12:17Harrison Chase@hwchase17Coinbase CEO Brian Armstrong在推文中介绍了公司通过更优默认设置、智能路由和缓存来控制AI支出增长。他们默认使用开源模型如GLM 5.2和Kimi 2.7,使91%员工未触发使用上限。缓存命中率在LibreChat中从5%提升至60%。这些措施使AI支出降低近一半,同时token使用量持续增长。技巧成本优化缓存Coinbase推荐理由:Coinbase用缓存和默认模型省了一半钱,还让token随便用,想省成本的团队可以照抄作业。原文稍后读已读值得跟进有用关注 成本优化
12:06官方账号LangChain@LangChainAILangChain的Brace Sproul和Jake Broekhuizen在视频中比较了构建agent时使用MCP(Model Context Protocol)与CLI(命令行接口)的优缺点。MCP提供了标准化上下文传递,适合多步骤复杂agent任务;CLI更轻量直接,适合简单工具调用。视频通过实际案例演示了两种方式的适用场景和取舍。技巧智能体MCPCLI推荐理由:LangChain的两位专家亲讲MCP和CLI在agent开发中的实战对比,帮你选对工具写代码。原文稍后读已读值得跟进有用关注 智能体
11:57官方账号Simon Willison@simonwSimon Willison在推文中指出,当前LLM(如GPT-4、Claude等)在构建前端时默认选择React的倾向较去年明显降低。他过去几乎每次前端提示都要加入“不要用React”,但近几个月来多数模型已不再需要这一约束。这一变化减少了提示词的必要修改,反映出LLM默认行为的演进。技巧Simon WillisonLLMReact推荐理由:Simon Willison分享了一个省事小发现:现在LLM写前端默认React少了,你少写一句提示词。原文稍后读已读值得跟进有用关注 Simon Willison
11:46elvis@omarsar0一条推文引用了一个关于动态工作流的讨论,话题来自dair.academy的活动。该活动已有311次查看,内容涉及工作流自动化。推文包含指向具体资源的链接。技巧动态工作流dair.ai工作流自动化推荐理由:想学动态工作流?dair.ai的活动资源可以看看,有具体案例讲解。原文稍后读已读值得跟进有用关注 动态工作流
23:19官方账号LangChain@LangChainAImonday.com 的一个智能体需要处理超过 200 个工具,导致严重的上下文污染,LLM 混乱且推理成本飙升。团队采用 Deep Agents 架构重建了产品 Sidekick,将工具分组管理以隔离上下文。重构后智能体决策准确率提升、延迟降低。详细方案在 YouTube 视频中由 @omribruchim 讲解。技巧monday.comDeep AgentsSidekick推荐理由:monday.com 用 Deep Agents 把 200+ 工具拆成小组,解决 LLM 被上下文污染搞晕的问题,成本降效果升,多工具场景必看。原文稍后读已读值得跟进有用关注 monday.com
20:34berryxia@berryxia精选岚叔发布了一个开源skill,先让模型将文章或架构内容压缩为结构化JSON spec,再通过本地Python + Pillow渲染出黑底手绘风格的PNG和GIF,同时输出可编辑的Excalidraw JSON。该skill可直接供agent调用,解决了复杂内容可视化效率低、观感差的问题,风格克制且便于扩展。技巧岚叔ExcalidrawPython推荐理由:你还在手动画架构图?岚叔这个skill帮你一步生成手绘动态图,还能用Excalidraw编辑,效率拉满。原文稍后读已读值得跟进有用关注 岚叔
20:05官方账号vLLM@vllm_project精选Cohere 开源了他们使用 AI 编码智能体维护 vLLM fork 的方法。该方法将维护视为控制循环:每次上游发布后 rebase,运行测试,诊断错误,修复,重复直到通过。原本数周的工作缩短到数天。技能库已开源(cohere-ai/vllm-skills),且修复已回馈上游。技巧CoherevLLM编码智能体推荐理由:Cohere 开源了用 AI agent 维护 vLLM fork 的实践,把几周工作缩到几天,修复还回馈了上游。原文稍后读已读值得跟进有用关注 Cohere
15:58李继刚@lijigang_com长期与Claude或DeepSeek等模型对话,你的语言风格会不自觉地模仿对方。重度使用后,说话会带出「Claude味儿」「DeepSeek味儿」。进行30天月度主题阅读,沉浸在同一主题的上下文中,能加深理解并切换看问题视角。技巧ClaudeDeepSeek语言风格推荐理由:长期用Claude或DeepSeek聊天,说话会带味儿,还能用主题阅读切换视角,亲测有效原文稍后读已读值得跟进有用关注 Claude
15:57向阳乔木@vista8腾讯云 Edgeone Makers 提供了多种 Agents 模板,包括售后 Agent、市场营销 Agent 和 AI 聊天 Agent。这些模板可一键部署,无需复杂配置。该平台旨在降低 Agent 开发门槛,让开发者聚焦业务逻辑而非工程部署。用户可通过活动页注册体验,链接为 cloud.tencent.com/act/pro/edgeon。技巧腾讯云Edgeone Makers智能体推荐理由:想快速搭个智能体但不会写代码?腾讯云 Edgeone Makers 直接给模板,部署就能用,省时省力。原文稍后读已读值得跟进有用关注 腾讯云
15:56官方账号腾讯混元 Tencent Hunyuan@TencentCloud一位开发者使用简单的文本提示(text prompts)构建了完整的香港主题跳跃游戏,包含视觉和声音。该作品在2026年香港腾讯云日黑客马拉松游戏开发挑战赛中荣获冠军。展示了AI从“不可靠”到如今高效创意生产工具的演变。技巧vibe coding腾讯云香港主题推荐理由:看看腾讯云黑客松冠军怎么用文本提示就搓出一个香港主题跳跃游戏,视觉和音效全包,效率惊人!原文稍后读已读值得跟进有用关注 vibe coding
15:42向阳乔木@vista8腾讯云EdgeOne发布了「EdgeOne Makers」产品,通过npm install -g edgeone、edgeone makers create --template openai-agents-starter-node等3行命令即可搭建AI Agent开发框架。该工具自动处理上下文、并发和沙箱环境问题,本地启动测试网站后可直接对话查看Agent效果与工具调用细节。线上支持绑定域名和关联GitHub进行持续迭代,目前处于Beta内测阶段,注册可免费领取50万Token。技巧EdgeOneEdgeOne Makers腾讯云10 个信源在谈事件专题推荐理由:腾讯云EdgeOne出了个新工具,3行命令就把AI Agent框架搭好还能直接部署,省去自己搞并发和沙箱的麻烦,还送50万Token试玩。原文稍后读已读值得跟进有用关注 EdgeOne
14:53AI Will@FinanceYF573°OpenAI 在其公司内部所有部门推广使用 Codex 作为智能体工具。员工利用 Codex 执行更复杂的任务,这些任务运行时间更长,并涉及跨职能协作。该实践展示了智能体工具如何提升工作效率和团队协作能力。技巧OpenAICodex智能体10 个信源在谈事件专题推荐理由:OpenAI 自己都在用 Codex 干活,说它能让员工做更复杂、跨部门的任务,说明 agent 工具真的有用。原文稍后读已读值得跟进有用关注 OpenAI
10:45OpenRouter@OpenRouterAI精选OpenRouter 宣布 GLM-5.2 提供商正在优化推理速度。新增 wafter_ai 和 FireworksAI_HQ 两个快速变体。设置模型为 "z-ai/glm-5.2:nitro" 可根据实时流量自动切换到最快提供商。该功能无需手动切换,持续使用最佳性能。技巧GLM-5.2OpenRouterwafer_ai推荐理由:OpenRouter 出的省心用法:设成 nitro 模式,GLM-5.2 自动走最快的推理服务商,不用自己选。原文稍后读已读值得跟进有用关注 GLM-5.2
08:25Genspark@genspark_aiGenspark团队举办直播,演示新版AgentBase的使用方法。直播包含实机操作和问答环节,视频浏览量已达938次。观众可以学习如何配置和运行AgentBase。技巧AgentBase直播教程智能体推荐理由:想玩转AgentBase?这场直播手把手教你,有问有答,别错过。原文稍后读已读值得跟进有用关注 AgentBase
08:00Qdrant@qdrant_engineQdrant联合Kaivid Labs创始工程师Tarun演示如何构建完全离线的RAG系统,使用Qdrant EDGE进行轻量级设备端向量搜索,搭配Google LiteRT通过硬件加速运行语言模型,实现文档问答、个人助理和笔记搜索,无需任何云依赖。活动时间为7月7日,包含现场实操。技巧Qdrant EDGEGoogle LiteRTRAG推荐理由:教你用Qdrant EDGE和Google LiteRT搭一个完全离线的RAG系统,文档问答、个人助理全在本地跑,再也不用担心隐私和联网了。原文稍后读已读值得跟进有用关注 Qdrant EDGE
05:57Guillermo Rauch@rauchgNext.js 在错误提示界面中加入了“Ways to fix this”功能,并配套“Copy prompt”按钮。用户点击后可直接将错误上下文和修复建议复制为结构化的提示词,方便粘贴到 Claude、ChatGPT 等 AI 编程助手中。该功能已在 Next.js 的开发者工具中上线,支持常见的编译和运行时错误。此举将调试流程从手动描述问题缩短为一次复制粘贴,提升了修复效率。技巧Next.js提示词工程编程助手推荐理由:Next.js 这个新 UI 太实用了,点一下就能把错误和修复提示复制成 prompt,直接丢给 AI 就能修,省去打字时间。原文稍后读已读值得跟进有用关注 Next.js
04:59elvis@omarsar0精选推文讨论动态工作流适用于少数用例,被视为测试时计算(TTC)的新范式。作者指出动态工作流在爬山式研究实验中表现强劲,且通过精心规划和提高推理水平可获更好结果。文章强调验证器/评审器对结果至关重要,组合不同的编码代理可取得更优效果。当需要从不同代理(如LLM委员会)获取多元视角时,动态工作流非常有用,但前沿模型尚不擅长优化地即时生成测试平台。提到了Mythos等新型模型可能更善于代理编排,且需要更多TTC基准来评估动态工作流的有效性。技巧动态工作流测试时计算推理模型推荐理由:如果你在做代理编排或研究测试时计算,这条推文给出了非常实用的观察,比如什么时候该用动态工作流、如何用好验证器,还提到了Mythos这类新模型。原文稍后读已读值得跟进有用关注 动态工作流
04:54Guillermo Rauch@rauchgVercel 构建了一个包含技能、linter(ESLint 等)、评估和更新循环的系统,确保编码代理遵循设计标准。该系统的核心是一组自定义规则,可自动检测代码中的设计偏差(如布局、颜色主题)。他们使用 Vercel AI SDK 和 Claude 3.5 Sonnet 实现代理的实时反馈。博客详细描述了如何通过循环迭代(每次提交触发评估)持续改进代理行为。Vercel 还开源了部分组件,如 design-linter 工具包。技巧Vercel设计规范编码代理推荐理由:Vercel 分享了他们怎么让 AI 写代码时自动遵守设计规范——用 linter、评估循环和自定义规则。想给 AI 代码加设计约束的可以抄作业。原文稍后读已读值得跟进有用关注 Vercel
04:03Harrison Chase@hwchase17精选LangChain 发布了一个面向 JS 框架的 Agent 部署 cookbook,提供完整的全栈示例代码。内容覆盖 streaming UI、子 agent(subagents)、线程历史(thread history)以及生产环境持久化注意事项。该 cookbook 旨在帮助开发者将本地演示的 agent 快速部署到真实应用中。技巧LangChainJavaScriptagent推荐理由:想把 LangChain agent 从本地搬到线上?这份 cookbook 手把手教你用 JS 做全栈,连 streaming UI 和子 agent 都配好了。原文稍后读已读值得跟进有用关注 LangChain
03:11官方账号LangChain@LangChainAI精选LangChain JS 团队发布了 Agent 部署 Cookbook,包含全栈示例代码。这些示例展示了流式 UI、子代理、线程历史等功能,并附带生产环境持久化笔记。Cookbook 覆盖了多种常见 JS 框架,帮助开发者将本地 demo 的 Agent 真正部署到实际应用中。技巧LangChainAgentJavaScript推荐理由:LangChain 出了个部署指南,教你用 JS 框架把 Agent 做成全栈应用,带流式 UI 和子代理,直接抄作业。原文稍后读已读值得跟进有用关注 LangChain
03:09官方账号Cursor@cursor_ai精选Cursor AI 发布推文(获得74次点赞、6621次查看)介绍其约束评估环境的方法。该推文指向博客文章,详细解释了如何通过限制环境来使模型评估分数更准确反映智能水平。技巧Cursor AI编程助手评估环境4 个信源在谈事件专题推荐理由:Cursor AI 分享了他们约束评估环境的做法,让分数更准,比一般基准更可靠,适合做模型评估的看看。原文稍后读已读值得跟进有用关注 Cursor AI
03:07Ate-a-Pi@svpinoSantiago Valdarrama 分享智能体自我改进的三个途径:模型层(仅适用于代码和数学,由大实验室负责)、执行框架层(步骤、工具和安全检查,容易控制且回报大)、上下文层(纯文本记录学习内容,最易入手)。他还强调从用户纠正智能体决策的每个实例中学习,真实反馈无可替代。文章提供了明确的优先级和实操建议。技巧智能体反馈学习Agent系统设计推荐理由:想让你家智能体越用越聪明?这个线程给了三个可落地的改进方向,尤其是从用户操作中学习那块,不少人都忽略了。原文稍后读已读值得跟进有用关注 智能体
02:58Gary Marcus@GaryMarcusAnthropic工程师在一场40分钟工作坊中展示了如何利用循环(loops)构建可运行数天的AI智能体。他们透露,Anthropic内部30%以上的代码已由循环编写,这极大加快了交付速度。工作坊拆解了智能体循环、工具调用、记忆管理和子智能体等核心组件。该方法被视为神经符号AI的典型应用,在持久任务执行上明显优于传统无循环生成式方法。技巧Anthropic智能体Agent循环10 个信源在谈事件专题推荐理由:Anthropic工程师手把手教你用循环搭建能跑好几天的智能体,内部30%代码都这么写,比大部分500美元的vibe编程课实在。原文稍后读已读值得跟进有用关注 Anthropic
02:56AK@_akhaliq开发者使用GLM 5.2模型在hf-claude环境下,为9B参数的Ornith-1.0-9B模型搭建了一个Gradio服务器应用。该推文获得3条回复和3197次浏览。应用通过Gradio界面提供交互式推理,可直接测试模型的文本生成能力。代码可能开源,用户可自行部署。技巧GLM 5.2hf-claudeOrnith-1.0-9B推荐理由:有人用GLM 5.2和hf-claude给Ornith-1.0-9B做了个Gradio界面,直接就能上手试,省了写前端代码的功夫。原文稍后读已读值得跟进有用关注 GLM 5.2
01:51Harrison Chase@hwchase17精选73°LangChain团队发布技术博客,详细介绍SmithDB的构建与运行。SmithDB是一个专门为agent traces设计的数据库,其所有持久数据存储在对象存储中。博客阐述了如何在这种存储上构建、压缩和查询全文搜索索引,并处理每个GET请求50–100ms的延迟。团队分享了在生产环境中运行SmithDB倒排索引(inverted index)的经验。技巧SmithDBLangChain智能体追踪推荐理由:LangChain团队手把手教你如何为agent traces造一个数据库,对象存储上做全文搜索还能压到50-100ms延迟,干货满满。原文稍后读已读值得跟进有用关注 SmithDB
01:26官方账号LangChain@LangChainAILangChain 团队解决了在对象存储中构建全文搜索索引的挑战:每个 GET 请求耗时 50-100ms,且数据持久化在远程存储。他们介绍了 SmithDB 的倒排索引构造、压缩和查询方案,涉及批量写入、压缩策略以减少请求次数,以及针对高延迟的查询优化。这些方法在生产环境中已稳定运行。技巧LangChainSmithDB全文搜索推荐理由:LangChain 分享了怎么在对象存储上搞全文搜索,延迟 50-100ms 的情况下还能压出来倒排索引,挺实在的实战经验。原文稍后读已读值得跟进有用关注 LangChain
01:15官方账号Hugging Face@huggingfaceHugging Face 通过直播演示如何在本机部署和运行开源 AI 模型。教程覆盖了从模型下载、环境配置到推理执行的完整流程,无需依赖云端服务。适合希望离线使用 LLaMA、Mistral 等模型的开发者。技巧Hugging Face开源模型本地部署推荐理由:想自己跑开源模型?Hugging Face 这场直播手把手教你在本地部署,省去云端费用和延迟。原文稍后读已读值得跟进有用关注 Hugging Face
00:57Philipp Schmid@_philschmidGoogle 在 Gemini 3.5 Flash 中上线了 computer use 功能,支持浏览器、移动端和桌面环境。开发者 Philipp Schmid 发布了一个快速入门教程,用单个脚本从终端安装 Android 模拟器。教程包含基础 agent 循环,通过 adb 接口控制手机,也支持远程设备连接(adb connect <ip>:5555)。类似模式可扩展到 iOS 的 simctl。技巧Gemini 3.5 FlashGoogleAndroid推荐理由:Google 刚给 Gemini 3.5 Flash 加了 computer use,这份教程用一条命令就能在模拟器上跑 agent 控制手机,还支持远程和 iOS,很实用。原文稍后读已读值得跟进有用关注 Gemini 3.5 Flash
00:36Milvus@milvusio精选单个1-5分的RAG质量评分会隐藏严重问题:一个回答90%基于文档,但10%虚构核心参数就不可用,平均分仍显示4分。幻觉分布也不均匀,数值查找或多条件问题类型的幻觉率远高于平均,不按类型分桶就看不到偏差。优化答案相关性时,添加提示词“提供更完整背景”可能提升相关度但导致模型依赖参数知识,降低忠实度。更可靠的方法是声明级评估:将回答拆成原子事实,用NLI模型检查每个声明是否被检索内容支撑,计算接地率,并对关键参数设置硬性阻断。按问题类型分桶评分,Milvus可用标量字段直接过滤分析,不依赖额外报表管线。技巧RAGMilvus评估推荐理由:如果你在用RAG做生产系统,这篇讲透了为什么平均分不靠谱,还给了按声明颗粒度和问题类型精准监测的方法,连Milvus怎么分桶都说了,很实用。原文稍后读已读值得跟进有用关注 RAG
23:55Tw93@HiTw93Mole项目团队使用AI从Twitter和论坛帖子中收集并分类用户正面评论,构建了一面"爱之墙"并展示在mole.fit网站上。该墙包含5条回复、41个爱心和3852次查看,所有善意的留言都被收录。用户可以在网站上查看自己是否被提及。技巧MoleAI数据整理用户反馈推荐理由:这个项目用AI从社交平台扒出所有夸Mole的留言,拼成一面故事墙,还能找到有没有你的身影原文稍后读已读值得跟进有用关注 Mole
23:46OpenRouter@OpenRouterAIOpenRouter 发布新功能,允许用户通过两条命令(claude mcp add --transport http openrouter mcp.openrouter.ai/mcp 和 claude mcp login openrouter)在一分钟内完成模型的选择、定价、测试和集成。该功能基于 MCP(Model Context Protocol),支持所有主流代理(如 Claude)。用户可在 openrouter.ai/mcp 立即使用。技巧OpenRouterClaudeMCP推荐理由:OpenRouter 搞了个骚操作,两行命令就能把模型接到 Claude 等代理里,一分钟搞定测试和定价,省去一堆配置。原文稍后读已读值得跟进有用关注 OpenRouter
22:57Viking@vikingmute推文介绍了ponytail项目和一个Vibe Coding提示词技巧,建议在提示词末尾加入“如果GitHub/npm上有成熟开源方案,直接复用”。该技巧基于DRY理念,能有效减少GPT等模型生成冗余代码的现象。该技巧特别适合新手避免over-engineering。技巧ponytailGPT提示词工程推荐理由:给用GPT写代码的人:提示词末尾加‘复用开源方案’能防止AI重复造轮子,亲测有效。原文稍后读已读值得跟进有用关注 ponytail
22:39向阳乔木@vista8腾讯推出了一款专为Agent设计的邮箱服务,允许用户抢注邮箱名。注册后,用户会获得一段提示词,可将其发给Codex或其他Agent来完成命令行界面设置。该邮箱旨在简化Agent的通信与配置流程,无需手动编写脚本。目前该功能已开放注册,用户可通过评论区链接体验。技巧腾讯Agent邮箱推荐理由:腾讯出了个给Agent用的邮箱,注册后拿到提示词就能让Codex自动配好CLI,省得自己写命令,挺方便的。原文稍后读已读值得跟进有用关注 腾讯
22:00官方账号LangChain@LangChainAI精选LangChain 推文指出通用聊天适合一次性问答,答案出现即结束。专门智能体适合重复性、有固定形状的工作,使用相同工具和格式。智能体能记住线程可能遗忘的上下文,适合多次运行相同流程。技巧LangChain智能体提示词工程推荐理由:LangChain用一句话说清楚了选择原则:如果下次解释方式一样,就该用智能体,别放聊天里。原文稍后读已读值得跟进有用关注 LangChain
19:54Geek@geekbb精选一个轻量Python脚本让Codex CLI反复回答同一道糖果数学题,用于对比不同模型的表现。脚本可调整reasoning effort参数并观察效果。代码开源于GitHub,便于复现和扩展。技巧Codex CLIreasoning effortPython脚本推荐理由:想测不同模型对同一道题的推理差别?用这个脚本跑糖果题,还能调reasoning effort,很直观。原文稍后读已读值得跟进有用关注 Codex CLI
17:28berryxia@berryxia这篇帖子介绍了构建AI智能体的6个核心架构支柱和1个人机协同机制。MCP由Anthropic提出,作为通用标准让智能体即插即用外部工具。智能体循环包括感知→思考→行动→观察→重复的流程。单体与多智能体架构两种模式可灵活选择。智能体驱动的RAG动态路由查询并验证上下文。人机协同机制(HITL)在关键操作前插入人工检查点。技巧MCPAnthropic智能体10 个信源在谈事件专题推荐理由:想搭AI智能体但怕底层理论?这篇用7个点讲透架构,从MCP到记忆系统,普通开发者也能快速落地。原文稍后读已读值得跟进有用关注 MCP
17:07官方账号腾讯混元 Tencent Hunyuan@TencentCloud城市大学一名学生使用WorkBuddy,仅通过输入文字就将环保想法转化为一款名为“farmer saving chickens”的冒险游戏。WorkBuddy是一款AI工具,无需编程即可快速构建可玩应用。该案例展示了AI如何降低游戏开发门槛。技巧WorkBuddy城市大学无代码游戏开发推荐理由:看看CityU学生怎么用WorkBuddy一句话就做出个游戏,太有意思了!原文稍后读已读值得跟进有用关注 WorkBuddy
12:00Yangyi@Yangyixxxx用户分享使用AI学习《说文解字》的经验,指出AI能清晰解释“读若”和“反切”等音韵概念。AI从上古声、中古声到平上去入四声的演变,以及清浊声母导致阴阳平声的演化过程,都讲得十分清楚。用户建议通过多追问保持独立思考,可规避AI的幻觉。技巧说文解字读若反切推荐理由:有人试了用AI学《说文解字》的音韵,从反切到声调演变,讲得比百度清楚多了,还能追问防幻觉,值得试试。原文稍后读已读值得跟进有用关注 说文解字
11:54Geek@geekbbChatHub项目推出融合模式,允许一组模型并行作答,再由评审模型综合生成更优答案。该模式支持16家LLM提供商的免费额度,合计约每月17亿Token。用户需要逐个添加API key,项目暂不支持批量导入。技巧融合模式多模型并行免费额度推荐理由:这个项目能同时调用多个模型并行答题,再由评审模型挑最优,还能把各厂商免费额度凑一起用,每月17亿Token呢。原文稍后读已读值得跟进有用关注 融合模式
10:55Geek@geekbb一个开源项目整合了16家LLM提供商的免费额度,合计每月约17亿Token。其中Google AI Studio提供Gemini 2.5 Flash和Pro的免费API,速率限制高达1M tokens/min,无需信用卡。该工具可避免支付高额API费用,适合批量测试和轻量级应用。技巧Gemini 2.5 FlashGemini 2.5 ProGoogle AI Studio推荐理由:把各大厂的免费额度集中起来用,尤其Google那1M tokens/min的免费API太香了,零成本搞推理。原文稍后读已读值得跟进有用关注 Gemini 2.5 Flash