03:54Harrison Chase@hwchase17LangSmith 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
03:42Harrison 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
03:15marktechpost@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
02:44Notion@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NotionCursorCursor Cloud Agent工作流集成6 个信源在谈推荐理由: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
02:42Notion@NotionHQNotion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CursorNotion编程助手工作流智能体9 个信源在谈推荐理由: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
02:41DeepLearning.AI@DeepLearningAIDeepLearning.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
02:26AWS 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SnowflakeAmazon QuickCortex 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
02:25AWS 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 SonicAmazon 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
01:31LangChain@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LangChainLangSmith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
01:28Guillermo Rauch@rauchgVercel 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VercelAI GatewayAnthropic APIAPI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
01:25elvis@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
01:09AWS Machine Learning Blog@Bojan JakimovskiLoka 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LokaAmazon 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
00:51Hugging 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NVIDIANeMoAutoModelTransformer微调2 个信源在谈推荐理由: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
00:48LangChain@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LangChainHarrison 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
00:47berryxia@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
00:15Milvus@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
23:40Geek@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 AgentWeb 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
22:55IT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
22:46LangChain@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ClayGTM agentsLLM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
18:32AI 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
18:27AI Will@FinanceYF5Thariq 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ClaudeFigma MCPRemotionFFmpeg视频生成1 个信源在谈推荐理由: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
17:54marktechpost@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GraphifyNetworkXPython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
17:29shao__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 ProTRAE 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
17:28Viking@vikingmuteskills.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.shClineCodexClaude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
16:54IT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OpenAIChatGPTPlant Talk开源项目植物对话10 个信源在谈推荐理由: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
16:09berryxia@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10 个信源在谈推荐理由: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
13:27Marc Andreessen@pmarcaMarc 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ClaudeSlackAI工作流协作工具10 个信源在谈推荐理由: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SkillsClaude 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
12:24Geek@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CloudflareAI编程部署WorkersPages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
10:45shao__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 RemoteOpenAI编程助手智能体10 个信源在谈推荐理由: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
09:42Ate-a-Pi@svpinoClaude 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 CodeApifyMCP/工具自动化工作流1 个信源在谈推荐理由: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
09:39Ate-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OrqAgenttoken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
09:26Fireworks AI@FireworksAI_HQFireConnect 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FireConnectClaude 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
09:24AK@_akhaliqhf-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-claudeGLM 5.2Hugging 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
07:38Notion@NotionHQNotion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1 个信源在谈推荐理由: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
06:54Aadit Sheth@aaditshZeb 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Agenttoken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
06:24cat@_catwuClaude 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ClaudeClaude Tag智能体工作流事件响应7 个信源在谈推荐理由: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
06:21LangChain@LangChainAILangChain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LangChainAgent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
06:13cat@_catwuAnthropic 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Anthropic10 个信源在谈推荐理由: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