全部 AI 动态 · AI 热点

6月26日

23:01

官方一手AWS Machine Learning Blog@Christopher Phillippi

精选

Stripe采用ReAct代理框架构建金融合规系统，通过任务分解将复杂流程拆解为92个原子步骤。系统使用提示缓存技术将推理成本降低40%，同时保持人工监督机制确保审计可追溯性。该设计在Stripe的支付处理场景中覆盖了98%的合规审核任务，漏报率低于0.5%。

技巧 Stripe ReAct 金融合规

推荐理由：Stripe分享了他们怎么用AI代理处理金融合规的真实案例，包括ReAct框架和提示缓存省钱技巧，适合做合规系统的人参考。

原文

20:34

berryxia@berryxia

精选

岚叔发布了一个开源skill，先让模型将文章或架构内容压缩为结构化JSON spec，再通过本地Python + Pillow渲染出黑底手绘风格的PNG和GIF，同时输出可编辑的Excalidraw JSON。该skill可直接供agent调用，解决了复杂内容可视化效率低、观感差的问题，风格克制且便于扩展。

技巧岚叔 Excalidraw Python

推荐理由：你还在手动画架构图？岚叔这个skill帮你一步生成手绘动态图，还能用Excalidraw编辑，效率拉满。

原文

20:05

官方账号vLLM@vllm_project

精选

Cohere 开源了他们使用 AI 编码智能体维护 vLLM fork 的方法。该方法将维护视为控制循环：每次上游发布后 rebase，运行测试，诊断错误，修复，重复直到通过。原本数周的工作缩短到数天。技能库已开源（cohere-ai/vllm-skills），且修复已回馈上游。

技巧 Cohere vLLM 编码智能体

推荐理由：Cohere 开源了用 AI agent 维护 vLLM fork 的实践，把几周工作缩到几天，修复还回馈了上游。

原文

16:09

官方一手marktechpost@Sana Hassan

本教程分步指导你在 Google Colab 中从零构建一个轻量级 AI 智能体，灵感来源于 Nanobot 架构。内容包括：实现提供者抽象层、注册工具调用功能、添加会话记忆管理、集成生命周期钩子、定义技能模块，以及部署一个 MCP 风格的工具服务器。全程不使用外部框架，让你理解消息、工具、记忆与模型响应的协作机制。最终得到一个可对接真实 LLM 提供者的智能体循环。

技巧 Nanobot Google Colab MCP服务器

推荐理由：手把手教你用 Colab 搭一个能调用工具、记住对话的 AI 智能体，还把 MCP 服务器也揉进去了，代码全开源。

原文

15:58

李继刚@lijigang_com

长期与Claude或DeepSeek等模型对话，你的语言风格会不自觉地模仿对方。重度使用后，说话会带出「Claude味儿」「DeepSeek味儿」。进行30天月度主题阅读，沉浸在同一主题的上下文中，能加深理解并切换看问题视角。

技巧 Claude DeepSeek 语言风格

推荐理由：长期用Claude或DeepSeek聊天，说话会带味儿，还能用主题阅读切换视角，亲测有效

原文

15:57

向阳乔木@vista8

腾讯云 Edgeone Makers 提供了多种 Agents 模板，包括售后 Agent、市场营销 Agent 和 AI 聊天 Agent。这些模板可一键部署，无需复杂配置。该平台旨在降低 Agent 开发门槛，让开发者聚焦业务逻辑而非工程部署。用户可通过活动页注册体验，链接为 cloud.tencent.com/act/pro/edgeon。

技巧腾讯云 Edgeone Makers 智能体

推荐理由：想快速搭个智能体但不会写代码？腾讯云 Edgeone Makers 直接给模板，部署就能用，省时省力。

原文

15:56

官方账号腾讯混元 Tencent Hunyuan@TencentCloud

一位开发者使用简单的文本提示（text prompts）构建了完整的香港主题跳跃游戏，包含视觉和声音。该作品在2026年香港腾讯云日黑客马拉松游戏开发挑战赛中荣获冠军。展示了AI从“不可靠”到如今高效创意生产工具的演变。

技巧 vibe coding 腾讯云香港主题

推荐理由：看看腾讯云黑客松冠军怎么用文本提示就搓出一个香港主题跳跃游戏，视觉和音效全包，效率惊人！

原文

15:42

向阳乔木@vista8

腾讯云EdgeOne发布了「EdgeOne Makers」产品，通过npm install -g edgeone、edgeone makers create --template openai-agents-starter-node等3行命令即可搭建AI Agent开发框架。该工具自动处理上下文、并发和沙箱环境问题，本地启动测试网站后可直接对话查看Agent效果与工具调用细节。线上支持绑定域名和关联GitHub进行持续迭代，目前处于Beta内测阶段，注册可免费领取50万Token。

技巧 EdgeOne EdgeOne Makers 腾讯云

事件专题

推荐理由：腾讯云EdgeOne出了个新工具，3行命令就把AI Agent框架搭好还能直接部署，省去自己搞并发和沙箱的麻烦，还送50万Token试玩。

原文

14:53

AI Will@FinanceYF5

73°

OpenAI 在其公司内部所有部门推广使用 Codex 作为智能体工具。员工利用 Codex 执行更复杂的任务，这些任务运行时间更长，并涉及跨职能协作。该实践展示了智能体工具如何提升工作效率和团队协作能力。

技巧 OpenAI Codex 智能体

事件专题

推荐理由：OpenAI 自己都在用 Codex 干活，说它能让员工做更复杂、跨部门的任务，说明 agent 工具真的有用。

原文

10:45

OpenRouter@OpenRouterAI

精选

OpenRouter 宣布 GLM-5.2 提供商正在优化推理速度。新增 wafter_ai 和 FireworksAI_HQ 两个快速变体。设置模型为 "z-ai/glm-5.2:nitro" 可根据实时流量自动切换到最快提供商。该功能无需手动切换，持续使用最佳性能。

技巧 GLM-5.2 OpenRouter wafer_ai

推荐理由：OpenRouter 出的省心用法：设成 nitro 模式，GLM-5.2 自动走最快的推理服务商，不用自己选。

原文

08:52

08:52官方一手Hugging Face: Blog（博客/媒体）

精选

HuggingFace推出新功能：只需一条命令即可在HF Jobs上启动vLLM推理引擎。vLLM是一个高性能、低延迟的推理框架，支持多种GPU和自定义模型。该功能简化了从模型托管到服务部署的流程，无需手动配置容器或基础设施。用户可以快速部署LLaMA、Mistral等开源模型。

技巧 vLLM HuggingFace HF Jobs

推荐理由：HuggingFace出了新招：一行命令就能跑vLLM服务器，省去了手动配置的麻烦，适合快速部署自己的模型。

原文

08:25

Genspark@genspark_ai

Genspark团队举办直播，演示新版AgentBase的使用方法。直播包含实机操作和问答环节，视频浏览量已达938次。观众可以学习如何配置和运行AgentBase。

技巧 AgentBase 直播教程智能体

推荐理由：想玩转AgentBase？这场直播手把手教你，有问有答，别错过。

原文

08:00

Qdrant@qdrant_engine

Qdrant联合Kaivid Labs创始工程师Tarun演示如何构建完全离线的RAG系统，使用Qdrant EDGE进行轻量级设备端向量搜索，搭配Google LiteRT通过硬件加速运行语言模型，实现文档问答、个人助理和笔记搜索，无需任何云依赖。活动时间为7月7日，包含现场实操。

技巧 Qdrant EDGE Google LiteRT RAG

推荐理由：教你用Qdrant EDGE和Google LiteRT搭一个完全离线的RAG系统，文档问答、个人助理全在本地跑，再也不用担心隐私和联网了。

原文

06:56

06:56官方一手Meta Engineering Blog（博客/媒体）

精选

Meta在博客中分享了构建隐私感知基础设施时，资产分类面临的挑战。隐私控制（如保留、访问、用途限制）需要对数据有准确理解，但相同名称可能在不同上下文有不同含义，例如字段“age”在不同场景代表不同数据。Meta通过案例研究说明了如何设计分类系统来识别这些差异。

技巧 Meta 隐私控制资产分类

推荐理由：Meta用实际案例讲隐私控制的难点，一个‘age’字段在不同场景含义不同，搞错了会出大问题。

原文

05:57

Guillermo Rauch@rauchg

Next.js 在错误提示界面中加入了“Ways to fix this”功能，并配套“Copy prompt”按钮。用户点击后可直接将错误上下文和修复建议复制为结构化的提示词，方便粘贴到 Claude、ChatGPT 等 AI 编程助手中。该功能已在 Next.js 的开发者工具中上线，支持常见的编译和运行时错误。此举将调试流程从手动描述问题缩短为一次复制粘贴，提升了修复效率。

技巧 Next.js 提示词工程编程助手

推荐理由：Next.js 这个新 UI 太实用了，点一下就能把错误和修复提示复制成 prompt，直接丢给 AI 就能修，省去打字时间。

原文

04:59

elvis@omarsar0

精选

推文讨论动态工作流适用于少数用例，被视为测试时计算（TTC）的新范式。作者指出动态工作流在爬山式研究实验中表现强劲，且通过精心规划和提高推理水平可获更好结果。文章强调验证器/评审器对结果至关重要，组合不同的编码代理可取得更优效果。当需要从不同代理（如LLM委员会）获取多元视角时，动态工作流非常有用，但前沿模型尚不擅长优化地即时生成测试平台。提到了Mythos等新型模型可能更善于代理编排，且需要更多TTC基准来评估动态工作流的有效性。

技巧动态工作流测试时计算推理模型

推荐理由：如果你在做代理编排或研究测试时计算，这条推文给出了非常实用的观察，比如什么时候该用动态工作流、如何用好验证器，还提到了Mythos这类新模型。

原文

04:54

Guillermo Rauch@rauchg

Vercel 构建了一个包含技能、linter（ESLint 等）、评估和更新循环的系统，确保编码代理遵循设计标准。该系统的核心是一组自定义规则，可自动检测代码中的设计偏差（如布局、颜色主题）。他们使用 Vercel AI SDK 和 Claude 3.5 Sonnet 实现代理的实时反馈。博客详细描述了如何通过循环迭代（每次提交触发评估）持续改进代理行为。Vercel 还开源了部分组件，如 design-linter 工具包。

技巧 Vercel 设计规范编码代理

推荐理由：Vercel 分享了他们怎么让 AI 写代码时自动遵守设计规范——用 linter、评估循环和自定义规则。想给 AI 代码加设计约束的可以抄作业。

原文

04:03

Harrison Chase@hwchase17

精选

LangChain 发布了一个面向 JS 框架的 Agent 部署 cookbook，提供完整的全栈示例代码。内容覆盖 streaming UI、子 agent（subagents）、线程历史（thread history）以及生产环境持久化注意事项。该 cookbook 旨在帮助开发者将本地演示的 agent 快速部署到真实应用中。

技巧 LangChain JavaScript agent

推荐理由：想把 LangChain agent 从本地搬到线上？这份 cookbook 手把手教你用 JS 做全栈，连 streaming UI 和子 agent 都配好了。

原文

03:11

官方账号LangChain@LangChainAI

精选

LangChain JS 团队发布了 Agent 部署 Cookbook，包含全栈示例代码。这些示例展示了流式 UI、子代理、线程历史等功能，并附带生产环境持久化笔记。Cookbook 覆盖了多种常见 JS 框架，帮助开发者将本地 demo 的 Agent 真正部署到实际应用中。

技巧 LangChain Agent JavaScript

推荐理由：LangChain 出了个部署指南，教你用 JS 框架把 Agent 做成全栈应用，带流式 UI 和子代理，直接抄作业。

原文

03:09

官方账号Cursor@cursor_ai

精选

Cursor AI 发布推文（获得74次点赞、6621次查看）介绍其约束评估环境的方法。该推文指向博客文章，详细解释了如何通过限制环境来使模型评估分数更准确反映智能水平。

技巧 Cursor AI 编程助手评估环境

事件专题

推荐理由：Cursor AI 分享了他们约束评估环境的做法，让分数更准，比一般基准更可靠，适合做模型评估的看看。

原文

03:07

Ate-a-Pi@svpino

Santiago Valdarrama 分享智能体自我改进的三个途径：模型层（仅适用于代码和数学，由大实验室负责）、执行框架层（步骤、工具和安全检查，容易控制且回报大）、上下文层（纯文本记录学习内容，最易入手）。他还强调从用户纠正智能体决策的每个实例中学习，真实反馈无可替代。文章提供了明确的优先级和实操建议。

技巧智能体反馈学习 Agent系统设计

推荐理由：想让你家智能体越用越聪明？这个线程给了三个可落地的改进方向，尤其是从用户操作中学习那块，不少人都忽略了。

原文

02:58

Gary Marcus@GaryMarcus

Anthropic工程师在一场40分钟工作坊中展示了如何利用循环（loops）构建可运行数天的AI智能体。他们透露，Anthropic内部30%以上的代码已由循环编写，这极大加快了交付速度。工作坊拆解了智能体循环、工具调用、记忆管理和子智能体等核心组件。该方法被视为神经符号AI的典型应用，在持久任务执行上明显优于传统无循环生成式方法。

技巧 Anthropic 智能体 Agent循环

事件专题

推荐理由：Anthropic工程师手把手教你用循环搭建能跑好几天的智能体，内部30%代码都这么写，比大部分500美元的vibe编程课实在。

原文

02:56

AK@_akhaliq

开发者使用GLM 5.2模型在hf-claude环境下，为9B参数的Ornith-1.0-9B模型搭建了一个Gradio服务器应用。该推文获得3条回复和3197次浏览。应用通过Gradio界面提供交互式推理，可直接测试模型的文本生成能力。代码可能开源，用户可自行部署。

技巧 GLM 5.2 hf-claude Ornith-1.0-9B

推荐理由：有人用GLM 5.2和hf-claude给Ornith-1.0-9B做了个Gradio界面，直接就能上手试，省了写前端代码的功夫。

原文

02:09

官方一手AWS Machine Learning Blog@Renuka Kumar

精选

AWS博客提出Agentic Overlays方案，通过薄包装层将传统REST服务转化为支持A2A交互的智能体。该方案同时使REST API兼容Model Context Protocol (MCP)，作为工具暴露。企业无需重写业务逻辑、重复代码或运行并行基础设施。博客提供参考架构和示例代码，帮助减少基础设施中的智能体膨胀。

技巧 AWS Agentic overlays MCP

推荐理由：AWS教你怎么给旧REST服务套个Agentic Overlays壳，不用重写代码就能变A2A智能体、兼容MCP，比从头建省事多了。

原文

01:51

Harrison Chase@hwchase17

精选73°

LangChain团队发布技术博客，详细介绍SmithDB的构建与运行。SmithDB是一个专门为agent traces设计的数据库，其所有持久数据存储在对象存储中。博客阐述了如何在这种存储上构建、压缩和查询全文搜索索引，并处理每个GET请求50–100ms的延迟。团队分享了在生产环境中运行SmithDB倒排索引（inverted index）的经验。

技巧 SmithDB LangChain 智能体追踪

推荐理由：LangChain团队手把手教你如何为agent traces造一个数据库，对象存储上做全文搜索还能压到50-100ms延迟，干货满满。

原文

01:37

官方账号OpenAI@OpenAI (@OpenAI)

OpenAI 在官方博客发布“How agents work”指南，详细拆解 Agent 的核心组成：模型调用（以 GPT-4o 为例）、工具集成（代码解释器、函数调用等）、持久化记忆（向量数据库）以及编排模式（链式与多步）。指南对比了简单查询与复杂多步骤 Agent 的设计差异，并给出基于 Assistants API 的代码示例。文章未公布新的基准分数，但提供了可立即实现的架构建议。

技巧 Agent OpenAI GPT-4o

事件专题

推荐理由：OpenAI 手把手教你做智能体，从原理到代码都有，适合想自己搭 Agent 的同学。

原文

01:26

官方账号LangChain@LangChainAI

LangChain 团队解决了在对象存储中构建全文搜索索引的挑战：每个 GET 请求耗时 50-100ms，且数据持久化在远程存储。他们介绍了 SmithDB 的倒排索引构造、压缩和查询方案，涉及批量写入、压缩策略以减少请求次数，以及针对高延迟的查询优化。这些方法在生产环境中已稳定运行。

技巧 LangChain SmithDB 全文搜索

推荐理由：LangChain 分享了怎么在对象存储上搞全文搜索，延迟 50-100ms 的情况下还能压出来倒排索引，挺实在的实战经验。

原文

01:15

官方账号Hugging Face@huggingface

Hugging Face 通过直播演示如何在本机部署和运行开源 AI 模型。教程覆盖了从模型下载、环境配置到推理执行的完整流程，无需依赖云端服务。适合希望离线使用 LLaMA、Mistral 等模型的开发者。

技巧 Hugging Face 开源模型本地部署

推荐理由：想自己跑开源模型？Hugging Face 这场直播手把手教你在本地部署，省去云端费用和延迟。

原文

00:58

官方一手AWS Machine Learning Blog@Venkata Sistla

精选

AWS发布了一篇博客，展示如何利用现代数据网格策略构建受治理的无服务器数据网格。该方案基于AWS无服务器架构，提供安全、可扩展的数据基础。文章详细说明了如何为生产级Agentic AI应用搭建数据网格。它涵盖了数据治理、访问控制和数据共享等关键环节。

技巧 AWS 数据网格 Agentic AI

推荐理由：想用AWS搞Agentic AI？这篇手把手教你搭数据网格，安全又省心。

原文

00:57

Philipp Schmid@_philschmid

Google 在 Gemini 3.5 Flash 中上线了 computer use 功能，支持浏览器、移动端和桌面环境。开发者 Philipp Schmid 发布了一个快速入门教程，用单个脚本从终端安装 Android 模拟器。教程包含基础 agent 循环，通过 adb 接口控制手机，也支持远程设备连接（adb connect <ip>:5555）。类似模式可扩展到 iOS 的 simctl。

技巧 Gemini 3.5 Flash Google Android

推荐理由：Google 刚给 Gemini 3.5 Flash 加了 computer use，这份教程用一条命令就能在模拟器上跑 agent 控制手机，还支持远程和 iOS，很实用。

原文

00:57

官方一手AWS Machine Learning Blog@Aurelio DeSimone

精选

AWS发布了Chaplin开源方案，利用AI代理通过模型上下文协议（MCP）提供自助健康事件分析。Chaplin基于Amazon Bedrock，可自动聚合AWS Health事件并提供可操作建议。该方案支持自然语言查询，无需编写复杂代码即可洞察AWS资源健康状态。用户可快速部署并自定义MCP服务器来扩展分析能力。

技巧 Amazon Bedrock Chaplin MCP

推荐理由：AWS出了个叫Chaplin的开源工具，用Bedrock的AI代理配合MCP协议，让你自然语言查AWS健康事件，不用写代码就能找到问题原因。

原文

00:56

官方一手AWS Machine Learning Blog@Nick Biso

精选

本文演示了如何在Amazon SageMaker AI上部署SeedVR2进行视频超分辨率。介绍了解决方案架构和具体部署步骤。通过性能对比展示了SeedVR2在视频放大质量和处理效率上的提升。

技巧 SeedVR2 Amazon SageMaker AI 超分辨率

推荐理由：AWS教你用SeedVR2在SageMaker上给视频做超分辨率，有步骤有对比，想试试高清视频放大可以看看。

原文

00:55

官方一手AWS Machine Learning Blog@Andrea Gallo

精选

本文介绍如何在Amazon SageMaker AI上利用NVIDIA Blackwell架构优化训练配置。包括根据模型大小（1B到64B参数）选择合适精度格式，调整batch size和序列长度以利用Blackwell扩展内存，以及策略性应用激活检查点。通过P6-B200实例启动分布式训练，提供一套实用的训练调优框架。

技巧 Amazon SageMaker AI NVIDIA Blackwell P6-B200实例

事件专题

推荐理由：AWS发了篇实战教程，教你用NVIDIA Blackwell在SageMaker上调优训练，从选精度到调batch size都讲清了，搞大模型训练的人别错过。

原文

00:36

Milvus@milvusio

精选

单个1-5分的RAG质量评分会隐藏严重问题：一个回答90%基于文档，但10%虚构核心参数就不可用，平均分仍显示4分。幻觉分布也不均匀，数值查找或多条件问题类型的幻觉率远高于平均，不按类型分桶就看不到偏差。优化答案相关性时，添加提示词“提供更完整背景”可能提升相关度但导致模型依赖参数知识，降低忠实度。更可靠的方法是声明级评估：将回答拆成原子事实，用NLI模型检查每个声明是否被检索内容支撑，计算接地率，并对关键参数设置硬性阻断。按问题类型分桶评分，Milvus可用标量字段直接过滤分析，不依赖额外报表管线。

技巧 RAG Milvus 评估

推荐理由：如果你在用RAG做生产系统，这篇讲透了为什么平均分不靠谱，还给了按声明颗粒度和问题类型精准监测的方法，连Milvus怎么分桶都说了，很实用。

原文

6月25日

23:55

Tw93@HiTw93

Mole项目团队使用AI从Twitter和论坛帖子中收集并分类用户正面评论，构建了一面"爱之墙"并展示在mole.fit网站上。该墙包含5条回复、41个爱心和3852次查看，所有善意的留言都被收录。用户可以在网站上查看自己是否被提及。

技巧 Mole AI数据整理用户反馈

推荐理由：这个项目用AI从社交平台扒出所有夸Mole的留言，拼成一面故事墙，还能找到有没有你的身影

原文

23:46

OpenRouter@OpenRouterAI

OpenRouter 发布新功能，允许用户通过两条命令（claude mcp add --transport http openrouter mcp.openrouter.ai/mcp 和 claude mcp login openrouter）在一分钟内完成模型的选择、定价、测试和集成。该功能基于 MCP（Model Context Protocol），支持所有主流代理（如 Claude）。用户可在 openrouter.ai/mcp 立即使用。

技巧 OpenRouter Claude MCP

推荐理由：OpenRouter 搞了个骚操作，两行命令就能把模型接到 Claude 等代理里，一分钟搞定测试和定价，省去一堆配置。

原文

22:57

Viking@vikingmute

推文介绍了ponytail项目和一个Vibe Coding提示词技巧，建议在提示词末尾加入“如果GitHub/npm上有成熟开源方案，直接复用”。该技巧基于DRY理念，能有效减少GPT等模型生成冗余代码的现象。该技巧特别适合新手避免over-engineering。

技巧 ponytail GPT 提示词工程

推荐理由：给用GPT写代码的人：提示词末尾加‘复用开源方案’能防止AI重复造轮子，亲测有效。

原文

22:39

向阳乔木@vista8

腾讯推出了一款专为Agent设计的邮箱服务，允许用户抢注邮箱名。注册后，用户会获得一段提示词，可将其发给Codex或其他Agent来完成命令行界面设置。该邮箱旨在简化Agent的通信与配置流程，无需手动编写脚本。目前该功能已开放注册，用户可通过评论区链接体验。

技巧腾讯 Agent 邮箱

推荐理由：腾讯出了个给Agent用的邮箱，注册后拿到提示词就能让Codex自动配好CLI，省得自己写命令，挺方便的。

原文

22:00

官方账号LangChain@LangChainAI

精选

LangChain 推文指出通用聊天适合一次性问答，答案出现即结束。专门智能体适合重复性、有固定形状的工作，使用相同工具和格式。智能体能记住线程可能遗忘的上下文，适合多次运行相同流程。

技巧 LangChain 智能体提示词工程

推荐理由：LangChain用一句话说清楚了选择原则：如果下次解释方式一样，就该用智能体，别放聊天里。

原文

19:54

Geek@geekbb

精选

一个轻量Python脚本让Codex CLI反复回答同一道糖果数学题，用于对比不同模型的表现。脚本可调整reasoning effort参数并观察效果。代码开源于GitHub，便于复现和扩展。

技巧 Codex CLI reasoning effort Python脚本

推荐理由：想测不同模型对同一道题的推理差别？用这个脚本跑糖果题，还能调reasoning effort，很直观。

原文