全部 AI 动态 · AI 热点

6月23日

04:27

Philipp Schmid@_philschmid

Google 更新了 Gemini API 文档，并发布了 GitHub 上的 Skill 示例。该示例展示了如何使用 Gemini API 构建自定义技能。文档和代码均在 ai.google.dev 和 github.com/google-gemini 上公开。开发者可以据此快速集成 Gemini 到工作流中。

推荐理由：Google 刚放出了 Gemini API 的 Skill 示例代码，想自己动手接入 Gemini 的可以抄作业了。

原文

04:09

Philipp Schmid@_philschmid

Google Gemini 的 Interactions API 已正式发布（GA）。安装 Skill 后，编码代理能自动获得 Interactions API 的内置规则、正确 SDK 模式及当前模型版本。支持 Antigravity、Claude Code、Cursor 等代理。一条提示即可将现有应用迁移至新 API。迁移指南中的所有 API 变更由 Skill 自动应用。

技巧 Gemini Interactions API 编程助手

事件专题

推荐理由：Google 出了Gemini Interactions API 的官方 Skill，装上后你的编码代理一个提示就能自动迁移 API，支持 Claude Code、Cursor 等。

原文

03:55

lmarena.ai@lmarena_ai

精选

技巧 Arena LMSYS 模型评测

推荐理由：想了解AI模型评测怎么运作的？Arena团队亲自拆解从内测到上线的完整评估流程，还讲了Bradley-Terry分数如何保证公平，干货满满。

原文

03:54

Harrison Chase@hwchase17

精选

该建议指出，用于智能体工程的计划、研究等上下文文档应放在仓库外，而非版本控制系统中。原因包括：文档无需合并语义，线性历史即可满足99.9%场景；存入仓库将导致文档在不同分支间丢失。推荐系统通过FS工具访问、可发现、可持久化归档且支持协作。该讨论由LangChain创始人Harrison Chase转发，引发对智能体开发最佳实践的思考。

技巧 Agent工程文档管理版本控制

推荐理由：LangChain创始人分享了一个文档管理的小技巧：把智能体工程文档放VCS外面，用FS工具访问，避免分支迷失。

原文

03:03

官方账号LangChain@LangChainAI

LangChannel指出，随着智能体采用增长，团队需建立可重复的方法来安全、一致地构建多个生产级智能体。关键管理领域包括：成本与使用监控（✅ Cost and usage）、工具访问与审批（✅ Tool access and approvals）、人机协作工作流（✅ Human-in-the-loop workflows）、提示词/技能/上下文版本控制（✅ Prompt, skill, and context versioning）、跨团队可复用资产（✅ Reusable assets across teams）、以及生产智能体的监控与评估（✅ Monitoring and evals across production agents）。这些实践旨在解决规模部署时的一致性与可靠性问题。

技巧 LangChain 智能体 MCP/工具

事件专题

推荐理由：LangChain总结了团队构建多个智能体的核心痛点：成本、权限、版本控制、监控等，全是实战干货，适合正在做 Agent 上线的团队参考。

原文

02:28

02:28官方一手OpenAI Blog（博客/媒体）

Jason Liu分享了如何利用Codex的上下文机制管理长期运行的工作。他将任务分解为多个互相关联的子任务，让Codex保持对项目整体的理解。这种方法使得工作能在单个提示之外持续进行，有效提升复杂项目效率。

技巧 Codex OpenAI 提示词工程

事件专题

推荐理由：想用Codex做复杂项目？看看Jason Liu的实操技巧，手把手教你保持上下文、拆分任务，让AI帮你干大活。

原文

02:04

官方一手AWS Machine Learning Blog@Guy Bachar

精选

Ampersend 在 Amazon Bedrock AgentCore Payments 之上构建了一个按智能付费的路由层，让 AI 代理自动将任务路由到最有效的模型并按请求付费。该方案支持在预算内运行，并实现了双跳支付模式端到端工作。文章还提供了如何开始实施的具体步骤。

技巧 Ampersend Amazon Bedrock AgentCore Payments

推荐理由：想给 AI 代理按请求计费？看 Ampersend 怎么用 Bedrock AgentCore 做自动路由，还能控预算。

原文

00:50

官方一手AWS Machine Learning Blog@Nick Biso

精选

本文介绍了如何通过Amazon SageMaker AI处理作业部署ComfyUI工作流，实现单次批量生成数百张高质量图像。使用AWS CDK配置基础设施，利用GPU加速处理自动执行图像生成。该方案可适配自定义ComfyUI工作流，适用于规模化创意流水线。

技巧 ComfyUI Amazon SageMaker AI 图像生成

推荐理由：AWS官方教你用ComfyUI和SageMaker AI批量跑图，省时省GPU钱，适合需要自动生成大量图像的团队。

原文

00:50

官方账号LangChain@LangChainAI

精选

LangChain指出，AI代理执行沙箱需满足两个关键要求：启动速度接近无服务器函数（避免代理等待2分钟VM启动），以及具备完整机器状态（支持安装依赖、编辑文件和断点续传）。代理本质上是会话中的工作进程，而非无状态请求处理器。

技巧 LangChain 沙箱智能体

推荐理由：LangChain讲清楚了代理沙箱的设计关键——既要快得像无服务器函数，又要能像全功能机器一样保存状态。做AI代理的人该看看。

原文

00:24

AI产品黄叔@PMbackttfuture

推文作者使用成峰开发的Skill，结合Codex工具完成视频剪辑，整个流程只有最后在剪映中处理了约2分钟，其余全部由AI自动完成。作者认为这种丝滑体验标志着Agent剪辑时代的到来。该工作流展示了AI工具在视频创作中的实际应用，大幅减少人工操作。

技巧 Codex 剪映成峰Skill

推荐理由：有人用成峰的Skill和Codex，剪视频全程只手动处理了2分钟，超丝滑，你也能试试。

原文

6月22日

23:59

23:59IT之家（博客/媒体）

谷歌DeepMind杰出工程师、Gemini预训练负责人弗拉基米尔·费恩伯格在博客中表示，想进入OpenAI、Anthropic、DeepMind等前沿实验室，需要像狗一样拼命干。他认为顶尖大学中最优秀的本科生和博士生已在顶级会议发表机器学习研究、参加竞赛，并具备目标感、数学成熟度和毅力。他建议学生选择以数学证明为基础的困难课程，牺牲夜晚和周末，并从前沿实验室的业务边界寻找突破口，比如模型运行所需的外部环节。此外，他提醒要成为同事愿意看到你成功的人，找到能促进团队互补的项目。

技巧 DeepMind Gemini OpenAI

事件专题

推荐理由：DeepMind大佬亲授求职内幕：进顶级AI实验室没有捷径，但可以从前沿实验室的周边业务切入，还有具体能力要求，很实用。

原文

23:53

官方账号快手可灵 Kling@Kling_AI

数字艺术家Maria Rubtsova使用Kling AI视频工具创作了多个爆款视频，其中一支视频观看量超过1亿次、互动近500万次。她强调以数字艺术家的审美驱动AI创作，从人物表情到运动流畅度都追求真实感。在Kling官方采访中，她分享了如何让AI视频更逼真、更生动，并指出审美品味比技术更重要。

技巧 Kling Maria Rubtsova 视频生成

推荐理由：Kling官方采访了艺术家Maria，她用Kling做出1亿播放的视频，还讲了怎么让AI视频更真实，特别适合想提升作品质感的人看。

原文

22:50

berryxia@berryxia

本教程演示如何将低成本大模型接入沉浸式翻译插件。操作步骤包括：进入沉浸式翻译设置，点击左侧“翻译服务”，右上角添加自定义翻译服务并选择“自定义AI”。填入API Key和大模型API接口地址，例如小米MiMo模型的Base URL为https://t.co/n4qZ4OEcJQ。选择对应模型或勾选“输入自定义模型名称”，测试通过后即可使用。配置完成后可在服务选项中切换使用自定义模型。

技巧沉浸式翻译 MiMo API

推荐理由：教你把免费模型塞进沉浸式翻译，跟着视频几步搞定，小米MiMo也能用，省下订阅费。

原文

19:54

Geek@geekbb

该项目将基金经理郑希过去十几年的季报、手记、采访等资料整理为结构化语料库。基于该语料库构建的AI技能可进行可溯源的投研问答与基金分析，避免模型幻觉。已开源在GitHub（lyra81604/zhen…），支持用户直接使用。

技巧郑希基金经理语料库

推荐理由：有人把郑希十几年的所有公开资料整理成了结构化语料，让AI能基于真实文本做投研问答，不是瞎编的，想搞基金分析的可以看看。

原文

17:39

Geek@geekbb

Cloudflare 开源了一套 AI 安全审计技能，可将普通编码助手改造成系统化安全审计工具。审计流程包含六个阶段：情报收集摸清架构、多路并进攻击代码、换代理挑刺排除误报、生成人类可读报告与机器可读 JSON 结果，最后独立验证每项结论。该方法通过多代理协作和阶段性验证提升了审计准确性和可追溯性。

技巧 Cloudflare 安全审计编码助手

推荐理由：Cloudflare 开源了一套 AI 安全审计技能，把编码助手变成六步自动化审计工具，能生成报告和 JSON，适合做代码安全扫描。

原文

14:25

向阳乔木@vista8

海立老师（Harry Zhang）开源了第三本关于LangChain生态的书籍《Deep Agents in Action》。该书目前已有8个章节，涵盖Agent Harness、规划、上下文工程、子智能体、Skills和记忆等核心主题。面向中文开发者社区，可免费获取学习。

技巧 LangChain Deep Agents in Action 海立

推荐理由：想学LangChain Agent开发？海立老师开源了第三本书，8章讲规划、子智能体等，直接收藏学。

原文

14:15

@zarazhangrui@zarazhangrui

推文作者Zarazhangrui提出了一条防止AI生成劣质内容（slop）的经验法则：在写作、设计等任务中，用户输入（上下文）的长度应为输出的3-5倍。如果输入远短于输出，AI几乎必然产生质量低下的内容。这条法则基于实际使用经验，可帮助用户获得更优质的AI输出。

技巧提示词工程 AI写作 AI设计

推荐理由：写提示词时总出一堆废话？试试这个简单法则：你的输入要比输出长3-5倍。作者亲测有效，能明显改善AI输出质量。

原文

12:26

shao__meng@shao__meng

GLM-5.2 在 X 平台被广泛讨论，声称是最强开源模型且接近 Claude Fable 5。作者下载了 Zcode 平台并发现可以免费试用。但第二条消息即遇到使用限制，未充值 Coding Plan 可能无法正常使用。

技巧 GLM-5.2 Zcode 开源模型

推荐理由：想了解 GLM-5.2 和 Zcode 的实际体验？这篇分享告诉你免费试用背后的限制

原文

11:23

idoubi@idoubicc

codefree.cafe推出AI编程小桌课，周六广州南沙开课，限5人，用Claude Code和Codex从想法到项目上线，6小时结对编程。收费¥4096，含ShipAny会员（¥1999）、1024社群会员（¥1024）和MCP书籍（¥49），同行者半价。赠送权益价值¥3072，已有权益者同行仅¥512。

技巧 Claude Code Codex ShipAny

推荐理由：想用Claude Code和Codex做项目但卡配置？这个六小时小桌课帮你从想法到上线，还送ShipAny会员和MCP书。

原文

10:25

shao__meng@shao__meng

Addy Osmani发布深度文章，以Chromium为主线解析现代浏览器内部机制。文章覆盖页面加载完整管线、V8 JavaScript引擎内部原理、模块加载与Import Maps、多进程架构与安全。对比三大引擎：Chromium、Gecko (Firefox)与WebKit (Safari)。面向开发者给出优化实践：减少网络往返、避免深度DOM、使用transform/opacity实现合成动画等。

技巧 Chromium V8 WebKit

推荐理由：Addy Osmani写的浏览器底层指南，覆盖V8、多进程、三大引擎对比，还有实用的DevTools优化技巧，搞前端必读。

原文

08:45

shao__meng@shao__meng

精选73°

前Meta/Microsoft/Atlassian主任工程师Kun Chen分享了一套完整的Agentic工程工作流，每天可ship 40-50个经测试的生产级PR。核心框架分为四层：造船（终端中心主义，使用WezTerm+tmux+Neovim）、训练船员（Memory+Skills，全局memory仅27行以避免token浪费）、与单个船员协作（语音输入OpenSuperWhisper，自创AXI标准比MCP节省3倍token和2倍延迟）、并行指挥（treehouse管理worktree，First Mate大副编排器）。验证环节采用no-mistakes流水线，在隔离worktree中执行对抗式review和E2E测试，大幅减少人工review耗时。该工作流强调将时间花在任务开头和结尾，中间全交给AI，瓶颈从agent执行力转移到战略思考。

技巧 Kun Chen Agentic工程工作流

推荐理由：想每天轻松发几十个PR？前Meta主任工程师把整套工作流拆开了讲，从终端配置到agent训练到并行管理，全是实战细节，比泛泛而谈的教程强多了。

原文

07:24

elvis@omarsar0

开发者 Omar 分享经验：他几乎不再手动提示或与代理对话，而是通过循环（loops）让代理自主执行。他花更多时间编写验证器（verifiers），提供文本、音频、图片等丰富指令来填补代理的不足。Guinness Chen 建议用户按住听写键随意讲10分钟，将碎片、例外、示例、氛围都喂给模型，利用语言模型擅长从语言中重构潜在意图的能力。这些方法改变了人与代理的交互方式，减少了手工编辑提示的负担。

技巧 agents loops verifiers

推荐理由：别手写提示词了，试试按住录音键讲十分钟，让代理自己干活。Omar 分享了用循环和验证器省力的实战技巧。

原文

07:15

官方一手marktechpost@Asif Razzaq

精选

该指南介绍了7种智能体记忆类型：工作记忆、语义记忆、情节记忆、程序记忆、检索记忆、参数记忆和前瞻记忆。每种记忆覆盖存储内容、存储位置和构建时机。包含对比表格和可运行的Python代码示例。

技巧智能体记忆系统 Python

推荐理由：想给自己的智能体加上记忆？这篇把7种记忆类型讲得特别清楚，还给了Python代码，直接上手复制。

原文

03:48

官方账号Greg Brockman@gdb

用户 Tom Osman 利用 Codex 的 "/goal" 循环功能，将提示词设为“遍历应用中每个功能，根据代码创建用户故事和期望行为，维护单一电子表格追踪状态”，随后自动切换到测试每个用户故事并记录所有错误，最终修复逻辑或 UX 错误后再次测试。整个过程无需人工干预，自动处理成百上千的用户故事。该案例展示了 Codex 在自动化测试与修复工作流中的实际应用。

技巧 Codex 编程助手自动化测试

推荐理由：试试在 Codex 里贴一段类似的循环指令，它就能自动帮你测完整个 App 的每个功能，连修 bug 都包了。

原文

03:23

HeyGen@HeyGen_Official

Peter Yang 与 HyperFrames 开发者 @liu8in 和 @JakeFromHeyGen 深入拆解了 HyperFrames 的工作机制。该工具提供 5 步法：收集资产并创建 frame.md、编写 storyboard.md、从 HyperFrames 库拉取动画、生成静态帧审查、在 Studio 中合成视频。内置 /website-to-video 技能可将任意 URL 一键转成视频。HyperFrames 完全免费，支持在 Codex 和 Claude Code 中使用。

技巧 HyperFrames Codex Claude Code

推荐理由：HyperFrames 免费开源，用 5 步模板就能把产品视频从 $30K 成本降到零，连网址都能直接变视频，适合不会剪片的团队。

原文

02:21

官方账号Greg Brockman@gdb

精选

Tom Osman展示了一个在Codex中运行的自动化循环，用于遍历应用所有功能并生成用户故事与预期行为。该流程维护一个单源电子表格跟踪功能状态，然后切换到测试每个用户故事并记录所有错误。最后修复逻辑或UX错误后，再次测试所有用户行为。这个循环能处理数百个用户故事，展示了Codex的自动化测试能力。

技巧 Codex Tom Osman 自动化测试

推荐理由：Tom Osman用Codex搞了个自动化循环，从生成用户故事到测试修复一条龙，省人工还管几百个功能，太实用了。

原文

6月21日

23:57

宝玉@dotey

推文作者认为 Gemini 3.1 Pro 的翻译质量最佳，Opus-4.8 因写作能力不足导致翻译生硬。回复中分享了使用 Claude Code 并设置 /effort 为 ultracode 后的多智能体翻译流程：先让 3 位风格各异的译者各出一稿，再由双语编辑对照原文评审，综合定稿后逐句校对。作者强调这个过程实际触发了 Claude Code 的 dynamic workflow 并自动写提示词执行。用户提供的经验来自对翻译工作流的长期探索。

技巧 Gemini 3.1 Pro Opus-4.8 Claude Code

事件专题

推荐理由：别再用 Opus-4.8 硬翻了，试试 Claude Code 的 ultracode 模式+多智能体流水线，实测翻译质量能提升不少。

原文

23:28

shao__meng@shao__meng

Greg Eisenberg和Theo Tabah在60分钟对谈中提出AI Native组织的三层架构：人、Agent和上下文。人退守两端负责战略与评审，Agent需满足Clear Goal、Skills、Tools、Context四要素才能自治。上下文层通过Capture-Curate-Store-Execute-Experience五阶段循环构建护城河。两个Live Demo展示成效：提案微站系统为LCA带来数百万美元收入，10分钟产品闭环生成高保真原型。Skill Chain（技能链）串接多个技能形成剧本，是对抗幻觉的关键机制。

技巧 AI Native 智能体 Skill Chain

推荐理由：Greg和Theo用真实案例拆解了AI Native组织的落地方法，三层系统比“用ChatGPT”具体得多，还有百万美元收入证明。

原文

23:28

Harrison Chase@hwchase17

社区文章演示了如何借助Deep Agents框架构建一个类似Claude Code的编程智能体。文章特别提到GLM-5.2模型表现强劲，可作为该智能体的底层推理引擎。通过3个步骤即可完成部署，无需从头开发复杂Agent系统。

技巧 Deep Agents Claude Code GLM-5.2

推荐理由：教你用Deep Agents自己搭一个Claude Code同款智能体，还顺带体验GLM-5.2的威力，实操性很强。

原文

23:24

berryxia@berryxia

一位开发者花一小时整理了散落在各处的实践经验，形成了完整的Agentic Engineering Workflow。该工作流涵盖任务拆解、工具调用、记忆管理、错误恢复等环节，每一步都在真实项目中跑通。相比多数AI开发者还在手动写prompt，这套工作流已能教机器自主写prompt，强调差距在于工程方法而非模型能力。

技巧 Agentic Engineering Workflow 智能体工作流

推荐理由：一位开发者把让AI像工程师一样自己写代码的工作流整理出来了，覆盖从拆任务到恢复错误的全流程，不是理论是真实跑通的路径。

原文

23:00

shao__meng@shao__meng

精选72°

OpenAI Codex 推出 Record & Replay 功能，允许用户通过录制一次操作来创建可复用的 AI Skill。录制阶段会捕获用户演示的步骤、隐性偏好和变量，Codex 自动分析并生成包含使用条件、输入参数、操作步骤和验证规则的 Skill。回放时，Codex 可根据当前环境工具（如 Computer Use、浏览器插件）适应性地执行，支持不同参数输入。功能遵循“演示即规格”设计哲学，并给出五条高质量录制原则，如短而完整、提前声明变量、及时停止等。相比传统 Plugin，Record & Replay 更适合个人快速技能化，成本低。

技巧 OpenAI Codex Record & Replay AI Skill

事件专题

推荐理由：OpenAI 给 Codex 加了录技能功能，演示一次就能固化工作流，下次回放还能自适应，适合重复性任务。

原文

22:25

Viking@vikingmute

这是一个名为vikingmute/rev的GitHub项目，使用AI进行代码审查，目前已获得超过100个star。作者还写了一篇说明文章《我是怎样使用AI来做Code Review的？》，详细介绍了使用方法。项目以AI辅助提升代码审查效率为核心，适合开发者和团队参考。

技巧 vikingmute GitHub 代码审查

推荐理由：这个项目用AI帮你做Code Review，实测挺好用，GitHub上已经100多星了，文章也写得清楚，可以试试。

原文

15:24

Geek@geekbb

GitHub 项目 EdgeFlowingLight 为 Claude Code、Hermes Agent 等 AI 编程工具添加屏幕边缘流光效果，通过颜色和动画区分“思考中”与“已完成”。项目基于 Rust 编写，仅 200 多行代码，支持自定义颜色和速度。用户无需轮询终端即可一眼感知状态，提升编程效率。

技巧 Claude Code Hermes Agent 编程助手

事件专题

推荐理由：一个开源小工具，让你斜眼就知道 Claude Code 是否还在跑，不用切窗口看命令行。

原文

15:15

AI Will@FinanceYF5

一位用户分享了他评价Fable模型的方法：不看benchmark数字，只关注模型的思维形状。Fable在理解用户意图和迭代思考方面表现突出，让他感到对面有真人。他比喻这种感受就像回到了2023年。

技巧 Fable 推理模型模型评估

推荐理由：有人分享了一个评价模型的新角度：别看数字，看它能不能让你感觉像在跟真人聊天。Fable就做到了。

原文

15:00

Geek@geekbb

Cowart 在 Codex 中集成了本地 tldraw 画布，用户放置 AI 占位框即可指定生成图片。还支持截图标注重绘：在画布上画标注后，Codex 能移除痕迹并生成干净新图。所有操作在本地运行，无需联网。

技巧 Codex Cowart tldraw

推荐理由：想边画草图边让 AI 生图？这个本地画布工具让 Codex 直接改，标注去除功能特别好用。

原文

14:55

官方一手marktechpost@Sana Hassan

精选

本教程使用 Crawlee for Python 搭建完整的网页爬取工作流。通过 BeautifulSoupCrawler、ParselCrawler 和 PlaywrightCrawler 分别爬取静态与动态内容，提取标题、元数据和产品字段。教程还演示如何构建链接图，并将数据导出为 JSON、CSV 以及 RAG 就绪的 JSONL 分块文件。最后附带 robots 处理与截图功能，从设置到 AI 输出一步到位。

技巧 Crawlee Python BeautifulSoup

推荐理由：想用 Python 从零搭一套能把网页内容直接喂给 RAG 的爬虫管道吗？这篇保姆级教程教你用 Crawlee 搞定 robots、截图和分块导出。

原文

04:27

@zarazhangrui@zarazhangrui

一位用户日常使用Codex和Claude Code做编码任务，很少再打开ChatGPT。只有在需要快速网络搜索时，他会切换到Gemini。他认为Codex和Claude Code这类编码代理的输出质量通常优于ChatGPT聊天机器人。

技巧 Codex Claude Code ChatGPT

推荐理由：试试用Codex或Claude Code代替ChatGPT，写代码效果更好，搜索可以切到Gemini。

原文

03:53

Browser Use@browser_use

GLM 5.2（纯文本模型）在网站设计任务中击败了 Fable 5。团队将 GLM 5.2 与 Browser Use v2 多模态 QA 子代理配对，让代理审查网站、发现 bug、判断美学，再向 GLM 发送修复指令。整个构建加质量保证的成本低于 0.75 美元。展示了纯文本模型通过智能协作在视觉任务上的潜力。

技巧 GLM 5.2 Browser Use v2 Fable 5

事件专题

推荐理由：GLM 5.2 纯文本模型竟然能设计网站，还打败了 Fable 5？搭配 Browser Use v2 多模态 QA 代理，成本不到 0.75 美元，太会玩了。

原文

02:23

Harrison Chase@hwchase17

技巧 LangChain LangGraph RAG

推荐理由：这个课程10小时，手把手教LangChain和LangGraph，还讲了RAG和guardrails，想学智能体开发可以看看。

原文

01:13

berryxia@berryxia

精选

Codex现在允许用户直接命令将开发线程从本地笔记本handoff到远程服务器。这一过程会自动打包Git状态、未提交变更、分支和工作树。用户关闭笔记本后，远程服务器会继续运行该线程。之后用户可以命令将线程接回本地，环境恢复到离开时的状态。全程无需手动同步代码或处理冲突。

技巧 Codex 远程开发工作流

推荐理由：Codex这个新功能太实用了，跟它说一声就能把本地代码线程扔到远程服务器继续跑，回来再接上，省去手动同步的麻烦。

原文