全部 AI 动态 · AI 热点

7月2日

01:18

Philipp Schmid@_philschmid

在aiDotEngineer会议上，两场演讲分别围绕智能体沙盒与评估实践展开。下午1:30在Expo Stage 3 SW探讨智能体为何需要独立沙盒，涉及交互API和托管智能体。下午3:20在Room 2005讲解如何为技能构建评估，涵盖评估类型、轻量级框架搭建和最佳实践。

技巧智能体评估 aiDotEngineer

推荐理由：开发者可以听到关于智能体沙盒和评估框架的实战分享，适合上手实践。

原文

01:17

Justine Moore@venturetwins

ChatGPT被用户用于识别长期存在的健康问题，并建议具体的生活方式调整，例如更换枕头或调整办公桌设置。许多这类问题医生通常不了解。该案例在X平台获得13个爱心和1219次浏览。帖子显示LLM在个性化健康建议方面有独特价值。

技巧 ChatGPT OpenAI AI健康

事件专题

推荐理由：ChatGPT能诊断慢性病并用具体调整方案来改善，连医生都想不到的细节它也能给出建议。

原文

00:50

Harrison Chase@hwchase17

GLM 5.2 正成为开发者日常编码的常用模型。通过 dcode 工具，用户可快速选择 GLM 5.2 并输入 API key 开始使用。该模型具有前沿性能且权重开放，LangChain 也展示了其集成方案。目前该推文已获得 12 个点赞和 1500+ 浏览。

技巧 GLM 5.2 dcode LangChain

推荐理由：LangChain 和 GLM 5.2 配合 dcode，几步就能用上开放权重的编码助手，性能还跟得上前沿。

原文

00:23

berryxia@berryxia

一位X用户分享使用小米mimo模型的日常体验，认为它比许多Agent工具更实用。该模型支持语音交互、视频下载、视频剪辑等功能。用户已将其当作个人助理使用。

技巧小米 mimo模型智能体

推荐理由：朋友说小米mimo模型比Agent好用，能听写、下载剪辑视频，像贴身小秘一样。

原文

7月1日

21:54

官方账号LangChain@LangChainAI

Pendoio每天通过LangSmith的trace仪表盘监控Novus智能体，发现客户需求与系统支持之间的差距。他们据此构建新的评估集，将用户行为追踪到代码修复。这一流程帮助团队在客户察觉前捕获60%的agent故障。

技巧 LangSmith Pendoio Novus

推荐理由：Pendoio用LangSmith每天抓出60%的agent问题，从用户行为一路追到代码修复，流程很实在。

原文

21:29

Guillermo Rauch@rauchg

Vercel 发布了 eve.dev 框架，与 Sanity 内容平台结合，可创建持久运行的内容智能体。该智能体能够自动读取用户反馈、修复文档中过时页面或代码块语法错误，并将修改结果以草稿形式提交给人工审核。它基于 eve 的持久化机制，能即时响应新反馈、失败时自动重试并支持定时调度。官方提供了 GitHub 入门模板和 Vercel 指南。

技巧 eve.dev Sanity Vercel

推荐理由：Vercel 的 eve 框架加上 Sanity 内容平台，能造一个自动修文档的智能体，失败自动重试，省去人工排查小毛病的麻烦。

原文

19:19

小互@imxiaohu

开发者为Claude Code（Anthropic的编程助手）添加了一个副屏功能，支持可视化交互与数据回传。当Claude Code的文本答案过长难以阅读时，副屏会以HTML格式交互展示方案内容。该功能提升了复杂信息的可读性，使开发者能更直观地查看和操作AI输出。

技巧 Claude Code 编程助手可视化交互

事件专题

推荐理由：这个巧思挺实用，给Claude Code加个副屏，能把长方案用HTML展示，看着舒服多了。

原文

14:53

向阳乔木@vista8

精选

MCP是目前唯一在协议层考虑人在回路的方案，支持回传会话、UI嵌入、等待人操作等特性。API适合90%的场景，内置接口描述和状态元信息有助于Agent决策。CLI现在最好用，具有强大的可组合性和本地调试能力，但依赖Unix shell环境，存在命令卡死等问题，长期是死路。

技巧 MCP API CLI

事件专题

推荐理由：vista8帮你理清了MCP、API、CLI各自适合什么场景，选哪种工具调用方式不再纠结。

原文

14:18

官方一手marktechpost@Sana Hassan

精选

CUP是百度开源的Common Useful Python库，提供日志、装饰器、嵌套配置、缓存、ID生成、线程池、调度和Linux资源监控等模块。教程在Colab环境中演示了安装和逐步使用这些子系统。每个模块都关联到自动化、并发和可靠性检查等实际任务。该库旨在帮助开发者构建更健壮的Python工作流。

技巧 CUP 百度 Python

推荐理由：百度放出了CUP这个Python工具箱，从日志到调度一应俱全，适合写自动化脚本或提升代码健壮性的朋友，跟着教程走一遍就上手了。

原文

13:50

idoubi@idoubicc

精选

作者在直播中用CCOnline演示从0到1构建AI产品，部署到Cloudflare并绑定域名上线，全程无需编写代码，使用Vibe Coding模式完成。CCOnline定位为普通人使用的Vibe Coding工具，采用Agent存算分离架构，控制面基于CCOnline Worker和D1，计算面基于cf-sandbox Worker和Cloudflare Sandbox，存储面使用D1和R2，实现用户级隔离。计费方式为按月订阅+按量积分，支持BYOK，积分用于sandbox运行时长和模型token。直播中提供了100个邀请码，已有部分朋友跟着练习做出自己的小产品。

技巧 CCOnline Cloudflare Vibe Coding

事件专题

推荐理由：CCOnline让你不写一行代码就能做出AI产品，还教你部署到Cloudflare上线，零基础也能跟着直播轻松搞定。

原文

12:49

小互@imxiaohu

WPVibe是一个WordPress插件，由云端MCP服务器和站点端插件两部分组成。站点插件暴露安全端点，在每次请求时强制执行WordPress用户权限，并仅执行已批准的操作。用户可通过该插件将任意AI模型安全接入自托管WordPress站点。插件下载地址为wpvibe.ai/start。

技巧 WPVibe WordPress MCP/工具

推荐理由：想给自己的WordPress站点接AI？用WPVibe这个插件，通过MCP协议安全接入任意AI，还自带用户权限控制，方便又可靠。

原文

10:50

Harrison Chase@hwchase17

Matt Pocock 将 Wiki 作为运行 Claude Code 的唯一环境，用它来管理所有仓库的跨仓库任务，并集成 Todoist 作为任务追踪器。这种工作流将 Claude Code 变成代码库的中央控制器，提升跨项目协作效率。

技巧 Claude Code wiki Todoist

推荐理由：Matt 分享了用 Wiki 整合 Claude Code 和 Todoist 的工作流，适合处理跨仓库任务的人试试。

原文

10:25

shao__meng@shao__meng

吴恩达 Andrew Ng 提出 AI agent 产品成功的三个循环：Agentic coding loop 让 AI 自主写代码、测试、修 bug，每次迭代几分钟；Developer feedback loop 中开发者从查 bug 转向产品判断，反馈周期几十分钟到几小时；External feedback loop 通过 A/B 测试、用户反馈等修正方向，周期数小时到数周。他强调 agent 能力越强，规格与评估体系越关键，并举例用 Claude Code 开发打字练习 app 的一个小时自主迭代。

技巧 Andrew Ng Agent 循环工程

推荐理由：吴恩达分享了让AI agent能自动干活、你只管做决策的三个循环，适合想把想法快速做成产品的开发者。

原文

09:12

Yangyi@Yangyixxxx

精选

共有知识和公共知识在智能体协作中含义不同，影响Orchestrator与subagent的协作与记忆设计。persona的记忆需区分哪些独立维护、哪些由组织维护。信息在group流转时要明确公开与私密的约束，特别是对外场景。如果不熟悉销售类SCRM业务，可能难以理解这些界限。

技巧 Orchestrator subagent persona

推荐理由：这是做多智能体系统的人必看的设计思考，讲清了共有知识和公共知识如何影响Orchestrator和subagent的记忆协作，还拿SCRM业务举例，比纯理论有用。

原文

08:47

宝玉@dotey

微服务架构本身没有错，滥用才会带来问题。合理使用时，每个团队只需维护少数几个服务，可以缩小组织规模。单个服务便于验证，对AI也有好处，因为上下文更少。但这对架构水平要求很高。

技巧微服务架构 AI

推荐理由：聊透了微服务怎么用才对：每个团队管几个服务，AI也能轻松验证，但得有一定架构功底。

原文

08:45

berryxia@berryxia

视频指出约90%的用户误以为提示词工程就是写一堆提示词让AI执行任务。教程纠正了这一常见误解，讲解了正确的对话思路和技巧。

技巧提示词工程 AI对话教程

推荐理由：看完这个视频才知道提示词不是堆指令，理解AI对话的正确打开方式。

原文

07:28

Ate-a-Pi@svpino

x402协议允许AI代理通过HTTP 402响应向工具支付费用。代理发送签名请求后，工具返回402要求付款。代理从Base链上的USDC钱包授权支付，之后工具运行并返回结构化数据。目前有超过20,000个Apify工具支持此协议，无需额外设置。

技巧 x402 Apify Base

推荐理由：AI代理能自己掏钱买工具用，走x402协议，支持超2万个Apify工具，省去配置麻烦。

原文

07:27

Ate-a-Pi@svpino

该示例模拟新员工入职流程，展示3个模式：持久状态机确保状态不丢失、事件驱动智能体通过webhook触发无需轮询、多智能体委托替代单智能体。代码可在Gemini Enterprise Platform上运行，GitHub仓库包含完整源码和解释。作者与Google Cloud AI团队合作发布。

技巧 Gemini Enterprise Platform 持久状态机事件驱动

推荐理由：想搞长时间运行还不掉链子的智能体？这个示例教你怎么用状态机和事件驱动，还能多个智能体分工协作，代码都有了。

原文

07:26

Ate-a-Pi@svpino

svpino在推文中指出，每个模型都有独特的行为模式，切换模型时通常需要更新大量提示词以适应新特性。根据实际经验，每一次模型替换都伴随着提示词的重写。因此建议在设计系统时提前构建灵活性，减少替换成本。

技巧提示词工程模型替换架构设计

推荐理由：svpino分享了一个实用经验：别指望模型替换是即插即用，得重新调提示词，所以架构要留好接口。

原文

06:18

Philipp Schmid@_philschmid

Philipp Schmid 发布了 gemini-omni-flash-api skill，可通过 npx skills add google-gemini/gemini-skills --skill gemini-omni-flash-api 快速集成到 agent 中。该 skill 支持 Text to video、Image references to video、First frame to video、Conversational video editing 四种核心工作流。它让开发者能直接在 agent 内调用 Gemini Omni Flash 的视频生成和编辑能力。

技巧 Gemini Omni Flash npx 视频生成

推荐理由：Philipp Schmid 放了个 skill，一行命令就能让 agent 用 Gemini Omni Flash 做视频编辑，四个玩法直接抄

原文

05:20

Google AI Developers@googleaidevs

Google AI Deva 在交互式 3D 地球仪演示中，展示了结合 Nano Banana 2 Lite 和 Omni 模型的工作流。上传照片后，Nano Banana 2 Lite 进行快速上下文感知图像融合，Omni 模型将场景生动化，生成个性化明信片。该演示可在 AI Studio 中体验。

技巧 Nano Banana 2 Lite Omni Google

事件专题

推荐理由：Google 出了个好玩的多模型演示，上传照片就能让 Nano Banana 2 Lite 和 Omni 合作生成明信片，想看看不同模型怎么配合的可以试试。

原文

05:17

Lenny Rachitsky@lennysan

Colin Matthews在客座文章中提出AI原生PM在2026年中的操作框架。最好的PM用真实代码做原型，通过MCP以自然语言查询数据，并运行coding AI agents。该框架指导PM如何利用AI创造更大杠杆，替代传统协调型工作方式。

技巧 Colin Matthews MCP AI agents

推荐理由：Colin Matthews教你顶级PM怎么用代码、MCP和AI Agent干活，照着做就能提升你的工作效率。

原文

04:20

OpenRouter@OpenRouterAI

精选73°

OpenRouter 更新模型别名机制，用户调用 ~anthropic/claude-sonnet-latest 即可自动获取最新 Sonnet 模型。该别名目前指向 Claude Sonnet 5。开发者无需手动修改 API 中的模型名称，即可持续使用最新版本。

技巧 OpenRouter Claude Sonnet 5 API

事件专题

推荐理由：以后不用手动换模型版本了，用 OpenRouter 的这个别名自动跟着 Anthropic 走，省心。

原文

03:25

Harrison Chase@hwchase17

Mitchell 分享他的规则：任何内容加入知识系统前必须经他本人审核，这让他受益匪浅。他还执行每日和每周的回顾（standups/reviews）来清理过时状态。Harrison Chase 对此表示赞同，认为 human in the loop 对这类 wiki 记忆系统非常有益。这种方法能确保知识库质量，避免噪音。

技巧 human in the loop wiki memory systems 知识管理

推荐理由：Mitchell 分享了一个实用工作流：每次添加知识前先过目，再加每日每周回顾。想管理好你自己的知识库？试试这个。

原文

03:20

AK@_akhaliq

该推文介绍了在Claude Code中集成open-fusion与hf-claude的工作流程。open-fusion是一个用于模型融合的开源工具，hf-claude让用户通过Hugging Face接口调用Claude模型。该帖获得4031次查看、5次转发和11个点赞，表明社区对此方法的关注。

技巧 Claude Code hf-claude open-fusion

推荐理由：一个让Claude Code调用Hugging Face模型的新工作流，适合想扩展Claude能力的开发者。

原文

02:25

官方一手GitHub Blog@Natalie Guevara

GitHub 的开源项目办公室（OSPO）使用其新的许可证合规产品，规模化地管理开源依赖的合规风险。该产品帮助团队自动检测依赖中的许可证问题，并与 GitHub 平台集成，简化治理流程。文章详细介绍了 OSPO 在数千个仓库中实施合规的实践方法，确保企业级的开源治理。

技巧 GitHub 开源依赖许可证合规

推荐理由：GitHub 分享了他们内部怎么用自家新产品搞定开源依赖合规，对做企业开源治理的团队很实用。

原文

02:22

Harrison Chase@hwchase17

精选

Miller等人通过将“文件”作为文档数据库对象托管，并添加了数据库查询API。他们为智能体构建了一个CLI，用于存储、更新和获取信息。系统提示被更新，告知智能体使用该CLI进行交互。这种实现方式让智能体专注于信息管理，实现了类似维基的持久记忆。

技巧 wiki memory 智能体文档数据库

推荐理由：Miller分享了怎么用文档数据库和CLI让AI智能体拥有维基式的长效记忆，很实用的操作指南。

原文

02:09

Harrison Chase@hwchase17

精选

本教程展示如何结合Gemini Live和deepagents子代理构建语音研究代理。Gemini Live提供低延迟、自然流畅的语音对话能力，而deepagents负责执行长时间运行的复杂任务。通过LangSmith实现全链路追踪与可观测性。该方法解决了语音代理中对话质量与可靠性的权衡问题。

技巧 Gemini Live deepagents LangChain

推荐理由：LangChain发了个教程，教你用Gemini Live做语音代理，把复杂任务丢给deepagents子代理，既能低延迟对话又能跑长时间任务，挺实用的。

原文

01:59

官方一手@OpenAIDevs@OpenAIDevs

精选

OpenAI开发者团队对一年间数据基础设施的所有崩溃进行调试，最终定位到两个根本原因：一个硬件故障，另一个是开源代码中潜伏了18年未被发现的漏洞。团队详细分享了从崩溃日志到源码级分析的追踪方法。

技巧 OpenAI 调试开源代码

事件专题

推荐理由：OpenAI分享他们怎么追了一年崩溃，结果发现一个藏了18年的开源bug，挺硬核的

原文

01:36

官方账号LangChain@LangChainAI

LangChain介绍语音智能体构建的两种方案：Gemini Live实现低延迟的自然对话，Sandwich架构提供更可靠的流程控制。他们结合Gemini Live、Deep Agents和LangSmith构建了一个语音研究智能体，具备完整追踪与可观测性。该方案同时优化了对话质量和长期研究任务的可靠性。

技巧 LangChain Gemini Live Deep Agents

推荐理由：LangChain教你如何混用Gemini Live和Sandwich架构，既做出流畅对话又保证任务可靠，实用技巧。

原文

01:09

techcrunch@Rebecca Bellan

Anthropic 推出了 Claude Science 工作台，为科学家提供统一的计算研究环境。用户无需在多个数据库、数据管道和分析工具之间来回切换。该工作台旨在减少上下文切换成本，提升科研效率。

技巧 Anthropic Claude Science 工作流

事件专题

推荐理由：Anthropic 做了个 Claude Science 工作台，科学家在一个地方就能搞定数据库、管道和工具，不用来回折腾了。

原文

01:00

Harrison Chase@hwchase17

LangChain团队通过强化代码解释器运行时，实现了在无完整沙箱环境下安全运行Agent代码。该方法减少了资源开销，同时保持安全隔离。具体优化包括权限控制、资源限制和网络隔离。适用于需要快速迭代Agent逻辑的场景。

技巧 Agent Code Interpreter LangChain

推荐理由：LangChain创始人教你用轻量级方案跑Agent代码，不用开重型沙箱，省资源还安全。

原文

00:56

官方一手AWS Machine Learning Blog@Alex Newton

精选

Outpost VFX 采用 AWS 多 GPU 基础设施，将面部替换 AI 模型的训练速度提升 8 倍。通过分布式训练架构突破单 GPU 内存限制，训练时间从数周缩短至数天。该方案基于 Amazon EC2 P3 实例和弹性网卡等技术组件，使 VFX 工作流效率实现指数级增长。

技巧 Outpost VFX AWS 多GPU训练

推荐理由：想省下几周训练时间？Outpost VFX 用 AWS 多 GPU 把模型训练快了 8 倍，搞面部替换的团队可以抄作业。

原文

00:55

官方一手AWS Machine Learning Blog@Marcos Ortiz

精选

AWS博客介绍了五种构建弹性生成式AI应用的实用模式，从使用Amazon Bedrock原生功能到通过LLM网关进行多模型编排。模式1解决API配额耗尽问题，通过后备请求重试和降级响应应对流量激增。模式2利用跨区域推理，将请求路由到不同AWS区域以最大化可用性。模式5通过LLM网关的路由和隔离机制，帮助防止多租户环境中的噪声邻居问题。其他模式涵盖重试退避、熔断器和服务降级策略。

技巧 Amazon Bedrock LLM网关 AWS

推荐理由：AWS手把手教你用Bedrock和LLM网关应对流量激增、跨区域高可用和租户隔离，五个模式都是实战干货。

原文

00:53

官方一手AWS Machine Learning Blog@Ryan Razkenari

精选

AWS博客介绍了AG-UI协议如何集成到Fullstack AgentCore解决方案模板（FAST）中，用于在Amazon Bedrock AgentCore上构建交互式代理前端。CopilotKit通过生成式UI、共享状态和人在回路交互扩展了该方案，所有组件均部署在Amazon Bedrock AgentCore上。该教程提供了具体步骤和代码示例，帮助开发者快速搭建具备动态UI的AI代理。

技巧 AG-UI Amazon Bedrock AgentCore

事件专题

推荐理由：AWS和CopilotKit联合出了个新方案，教你用AG-UI协议在Bedrock AgentCore上快速搭出带生成式UI的AI代理前端，还有人在回路功能，很实用。

原文

00:50

官方一手AWS Machine Learning Blog@Le Vy

AWS 博客介绍如何通过 Amazon SageMaker AI 微调 Amazon Nova 模型，以提升电子邮件数据提取的准确性。微调使模型识别特定数据模式并区分相似字段，提取准确率可达 94.77%。该方案同时将成本降低 50%，适用于需要高精度提取的业务场景。文章提供了详细步骤和示例代码。

技巧 Amazon Nova Amazon SageMaker AI 微调

推荐理由：想用 Amazon Nova 搞邮件数据提取？这篇教程手把手教微调，准确率飙到 94.77%，成本还省一半。

原文

00:27

官方账号Andrew Ng@AndrewYNg

Andrew Ng在一封信中分享了循环工程（loop engineering）的概念，该术语因Claude Code创造者Boris Cherny和OpenClaw创造者Peter Steinberger的提及而走红。Ng提出三个关键循环：代理编码循环让AI代理根据产品规范和评估集迭代写代码、测试，直至无缺陷；开发者反馈循环让开发者检查产品并指导代理改进，每十分钟到几小时一次；产品方向循环帮助团队用AI辅助决策。例如，Ng用代理编程构建了一款打字练习应用，代理持续工作约一小时后才返回结果。

技巧 Claude Code Andrew Ng 循环工程

事件专题

推荐理由：Andrew Ng手把手教你用三个循环让AI编程代理干活更久更稳，适合做0到1产品的开发者看。

原文

00:15

00:15官方一手OpenAI Blog（博客/媒体）

精选73°

OpenAI工程师通过分析大规模核心转储数据，定位并修复了一个存在18年的软件漏洞，同时发现了一个相关硬件故障。这次调试使用了数千份核心转储样本，最终解决了罕见的基础设施崩溃问题。该方法验证了核心转储分析在诊断长期隐蔽Bug中的有效性。

技巧 OpenAI Core Dump 基础设施

事件专题

推荐理由：OpenAI工程师靠分析核心转储，挖出一个18年的老Bug，还顺便揪出了硬件问题，这技术活真硬核。

原文

00:08

宝玉@dotey

技巧 AI Agent monorepo 微服务

推荐理由：这篇讲了怎么用monorepo、AGENTS.md和契约测试让Agent搞定十几个微服务的协作设计，实操性很强。

原文

6月30日

23:51

Harrison Chase@hwchase17

Harrison Chase在推文中介绍了一种常见的AI记忆模式——Wiki Memory，即让智能体维护类似维基百科的结构化知识库。他列举了三个具体实现：Cognition公司开发的DeepWiki、FactoryAI旗下的AutoWiki，以及Andrej Karpathy的LLM Wiki。该模式通过持续更新外部知识文档来增强智能体的长时记忆能力。

技巧 DeepWiki AutoWiki LLM Wiki

推荐理由：Harrison Chase用三个实际项目告诉你智能体怎么记住东西，适合想搞记忆机制的开发者。

原文