全部 AI 动态 · AI 热点

7月22日

23:31

Ethan Mollick@emollick

精选

Ethan Mollick指出Codex和Claude Code的一个问题是用户需要更多控制权来决定编排AI使用的子代理具体配置。用户希望自主选择将研究、写作或用户测试等任务委托给哪个模型。否则这又会退化成一个路由问题。该观点强调了用户对多模型协作的灵活调度需求。

推荐理由：Ethan Mollick聊Codex和Claude Code的痛点：用户该能自己选副手干不同活，别让AI瞎路由。

原文

23:09

Viking@vikingmute

精选

作者为让TinyShip适配Cloudflare，将三个SMS服务的SDK改写成基于HTTP请求的thin wrapper。原SDK依赖几百KB，改写后仅需204行代码。阿里云SDK臃肿且依赖多，AI辅助生成的新代码更轻量。改写的wrapper覆盖了三个provider的全部功能。

技巧 SDK thin wrapper HTTP请求

推荐理由：试试让AI帮你重写那些臃肿的SDK，几百KB缩小到200行，阿里云SDK的痛点瞬间解决。

原文

23:07

berryxia@berryxia

精选

OCR 将物理文档和图像转为电子文字，是信息抽取、RAG、Agent 等 AI 流程的入口。硬地骇客播客曾强调过这一观点，在 AI 时代依然适用。没有 OCR，后续的文本分析、问答系统难以直接处理非数字化内容。

技巧 OCR RAG Agent

推荐理由：硬地骇客播客聊透了OCR在AI工作流里的基础地位，想做RAG或信息抽取的得先过这关。

原文

22:54

官方账号LangChain@LangChainAI

LinkedIn在Interrupt大会上分享了如何利用LangGraph构建一个招聘代理，将时间到面试缩短了60%。该代理基于LangGraph框架，通过自动化筛选和匹配流程，显著提升了招聘效率。具体做法和架构细节在完整视频中有展示。这一案例展示了AI在人力资源领域的实际应用效果。

技巧 LinkedIn LangGraph 招聘代理

推荐理由：LinkedIn用LangGraph搞了个招聘代理，面试时间直接砍掉六成，效率提升很实在。

原文

21:52

Ate-a-Pi@svpino

通过将代码中model参数替换为ship-like/前缀（如model='ship-like/your-favorite-model'），即可使用智能路由服务。该服务承诺相比直接连接模型节省50%成本，同时保持100%的能力和行为一致性。其核心是在收到请求后动态决定计算量、模型组合、工具和执行方式。代价是增加额外延迟，但对多数开发者来说性价比很高。

技巧 ship-like 智能路由模型调用

推荐理由：你写代码调模型时，试试在model前加个ship-like/，据说能省一半钱，功能和效果丝毫不差。适合追求性价比的开发者。

原文

21:33

官方账号LangChain@LangChainAI

LangChain 团队回顾了三年用图（graph）构建 agent 的经验。Sydney Runkle 在推文中分享了图工程在 Agent 开发中的实践心得。文章总结了图结构如何提升 agent 的可控性与可组合性，并给出了具体的工作流建议。

技巧 LangChain graph engineering Agent

推荐理由：LangChain 团队用三年实战告诉你，图工程不是新噱头，而是做 agent 的硬核技能，想搞复杂 agent 的可以看看。

原文

20:13

小互@imxiaohu

Databricks 在数百万行复杂代码库中进行实测，比较了不同模型搭配 Harness 框架的性价比和易用性。测试评估了多种组合在实际代码处理中的效率与稳定性，并给出了最佳搭配建议。结果显示某些模型与 Harness 的组合在成本控制和开发体验上表现突出。

技巧 Databricks Harness 编程助手

推荐理由：Databricks 用真实的百万行代码库帮你试了一遍，哪个模型配哪个框架最省钱最好使，直接看结果选就行

原文

19:36

小互@imxiaohu

精选

Anthropic 官方账号 ClaudeDevs 发布实操文章，介绍使用 Claude Code 执行六步代码迁移法，将 Bun 项目中百万行代码从 Zig 迁移到 Rust，仅用时两周。流程包括代码分析、自动转换、测试验证等具体步骤，依赖 Claude Code 的代码转换能力。该经验可复用于其他语言的代码迁移场景。

技巧 Claude Code 代码迁移 Bun

事件专题

推荐理由：Anthropic 分享了用 Claude Code 把百万行代码从 Zig 搬到 Rust 的六步法，两周搞定，搞代码迁移的可以照搬这个流程。

原文

16:13

Viking@vikingmute

Jakub Antalik 在 orbs.jakubantalik.com 发布了6种Thinking Orbs动画图标，用于指示Agent的运行状态。这些图标设计精致美观，可直接嵌入Agent相关界面。包含不同状态变体，适合提升交互视觉反馈。

技巧 jakubantalik thinking orbs 动画图标

推荐理由：做Agent界面缺图标？这6种thinking orbs动画又漂亮又实用，点上链接直接拿代码用。

原文

15:51

AI Will@FinanceYF5

通过2行命令克隆仓库并运行脚本，2分钟内即可在Obsidian中设置vault。打开Claude Code输入/wiki命令，它会自动询问知识库用途并搭建完整结构。整个过程无需手动配置，适合快速建立个人知识管理系统。

技巧 Obsidian Claude Code 知识库

推荐理由：只要2行命令和2分钟，就能用Obsidian配合Claude Code自动搭好知识库框架，省去手动配置的麻烦。

原文

15:50

AI Will@FinanceYF5

一位用户用Claude和Obsidian搭建了一套知识管理方案，将400条未经过链接的笔记转化为可快速检索的第二大脑。该方案完全免费，能够实现在2秒内回答问题。核心做法是利用Claude的问答能力结合Obsidian的笔记结构，让死笔记变得可交互。

技巧 Claude Obsidian 笔记管理

推荐理由：教你用Claude和Obsidian把几百条散装笔记变成能秒答问题的知识库，完全免费，操作也不复杂。

原文

15:45

AI Will@FinanceYF5

精选

通过将多个Claude Code项目的CLAUDE.md文件指向同一个vault，可以实现跨项目的知识共享。这个方法适用于写作、调研和编程等多种项目类型，一次读取即可随处使用。大约95%的用户会忽略这一步骤，但能显著提升效率。

技巧 Claude Code CLAUDE.md vault

推荐理由：Claude Code有个隐藏技巧：所有项目共享同一个CLAUDE.md vault，读一次到处用，省事又高效。

原文

15:44

AI Will@FinanceYF5

默认使用时，用户需要手动复制粘贴内容到Claude。配置MCP（Model Context Protocol）后，Claude可直接读取和写入vault中的笔记，无需手动操作。这省去了来回切换上下文的步骤，显著简化工作流程。

技巧 Claude MCP/工具笔记管理

推荐理由：给Claude配上MCP，它就能直接读写你vault里的笔记，再也不用复制粘贴了，非常省事。

原文

12:40

官方账号arXiv cs.AI@Daniel Pearson, Sidney Shapiro, Emiliano Sebastian Gonzalez Venegas, Sanad Al-Khatib, Aurora Pinzón Arzola

该论文介绍了基于LangGraph的三种可执行工作流方案：SQL分析带修复循环、智能体RAG带证据门控、人工在环策略审查带中断恢复。每种方案展示了类型化状态、条件路由、确定性工具、重试、中断和检查点恢复的组合方式。论文还对比了LangGraph与ReAct、SDK循环、DSPy等方法的适用场景，强调LangGraph适用于需要显式结构的工作流，而非通用默认选项。每份实践方案均说明了何时LangGraph值得额外结构，以及如何使路由、暂停和审计追踪成为显式产品行为。

技巧 LangGraph DSPy ReAct

推荐理由：这篇论文给了三个LangGraph实操例子，告诉你什么时候用它比ReAct或DSPy更合适，特别适合跑长时间有状态的业务流程。

原文

12:17

Jerry Liu@jerryjliu0

72°

Andrej Karpathy 分享了一个实用技巧：当不想打字时，可以用语音识别随意唠叨 10 分钟，让 LLM 帮你整理乱糟糟的思路。Jerry Liu 补充说，他曾经这样做但后来觉得变笨了，于是改为手动用要点写下自己的理解。两人都强调通过主动思考来提升与 LLM 协作的效果，而不是完全依赖 AI 替代思考过程。

技巧 Karpathy Jerry Liu 语音输入

推荐理由：Karpathy 和 Jerry Liu 分享的实操心得，用语音跟 AI 聊天十分钟就能理清思路，比硬打字更高效。

原文

11:24

向阳乔木@vista8

MoE（Mixture of Experts）是一种神经网络架构，顶级模型如 Fable5、GPT 5.6 sol 均采用此设计。该架构通过门控网络动态激活部分专家，在保持推理效率的同时扩展模型容量。当前主流大模型如 Mixtral 8x7B 也基于 MoE，印证了其在性能与成本间的平衡能力。

技巧 MoE 混合专家模型 Fable5

事件专题

推荐理由：想搞懂大模型为什么这么快？这个帖子用 Fable5 和 GPT 5.6 sol 当例子，把 MoE 的原理拆明白了，适合入门

原文

11:16

shao__meng@shao__meng

81°

OpenAI 为 Codex Code Review 推出 AGENTS.md 规则文件，允许团队将隐性审查知识写入仓库。在测试集上，带规则的审查找到了 98% 的目标问题，远超无规则时的 58.3%，提升来自为模型补上“该看什么”的上下文。规则需聚焦于如兼容性、数据边界等难以用 linter 捕捉的判断类问题，并给出安全替代方案。OpenAI 建议用三元测试（一个应触发规则、一个安全反例、一个无关改动）来快速验证规则质量。

技巧 OpenAI Codex Code Review AGENTS.md

事件专题

推荐理由：OpenAI 给 Codex Code Review 加了 AGENTS.md 规则，能抓住 diff 看不出的破坏性改动，评测召回率从 58% 提到 98%

原文

06:47

Aravind Srinivas@AravSrinivas

Jeff Grimes与LexSokolin在Fintech Blueprint播客中讨论了如何使用Perplexity Computer管理个人财务。他们强调了AI金融研究中可追溯性的重要性。还探讨了智能体编排如何成为金融服务领域的杠杆工具。

技巧 Perplexity 智能体金融研究

推荐理由：听听Jeff和Lex怎么用Perplexity Computer做金融研究，还讲了智能体编排怎么提升效率。

原文

03:48

elvis@omarsar0

精选

Andrej Karpathy在推文中分享了一个多模态提示技巧：当用户懒得打字时，可切换至语音输入并进行约10分钟的意识流独白。他观察到LLM能从杂乱语音中重建思路，并以更清晰的形式回应用户的混乱思考。这种方法能提升与模型的理解对齐，减少后续需要修正的内容。Karpathy还建议在开头声明“切换到语音识别，抱歉有错字”以明确模式。

技巧 Andrej Karpathy LLM 语音输入

推荐理由：Karpathy教你用语音输入和意识流跟AI聊天，10分钟搞定思路对齐，比打字省力多了。

原文

03:24

elvis@omarsar0

Andrej Karpathy分享了一个实用工作流：当懒得打字时，切换语音模式，漫谈10分钟（即使语无伦次），LLM能高效还原梳理你的思路，从而改善对齐。转推者指出语音很强，还可结合其他模态（如图像）进行更丰富的提示。该技巧利用语音输入降低“心智融合”门槛，减少后续修正。

技巧语音输入多模态提示词工程

推荐理由：直接教你怎么用语音跟LLM瞎聊10分钟，它能帮你理清思路，比打字省力多了。

原文

03:12

@TrenchersAI@TrenchersAI

智能体在凌晨4点自动完成一次狙击交易操作。用户早晨检查终端后，在喝咖啡时快速执行下一次交易。该工作流通过AI代理实现了24小时不间断操作，让用户产出倍增而非替代。

技巧智能体工作流自动化自动化交易

推荐理由：TrenchersAI演示了用智能体实现全天候自动交易，睡觉时也能帮你操作，醒来直接跟进。

原文

02:57

官方账号NVIDIA AI@NVIDIAAI

NVIDIA AI在Nemotron Labs视频中展示，对Nemotron模型进行微调前，应先用LangChain调整评估harness（测试框架）。该方法可确保微调过程更有效，避免浪费资源。视频详细演示了如何配置LangChain评估流程。

技巧 Nemotron LangChain NVIDIA

事件专题

推荐理由：NVIDIA教你怎么用LangChain先调好评估工具再调模型，很实用的小技巧，省时间少踩坑。

原文

02:19

官方账号Andrej Karpathy@karpathy

精选

Andrej Karpathy 分享了一个与LLM交互的技巧：当你懒得打字时，可以切换到/voice模式，随意闲聊10分钟，让模型从你的混乱思绪中提取意图。他提到LLM很擅长整理长篇、不连贯的语音输入，并输出更清晰的回应。这种方法能加快人机之间的理解，减少后续修正。

技巧 Karpathy LLM 语音功能

推荐理由：Karpathy分享了一个懒人技巧：对着LLM语音瞎聊10分钟，它就能帮你理清思路，比打字高效多了。

原文

02:14

Cognition@cognition_labs

精选72°

Cognition宣布Devin Outposts可在NVIDIA Brev上部署。这一集成使Devin能够访问GPU基础设施，用于调试训练运行、检查GPU状态、重现故障，并在实际硬件上验证修复。部署入口位于brev.nvidia.com的launchable页面。该方案面向需要GPU调试的AI工程团队。

技巧 Devin NVIDIA Brev GPU

事件专题

推荐理由：Cognition把Devin Outposts搬上NVIDIA Brev，让Devin能直接动用GPU来定位训练bug、检查显存状态，不用自己搭环境。

原文

01:28

Qdrant@qdrant_engine

精选

cognee的Dave Nielsen在Vector Space Day SF演讲中展示了AI记忆的进化方向：从简单提示存储到自动构建知识图谱。系统从聊天、提示、智能体交互中提取实体和关系，向量存储在Qdrant，图谱关系存储在Neo4j，实现RAG、GraphRAG与短期记忆的统一层。AI记忆正从单个智能体扩展至团队和组织，例如通过学习提示的入职系统或共享知识库。cognee与Qdrant连接器新增TurboQuant支持，对知识图谱的量化效果比常规向量存储更显著，因为图数据规模增长更快。

技巧 cognee Qdrant Neo4j

推荐理由：看看cognee怎么把RAG、GraphRAG和短期记忆揉成一个统一层，还能自动建知识图谱，团队也能共享记忆，加上TurboQuant压缩搞定海量图数据。

原文

01:10

官方一手GitHub Blog@Jacklyn Carroll

本文介绍如何使用GitHub Copilot的Canvases功能将AI转化为交互式工作空间。Canvases支持可视化信息、探索工作流，帮助用户在复杂任务中直接操作。通过拖拽组件，开发者可以快速搭建数据处理界面。

技巧 GitHub Copilot Canvases 编程助手

推荐理由：GitHub Copilot的Canvases让AI变成能拖拽的工作区，可视化数据、梳理工作流，做复杂任务挺顺手。

原文

01:04

Ate-a-Pi@svpino

一位开发者分享了利用 Claude Code 和 MCP 协议构建的自动化技能，称这是他用过最好的自动化平台。他运行着半打类似的自动化任务，每天自动执行。这些技能易于构建、维护和调度，可帮助减少重复工作。

技巧 Claude Code MCP 自动化

推荐理由：教你用 Claude Code 加 MCP 搭自动化工作流，每天省半小时重复劳动。

原文

00:58

Ate-a-Pi@svpino

一位开发者在X上分享观点，指出当前编码工具让写代码变得前所未有地简单，但思考难题并未改变。真正的瓶颈是人的大脑，而不是AI模型。他提醒开发者不要被工具迷惑，要重视自身思考能力。

技巧编程助手思考瓶颈

推荐理由：这篇帖子点醒了很多人——工具再好，不会思考也没用。

原文

00:37

官方一手marktechpost@Sana Hassan

本文介绍NVIDIA srt-slurm框架，使用srtctl将YAML声明式配置转换为可重复的SLURM基准工作流。在Google Colab中配置集群并运行内置与自定义配方。通过参数扫描和Pareto分析，建模分离预填充（prefill）和解码（decode）部署的性能权衡。

技巧 NVIDIA srt-slurm SLURM

事件专题

推荐理由：想搞分布式LLM基准测试？NVIDIA这个srt-slurm框架让你用YAML写配置，一键跑SLURM，还能做参数扫描和Pareto分析，超实用。

原文

7月21日

23:48

Milvus@milvusio

精选

Kimi K3拥有2.8T参数和1M token上下文窗口，支持原生的视觉理解，在编码智能体基准上得分很高。实际测试中，营销团队用K3一个下午就完成了活动登陆页原型。但token开销巨大：cache-hit输入0.30美元/MTok，cache-miss输入3.00美元/MTok，输出15.00美元/MTok。通过添加claude-context MCP工具，实现语义代码搜索，在保持同等检索质量下减少约40%的token消耗。

技巧 Kimi K3 claude-context 编程助手

事件专题

推荐理由：实测Kimi K3确实强，但烧token也快。作者分享了用claude-context省40% token的实操，适合搞智能体的团队参考。

原文

23:00

shao__meng@shao__meng

79°

Claude Code产品负责人Cat Wu和工程师Thariq Shihipar在AI Engineer World's Fair访谈中透露，针对Fable 5和Opus 4.8等前沿模型，系统提示词被削减了80%。核心经验包括：删除few-shot示例反而提升效果，因为模型比示例更具创造力；减少“不要做X”的禁令，增加上下文；每条指令需确保100%成立，否则让模型自行判断。Cat Wu指出，提示词应像被善意的人误读那样软化措辞，而Simon Willison补充，这套方法仅适用于Opus/Fable级别模型，小模型如Haiku仍需详细提示词。

技巧 Claude 提示词工程智能体

事件专题

推荐理由：Anthropic团队亲述：系统提示词去掉80%反而更好用，少写枚举多给上下文，学一波顶级提示工程思路。

原文

22:45

小互@imxiaohu

Linear 推出了名为 Loops 的新功能，用户只需一条自然语言指令就能创建循环流程。该功能旨在让没有编程经验的人也能使用 Loop Engineering。Loops 支持重复执行、条件分支等常见模式，无需编写代码即可实现自动化。

技巧 Linear Loops 提示词工程

推荐理由：Linear 做的这个 Loops 让你用大白话就能写循环任务，不会代码也能直接上手，自动化干活省心多了。

原文

22:17

Viking@vikingmute

作者发现 Cloudflare Worker 的 nodejs_compat 兼容层对标准 Node.js 应用有多个限制，例如部分旧依赖使用了 eval() 或 new Function() 导致报错。针对 TinyShip 项目，作者新增了全量 E2E 测试，覆盖 4 种框架（含 tanstack 的 Node.js 和 CF Worker 两个环境）和 2 种数据库。每次更新通过 Agent 执行 8 轮验证确保通过率 100%。作者计划后续 fork 出 All in CF 的简化版 repo，让仅需 CF 环境的用户更轻量使用。

技巧 Cloudflare Workers nodejs_compat TinyShip

推荐理由：作者把自己踩过的坑和适配经验都摊开了，包括 eval() 限制、E2E 测试怎么覆盖多个框架，做 CF Worker 开发的朋友值得一看。

原文

22:08

官方账号Simon Willison@simonw

精选

Simon Willison分享了来自@_catwu和@trq212的Claude提示词建议。提示应避免用过多示例和“不要”列表，Fable在此精简提示下表现更好。Claude Code自身的系统提示最近缩减了80%。这些方法来自实际经验。

技巧 Claude 提示词工程 Fable

推荐理由：Simon分享了两条具体技巧：少写例子和负面清单，Fable助手反而更好用，Claude Code系统提示也缩了80%，值得试试。

原文

18:37

Geek@geekbb

精选

该教程逐行解析 MiniMind 源码，涵盖 Tokenizer、模型结构、预训练、SFT、DPO、PPO、GRPO 共 10 章内容，每章标注对应源码文件和函数名。附录17篇进阶文章补充量化、投机解码、RLHF 等 MiniMind 未涉及的主题。适合希望从代码层面理解大模型全流程的读者。

技巧 MiniMind 源码预训练

推荐理由：想用代码搞懂大模型训练全流程？这个教程把 MiniMind 的源码一行行讲透，从 Tokenizer 到 GRPO 都有，还附赠量化、RLHF 等进阶知识。

原文

18:35

AI Will@FinanceYF5

帖子提出构建Agent应首先理解背后的模型，而非直接包办一切。强调做Demo容易但做产品可能需要十年，以自动驾驶为例说明跳过基础会导致崩溃。作者认为Agent不是产品，底层模型才是关键，打好基础后Agent自然会随之出现。最后指出当前构建Agent的是普通开发者而非OpenAI或DeepMind。

技巧智能体 OpenAI DeepMind

事件专题

推荐理由：别急着搞Agent，先搞懂模型。这个帖子提醒你基础比炫酷Demo重要，用自动驾驶举例，很实在。

原文

18:34

AI Will@FinanceYF5

Anthropic工程师Andrej Karpathy指出当前AI领域最大错误是强迫智能体工作而不先理解底层模型。他回忆2016年在OpenAI犯过同样错误，因此浪费了5年时间。Karpathy强调演示容易但产品化需十年，自动驾驶已验证这一点。他认为智能体不是产品，模型基础才是，打好基础后智能体会自然涌现。

技巧 Andrej Karpathy OpenAI 智能体

事件专题

推荐理由：Karpathy用自己的失败经历点醒你：别急着搞智能体，先把模型弄透。少走5年弯路。

原文

17:26

向阳乔木@vista8

Qwen3.8-max-Preview是阿里巴巴最新模型，无需下载客户端，直接访问chat.qwen.ai即可在线测试文本和简单前端网页。有用户反馈其写代码能力甚至优于K3，且每日质量持续提升。建议使用API进行更全面的评测。

技巧 Qwen3.8-max-Preview 阿里巴巴在线测试

推荐理由：想试试阿里新模型Qwen3.8-max-Preview？点开链接就能用，写代码据说比K3强，每天还在变强。

原文

15:13

Geek@geekbb

精选

Pi-Agent教程共10章，逐章解析Agent Loop、工具系统、消息系统、事件驱动、会话管理和上下文工程。每章从概念定义、源码实现、设计意图三层展开。提供三种阅读方式：Web在线版（带三栏配图）、本地Markdown和PDF离线版。

技巧 Pi-Agent 智能体 Agent Loop

推荐理由：想自己写Agent？这个教程把Pi-Agent的源码都拆开了，每章讲概念、源码和为什么这么设计，适合动手党。

原文

13:01

向阳乔木@vista8

作者开发了一个视频生成Skill，计划每天发布一个大模型知识解读视频。第一期用通俗语言解释“蒸馏”概念，帮助外行理解。该Skill可自动化生成科普内容，降低AI知识传播门槛。

技巧蒸馏视频生成科普

推荐理由：想搞懂啥是蒸馏？这哥们做了个视频生成工具，每天讲一个AI概念，第一期专治小白看不懂。

原文