全部 AI 动态 · AI 热点

6月24日

23:40

Geek@geekbb

精选

Pi Coding Agent 的 Web UI 采用双进程架构，会话守护进程与 Web 服务分离，确保 Agent 会话在服务器端持久运行。即使关闭浏览器或重启前端服务，会话也不会中断。该方案支持跨设备监督桌面和服务器上的 AI 编码 Agent，适合需要长期稳定运行编码任务的场景。

推荐理由：Pi Coding Agent 的 Web UI 让你关掉浏览器后编码任务还在服务器跑，跨设备也能接着监督，很实用。

原文

22:46

LangChain@LangChainAI

精选

Jeff Barg在Interrupt会议上透露，Clay每月运行3.5亿个GTM智能体。他指出，缓存可将LLM调用成本降低高达70%。限制工具调用范围不仅能节省成本，还能提升输出质量。在多租户负载下，引入公平队列机制至关重要。

技巧 Clay GTM agents LLM成本缓存工具调用

推荐理由：做AI智能体上线的小伙伴必看，Clay的AI负责人亲自讲了怎么降本70%和优化队列，干货12分钟。

原文

18:32

AI Will@FinanceYF5

传统AI使用方式是一问一答、改完再问，效率低下。顶尖AI工程师设计自动化循环，让循环去提示AI。这种方法将用户从引擎角色解放出来，让AI自主迭代。通过循环设计，可以减少人工干预，大幅提升生产力。

技巧提示词工程工作流自动化 AI效率

推荐理由：别再做人工提示苦力了，学学工程师怎么用循环驱动AI，效率翻倍。

原文

18:27

AI Will@FinanceYF5

Thariq 完全没碰视频剪辑软件，而是让 Claude 写代码并调用多个工具完成编辑。Claude 使用了转录服务、FFmpeg 做音视频处理、Figma MCP 做调色、Remotion UI 制作界面并完成渲染。整个过程由 AI 编程生成复杂脚本，替代传统剪辑工具。

技巧 Claude Figma MCP Remotion FFmpeg 视频生成

推荐理由：看看人家怎么用 Claude 写代码搞定视频剪辑，不用碰任何剪辑软件，全程 AI 自动化。

原文

17:29

shao__meng@shao__meng

精选

字节跳动发布豆包2.1系列模型，豆包2.1 Pro在Coding和Agent能力上有显著提升，VLM能力介于Claude Opus 4.6和4.8之间。作者使用TRAE Work测试其前端设计图还原能力，模型会先思考规划再分步骤实现，通过本地预览和视觉验证确保质量。最终输出包含自适应布局和实际配图，而非仅占位符，交互和细节还原到位。

技巧豆包2.1 Pro TRAE Work 字节跳动前端设计编程助手

推荐理由：有人拿TRAE Work测了豆包2.1 Pro，前端的视觉还原和配图能力很惊艳，做设计稿转代码可以试试。

原文

17:28

Viking@vikingmute

skills.sh 提供 CLI 工具，可统一安装、更新、卸载多个 coding agent 的 skills。它直接打通 GitHub，有交互界面，支持选择安装特定 agents 的 skills。用户分享用其作为 skills 唯一来源，解决 Cline、Codex、Claude 等 agent 的 skills 文件散落混乱的问题。

技巧 skills.sh Cline Codex Claude 技能管理

推荐理由：用 skills.sh 一个命令行搞定所有 coding agent 的 skills 管理，不用再写脚本软链接了。

原文

16:09

berryxia@berryxia

精选

Anthropic内部工程师运行300多个自改进的agent swarm来提升系统可靠性。核心方法是给模型验证自身输出的机制，包括计划模式、动态工作流和自我检查，根据真实反馈迭代。这种闭环系统让agent从一次性工具变为能自我迭代的系统，可靠性大幅提升但token消耗更高。效果远超大多数300美元的agent课程。

技巧 Anthropic 智能体 agent 工作流自改进

推荐理由：Anthropic工程师自己怎么用agent？300个自改进swarm加闭环验证，比花300美元买课实用多了。

原文

13:27

Marc Andreessen@pmarca

Marc Andreessen 在 X 上发帖，称帖子明显由 Claude 写成。他引用 Slack，认为第三个范式能成功的理由是基础设施早已存在：Slack 天生为开放协作构建，团队、工具和上下文共处一处。AI 无需改变工作方式，只需一个让它真正能用的地方。该推文获得 85 次喜欢、16 次转发和 17528 次浏览。

技巧 Claude Slack AI工作流协作工具

推荐理由：Marc Andreessen 用 Claude 在 Slack 里发帖，说基础设施早已就位——想用 AI 但嫌工具割裂？看看他为什么觉得 Slack 才是 AI 的归宿。

原文

12:54

宝玉@dotey

精选

@dotey 分享了一种极客风格的 Skills 管理方式：只在项目内安装所需 Skills，不装全局，以节约 Agent 的上下文窗口空间。核心方法是使用软链接（symlink）将 Skills 原件统一存放在 ~/GitHub 仓库中，项目内通过 .agents/skills 软链指向原件，再创建 .claude/skills → .agents/skills 的链接供 Claude Code 使用。更新时只需拉取仓库代码，所有项目自动同步；修 bug 可直接修改原件并反哺开源社区。用户不必记住软链接命令，用自然语言告诉 Agent 即可完成操作。

技巧 Skills Claude Code 软链接编程助手提示词工程

推荐理由：@dotey 分享了用软链接管理 Skills 的方法，只装项目内省上下文，更新一次全局同步，还能顺手给开源社区修 bug，极客必备。

原文

12:24

Geek@geekbb

这份手册从 AI 编程视角出发，教你配置 Cloudflare 开发环境，包括 Workers 和 Pages 等核心产品的正确用法。它帮你避开常见坑，如绑定域名、环境变量设置等细节。最终教你将 AI 应用一键部署到全球节点，实现低延迟访问。手册适合已有基础代码但首次接触 Cloudflare 的开发者。

技巧 Cloudflare AI编程部署 Workers Pages

推荐理由：做 AI 编程想用 Cloudflare 部署？这份手册从环境配到避坑全教了，照着做就行。

原文

10:45

shao__meng@shao__meng

精选

Codex官方博客发布了Remote工程实践指南，提出手机是控制面而非终端的核心心智模型。指南列出了10个高杠杆能力，包括Queue与Steer模式切换、Side Chat旁路对话、Plan与Goal两种任务模式。还介绍了5个典型工作流如Release Captain和Mobile Reviewer，强调权限粒度与上下文生命周期管理。该指南旨在帮助开发者在手机上高效启动、指挥、审批远程开发任务。

技巧 Codex Remote OpenAI 编程助手智能体

推荐理由：Codex官方写了10个手机上用Remote的实战技巧，比如用Steer纠偏、手机做Code Review，比单纯盯进度实用多了。想远程开发效率翻倍可以看看。

原文

09:42

Ate-a-Pi@svpino

Claude Code 能利用 Apify Actors 爬取整个互联网，并通过 MCP 连接器与各类服务通信。例如，分析 YouTube 视频后自动将摘要写入 Notion 页面，或抓取学校日历并自动添加事件到 Google Calendar。设置仅需几秒：在 Apify 设置中连接工具并一次性授权。这样 Actors 即可直接读写这些服务的数据。

技巧 Claude Code Apify MCP/工具自动化工作流

推荐理由：如果你想用 Claude Code 自动抓网页、写笔记、管日历，这个 Apify Skills 教程几分钟就能上手，不用写代码。

原文

09:39

Ate-a-Pi@svpino

精选

一位客户的token账单在过去几周内翻了三倍，原因是AI agent重构函数时需要执行读取文件、获取上下文、规划变更、编写代码、检查错误、更新测试、重试失败等十多个调用。每个调用都产生费用，agent越自主，费用越高。问题在于很难追踪谁在哪个模型上花了多少钱。解决方案是在agent和模型提供商之间部署一个网关，让所有请求先经过网关，从而获得可见性和控制力。Orq AI的API支持500多个模型和30多个提供商，可将廉价路由分配给便宜模型，昂贵模型留给复杂任务。

技巧 Orq Agent token 模型网关成本控制

推荐理由：你公司用AI agent写代码？小心token费用悄悄翻倍。作者亲测案例，推荐Orq网关统一管理模型调用，省心省钱。

原文

09:26

Fireworks AI@FireworksAI_HQ

FireConnect 是 Fireworks 推出的工具，可将 GLM-5.2、Minimax、Qwen、Deepseek、Kimi 等开源模型直接引入 Claude Code、Pi、OpenCode 和 Codex。用户需依次执行 npm 安装 Claude Code、获取 Fireworks API 密钥、运行单行命令安装 FireConnect 并配置密钥。Head of AI Education Sinan Ozdemir 演示了通过 fireconnect claude model select 切换模型的步骤。整个过程无需手动编辑 JSON 或使用 vim。

技巧 FireConnect Claude Code 开源模型编程助手

推荐理由：FireConnect 让你在 Claude Code 里直接跑 GLM-5.2 等开源模型，一行命令搞定，不用折腾配置。

原文

09:24

AK@_akhaliq

hf-claude 扩展已确认与 GLM 5.2 版本兼容。用户可通过命令“hf extensions install hf-claude”安装该扩展。该扩展为 Hugging Face 生态提供了 Claude 模型的集成支持，让用户能在 GLM 5.2 环境中更稳定地使用 Claude 相关功能。

技巧 hf-claude GLM 5.2 Hugging Face 扩展

推荐理由：用 GLM 5.2 的话，装这个扩展就能跑 Claude，挺方便的。

原文

07:38

Notion@NotionHQ

Notion的运营主管Amy构建了一套AI代理套件，自动处理日常行政工作：一个代理自动起草邮件回复会议安排请求，第二个代理每日检查联合创始人日历并分配会议室和会议细节，第三个AI代理自动生成会议笔记并转化为行动项。她还有一个代理监控其他代理的运行情况。Amy表示AI帮她节省了时间，并减轻了精神负担，她像带新人一样逐步给代理更多自主权。

技巧 Notion 智能体工作流办公自动化

推荐理由：Notion的运营主管分享了用AI自动处理邮件、安排会议室、记会议笔记的实际方法，还有代理监控代理的妙招。

原文

06:54

Aadit Sheth@aaditsh

Zeb Evans分享其公司在1000人团队中部署5000个智能体，人工与智能体比例达1:5，通过压缩上下文节省token。他强调AI能真正了解你的工作比更聪明的模型更有效，大多数公司用相同工具却因上下文量不同结果天差地别。团队通过Process Miner代理处理每天约10万条公司活动事件，从预处理、摘要和组织的上下文开始工作，而非每次从头搜索。

技巧智能体上下文 Agent token节省流程优化

推荐理由：Zeb Evans用5000个agent给1000人干活，重点不是模型多强而是上下文给够。他们自己公司内部就是这么干的，效率飞升。

原文

06:24

cat@_catwu

Claude Tag 支持数百种自定义方式，官方分享了6种常见工作流。例如在事件响应中，将 Claude Tag 到 incident 线程后，它能自动拉取图表、diff 部署、找出根因并标记作者。团队可在线程内审批，Claude 自动打开修复、部署上线、监控指标恢复并关闭页面。这套流程节省了从发现问题到修复的跨团队沟通成本。

技巧 Claude Claude Tag 智能体工作流事件响应

推荐理由：想用 Claude 自动化你团队的 incident 响应流程吗？这篇官方指南给出了6个现成工作流模板，套上就能用。

原文

06:21

LangChain@LangChainAI

LangChain指出多数团队已有追踪能力，但缺乏持续改进Agent的系统。他们提出的Agent开发生命周期包含四个阶段：构建、测试、部署和监控。该流程以工程师人力速度扩展，无法规模化。团队需用更自动化的方法来迭代优化Agent性能。

技巧 LangChain Agent 智能体开发流程生命周期

推荐理由：LangChain总结了一套开发AI Agent的标准流程，帮你解决“只追踪不改进”的痛点，从构建到监控闭环。

原文

06:13

cat@_catwu

Anthropic 发布了 Claude Tag 的代理权限配置指南，帮助用户快速上手设置代理身份。指南详细介绍了如何为 Claude Tag 配置 agent 权限，包括关键决策说明和身份配置步骤。用户可以通过该指南了解代理权限的核心概念和操作流程。

技巧 Claude Tag 权限配置智能体 Anthropic

推荐理由：想给你的 Claude Tag 设置代理权限？这篇官方入门指南手把手教你配置，还有关键决策详解。

原文

05:42

LangChain@LangChainAI

LangChain发布了与Pipecat AI集成的教程，17分钟演示如何将现有LangGraph agent转变为语音agent。同时LangSmith更新了语音轨迹功能，新增内联音频播放器，无需打开新标签即可查看语音回放。该教程适合已有LangGraph agent的开发者快速接入语音交互。

技巧 LangGraph Pipecat AI LangSmith 语音交互教程

推荐理由：想让你写的LangGraph agent开口说话？这篇17分钟教程直接用pipecat_ai搞定，还顺带教你怎么用LangSmith看语音回放。

原文

02:27

Lenny Rachitsky@lennysan

OpenAI研究团队教练Joe Hudson指出，AI时代赢家不是靠更多知识或努力（AI擅长的两件事），而是靠'情绪清晰度'。他辅导包括Sam Altman在内的OpenAI领导层及苹果、谷歌高管。文章详述如何在艰难对话中保持冷静、不自我攻击、从失败中前进，并给出团队建设方法帮助代谢恐惧。

技巧 OpenAI 情绪清晰度软技能工作变革

推荐理由：OpenAI教练Joe Hudson教你如何在AI时代靠'情绪清晰度'胜出，不拼知识拼内心，很实用。

原文

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 智能体工作流构建流程

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

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 智能体开发周期 Agent

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

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 智能体循环工程自我改进

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

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 智能体通用聊天专用代理

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 应用开发教程

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 编程助手智能体

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 智能体工具调用

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 强化学习智能体基础设施

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 工作流优化 AI配置

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 AI辅助

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 AI安全文件清理

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 Slack

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

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 视频生成内容工作流

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

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 图像定位

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 HTML 工作流

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 AI安全智能体

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 模型评估微调

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编程代码审查开发效率工作流

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