注 Gentle-AI
11:19AI产品黄叔@PMbackttfuture精选黄叔分享了flomo Agent的10点使用心得,核心是降低记录前0.5秒的摩擦。他通过微信入口和Hermes Agent,并接入flomo MCP,将Hermes长期记忆同步到flomo。同时手动触发“保存到flomo”的内容,即时使用增强功能从flomo/Hermes记忆里检索相关笔记以帮助思考。他认为DeepSeek V4和王登科推动了flomo的发展,且Agent功能少反而更可信。最后提出flomo Agent+Codex/Hermes可形成“记忆-行动”双系统。技巧flomoAgent知识管理推荐理由:黄叔总结了flomo Agent的10条理解,比如用微信入口降低摩擦、打通记忆和行动,还提到了DeepSeek V4的作用。想用好flomo的可以看看。原文稍后读已读值得跟进有用关注 flomo
11:19AI产品黄叔@PMbackttfuture黄叔总结了自己重度使用flomo Agent的10点理解,核心是降低记录前0.5秒的摩擦。他认为flomo Agent对手不是Notion或Obsidian,而是微信文件传输助手。该工具通过接入flomo MCP与Hermes,将对话长期记忆同步保存到flomo,并即时触发增强功能,从记忆中提取相关笔记辅助思考。黄叔还指出,DeepSeek V4和王登科推动了flomo发展,Agent功能少反而更可信,付费理由是“一个可信的记忆容器”。技巧flomo智能体Hermes推荐理由:黄叔分享了10条实际使用flomo Agent的心得,比如对手是微信文件传输助手、AI洞察是卡片结构的迟到红利,挺有启发。原文稍后读已读值得跟进有用关注 flomo
11:10Yangyi@Yangyixxxx宝玉分享 Codex/Claude Code 的实用工作流:fork 功能可从某节点创建分支,保留历史让上下文更纯粹。/btw 或 /side 命令可在当前会话中提问与主任务无关的问题,不污染上下文。上下文压缩配合 Prompt Caching 降低持续对话成本,一个 Session 内连续完成任务更可行。plan 模式中可用 /btw 请求详细解释选项含义。技巧CodexClaude Codefork推荐理由:宝玉分享了两个超实用的技巧:fork分支对话和/btw侧边提问,让Codex和Claude Code用得更顺,强烈建议试试。原文稍后读已读值得跟进有用关注 Codex
07:19Suhail@SuhailSuhail分享了在过去一周中,使用某个工具或方法快速验证新建立的训练后基础设施的经验。该方法不仅超越了简单的Hello World强化学习运行,还能帮助发现并修复rollout过程中的瓶颈。这是一个实用的快速配方,确保各组件正常运转。技巧训练基础设施强化学习rollout推荐理由:Suhail分享了一个实用方法,能快速验证RL训练基础设施,避开常见瓶颈。原文稍后读已读值得跟进有用关注 训练基础设施
04:31Harrison Chase@hwchase17社区成员推出3小时深度课程,系统讲解Deep Agents构建。课程覆盖任务规划模块、文件系统用于上下文管理、子代理生成机制以及长期记忆实现。适合想深入掌握Agent开发流程的学习者。技巧Deep Agents智能体任务规划推荐理由:想学Deep Agents实战吗?3小时从任务规划讲到长期记忆,社区大神亲自带,比硬啃文档快多了。原文稍后读已读值得跟进有用关注 Deep Agents
04:19elvis@omarsar0该推文指出,循环工程(loop engineering)本质上是提示工程(prompt engineering)与良好系统设计的结合。这条观点来自社交媒体,获得了8条评论、1次转发和21个点赞。它强调在构建AI应用时,需要把提示工程与系统架构整合,而非单独优化提示词。技巧loop engineering提示词工程系统设计推荐理由:有人一句话点醒我:循环工程其实就是提示工程搭上系统设计,做AI应用的朋友可以想想你的架构对不对。原文稍后读已读值得跟进有用关注 loop engineering
03:19Suhail@Suhail用户Suhail分享了两个提示词版本:"read-quick-dont-validate"用于快速阅读论文,要求AI一步步拆解并一次性输出章节式解释;"validate-my-understanding-and-teach-me"则需提供5-10个参考链接,要求AI逐步教学并验证理解。第二个版本可耗时数周但学习更深入。两条提示词分别适用于不同学习场景。技巧提示词工程论文阅读学习技巧推荐理由:想用AI读论文又怕浅尝辄止?试试这两个具体写法,一个快速扫读,一个深度教学,亲测有效。原文稍后读已读值得跟进有用关注 提示词工程
03:19Suhail@Suhail该指令用于自动启动并监控AI模型训练运行。它在4个节点上运行完整训练,持续记录实验文档、超参数、配置以及定期评估结果。系统还会分析训练稳定性和性能,并在训练崩溃时从最新可靠检查点恢复。整个流程大幅减少了人工监视和干预的需求。技巧训练自动化多节点训练实验记录推荐理由:这个指令能自动帮你记实验日志、处理崩溃恢复,省去一直盯着的麻烦。原文稍后读已读值得跟进有用关注 训练自动化
03:19Suhail@Suhail博主分享了一种异步学习工作流:将博客、推文、arxiv论文等全部用特定提示词让AI生成教学版,不立刻读而是排队等待。等到有空时(乘车、睡前等)再去阅读AI生成的易读版本,并追问问题。这样比直接存链接好,因为AI能适应读者的经验水平并重写内容。作者称这种学习速度远超以往。技巧学习工作流异步学习AI教学推荐理由:把想读的文章丢给AI,让它先教你一遍,等你回头读的时候效率翻倍,还能追问。原文稍后读已读值得跟进有用关注 学习工作流
02:10berryxia@berryxia一位老师通过生动的例子讲解大语言模型的原理,涵盖Transformer架构和注意力机制。适合AI初学者快速理解核心概念。技巧大语言模型教程入门推荐理由:这个老师的讲解很接地气,没基础也能听懂,推荐给想入门LLM的朋友。原文稍后读已读值得跟进有用关注 大语言模型
01:49Jerry Liu@jerryjliu0Jerry Liu(LlamaIndex创始人)在推文中指出,手动构建工作流(代码、拖拽或提示)的需求正在减少,更优方式是指定目标让模型智能规划步骤。对于重复性任务,可收集带真实标签的数据集进行爬山优化,以平衡成本与准确率。他认为行业正从提示工程迈向目标和评估工程。拥有642次浏览、5个点赞。技巧Jerry LiuLlamaIndex工作流推荐理由:Jerry Liu说的这个趋势很实在:别再手动搭工作流了,直接给目标让模型自己想办法。重复任务还能录数据集优化,省心省钱。原文稍后读已读值得跟进有用关注 Jerry Liu
01:25宝玉@dotey精选Codex 和 Claude Code 的上下文压缩功能结合 Prompt Caching,使得在单个 Session 内持续对话的成本压力显著降低。用户可以通过 fork 功能从对话的某个位置创建分支,只保留之前的历史记录,使上下文更纯粹。/btw 或 /side 命令允许在不影响当前任务上下文的情况下提问,例如在 plan 模式下用 /btw 详细解释选项含义。VB 提到自 GPT 5.3 Codex 以来,他不再担心上下文问题,且 Codex 的支线线程功能非常出色。技巧CodexClaude CodePrompt Caching推荐理由:如果你用 Codex 或 Claude Code 做长任务,这个技巧能省下不少 token 费用,fork 和 /btw 命令特别实用。原文稍后读已读值得跟进有用关注 Codex
01:19AI产品黄叔@PMbackttfuture一位博主分享经历:一名大三学生在完成初稿后,收稿费仍继续优化方案。学生清晰解释如何用多个Agent各自发挥特长协同完成任务。博主称赞其思路,并表示学生希望暑假来实习。技巧Agent协作案例分享推荐理由:看一个大三学生怎么用多个Agent分工协作,还主动给你优化方案,这思路值得学。原文稍后读已读值得跟进有用关注 Agent
00:56berryxia@berryxia76°Anthropic的Lamis在2026年AI DevCon上分享了上下文工程实践,从Claude MD文件起步,发现其效果出奇地好(unreasonably effective)。第二步引入记忆工具,让Agent自主读写,效果优于人类。第三步Skills采用渐进式披露,类似书架取书。第四步文件系统用bash和grep搜索,不需要向量数据库。生产环境面临多Agent并发写入等问题,Anthropic提出版本控制、并发控制等四个原则。最后介绍“做梦”机制:异步批量分析会话记录,识别模式并调整上下文,已在生产中运行,降低token成本。技巧AnthropicClaude上下文工程10 个信源在谈事件专题推荐理由:Anthropic工程师手把手教你上下文管理套路,从最基础的文件到高级的“做梦”架构,半小时就能上手实操。原文稍后读已读值得跟进有用关注 Anthropic
00:56berryxia@berryxia精选Anthropic应用AI负责人Lamis在2026年AI DevCon上分享了Agent记忆系统的四层架构。起点是CLAUDE.md文件,效果超过复杂Prompt工程。第二层是记忆工具,让Agent自主读写更新,判断力比人强。第三层Skills实现渐进式披露,类似从书架抽词典。第四层把记忆建模为文件系统,用bash/grep,无需向量数据库。还引入"做梦"(带外异步处理)分析跨会话模式,已在生产中提升任务效率并降低成本。技巧Claude Code记忆管理智能体10 个信源在谈事件专题推荐理由:Anthropic官方分享了他们怎么让Agent记住东西:从Markdown文件到做梦机制,很实用的四层方法论,看完可以少走弯路。原文稍后读已读值得跟进有用关注 Claude Code
00:01官方账号MIT CSAIL@MIT_CSAIL一份由Anatoli Kopadze整理的18步Claude使用教程发布。教程涵盖从基础提示到高级工作流的技巧,共18个步骤。每个步骤针对Claude交互中的具体场景提供指导。用户可系统提升与Claude的协作效率。技巧ClaudeAnthropic提示词工程10 个信源在谈事件专题推荐理由:想用好Claude?这有18个实用步骤,从提示词到工作流全涵盖,练完你就是高手。原文稍后读已读值得跟进有用关注 Claude
19:24idoubi@idoubiccidoubicc 在广州南沙客运港举办了 codefree.cafe 第一期 AI 编程小桌课,5 位学员在 6 小时结对编程中用 ShipAny 和 FastClaw 构建了 Agent 产品。课程涵盖 Claude Code 和 Codex 的网络配置、Vibe Coding 技巧、ShipAny 快速上站演示,以及从 idea 到上线的全流程拆解。费用 ¥4096/人次,赠送价值 ¥3072 的 ShipAny 会员、1024 社群会员和《这就是 MCP》一书。技巧ShipAnyFastClawClaude Code推荐理由:idoubi 搞了个咖啡馆里的小桌课,一天时间教你用 Claude Code 和 Codex 落地 Agent 产品,还包学会 ShipAny 上站,广州朋友别错过。原文稍后读已读值得跟进有用关注 ShipAny
16:54向阳乔木@vista8用户vista8分享了安装@wey_gu开发的nowledge mem应用,并配置MCP(Model Context Protocol)的体验。该应用支持AI对话记忆功能,同时集成个人知识库,提升AI交互的连续性。评论区提供下载链接,目前已有852次浏览和2次互动。技巧nowledge memMCPAI对话记忆推荐理由:想给AI加上长期记忆?试试这个nowledge mem配MCP,能记对话还能建个人知识库,实用又简单。原文稍后读已读值得跟进有用关注 nowledge mem
13:25Philipp Schmid@_philschmid精选Interactions API 引入了 background=True 参数,用于处理超过标准 HTTP 超时限制的长时间运行异步代理任务。官方发布使用指南,说明如何配置请求、在任务完成后重新连接以及流式传输结果。该参数允许客户端在提交任务后立即返回,而无需保持连接直到任务完成。技巧Interactions APIbackground=True异步任务推荐理由:写异步 agent 任务总超时?试试 Interactions API 新加的 background=True,可以断开等结果再重连,还支持流式。原文稍后读已读值得跟进有用关注 Interactions API
13:21官方账号LangChain@LangChainAILangChain与Chime合作发布指南,指导金融服务团队如何利用更强的监督机制构建生产级AI智能体。该指南涵盖LangChain框架的使用,强调可观测性、合规性和风险控制。指南提供具体步骤,帮助团队实现更可靠的AI部署。技巧LangChainChime智能体推荐理由:LangChain出了个新指南,专门讲金融服务怎么搞生产级智能体,还加了更强监督。做金融AI的可以看看,省了自己踩坑。原文稍后读已读值得跟进有用关注 LangChain
13:20官方账号LangChain@LangChainAIAlex Olsen 加入 LangChain 团队后发表首篇文章,详解 Deep Agents 如何利用 prompt caching 技术减少 API 调用次数。该方案通过缓存重复提示词,最高可降低 50% 的 API 成本。文章提供了具体实现步骤和代码示例,帮助开发者快速集成。技巧LangChainDeep Agentsprompt caching推荐理由:LangChain 新成员 Alex 手把手教你给 Deep Agents 加缓存,省下一半 API 钱,实用技巧别错过。原文稍后读已读值得跟进有用关注 LangChain
13:14OpenRouter@OpenRouterAI推文展示了如何使用OpenRouter的MCP功能构建一个模型委员会(Model Council),并针对用户的代码库和用例进行调优。该工作流由用户Lennox Saint验证,确认效果出色。示例提供了可操作的步骤,帮助开发者利用多个模型协作解决问题。技巧OpenRouterMCP模型委员会推荐理由:OpenRouter官方示范,手把手教你用MCP搭模型委员会,实测好用。原文稍后读已读值得跟进有用关注 OpenRouter
12:57OpenRouter@OpenRouterAI精选OpenRouter发布了一个MCP演示,展示agent如何通过MCP从DesignArena拉取实时设计模型排行。演示中,agent同时启动GLM-5.2、Opus 4.7和Kimi 2.6三个子模型,各自生成自画像网页并排展示。用户可以直接对比三个模型的输出,选择最喜欢的设计。这种方式省去了手动注册多个平台、重复输入提示词的繁琐流程。技巧OpenRouterMCP/工具GLM-5.2推荐理由:OpenRouter演示了怎么用MCP让agent自动调用GLM-5.2、Opus 4.7、Kimi 2.6三个模型并排出设计图,再也不用一个个手动试了。原文稍后读已读值得跟进有用关注 OpenRouter
12:45elvis@omarsar0作者认为开源模型与前沿闭源模型同等重要,并提出了一个结合使用的框架:租用前沿模型的推理和智能能力,同时通过开源模型掌握上下文和知识,并利用开源模型作为验证器和评判器。这一策略让用户既能享受前沿模型的强大推理,又能保持对上下文和信息的控制权。该框架提供了一种实用的模型组合思路。技巧开源模型推理模型模型集成推荐理由:一个实用的使用策略:把前沿模型当脑子,开源模型当知识库,自己掌握上下文。原文稍后读已读值得跟进有用关注 开源模型
12:36elvis@omarsar0作者通过创建私人ChatGPT会话,记录饮食、药物和感受,利用AI作为第二意见和提醒工具,配合医生指导,在6个月内成功减重100磅。这个过程包括减少工作时间、改善睡眠和饮食、增加运动。作者认为个人健康是AI最有价值的应用之一,同时也在开发AI个人导师项目@dair_ai。他强调详细的每日日志和AI的持续提醒是成功的关键,最终ChatGPT和医生共同帮助他改善了生活质量。技巧ChatGPT个人健康AI助手推荐理由:作者亲身经历:用ChatGPT记日志、当健康教练,6个月减了100磅。不是广告,是真实可复用的AI辅助健康管理方法。原文稍后读已读值得跟进有用关注 ChatGPT
12:34Geek@geekbb1. 开发者 @tamanekokoro 分享一键配置方法:登录 Cloudflare 后进入 Workers AI → REST API → 创建 API Token,无需信用卡即可获取 API 密钥与账户 ID。2. 在 Chatbox 中以 OpenAI API 兼容模式配置自定义端点,将模型名填为 @cf/zai-org/glm-5.2 即可调用 GLM-5.2 模型。3. 该免费方案每日有使用限制,不适合无限制畅用场景。4. 设置过程仅需几分钟,适合快速体验 GLM-5.2 的轻量需求。技巧CloudflareGLM-5.2Workers AI8 个信源在谈事件专题推荐理由:想白嫖 GLM-5.2?Cloudflare Workers AI 一键免费接入,不用绑卡,Chatbox 里改个模型名就能跑,但每天有次数限制,轻度玩玩够用。原文稍后读已读值得跟进有用关注 Cloudflare
12:26AI Engineer@aiDotEngineer精选Paul Bakaus 将在 AI Engineer World's Fair 发表两场演讲,涵盖智能体技能工程与设计工具控制。他基于构建 24+ 技能、跨越 9 种 harness/模型组合的实战经验,揭示平行子智能体、混合专家路由、技能记忆、自动钩子与环境变量等技巧。此外还介绍开源设计工具 Impeccable AI 的 24 个形容词级命令(如 /bolder、/quieter、/distill)。两场演讲分别聚焦如何突破模型默认安全输出,以及从形容词层面控制设计风格。技巧Paul Bakausai-engineer智能体推荐理由:想突破 agent 平庸输出?Paul Bakaus 分享 24+ 技能实战干货,还有形容词级设计控制,很实用。原文稍后读已读值得跟进有用关注 Paul Bakaus