全部 AI 动态 · AI 热点

6月24日

02:26

Harrison Chase@hwchase17

精选

Harrison Chase 指出，发布第一版只是构建智能体工作的一小部分，更关键的是建立可重复的改进生命周期。该流程包括 5 步：1）Build——搭配 agent、tools、context、prompts 和 workflows 构建可用原型；2）Test——使用 evals 评估 agent 行为是否正确，而非仅输出类似内容；3）Deploy——将 agent 部署到生产环境；4）Monitor——通过 traces 追踪 agent 实际调用的工具、使用的上下文和失败点；5）Improve——从真实使用中学习，优化 prompts、tools、evals 和 agent 本身。Chase 将在 6 月 24 日的“The Agent Development Lifecycle 101”网络研讨会中详细讲解。

技巧 LangChain Agent 智能体

事件专题

推荐理由：LangChain 创始人手把手教你如何迭代改进智能体，从构建到上线再到优化，全是实操干货，适合所有做 AI Agent 的团队。

原文

02:25

官方账号LangChain@LangChainAI

精选

LangChain联合创始人Harrison Chase在X上分享了构建可靠Agent的关键：发布第一个版本只是小部分工作，需要可重复的生命周期。该周期包括5个步骤：1) Build，构建Agent、工具、上下文、提示词和工作流；2) Test，使用eval确保Agent做正确的事；3) Deploy，将Agent部署到生产环境；4) Monitor，通过追踪查看Agent调用了什么工具、用了什么上下文、在哪失败；5) Improve，根据实际使用改进提示词、工具、eval和Agent。他将于6月24日在网络研讨会上详细讲解此生命周期。

技巧 LangChain Harrison Chase 智能体

推荐理由：看看LangChain创始人怎么说Agent开发全流程——不只是搭出来，还要测试、部署、监控、迭代。五个步骤讲清楚怎么做出靠谱的Agent。

原文

02:15

官方账号LangChain@LangChainAI

精选

LangChain 发布基于 Deep Agents 的循环工程方法，通过 self-harness 实现智能体自我改进。流程分三步：运行代理并观察失败（弱点挖掘）、提出 harness 改进方案、验证改进有效且无回归。论文见 arxiv.org/pdf/2606.09498，代码开源在 github.com/langchain-ai/d…。该方法可系统性提升 Agent 鲁棒性。

技巧 Deep Agents LangChain 智能体

推荐理由：LangChain 公布了一种让智能体自己找弱点并改进的循环方法，每一步都给了具体操作，想调优 Agent 的可以照着试试。

原文

01:36

官方账号LangChain@LangChainAI

LangSmith Fleet 提供了两种类型的 agent：General Purpose Chat 和 Specialized Agents。通用代理适合开放式对话，专用代理针对特定任务优化。LangChain 博客详细解释了这种设计是故意的，并给出了选择建议。

技巧 LangSmith LangChain 智能体

推荐理由：LangChain 发了新博客，讲他们 Fleet 的两种 agent 怎么选，通用聊天还是专用任务，挺实用的。

原文

01:28

Philipp Schmid@_philschmid

自 Google I/O 发布以来，开发者已在 Google AI Studio 中创建超过 100 万个原生 Android 应用。该平台提供可视化界面和 AI 辅助，让构建 Android 应用的门槛大幅降低。Philipp Schmid 分享了这一进展，并提供了快速上手的教程链接。你无需编写复杂代码，即可在 AI Studio 中生成功能完整的应用。

技巧 Google AI Studio Android 应用开发

推荐理由：Google AI Studio 让零基础也能快速做 Android 应用，已经有人做了100万个了，试试看

原文

01:28

DeepLearning.AI@DeepLearningAI

DeepLearning.AI 发起为期7天的语音AI构建者挑战，目标是让AI编码代理仅在需要人类判断时请求帮助。参与者需要构建系统，使代理能在遇到自主解决不了的障碍时通过语音通知人类。挑战提供实时反馈和排行榜，优胜者将获得奖品。

技巧 DeepLearning.AI Voice AI 编程助手

推荐理由：DeepLearning.AI 搞了个7天挑战，教你的AI编码代理只在必要时叫你帮忙，还有实时排行榜和奖品。

原文

00:33

Philipp Schmid@_philschmid

精选71°

这篇指南由 Google AI Studio 发布，帮助开发者上手 Gemini Interactions API。它通过 `previous_interaction_id` 实现对话链式衔接，演示了如何启用和处理 streaming 响应。指南还展示了执行本地函数调用的完整循环，并介绍了在远程沙箱中运行 Antigravity Agent 的方法。

技巧 Gemini Interactions API Google 智能体

推荐理由：Google 官方出的 Gemini 交互 API 教程，从 streaming 到 agent 沙箱都有代码示例，想写多轮工具调用可以看这个。

原文

00:24

elvis@omarsar0

Prime Intellect发布博客，介绍在GLM-5模型上运行大规模强化学习（RL）所需的基础设施组件，包括数据管道、训练调度和分布式计算。文章详细解释了如何用1万亿token训练RL智能体，并开源部分工具链。该方法旨在降低自改进智能体的开发门槛。

技巧 GLM-5 Prime Intellect 强化学习

推荐理由：想自己搞RL训练？这份Prime Intellect的博客手把手告诉你需要哪些基础设施，连GLM-5上的1T token训练都给你讲清楚了。

原文

6月23日

22:26

Viking@vikingmute

作者建议定期清理AI skills，认为过时或无用的skills会产生副作用。目前只保留mattpocock的几个开发流程相关skills，以及自己项目相关的review和测试skills。之前各种生图、PPT、设计相关的skills已全部删除。

技巧 skills 技能清理 mattpocock

推荐理由：朋友，定期清理用不上的skills能让AI表现更好，建议你也试试删掉过时的，只留真正需要的开发流程skills。

原文

21:24

Justin Welsh@thejustinwelsh

一条获得34条评论、4641次查看的帖子分享了用AI进行产品构思和迭代的步骤：先和AI头脑风暴，找到用户想要的产品，然后在线讨论、收集反馈，接着构建并发布，再与用户交流，重复这一循环。这个方法强调快速验证和持续迭代，没有依赖任何特定模型或工具。

技巧产品迭代用户反馈 MVP

推荐理由：这个帖子里分享了一个用AI快速验证产品想法的方法，从头脑风暴到发布再收集反馈，循环迭代，很实用。

原文

17:42

Viking@vikingmute

精选

Codex在持久化日志时使用SQLite数据库并以TRACE级别全局记录，导致~/.codex/logs_2.sqlite和~/.codex/logs_2.sqlite-wal文件快速增长。有用户报告主数据库达到300MB，WAL文件8MB。在goal模式下磁盘写满后，Codex会自动删除文件腾出空间，存在安全隐患。建议用户检查这两文件大小，必要时用脚本清理。

技巧 Codex SQLite 编程助手

事件专题

推荐理由：这条X帖子提醒Codex用户检查日志文件，避免被自动删文件的风险，赶紧看看自己的大小。

原文

15:56

Harrison Chase@hwchase17

Harrison Chase指出文档是Agent的“眼睛和耳朵”，但迭代速度导致文档经常过时。他创建了一个基于Cursor AI的自动化流程，每6小时运行一次，检查代码提交和Slack消息。该系统会自动生成包含文档改进建议的PR，让Agent自己维护自己的文档。

技巧 Cursor AI Agent 文档自动化

事件专题

推荐理由：老哈教你用Cursor AI自动更新文档，让Agent自己盯着代码和聊天记录，自动开PR修文档，省人力。

原文

15:54

官方账号腾讯混元 Tencent Hunyuan@TencentCloud

腾讯云将于2026年7月7日在新加坡CapitaSky举办企业AIGC工作坊，聚焦AI在营销、媒体和企业内容创作中的落地。参与者将了解最新Media AI趋势，学习使用腾讯云Media PaaS构建AI驱动的内容工作流。现场提供实操环节，通过直播演示和练习亲手生成AI内容。

技巧 Tencent Cloud Media PaaS AIGC

推荐理由：腾讯云开线下AIGC工作坊了，教你用Media PaaS做内容创作，还能亲手实操，在新加坡的朋友别错过。

原文

14:54

官方账号Simon Willison@simonw

精选

Simon Willison利用Claude Code将Moebius图像定位模型转换为ONNX格式，成功实现纯浏览器端运行。该过程无需后端服务，所有推理在用户本地完成。这个项目展示了如何在客户端高效部署AI视觉模型。

技巧 Moebius Claude Code ONNX

推荐理由：Simon Willison用Claude Code把Moebius模型搬到浏览器里跑了，完全本地运行，不用服务器。

原文

14:30

shao__meng@shao__meng

Claude Code开发者@trq212提出用HTML代替Markdown来给人类做解释，认为HTML可视化效果更有效。随后HeyGen推出了基于此理念的pr-to-video技能，可将pull request自动转为简短解释视频。该技能是HyperFrames新能力之一，通过npx命令即可添加。从Markdown到HTML再到视频，反映了人类对可视化信息输入的偏好。

技巧 Claude Code HeyGen HyperFrames

推荐理由：看看Claude Code开发者怎么用HTML做解释，还有HeyGen新出的pr-to-video技能，把代码审查变成视频。

原文

13:59

Marc Andreessen@pmarca

Mozilla在Firefox的1000万行代码库上测试了Claude Mythos，成功修复了400多个安全漏洞，包括潜伏超过十年的bug。Mozilla杰出工程师Brian Grins透露，效果50%来自模型、50%来自设置。他分享了使用目标/循环模式、用验证器消灭假阳性以及向agent说善意的谎言等技巧。他还表示任何人都可以在一个下午内复制类似的bug-finding harness。

技巧 Claude Mythos Mozilla Firefox

推荐理由：Mozilla工程师手把手教你用AI agent在百万行代码里挖漏洞，不用一下午就能搭出同样工具，还能避免假阳性。

原文

12:52

Ate-a-Pi@svpino

精选

作者指出现有基准往往在部署后失效，因为真实用户会使用你未测试过的表述。解决方案是分析推理日志和追踪，提取真实提示、响应、拒绝和格式错误。Nebius在Token Factory内推出Data Lab工作区，可将失败案例转化为评估和微调数据集。推荐循环：读日志→找失败→建数据集→评估→微调→部署→重复。

技巧 Nebius Data Lab Token Factory

推荐理由：Nebius 出了个 Data Lab，能帮你从日志里挖出模型翻车的真实案例，直接做成数据集来微调和评估，比啥基准都管用。

原文

12:52

Ate-a-Pi@svpino

如果你还在人工审查全部AI生成的代码，那说明效率太低。代码审查已成为软件开发的最大瓶颈。Santiago Valdarrama（@svpino）分享了改进方法，核心是减少审查范围、使用自动化工具、建立信任机制。他建议只审查关键路径代码，利用AI辅助审查，并逐步放宽对低风险代码的审查比例。

技巧代码生成 AI编程代码审查

推荐理由：Santiago Valdarrama说别傻了，100%审查AI代码拖慢整个团队。他给了具体改进策略：缩小审查范围、用工具自动化，让开发快起来。

原文

08:42

berryxia@berryxia

成峰开源的剪辑Skills已有2000+ GitHub Star，接入Anthropic的Codex后实现从口播素材到成片的自动化。Agent通过/剪口播命令生成带字幕视频，再通过/口播成片命令生成HTML分镜核对页，用户可直接反馈修改。Codex使用Computer Use自动调整时间线，最终由HyperFrames合成MP4。该流程将视频生产从手动执行转为流程编排。

技巧 Codex 剪辑Skills 智能体

事件专题

推荐理由：用Codex加开源剪辑Skills，丢入口播素材和稿子，Agent直接帮你剪好带字幕的视频，还能自动做动画和分镜，省掉手动时间线操作。

原文

04:27

Philipp Schmid@_philschmid

Google 更新了 Gemini API 文档，并发布了 GitHub 上的 Skill 示例。该示例展示了如何使用 Gemini API 构建自定义技能。文档和代码均在 ai.google.dev 和 github.com/google-gemini 上公开。开发者可以据此快速集成 Gemini 到工作流中。

技巧 Gemini API Google Skill

推荐理由：Google 刚放出了 Gemini API 的 Skill 示例代码，想自己动手接入 Gemini 的可以抄作业了。

原文

04:09

Philipp Schmid@_philschmid

Google Gemini 的 Interactions API 已正式发布（GA）。安装 Skill 后，编码代理能自动获得 Interactions API 的内置规则、正确 SDK 模式及当前模型版本。支持 Antigravity、Claude Code、Cursor 等代理。一条提示即可将现有应用迁移至新 API。迁移指南中的所有 API 变更由 Skill 自动应用。

技巧 Gemini Interactions API 编程助手

事件专题

推荐理由：Google 出了Gemini Interactions API 的官方 Skill，装上后你的编码代理一个提示就能自动迁移 API，支持 Claude Code、Cursor 等。

原文

03:55

lmarena.ai@lmarena_ai

精选

技巧 Arena LMSYS 模型评测

推荐理由：想了解AI模型评测怎么运作的？Arena团队亲自拆解从内测到上线的完整评估流程，还讲了Bradley-Terry分数如何保证公平，干货满满。

原文

03:54

Harrison Chase@hwchase17

精选

该建议指出，用于智能体工程的计划、研究等上下文文档应放在仓库外，而非版本控制系统中。原因包括：文档无需合并语义，线性历史即可满足99.9%场景；存入仓库将导致文档在不同分支间丢失。推荐系统通过FS工具访问、可发现、可持久化归档且支持协作。该讨论由LangChain创始人Harrison Chase转发，引发对智能体开发最佳实践的思考。

技巧 Agent工程文档管理版本控制

推荐理由：LangChain创始人分享了一个文档管理的小技巧：把智能体工程文档放VCS外面，用FS工具访问，避免分支迷失。

原文

03:03

官方账号LangChain@LangChainAI

LangChannel指出，随着智能体采用增长，团队需建立可重复的方法来安全、一致地构建多个生产级智能体。关键管理领域包括：成本与使用监控（✅ Cost and usage）、工具访问与审批（✅ Tool access and approvals）、人机协作工作流（✅ Human-in-the-loop workflows）、提示词/技能/上下文版本控制（✅ Prompt, skill, and context versioning）、跨团队可复用资产（✅ Reusable assets across teams）、以及生产智能体的监控与评估（✅ Monitoring and evals across production agents）。这些实践旨在解决规模部署时的一致性与可靠性问题。

技巧 LangChain 智能体 MCP/工具

事件专题

推荐理由：LangChain总结了团队构建多个智能体的核心痛点：成本、权限、版本控制、监控等，全是实战干货，适合正在做 Agent 上线的团队参考。

原文

00:50

官方账号LangChain@LangChainAI

精选

LangChain指出，AI代理执行沙箱需满足两个关键要求：启动速度接近无服务器函数（避免代理等待2分钟VM启动），以及具备完整机器状态（支持安装依赖、编辑文件和断点续传）。代理本质上是会话中的工作进程，而非无状态请求处理器。

技巧 LangChain 沙箱智能体

推荐理由：LangChain讲清楚了代理沙箱的设计关键——既要快得像无服务器函数，又要能像全功能机器一样保存状态。做AI代理的人该看看。

原文

00:24

AI产品黄叔@PMbackttfuture

推文作者使用成峰开发的Skill，结合Codex工具完成视频剪辑，整个流程只有最后在剪映中处理了约2分钟，其余全部由AI自动完成。作者认为这种丝滑体验标志着Agent剪辑时代的到来。该工作流展示了AI工具在视频创作中的实际应用，大幅减少人工操作。

技巧 Codex 剪映成峰Skill

推荐理由：有人用成峰的Skill和Codex，剪视频全程只手动处理了2分钟，超丝滑，你也能试试。

原文

6月22日

23:53

官方账号快手可灵 Kling@Kling_AI

数字艺术家Maria Rubtsova使用Kling AI视频工具创作了多个爆款视频，其中一支视频观看量超过1亿次、互动近500万次。她强调以数字艺术家的审美驱动AI创作，从人物表情到运动流畅度都追求真实感。在Kling官方采访中，她分享了如何让AI视频更逼真、更生动，并指出审美品味比技术更重要。

技巧 Kling Maria Rubtsova 视频生成

推荐理由：Kling官方采访了艺术家Maria，她用Kling做出1亿播放的视频，还讲了怎么让AI视频更真实，特别适合想提升作品质感的人看。

原文

22:50

berryxia@berryxia

本教程演示如何将低成本大模型接入沉浸式翻译插件。操作步骤包括：进入沉浸式翻译设置，点击左侧“翻译服务”，右上角添加自定义翻译服务并选择“自定义AI”。填入API Key和大模型API接口地址，例如小米MiMo模型的Base URL为https://t.co/n4qZ4OEcJQ。选择对应模型或勾选“输入自定义模型名称”，测试通过后即可使用。配置完成后可在服务选项中切换使用自定义模型。

技巧沉浸式翻译 MiMo API

推荐理由：教你把免费模型塞进沉浸式翻译，跟着视频几步搞定，小米MiMo也能用，省下订阅费。

原文

19:54

Geek@geekbb

该项目将基金经理郑希过去十几年的季报、手记、采访等资料整理为结构化语料库。基于该语料库构建的AI技能可进行可溯源的投研问答与基金分析，避免模型幻觉。已开源在GitHub（lyra81604/zhen…），支持用户直接使用。

技巧郑希基金经理语料库

推荐理由：有人把郑希十几年的所有公开资料整理成了结构化语料，让AI能基于真实文本做投研问答，不是瞎编的，想搞基金分析的可以看看。

原文

17:39

Geek@geekbb

Cloudflare 开源了一套 AI 安全审计技能，可将普通编码助手改造成系统化安全审计工具。审计流程包含六个阶段：情报收集摸清架构、多路并进攻击代码、换代理挑刺排除误报、生成人类可读报告与机器可读 JSON 结果，最后独立验证每项结论。该方法通过多代理协作和阶段性验证提升了审计准确性和可追溯性。

技巧 Cloudflare 安全审计编码助手

推荐理由：Cloudflare 开源了一套 AI 安全审计技能，把编码助手变成六步自动化审计工具，能生成报告和 JSON，适合做代码安全扫描。

原文

14:25

向阳乔木@vista8

海立老师（Harry Zhang）开源了第三本关于LangChain生态的书籍《Deep Agents in Action》。该书目前已有8个章节，涵盖Agent Harness、规划、上下文工程、子智能体、Skills和记忆等核心主题。面向中文开发者社区，可免费获取学习。

技巧 LangChain Deep Agents in Action 海立

推荐理由：想学LangChain Agent开发？海立老师开源了第三本书，8章讲规划、子智能体等，直接收藏学。

原文

14:15

@zarazhangrui@zarazhangrui

推文作者Zarazhangrui提出了一条防止AI生成劣质内容（slop）的经验法则：在写作、设计等任务中，用户输入（上下文）的长度应为输出的3-5倍。如果输入远短于输出，AI几乎必然产生质量低下的内容。这条法则基于实际使用经验，可帮助用户获得更优质的AI输出。

技巧提示词工程 AI写作 AI设计

推荐理由：写提示词时总出一堆废话？试试这个简单法则：你的输入要比输出长3-5倍。作者亲测有效，能明显改善AI输出质量。

原文

12:26

shao__meng@shao__meng

GLM-5.2 在 X 平台被广泛讨论，声称是最强开源模型且接近 Claude Fable 5。作者下载了 Zcode 平台并发现可以免费试用。但第二条消息即遇到使用限制，未充值 Coding Plan 可能无法正常使用。

技巧 GLM-5.2 Zcode 开源模型

推荐理由：想了解 GLM-5.2 和 Zcode 的实际体验？这篇分享告诉你免费试用背后的限制

原文

11:23

idoubi@idoubicc

codefree.cafe推出AI编程小桌课，周六广州南沙开课，限5人，用Claude Code和Codex从想法到项目上线，6小时结对编程。收费¥4096，含ShipAny会员（¥1999）、1024社群会员（¥1024）和MCP书籍（¥49），同行者半价。赠送权益价值¥3072，已有权益者同行仅¥512。

技巧 Claude Code Codex ShipAny

推荐理由：想用Claude Code和Codex做项目但卡配置？这个六小时小桌课帮你从想法到上线，还送ShipAny会员和MCP书。

原文

10:25

shao__meng@shao__meng

Addy Osmani发布深度文章，以Chromium为主线解析现代浏览器内部机制。文章覆盖页面加载完整管线、V8 JavaScript引擎内部原理、模块加载与Import Maps、多进程架构与安全。对比三大引擎：Chromium、Gecko (Firefox)与WebKit (Safari)。面向开发者给出优化实践：减少网络往返、避免深度DOM、使用transform/opacity实现合成动画等。

技巧 Chromium V8 WebKit

推荐理由：Addy Osmani写的浏览器底层指南，覆盖V8、多进程、三大引擎对比，还有实用的DevTools优化技巧，搞前端必读。

原文

08:45

shao__meng@shao__meng

精选73°

前Meta/Microsoft/Atlassian主任工程师Kun Chen分享了一套完整的Agentic工程工作流，每天可ship 40-50个经测试的生产级PR。核心框架分为四层：造船（终端中心主义，使用WezTerm+tmux+Neovim）、训练船员（Memory+Skills，全局memory仅27行以避免token浪费）、与单个船员协作（语音输入OpenSuperWhisper，自创AXI标准比MCP节省3倍token和2倍延迟）、并行指挥（treehouse管理worktree，First Mate大副编排器）。验证环节采用no-mistakes流水线，在隔离worktree中执行对抗式review和E2E测试，大幅减少人工review耗时。该工作流强调将时间花在任务开头和结尾，中间全交给AI，瓶颈从agent执行力转移到战略思考。

技巧 Kun Chen Agentic工程工作流

推荐理由：想每天轻松发几十个PR？前Meta主任工程师把整套工作流拆开了讲，从终端配置到agent训练到并行管理，全是实战细节，比泛泛而谈的教程强多了。

原文

07:24

elvis@omarsar0

开发者 Omar 分享经验：他几乎不再手动提示或与代理对话，而是通过循环（loops）让代理自主执行。他花更多时间编写验证器（verifiers），提供文本、音频、图片等丰富指令来填补代理的不足。Guinness Chen 建议用户按住听写键随意讲10分钟，将碎片、例外、示例、氛围都喂给模型，利用语言模型擅长从语言中重构潜在意图的能力。这些方法改变了人与代理的交互方式，减少了手工编辑提示的负担。

技巧 agents loops verifiers

推荐理由：别手写提示词了，试试按住录音键讲十分钟，让代理自己干活。Omar 分享了用循环和验证器省力的实战技巧。

原文

03:48

官方账号Greg Brockman@gdb

用户 Tom Osman 利用 Codex 的 "/goal" 循环功能，将提示词设为“遍历应用中每个功能，根据代码创建用户故事和期望行为，维护单一电子表格追踪状态”，随后自动切换到测试每个用户故事并记录所有错误，最终修复逻辑或 UX 错误后再次测试。整个过程无需人工干预，自动处理成百上千的用户故事。该案例展示了 Codex 在自动化测试与修复工作流中的实际应用。

技巧 Codex 编程助手自动化测试

推荐理由：试试在 Codex 里贴一段类似的循环指令，它就能自动帮你测完整个 App 的每个功能，连修 bug 都包了。

原文

03:23

HeyGen@HeyGen_Official

Peter Yang 与 HyperFrames 开发者 @liu8in 和 @JakeFromHeyGen 深入拆解了 HyperFrames 的工作机制。该工具提供 5 步法：收集资产并创建 frame.md、编写 storyboard.md、从 HyperFrames 库拉取动画、生成静态帧审查、在 Studio 中合成视频。内置 /website-to-video 技能可将任意 URL 一键转成视频。HyperFrames 完全免费，支持在 Codex 和 Claude Code 中使用。

技巧 HyperFrames Codex Claude Code

推荐理由：HyperFrames 免费开源，用 5 步模板就能把产品视频从 $30K 成本降到零，连网址都能直接变视频，适合不会剪片的团队。

原文

02:21

官方账号Greg Brockman@gdb

精选

Tom Osman展示了一个在Codex中运行的自动化循环，用于遍历应用所有功能并生成用户故事与预期行为。该流程维护一个单源电子表格跟踪功能状态，然后切换到测试每个用户故事并记录所有错误。最后修复逻辑或UX错误后，再次测试所有用户行为。这个循环能处理数百个用户故事，展示了Codex的自动化测试能力。

技巧 Codex Tom Osman 自动化测试

推荐理由：Tom Osman用Codex搞了个自动化循环，从生成用户故事到测试修复一条龙，省人工还管几百个功能，太实用了。

原文