全部 AI 动态 · AI 热点

8月4日

12:17

Harrison Chase@hwchase17

LangGraph Studio 能对失败的 agent 运行做原样重放。用户在重放时替换任意一个组件，再以相同 trace 重跑。LangGraph Studio 会自动生成新旧运行间的 diff，帮助定位失败原因。该功能来自 LangChain 创始人的推文演示，尚无官方教程。

推荐理由：LangChain 创始人在推上演示了 LangGraph Studio 的调试技巧：失败运行能重放和对比，比重新跑一遍省事多了。

原文

10:39

shao__meng@shao__meng

精选

@bharath31_ 从GitHub抓取200个公开的SKILL.md文件，用Tripwire的lint引擎扫描发现96%存在至少一个lint错误，仅4%完全无错误。在171个有效Skill中，95%（163个）缺少“Use when…”激活条件说明。这类Skill只描述功能，没写明何时触发，导致Agent难以在合适时机调用。问题根源在于Agent Skills规范2025年才开放，90天内已有30多个工具支持，skills.sh上有约9万个Skill，但description仍是自由文本，没有编译器或测试来检查。

技巧 Agent Skill Use when 智能体

推荐理由：作者扫了200份Skill文件，发现95%没写“何时该用”。写Agent Skill时记得加Use when，不然智能体不知道啥时候调用。

原文

09:09

宝玉@dotey

在一个session里，主agent可以开启subagent来执行任务，并为subagent指定不同的模型。这样主agent和subagent就能在同一会话中分别使用不同模型。这个技巧省去了切换session的麻烦，适合多模型分工协作的场景。

技巧 subagent 智能体工作流

推荐理由：想在同一会话里换模型？让主agent开个subagent，给它指定模型就行，不用来回开新对话。

原文

08:54

Amjad Masad@amasad

Replit 在数据库、对话和文档之上构建了自驱动且自纠正的共享语义层。该层让所有数据源均可查询和连接，无需迁移或预处理。现在 Replit 的任何人可以直接提问，而过去这需要数据科学家团队工作数周。这个语义层依赖代理共享上下文，让更多人获得可靠答案。

技巧 Replit 语义层智能体

推荐理由：Replit 分享了他们自用的共享语义层，能把数据库、文档和对话都打通，员工直接提问就能查数据，不用等数据团队几周。

原文

08:40

Y Combinator@ycombinator

82°

Waymo首次全自动驾驶演示用了18个月，但产品化花了15年。如今Waymo Driver每周完成50万次行程，在15个城市累计行驶400万英里。其严重受伤事故率比人类司机低17倍。在Startup School 2026上，联席CEO Dmitri Dolgov分享了从演示到产品的七个教训。

技巧 Waymo 自动驾驶物理AI

事件专题

推荐理由：Dmitri Dolgov在YC活动上讲了Waymo怎么从demo走到量产，17倍安全优势怎么来的，搞物理AI的值得看。

原文

08:30

Y Combinator@ycombinator

75°

Waymo首个自动驾驶demo耗时18个月，但真正的产品花了15年。如今Waymo Driver每周完成50万次行程，在15个城市累计行驶400万英里全自动驾驶里程，严重碰撞事故率比人类司机低17倍。联席CEO Dmitri Dolgov在YC Startup School 2026上分享了七条经验，涵盖物理AI的独特性、demo到产品的差距、以及为何需要自研模拟器。

技巧 Waymo 自动驾驶物理AI

事件专题

推荐理由：听听Waymo联席CEO怎么把demo做成产品：每周50万单、事故率仅为人类的1/17，全是具体打法。

原文

08:29

宝玉@dotey

宝玉分享跨Agent session的协作技巧：在Claude Code中用Fable 5写技术方案并反复Review，再交给Codex配合/goal执行。他建议用/compact压缩上下文代替新开Session，只在关系不大的任务才新开。旧迁移任务因未设验收标准而交付质量差；加上“UI像素与原版完全一致”的标准后，Codex每一步都会截图对比像素差异，直到达标。

技巧 Claude Code Codex 智能体

推荐理由：看看宝玉怎么让Codex干活：先写文档再给目标，卡死验收标准，它就会老老实实逐像素核对。

原文

06:38

Latent.Space@latentspacepod

精选

在latent.space的推理工程大师课中，Baseten的Philip Kiely与@waterloo_intern讲解了模型训练后如何变成快速可靠的产品。他们指出量化误差可以相互抵消，从而解锁更高吞吐量。推理团队目前仍能挖掘20%–200%的性能增益。视频生成面临二次注意力扩展的瓶颈。GLM-5.2还使用自身重写并优化了服务自己的GPU内核。

技巧 GLM-5.2 Baseten 推理优化

推荐理由：Baseten工程师讲推理优化，量化误差能抵消，GLM-5.2自己优化自己，还有20-200%提速空间。

原文

05:37

官方账号Replit@Replit

Replit 官方博客介绍了其内部“真理层”实践。他们让 AI 代理从共享上下文起步，以提升回答的可靠性。该实践把团队共同认可的信息作为基础设施，使更多人获得一致答案。

技巧 Replit 智能体上下文工程

推荐理由：Replit 把自己团队用 AI 的办法公开了，核心是让代理共享上下文，想要落地 AI 协作的可以看看。

原文

04:59

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA在AI Model Co-Design系列中发文指出，长上下文模型的推理速度在训练前就已被架构选择决定。随着上下文窗口扩大，注意力机制在推理成本中的占比快速上升，逐渐成为主要负担。文章梳理了4个决定性能上限的架构参数：group size、head dimension、KV-cache size和并行策略。这些选择同时影响系统吞吐量和单个用户的响应速度。

技巧 NVIDIA 长上下文 KV-Cache

事件专题

推荐理由：NVIDIA这篇博文把长上下文模型变慢的根源讲透了，训练前选对4个架构参数，服务成本能差很多。

原文

04:38

宝玉@dotey

精选

博主分享了一套复杂任务的分工流程：先用 Fable 5 产出技术方案文档，方便批注和让其他 Agent 快速上手。确认方案后立即 /compact 一次，利用 Prompt Caching 降低压缩成本。接着把文档交给 Codex（GPT-5.6 Sol xhigh）执行，复杂任务加 /goal 减少中断。完成后让 Fable 5 验证遗漏或偏离，再把反馈发回同一 Codex 会话继续完善。博主实测 Opus 5 不如 GPT-5.6 Sol 稳定，也不如 GPT-5.6 Token 耐用。

技巧 Fable 5 Codex GPT-5.6

事件专题

推荐理由：这个流程很适合复杂任务：Fable 5 出方案、Codex 干活、Fable 5 把关，还讲了 /compact 省钱和省上下文的细节，挺实用。

原文

04:35

Guillermo Rauch@rauchg

Vercel 的 Sandbox 可用于基础场景下的浏览器自动化。remote-agent-browser 提供 agent 友好的 API，调用 browser.exec('open', url) 即可打开网页，browser.screenshot() 截图。方案无需安装 Chromium 或浏览器二进制，由托管云沙箱基础设施支撑，启动速度快。作者演示了在 Vercel Sandbox 里用几行代码完成浏览器操作。

技巧 Vercel remote-agent-browser 浏览器自动化

推荐理由：Vercel 官方演示了用 remote-agent-browser 在 Sandbox 里自动开网页、截图，不用装浏览器，代码就几行。

原文

04:06

GitHub@github

精选

GitHub官方分享了Aspire团队使用GitHub Agentic Workflows将合并功能自动转为跨仓库文档PR的案例。该流程带受限权限和SME（主题专家）审查，控制自动化风险。最终82个文档PR全部合并，中位合并时间44.8小时。

技巧 GitHub Agentic Workflows 文档自动化

推荐理由：GitHub官方演示了Agentic Workflows自动把代码变更变成文档PR，82个全合并，中位耗时44.8小时，文档不用再追代码。

原文

04:02

官方账号LangChain@LangChainAI

Stripe在LangChain博客中分享了其知识AI平台Kai的构建过程。该平台由一位工程师使用Deep Agents在一周内完成。Kai被Stripe员工形容为职业生涯的分水岭。LangChain发布了完整的构建故事。

技巧 Stripe Kai Deep Agents

推荐理由：一个工程师一周就能搭出内部AI平台？看Stripe的Kai案例，用Deep Agents搞定。

原文

03:56

Harrison Chase@hwchase17

Stripe用LangChain的Deep Agents搭建了内部知识AI平台Kai，耗时一周，仅一名工程师完成。LangChain发布了完整案例，称内部AI平台有潜力改变公司运作方式。Stripe员工表示，在Stripe的职业生涯以Kai为界分为前后两段。

技巧 Stripe LangChain Kai

推荐理由：看看Stripe怎么用一个工程师一周做出内部AI平台Kai，LangChain还发了完整流程。

原文

01:44

Lenny Rachitsky@lennysan

Whatnot CPO Tom Drobny在Lenny's播客中分享，AI给产品经理的最大解锁在数据科学——2017年亚马逊L7数据科学家需一两周的分析，如今几分钟就能完成。他认为产品经理是练出来的手艺而非资格，并批评过去五年行业奖励的“产品剧场”正在被AI揭穿。Drobny要求每个产品评审必须回答“实验变绿怎么办、变红怎么办”，称系统思维是上升最快的PM技能。他还透露，Whatnot的PM经理有90%时间在做IC工作，反对把优秀PM提拔成脱离实战的管理者。

技巧 Whatnot Tom Drobny 产品经理

推荐理由：Whatnot的CPO说AI时代PM最该练的是数据分析，还吐槽很多PM平时都在表演。他这8条管理建议挺反常识，值得看看。

原文

00:49

mem0@mem0ai

精选

mem0 通过将向量搜索迁移到 Turbopuffer，把查询延迟从 8-14 秒降到约 110-120 毫秒。这次优化带来 70 倍加速，同时让 Postgres 专注于其擅长的关系型数据存储。mem0 在博客中展示了这套面向 AI 代理记忆基础设施的架构调整。

技巧 mem0 Turbopuffer Postgres

推荐理由：mem0 写了个博客，把向量搜索迁到 Turbopuffer 后延迟从 8-14 秒降到 110ms。做 AI 代理记忆的可以学学。

原文

8月3日

23:51

Dia@diabrowser

Dia浏览器新增配置文件功能，每个配置包含独立的登录状态、标签页和AI会话。用户可在标签栏右键创建新配置文件，并通过滑动切换不同配置。该功能支持工作、自由职业和家庭场景相互隔离。目前该消息来自Dia官方推特，尚未公布具体版本号。

技巧 Dia Browser 配置文件多账户

推荐理由：Dia浏览器这个配置文件功能挺实用，右键标签栏就能新建，工作、副业、家庭分开登录，不用来回切换账号。

原文

23:47

官方账号LangChain@LangChainAI

LangChain 的 Carol Di Vittorio 在 Google 开发者频道演示了用 Google ADK 和 Gemini Live 构建语音智能体。她展示了在 LangSmith 中追踪语音代理的每一步行为，包括工具调用、中断事件和 token 成本。视频还演示了如何设置 tracing，让开发者清楚看到智能体每次交互的内部流程。

技巧 Google ADK Gemini Live LangSmith

推荐理由：想看语音智能体怎么调试？这个演示用 Google ADK + Gemini Live，再用 LangSmith 看清楚工具调用和 token 花费，直观。

原文

23:10

小互@imxiaohu

Seedance 2.5 官方用户手册发布，面向即梦视频创作者。手册明确了上传素材的参数上限，并介绍了界面上的四个新入口。内容覆盖七类场景的提示词公式，每个公式都附有可直接复制的案例。官方还演示了 16 个亮点功能，按步骤操作即可生成电影级成片。

技巧 Seedance 即梦视频生成

推荐理由：即梦官方出了 Seedance 2.5 手册，七类场景的提示词公式都能直接抄，附带 16 个功能演示，做视频照着弄就行。

原文

23:06

小互@imxiaohu

字节跳动为视频生成模型Seedance 2.5发布两份官方文档，分别是提示词指南和用户指南。提示词指南讲解如何撰写提示词，用户指南介绍从输入到生成的完整流程。两份文档已托管在Lark文档平台，可直接访问使用。

技巧 Seedance 2.5 字节跳动视频生成

事件专题

推荐理由：字节跳动给Seedance 2.5出了官方提示词指南和用户手册，视频创作者照着写提示词就行，比看零散教程靠谱。

原文

23:06

小互@imxiaohu

字节跳动发布了一份官方视频提示词指南，面向即梦和 API 用户。指南覆盖从一句话生成到 50 份参考素材调度的任务，也讲解 30 秒长片的分段方法。针对改片子时只动一处，即梦用户可按指南提供的模板定位修改。即梦和 API 使用者可以把它当作第一份成体系官方手册，模板直接套用。

技巧即梦字节跳动视频生成

推荐理由：字节跳动出了官方提示词指南，即梦/API 用户做视频直接抄模板，不用自己瞎试写法。

原文

20:40

官方账号快手可灵 Kling@Kling_AI

Kling MCP 提供了一套面向美食品牌的完整视频制作流程，涵盖创意风格分析、故事板构建和最终视频生成。教程演示了如何利用 AI 批量产出促销视频，提升内容生产效率。该流程适用于社交媒体短视频场景，帮助餐饮商家快速建立视觉内容。

技巧 Kling MCP 视频生成工作流

推荐理由：Kling MCP 出了个新教程，手把手教你从分析风格到生成视频，批量做美食促销宣传片，餐饮号运营可以看看。

原文

19:41

LovartAI@lovart_ai

该提示词示例设定在雨夜街头电话亭，包含玻璃水痕、手持拍摄抖动等实拍细节。动画部分以0-5秒、5-10秒、10-15秒分段描述蝴蝶化为人形剪影再转为光带的过程。要求手绘线条保留颤抖和断笔效果，颜色以冷白和淡蓝为主。提示词还强调半透明叠加和错位，让动画如同投影而非实体。

技巧提示词工程视频生成手绘动画

推荐理由：这个提示词把电话亭场景和手绘动画分段写得超细，连抖动和反光都想到了，直接复制去生成视频就完事。

原文

18:40

Geek@geekbb

一个纯markdown的skill在GitHub上公开，把agent写的代码当黑盒。它要求agent开工前先交测试计划，写完后交带数字的证据报告。工作流借鉴自Uncle Bob，测试闯不过关卡就不算完成。程序员只审测试计划和证据报告，不必逐行读代码。

技巧智能体测试报告代码审查

推荐理由：别逐行盯agent代码了，geekbb这个skill让agent先交测试计划再交证据报告，你只看报告，来自Uncle Bob的思路。

原文

17:08

Viking@vikingmute

作者遇到一个很长的 bug 录屏，不想手动看完，于是尝试了一个开源 skills。流程用 yt-dlp 下载视频，优先获取平台自带字幕，缺失时用 MLX-Whisper 或 whisper.cpp 转录。需要视觉信息时，用 ffmpeg 按场景抽帧，把帧和对应时间段的转录一起发给 Agent。最终生成 moments.md 和 summary.md，作者借此快速定位 bug 细节，并转给其他 Agent 修复。

技巧 yt-dlp Whisper ffmpeg

推荐理由：vikingmute 分享的 skills，让 Agent 自动看视频，yt-dlp 下载、Whisper 转录、ffmpeg 抽帧，处理长录屏省事。

原文

14:38

Geek@geekbb

这套Skill让智能体先通读文章内容，再按构图风格、人脸与素材、表情与配色进行三轮追问，最终输出可直接交给生图模型使用的3:4竖版封面提示词。内置10种风格模板，包括深色渐变、纯色扁平、产品主视觉、极简留白、海报拼贴、人物侧置、背影、局部特写与正面对视。用法是把文章喂给Agent即可，无需用户具备设计能力。仓库地址为github.com/pyang5166/gbro…。

技巧智能体提示词工程封面设计

推荐理由：不会设计也能用，把文章丢给agent，它会追问三轮，最后给出能直接跑图的竖版封面提示词，还有10种风格模板可选。

原文

14:14

AI Will@FinanceYF5

Deedy在推文中演示了一个玩法：把湾区房屋平面图喂给LLM，要求改成京都风格，模型输出了3D室内效果。这条推文目前有487次浏览。整个演示说明LLM已经能理解空间布局并生成视觉设计。这种用LLM驱动户型改造的做法，给室内设计带来了新玩法。

技巧 LLM 3D生成户型图

推荐理由：Deedy晒了个玩法：湾区户型图丢给LLM，一句话改成京都风，直接出3D效果。你可以照着试试。

原文

13:38

Rowan Cheung@rowancheung

这套项目记忆系统由一份权威文档、版本化文件、决策日志和交接提示词组成，为长周期AI项目保留上下文。每次进入新聊天，交接提示词会把项目背景、历史决策和当前进度全部导入。系统来自Christian Denton在The Rundown社区的分享，适合多轮对话容易偏离主题的场景。

技巧提示词工程工作流上下文管理

推荐理由：长项目老跑偏？试试这套记忆系统，一个文档加决策日志，新聊天也能无缝接上上下文。

原文

02:46

Rowan Cheung@rowancheung

这个Claude Skill将Google Business Profile的垃圾信息追踪变成自动化流程。它用Claude逐项调查可疑商家，收集证据。然后生成一份可直接提交给Google的投诉报告。该Skill由Mike Blumenthal编写，经Rowan Cheung在X上分享。

技巧 Claude Skill Google Business Profile 垃圾信息

推荐理由：Mike Blumenthal把Google商家垃圾信息追踪做成了Claude Skill，自动调查生成投诉报告，省得你手动整理证据。

原文

02:41

Rowan Cheung@rowancheung

一位开发者用 Siri 打造了语音健康追踪器，通过说话就能记录情绪、精力、用药和活动。每天醒来时，他会得到一份整理好的健康仪表盘，全部基于免费套餐搭建。该项目由 Alex Smirnov 分享，发布在 The Rundown 社区。原推文已有 1164 次查看。

技巧 Siri 健康追踪语音记录

推荐理由：Alex Smirnov 用 Siri 做了个语音健康追踪器，说话就能记录，早上自动生成仪表盘，而且全靠免费套餐，可以参考着搭一个。

原文

02:40

Rowan Cheung@rowancheung

Jonathan Sharp把与老板的每次一对一会议记录变成了可搜索的知识库。现在他可以直接问AI，老板会对任何问题作何反应。这个工作流来自Ther Rundown社区分享，核心是让会议历史成为AI的参考上下文。

技巧 The Rundown RAG 知识库

推荐理由：Jonathan Sharp把跟老板的会议记录变成AI知识库，随时能问“老板会怎么回答”，相当于给自己配了个老板模拟器。

原文

02:37

Rowan Cheung@rowancheung

一位开发者构建了个人AI招聘助手，每天早晨自动搜索多个招聘板并对职位评分。系统会为评分最高的职位定制简历，并在用户醒来前通过邮件发送申请。该助手由Michael Ebner分享，原型来自The Rundown社区。

技巧智能体招聘助手求职自动化

推荐理由：Michael Ebner做了个AI招聘助手，每天早上自动搜职位、打分、改简历再发邮件，醒来就有申请发出，省心。

原文

00:20

官方账号Greg Brockman@gdb

开发者用GPT Image 2.0生成器官设计图，再用Tripo AI把每张图转成3D模型，最后用Codex写代码整合成Web应用。初始每个3D模型约120-150MB，页面性能仅16fps；经过Codex多轮优化，每个模型降到2-5.5MB，总资产从900MB减至28.6MB，并按需加载。Codex还自动生成了器官在人体中的位置插图，以及解释各器官结构的交互热点标记。

技巧 Codex GPT Image Tripo AI

推荐理由：有人用GPT Image+Tripo+Codex一步步撸了个3D人体解剖学网站，模型从900MB压到28.6MB，过程挺有启发。

原文

8月2日

23:08

Viking@vikingmute

vikingmute 分享了一套多模型协作调试流程：几轮搞不定的问题，用 /handoff 把会话压成交接文档，避免上下文被污染。他还会并行开 worktree 让多个模型改 bug，最后由主模型 reconcile。以 GPT 5.6 两次十分钟以上未完成的任务为例，Grok 4.5 三分钟就搞定了，所以别在一个模型上恋战。

技巧 GPT 5.6 Grok 4.5 /handoff

推荐理由：改 bug 别恋战：/handoff 交接 + 多模型并行，GPT 5.6 卡住的活 Grok 4.5 三分钟搞定。

原文

20:10

Hailuo AI@Hailuo_AI

Hailuo_AI转发了一条由用户aymiee创作的作品。该视频使用MiniMax H3模型，通过Pika MCP生成画面，并采用Google Flow生成音频，风格模仿自AIWarper。帖子目前获得6次点赞和802次观看。这个组合展示了MiniMax H3与第三方工具协作的潜力。

技巧 MiniMax H3 Pika MCP Google Flow

事件专题

推荐理由：这个视频用MiniMax H3加Pika MCP复刻了AIWarper那种风格，音频还是Google Flow做的，想试类似工作流可以学一手。

原文

19:09

Yangyi@Yangyixxxx

博主@yangyi分享，用好AI最快的方式是'拿来主义'：直接跑专家蒸馏好的skill。比如获取@aleabitoreddit的skill，让它研究Reddit上的美股股票，效果比普通AI的分析强不少。整体来看，专家skill与AI结合的效果，高于仅用AI或普通人平均水平。

技巧 skill aleabitoreddit Reddit

推荐理由：不想自己调prompt？去拿专家做好的skill直接跑，比如用@aleabitoreddit的skill分析Reddit美股，比普通AI强不少。

原文

11:48

官方账号Greg Brockman@gdb

开发者 Brett Bauman 在推特上称 ChatGPT Work 是新的 cron job。他建议用 ChatGPT Work 执行任何重复性任务。其分享的 bbrett.com/movies 展示了 ChatGPT Work 的具体用例。

技巧 ChatGPT Work cron job 定时任务

推荐理由：Brett Bauman 说 ChatGPT Work 就是新 cron job，定时任务可以交给它了。

原文

11:32

shao__meng@shao__meng

精选

在 chatbot 阶段只需关注每个 token 的单价，而 agent 任务会进行多轮 loop、tool call 和代码执行，总 token 消耗与轮数影响更大。Cline 指出，仅比较 DeepSeek V4-Flash 与 Fable 的每 token 价格会误导，因为轮次增多可能导致单任务总成本更高。计算单个任务成本需综合 token 消耗总数、每 token 成本和缓存比例。ArtificialAnlys 的报告显示，DeepSeek 完成相同基准任务的总成本比 Fable 低 105 倍。

技巧 DeepSeek V4-Flash Cline Fable

事件专题

推荐理由：选 agent 模型别光看 token 单价，这帖讲了 task 成本公式，实测 DeepSeek 比 Fable 总成本低 105 倍。

原文

03:59

宝玉@dotey

精选

针对 gpt-5.6 sol max 在长任务中 auto compact 频繁突破 80% 的疑问，dotey 认为无需紧张。compact 执行过多会损害正在执行任务的上下文准确性，同时无法充分利用 Prompt Caching。目前模型长上下文处理能力已足够强，Harness 层会在 prompt 末尾补充提示，保障任务注意力。Handoff 只能缓解问题，新 session 会因补充上下文再次占满，更有效的是设置验证机制减少人工干预。

技巧 gpt-5.6 sol max compact Handoff

推荐理由：别盯着上下文进度条了，compact没那么可怕。Handoff治标不治本，多设验证才是真省心。

原文