全部 AI 动态 · AI 热点

6月25日

03:54

Harrison Chase@hwchase17

LangSmith Engine 支持将智能体轨迹追踪到 LangSmith，通过后台分析轨迹自动生成记忆更新建议。更新后的记忆存储在 Context Hub 中，实现类似睡眠时间计算（sleep time compute）的离线记忆优化。该方法由 Harrison Chase 在教程中演示，视频地址附于推文。

技巧 LangSmith 智能体记忆工作流

推荐理由：Harrison Chase 教你用 LangSmith Engine 让智能体在后台自动更新记忆，看完就能上手操作。

原文

03:42

Harrison Chase@hwchase17

文章介绍了智能体记忆管理的三步流程：首先运行智能体，然后分析其运行轨迹，最后基于分析结果更新记忆。该方法由Jake Broekhuizen分享，适用于提升智能体在多次交互中的表现。流程强调了对历史行为的自动化反思和记忆调整，是构建持久性智能体的实用技巧。

技巧智能体 Agent 记忆管理工作流

推荐理由：Jake Broekhuizen分享了一个超实用的Agent记忆循环：跑Agent → 分析记录 → 更新记忆。简单三步，自己也能复现。

原文

03:15

marktechpost@Sana Hassan

本文手把手教你从零搭建一个OpenHarness风格的智能体运行时，包含工具调用、类型化工具模式、权限控制、生命周期钩子、记忆模块、技能系统、上下文压缩、重试逻辑、成本追踪以及多智能体协调共10个核心组件。所有代码均可直接运行，无需API密钥或额外基础设施。通过暴露完整控制流，你将理解框架内部机制而非将其当作黑盒。

技巧 OpenHarness 智能体工具使用多智能体内存管理

推荐理由：想自己搭一个能记东西、会用工具、还能多智能体协作的Agent框架？这篇教程从零拆开所有模块，代码直接跑，比看黑盒框架实在多了。

原文

02:44

Notion@NotionHQ

精选

Notion 宣布与 Cursor 集成，用户可在 Notion 中启动任务，然后跳转到 Cursor 继续。每个会话都会创建一个 Cursor Cloud Agent，保留用户的账户环境、权限和连接。Agent 可让用户在 Cursor 中从上次中断处无缝接续工作。该功能旨在提升跨工具协作效率。

技巧 Notion Cursor Cursor Cloud Agent 工作流集成

推荐理由：Notion 和 Cursor 打通了，你可以先在 Notion 里写草稿，再跳到 Cursor 让 Agent 接着干活，环境权限都给你留着。

原文

02:42

Notion@NotionHQ

Notion团队将客户bug或功能请求分配给Cursor agent。agent读取任务简报，在代码库中工作并自动打开PR。该流程让非工程成员也能交接实际工程工作。Cursor作为AI编程助手，可理解上下文并生成代码变更。这展示了AI agent在协作中的实际应用。

技巧 Cursor Notion 编程助手工作流智能体

推荐理由：Notion团队用Cursor自动处理bug和功能请求，连PR都自动开，省掉了手动交接的功夫，值得试试。

原文

02:41

DeepLearning.AI@DeepLearningAI

DeepLearning.AI 发起7天语音AI构建挑战，教你用编码代理自动提醒而不必盯着终端。活动截止日期为6月30日。参与者将学习如何让AI主动呼叫你，解放监控终端的负担。

技巧 DeepLearning.AI 语音AI 编码代理挑战赛

推荐理由：DeepLearning.AI 搞了个7天挑战，教你用语音AI让编码代理自动呼叫你，不用死守终端。活动到6月30日截止，想学赶紧上车。

原文

02:26

AWS Machine Learning Blog@Ying Wang

精选

本文教程演示如何将Snowflake语义视图与Amazon Quick集成，实现自然语言BI查询。通过加载S3中的电影评论数据到Snowflake，使用SQL定义语义视图，再通过Cortex Analyst进行自然语言查询。最后自动化生成Amazon Quick数据集和仪表板，使得BI团队能用自然语言访问受治理的数据层。整个过程可手动或通过脚本完成，确保响应反映一致业务逻辑。

技巧 Snowflake Amazon Quick Cortex Analyst 自然语言查询 BI

推荐理由：这篇教程手把手教你搭一个能自然语言查数据的BI系统，从数据加载到仪表板生成全都有，还能用Cortex Analyst问问题。

原文

02:25

AWS Machine Learning Blog@Jimin Kim

精选

这篇教程展示了如何利用Amazon Nova 2 Sonic和Amazon Bedrock AgentCore构建一个语音预约提醒助手。该助手能够通过语音验证患者身份，处理确认、取消或改约操作，并收集就诊前健康信息。当需要时，助手会将问题升级给人工客服。教程包含一个浏览器界面用于测试，若要连接真实电话线路，需集成Amazon Connect等电话服务。

技巧 Amazon Nova 2 Sonic Amazon Bedrock AgentCore 智能体语音助手医疗保健

推荐理由：想自己搭一个能打语音电话的预约助手？AWS用Nova 2 Sonic和Bedrock AgentCore给你写好了样板，带测试界面。

原文

01:31

LangChain@LangChainAI

精选

Jake Broekhuizen在12分钟视频中演示如何让智能体通过记忆更新来改进表现。他介绍使用LangSmith Engine发现运行问题，并将记忆写入Context Hub。这种方法能让智能体在多次运行之间持续优化，而非仅留下痕迹。适合需要在大规模部署中管理智能体记忆的开发者。

技巧 LangChain LangSmith 智能体记忆

推荐理由：想知道怎么让智能体不反复犯同样的错？看LangChain这12分钟视频，教你用LangSmith Engine和Context Hub实现跨运行学习。

原文

01:28

Guillermo Rauch@rauchg

Vercel AI Gateway 的仪表盘自动显示了 tokens 和 uptime 的恢复数据，效果惊人。用户从 Anthropic API 切换到 Vercel AI Gateway 后，获得了更好的可靠性。这些数据无需手动分析，直接展示在界面上。

技巧 Vercel AI Gateway Anthropic API API网关可靠性

推荐理由：Vercel AI Gateway 自动显示 tokens 和 uptime 数据，切换后可靠性更高，比你手动算省事多了。

原文

01:25

elvis@omarsar0

精选

作者完全改用语音而非文字输入与AI代理交互，发现音频描述越详细、越长，代理结果越好。他还开发了屏幕录制、截图、追踪鼠标动作和语音注释功能，帮助代理处理设计和精确开发任务。多模态提示（语音+屏幕+动作）显著提升了代理的可靠性，尽管消耗更多token。作者将这些经验制作为可复用的命令集，插入循环后效果显著改善。

技巧智能体多模态提示词工程语音交互

推荐理由：有人分享用语音+屏幕录制和多模态提示跟AI代理唠嗑，提示越啰嗦结果越靠谱，还教你怎么录屏加注释，值得试试

原文

01:09

AWS Machine Learning Blog@Bojan Jakimovski

Loka 利用 Amazon Nova 2 Sonic 模型打造了自然且低延迟的语音代理，解决了传统机器人式助手导致客户挂断的问题。该架构将响应延迟优化至接近人类对话水平，显著降低用户等待时长。Loka 的方案减少了客服流失率并提升了品牌口碑。

技巧 Loka Amazon Nova 2 Sonic 语音代理低延迟

推荐理由：Loka 用 Amazon Nova 2 Sonic 做出了几乎没延迟的语音代理，客户不挂电话，客服成本也降了。

原文

00:51

00:51Hugging Face: Blog（博客/媒体）

精选

NVIDIA 发布 NeMo AutoModel，通过自动化模型并行、混合精度训练和梯度检查点，简化 Transformer 模型微调流程。该工具可自动检测硬件配置，支持多 GPU 分布式训练，无需手动调整参数。在微调 BERT-base 模型时，相比标准 PyTorch 实现，NeMo AutoModel 将训练时间缩短约 40%，并保持相同精度。

技巧 NVIDIA NeMo AutoModel Transformer 微调

推荐理由：NVIDIA 搞了个 NeMo AutoModel，能自动帮你加速微调 Transformer 模型，省去手动调参的麻烦，速度还快很多，适合想快速出结果的人。

原文

00:48

LangChain@LangChainAI

精选

LangChain 创始人 Harrison Chase 将于6月24日举办网络研讨会“The Agent Development Lifecycle 101”，阐述构建可靠智能体的五步循环：构建、测试、部署、监控、改进。他强调了首次发布仅是开始，需要可重复的迭代流程来提升智能体性能。该研讨会面向所有构建智能体的团队，提供从工具、上下文、提示到评估的全流程指导。

技巧 LangChain Harrison Chase 智能体开发工作流

推荐理由：Harrison Chase 亲自讲怎么从零搭出靠谱的AI智能体，5步循环+真实案例，做Agent的别错过。

原文

00:47

berryxia@berryxia

精选

Matt Pocock发布/loop-me技能，要求用户先彻底审视日常工作，找出值得委托给AI的重复循环。它采用“grilling”面试法，一次只问一个问题并附带推荐答案，直到模糊点消除。最终产出清晰的workflows/.md规范文件，使实施者无需额外提问即可执行。目的是降低认知负荷，聚焦高价值决策。

技巧 Matt Pocock /loop-me 工作流自动化开发者工具提示词工程

推荐理由：Matt Pocock做了个/loop-me，不是直接替干活，而是帮你把流程理得清清楚楚，AI照着做就行，省心省力。

原文

00:29

向阳乔木@vista8

精选

洪定坤提出用AI生成可交互原型替代PRD，提前暴露分歧。AI开发系统化流程包括AI写Spec、功能实现、Browser Use验证、自动提交上线。Harness基建通过上下文工程、架构约束、团队知识Memory和技术债梳理，将可交付性从40~60分提升至80分。

技巧字节火山引擎洪定坤原型驱动开发 AI开发工作流 Harness基建

推荐理由：字节火山引擎洪定坤分享了三个提升AI开发效率的方法，尤其Harness基建能帮你把交付质量从及格提到优秀。

原文

00:15

Milvus@milvusio

精选

Milvus团队指出LLM在RAG中频繁引用了不支持的来源。引文失败分为两类：忠实性错误（生成内容与检索文档不符，如模型声称150W功耗但文档只说低功耗）和引文准确性错误（元数据映射错误、缺失引用、幽灵引用、弱支持引用、过度引用）。其中幽灵引用常因索引重建后ID过期导致。修复方案因错误类型而异：忠实性问题调整生成层约束或基座模型，引文准确性问题需工程层修复元数据管理。

技巧 RAG 引文忠实性检索增强生成 Milvus

推荐理由：别总怪模型了，很多引文错误出在工程层。这篇文章帮你分清五种引文故障，对症下药。

原文

6月24日

23:40

Geek@geekbb

精选

Pi Coding Agent 的 Web UI 采用双进程架构，会话守护进程与 Web 服务分离，确保 Agent 会话在服务器端持久运行。即使关闭浏览器或重启前端服务，会话也不会中断。该方案支持跨设备监督桌面和服务器上的 AI 编码 Agent，适合需要长期稳定运行编码任务的场景。

技巧 Pi Coding Agent Web UI 双进程架构持久化运行编程助手

推荐理由：Pi Coding Agent 的 Web UI 让你关掉浏览器后编码任务还在服务器跑，跨设备也能接着监督，很实用。

原文

22:55

22:55IT之家（博客/媒体）

央视新闻介绍了高校毕业论文AIGC检测的技术原理。当前AI检测基于困惑度与突发性等概率特征，无法做到100%准确。学生试图通过AI降低AI率时，反可能从62%升至94%。专家建议建立以人工评议为主、AI检测为辅的“人机共判”模式。

技巧 AIGC检测论文查重困惑度高校 AI误判

推荐理由：央视解释了为什么论文AI率越改越高，原来检测原理有bug。搞清楚误判原因，别瞎改。

原文

22:46

LangChain@LangChainAI

精选

Jeff Barg在Interrupt会议上透露，Clay每月运行3.5亿个GTM智能体。他指出，缓存可将LLM调用成本降低高达70%。限制工具调用范围不仅能节省成本，还能提升输出质量。在多租户负载下，引入公平队列机制至关重要。

技巧 Clay GTM agents LLM成本缓存工具调用

推荐理由：做AI智能体上线的小伙伴必看，Clay的AI负责人亲自讲了怎么降本70%和优化队列，干货12分钟。

原文

18:32

AI Will@FinanceYF5

传统AI使用方式是一问一答、改完再问，效率低下。顶尖AI工程师设计自动化循环，让循环去提示AI。这种方法将用户从引擎角色解放出来，让AI自主迭代。通过循环设计，可以减少人工干预，大幅提升生产力。

技巧提示词工程工作流自动化 AI效率

推荐理由：别再做人工提示苦力了，学学工程师怎么用循环驱动AI，效率翻倍。

原文

18:27

AI Will@FinanceYF5

Thariq 完全没碰视频剪辑软件，而是让 Claude 写代码并调用多个工具完成编辑。Claude 使用了转录服务、FFmpeg 做音视频处理、Figma MCP 做调色、Remotion UI 制作界面并完成渲染。整个过程由 AI 编程生成复杂脚本，替代传统剪辑工具。

技巧 Claude Figma MCP Remotion FFmpeg 视频生成

推荐理由：看看人家怎么用 Claude 写代码搞定视频剪辑，不用碰任何剪辑软件，全程 AI 自动化。

原文

17:54

marktechpost@Sana Hassan

精选

本教程演示如何用Graphify和NetworkX将多模块Python应用转为知识图谱。通过Graphify的tree-sitter解析器离线提取代码结构，生成graph.json。之后用NetworkX分析文件类型、关系类型、中心性分数、社区检测和最短路径。最终生成静态与交互式可视化，展示模块、类、函数和数据库对象的连接。

技巧 Graphify NetworkX Python 代码结构可视化社区检测

推荐理由：想可视化你Python项目的代码结构？这个教程教你用Graphify和NetworkX离线搞定，还能找出上帝节点和社区。

原文

17:29

shao__meng@shao__meng

精选

字节跳动发布豆包2.1系列模型，豆包2.1 Pro在Coding和Agent能力上有显著提升，VLM能力介于Claude Opus 4.6和4.8之间。作者使用TRAE Work测试其前端设计图还原能力，模型会先思考规划再分步骤实现，通过本地预览和视觉验证确保质量。最终输出包含自适应布局和实际配图，而非仅占位符，交互和细节还原到位。

技巧豆包2.1 Pro TRAE Work 字节跳动前端设计编程助手

推荐理由：有人拿TRAE Work测了豆包2.1 Pro，前端的视觉还原和配图能力很惊艳，做设计稿转代码可以试试。

原文

17:28

Viking@vikingmute

skills.sh 提供 CLI 工具，可统一安装、更新、卸载多个 coding agent 的 skills。它直接打通 GitHub，有交互界面，支持选择安装特定 agents 的 skills。用户分享用其作为 skills 唯一来源，解决 Cline、Codex、Claude 等 agent 的 skills 文件散落混乱的问题。

技巧 skills.sh Cline Codex Claude 技能管理

推荐理由：用 skills.sh 一个命令行搞定所有 coding agent 的 skills 管理，不用再写脚本软链接了。

原文

16:54

16:54IT之家（博客/媒体）

OpenAI 在 GitHub 公布了 Plant Talk 开源项目，让室内植物通过语音与 ChatGPT 交流。搭建需要安装 Codex Desktop 的电脑、麦克风、摄像头和扬声器。用户可向植物提问“需要浇水吗？”等，系统还能接入土壤湿度、光照等传感器。可创建不同植物人格，如高冷仙人掌、话痨绿萝等。

技巧 OpenAI ChatGPT Plant Talk 开源项目植物对话

推荐理由：OpenAI 出了个好玩的开源项目，教你用 ChatGPT 和家里的植物聊天，还能问它渴不渴、光照够不够，动手党快试试。

原文

16:09

berryxia@berryxia

精选

Anthropic内部工程师运行300多个自改进的agent swarm来提升系统可靠性。核心方法是给模型验证自身输出的机制，包括计划模式、动态工作流和自我检查，根据真实反馈迭代。这种闭环系统让agent从一次性工具变为能自我迭代的系统，可靠性大幅提升但token消耗更高。效果远超大多数300美元的agent课程。

技巧 Anthropic 智能体 agent 工作流自改进

推荐理由：Anthropic工程师自己怎么用agent？300个自改进swarm加闭环验证，比花300美元买课实用多了。

原文

13:27

Marc Andreessen@pmarca

Marc Andreessen 在 X 上发帖，称帖子明显由 Claude 写成。他引用 Slack，认为第三个范式能成功的理由是基础设施早已存在：Slack 天生为开放协作构建，团队、工具和上下文共处一处。AI 无需改变工作方式，只需一个让它真正能用的地方。该推文获得 85 次喜欢、16 次转发和 17528 次浏览。

技巧 Claude Slack AI工作流协作工具

推荐理由：Marc Andreessen 用 Claude 在 Slack 里发帖，说基础设施早已就位——想用 AI 但嫌工具割裂？看看他为什么觉得 Slack 才是 AI 的归宿。

原文

12:54

宝玉@dotey

精选

@dotey 分享了一种极客风格的 Skills 管理方式：只在项目内安装所需 Skills，不装全局，以节约 Agent 的上下文窗口空间。核心方法是使用软链接（symlink）将 Skills 原件统一存放在 ~/GitHub 仓库中，项目内通过 .agents/skills 软链指向原件，再创建 .claude/skills → .agents/skills 的链接供 Claude Code 使用。更新时只需拉取仓库代码，所有项目自动同步；修 bug 可直接修改原件并反哺开源社区。用户不必记住软链接命令，用自然语言告诉 Agent 即可完成操作。

技巧 Skills Claude Code 软链接编程助手提示词工程

推荐理由：@dotey 分享了用软链接管理 Skills 的方法，只装项目内省上下文，更新一次全局同步，还能顺手给开源社区修 bug，极客必备。

原文

12:24

Geek@geekbb

这份手册从 AI 编程视角出发，教你配置 Cloudflare 开发环境，包括 Workers 和 Pages 等核心产品的正确用法。它帮你避开常见坑，如绑定域名、环境变量设置等细节。最终教你将 AI 应用一键部署到全球节点，实现低延迟访问。手册适合已有基础代码但首次接触 Cloudflare 的开发者。

技巧 Cloudflare AI编程部署 Workers Pages

推荐理由：做 AI 编程想用 Cloudflare 部署？这份手册从环境配到避坑全教了，照着做就行。

原文

10:45

shao__meng@shao__meng

精选

Codex官方博客发布了Remote工程实践指南，提出手机是控制面而非终端的核心心智模型。指南列出了10个高杠杆能力，包括Queue与Steer模式切换、Side Chat旁路对话、Plan与Goal两种任务模式。还介绍了5个典型工作流如Release Captain和Mobile Reviewer，强调权限粒度与上下文生命周期管理。该指南旨在帮助开发者在手机上高效启动、指挥、审批远程开发任务。

技巧 Codex Remote OpenAI 编程助手智能体

推荐理由：Codex官方写了10个手机上用Remote的实战技巧，比如用Steer纠偏、手机做Code Review，比单纯盯进度实用多了。想远程开发效率翻倍可以看看。

原文

09:42

Ate-a-Pi@svpino

Claude Code 能利用 Apify Actors 爬取整个互联网，并通过 MCP 连接器与各类服务通信。例如，分析 YouTube 视频后自动将摘要写入 Notion 页面，或抓取学校日历并自动添加事件到 Google Calendar。设置仅需几秒：在 Apify 设置中连接工具并一次性授权。这样 Actors 即可直接读写这些服务的数据。

技巧 Claude Code Apify MCP/工具自动化工作流

推荐理由：如果你想用 Claude Code 自动抓网页、写笔记、管日历，这个 Apify Skills 教程几分钟就能上手，不用写代码。

原文

09:39

Ate-a-Pi@svpino

精选

一位客户的token账单在过去几周内翻了三倍，原因是AI agent重构函数时需要执行读取文件、获取上下文、规划变更、编写代码、检查错误、更新测试、重试失败等十多个调用。每个调用都产生费用，agent越自主，费用越高。问题在于很难追踪谁在哪个模型上花了多少钱。解决方案是在agent和模型提供商之间部署一个网关，让所有请求先经过网关，从而获得可见性和控制力。Orq AI的API支持500多个模型和30多个提供商，可将廉价路由分配给便宜模型，昂贵模型留给复杂任务。

技巧 Orq Agent token 模型网关成本控制

推荐理由：你公司用AI agent写代码？小心token费用悄悄翻倍。作者亲测案例，推荐Orq网关统一管理模型调用，省心省钱。

原文

09:26

Fireworks AI@FireworksAI_HQ

FireConnect 是 Fireworks 推出的工具，可将 GLM-5.2、Minimax、Qwen、Deepseek、Kimi 等开源模型直接引入 Claude Code、Pi、OpenCode 和 Codex。用户需依次执行 npm 安装 Claude Code、获取 Fireworks API 密钥、运行单行命令安装 FireConnect 并配置密钥。Head of AI Education Sinan Ozdemir 演示了通过 fireconnect claude model select 切换模型的步骤。整个过程无需手动编辑 JSON 或使用 vim。

技巧 FireConnect Claude Code 开源模型编程助手

推荐理由：FireConnect 让你在 Claude Code 里直接跑 GLM-5.2 等开源模型，一行命令搞定，不用折腾配置。

原文

09:24

AK@_akhaliq

hf-claude 扩展已确认与 GLM 5.2 版本兼容。用户可通过命令“hf extensions install hf-claude”安装该扩展。该扩展为 Hugging Face 生态提供了 Claude 模型的集成支持，让用户能在 GLM 5.2 环境中更稳定地使用 Claude 相关功能。

技巧 hf-claude GLM 5.2 Hugging Face 扩展

推荐理由：用 GLM 5.2 的话，装这个扩展就能跑 Claude，挺方便的。

原文

07:38

Notion@NotionHQ

Notion的运营主管Amy构建了一套AI代理套件，自动处理日常行政工作：一个代理自动起草邮件回复会议安排请求，第二个代理每日检查联合创始人日历并分配会议室和会议细节，第三个AI代理自动生成会议笔记并转化为行动项。她还有一个代理监控其他代理的运行情况。Amy表示AI帮她节省了时间，并减轻了精神负担，她像带新人一样逐步给代理更多自主权。

技巧 Notion 智能体工作流办公自动化

推荐理由：Notion的运营主管分享了用AI自动处理邮件、安排会议室、记会议笔记的实际方法，还有代理监控代理的妙招。

原文

06:54

Aadit Sheth@aaditsh

Zeb Evans分享其公司在1000人团队中部署5000个智能体，人工与智能体比例达1:5，通过压缩上下文节省token。他强调AI能真正了解你的工作比更聪明的模型更有效，大多数公司用相同工具却因上下文量不同结果天差地别。团队通过Process Miner代理处理每天约10万条公司活动事件，从预处理、摘要和组织的上下文开始工作，而非每次从头搜索。

技巧智能体上下文 Agent token节省流程优化

推荐理由：Zeb Evans用5000个agent给1000人干活，重点不是模型多强而是上下文给够。他们自己公司内部就是这么干的，效率飞升。

原文

06:24

cat@_catwu

Claude Tag 支持数百种自定义方式，官方分享了6种常见工作流。例如在事件响应中，将 Claude Tag 到 incident 线程后，它能自动拉取图表、diff 部署、找出根因并标记作者。团队可在线程内审批，Claude 自动打开修复、部署上线、监控指标恢复并关闭页面。这套流程节省了从发现问题到修复的跨团队沟通成本。

技巧 Claude Claude Tag 智能体工作流事件响应

推荐理由：想用 Claude 自动化你团队的 incident 响应流程吗？这篇官方指南给出了6个现成工作流模板，套上就能用。

原文

06:21

LangChain@LangChainAI

LangChain指出多数团队已有追踪能力，但缺乏持续改进Agent的系统。他们提出的Agent开发生命周期包含四个阶段：构建、测试、部署和监控。该流程以工程师人力速度扩展，无法规模化。团队需用更自动化的方法来迭代优化Agent性能。

技巧 LangChain Agent 智能体开发流程生命周期

推荐理由：LangChain总结了一套开发AI Agent的标准流程，帮你解决“只追踪不改进”的痛点，从构建到监控闭环。

原文

06:13

cat@_catwu

Anthropic 发布了 Claude Tag 的代理权限配置指南，帮助用户快速上手设置代理身份。指南详细介绍了如何为 Claude Tag 配置 agent 权限，包括关键决策说明和身份配置步骤。用户可以通过该指南了解代理权限的核心概念和操作流程。

技巧 Claude Tag 权限配置智能体 Anthropic

推荐理由：想给你的 Claude Tag 设置代理权限？这篇官方入门指南手把手教你配置，还有关键决策详解。

原文