全部 AI 动态 · AI 热点

6月24日

05:42

LangChain@LangChainAI

LangChain发布了与Pipecat AI集成的教程，17分钟演示如何将现有LangGraph agent转变为语音agent。同时LangSmith更新了语音轨迹功能，新增内联音频播放器，无需打开新标签即可查看语音回放。该教程适合已有LangGraph agent的开发者快速接入语音交互。

推荐理由：想让你写的LangGraph agent开口说话？这篇17分钟教程直接用pipecat_ai搞定，还顺带教你怎么用LangSmith看语音回放。

原文

03:23

03:23Simon Willison’s Weblog（博客/媒体）

精选

Simon Willison 用 Claude Code for web 构建了一个测试界面，用于探索 OPFS（Origin Private File System）与 Pyodide 的组合。该工具旨在验证 Datasette Lite（基于 Pyodide 和 WebAssembly 的浏览器内 Python 应用）能否编辑用户电脑上的持久 SQLite 文件。测试结果可在不同浏览器中运行。

技巧 OPFS Pyodide Datasette Lite Claude Code 浏览器文件系统

推荐理由：Simon 用它测试 Pyodide + OPFS 能否让 Datasette Lite 编辑本地 SQLite 文件，适合想搞浏览器端 Python 数据库的人。

原文

02:27

Lenny Rachitsky@lennysan

OpenAI研究团队教练Joe Hudson指出，AI时代赢家不是靠更多知识或努力（AI擅长的两件事），而是靠'情绪清晰度'。他辅导包括Sam Altman在内的OpenAI领导层及苹果、谷歌高管。文章详述如何在艰难对话中保持冷静、不自我攻击、从失败中前进，并给出团队建设方法帮助代谢恐惧。

技巧 OpenAI 情绪清晰度软技能工作变革

推荐理由：OpenAI教练Joe Hudson教你如何在AI时代靠'情绪清晰度'胜出，不拼知识拼内心，很实用。

原文

02:26

Harrison Chase@hwchase17

精选

Harrison Chase 指出，发布第一版只是构建智能体工作的一小部分，更关键的是建立可重复的改进生命周期。该流程包括 5 步：1）Build——搭配 agent、tools、context、prompts 和 workflows 构建可用原型；2）Test——使用 evals 评估 agent 行为是否正确，而非仅输出类似内容；3）Deploy——将 agent 部署到生产环境；4）Monitor——通过 traces 追踪 agent 实际调用的工具、使用的上下文和失败点；5）Improve——从真实使用中学习，优化 prompts、tools、evals 和 agent 本身。Chase 将在 6 月 24 日的“The Agent Development Lifecycle 101”网络研讨会中详细讲解。

技巧 LangChain Agent 智能体工作流构建流程

推荐理由：LangChain 创始人手把手教你如何迭代改进智能体，从构建到上线再到优化，全是实操干货，适合所有做 AI Agent 的团队。

原文

02:25

LangChain@LangChainAI

精选

LangChain联合创始人Harrison Chase在X上分享了构建可靠Agent的关键：发布第一个版本只是小部分工作，需要可重复的生命周期。该周期包括5个步骤：1) Build，构建Agent、工具、上下文、提示词和工作流；2) Test，使用eval确保Agent做正确的事；3) Deploy，将Agent部署到生产环境；4) Monitor，通过追踪查看Agent调用了什么工具、用了什么上下文、在哪失败；5) Improve，根据实际使用改进提示词、工具、eval和Agent。他将于6月24日在网络研讨会上详细讲解此生命周期。

技巧 LangChain Harrison Chase 智能体开发周期 Agent

推荐理由：看看LangChain创始人怎么说Agent开发全流程——不只是搭出来，还要测试、部署、监控、迭代。五个步骤讲清楚怎么做出靠谱的Agent。

原文

02:15

LangChain@LangChainAI

精选

LangChain 发布基于 Deep Agents 的循环工程方法，通过 self-harness 实现智能体自我改进。流程分三步：运行代理并观察失败（弱点挖掘）、提出 harness 改进方案、验证改进有效且无回归。论文见 arxiv.org/pdf/2606.09498，代码开源在 github.com/langchain-ai/d…。该方法可系统性提升 Agent 鲁棒性。

技巧 Deep Agents LangChain 智能体循环工程自我改进

推荐理由：LangChain 公布了一种让智能体自己找弱点并改进的循环方法，每一步都给了具体操作，想调优 Agent 的可以照着试试。

原文

01:36

LangChain@LangChainAI

LangSmith Fleet 提供了两种类型的 agent：General Purpose Chat 和 Specialized Agents。通用代理适合开放式对话，专用代理针对特定任务优化。LangChain 博客详细解释了这种设计是故意的，并给出了选择建议。

技巧 LangSmith LangChain 智能体通用聊天专用代理

推荐理由：LangChain 发了新博客，讲他们 Fleet 的两种 agent 怎么选，通用聊天还是专用任务，挺实用的。

原文

01:28

Philipp Schmid@_philschmid

自 Google I/O 发布以来，开发者已在 Google AI Studio 中创建超过 100 万个原生 Android 应用。该平台提供可视化界面和 AI 辅助，让构建 Android 应用的门槛大幅降低。Philipp Schmid 分享了这一进展，并提供了快速上手的教程链接。你无需编写复杂代码，即可在 AI Studio 中生成功能完整的应用。

技巧 Google AI Studio Android 应用开发教程

推荐理由：Google AI Studio 让零基础也能快速做 Android 应用，已经有人做了100万个了，试试看

原文

01:28

DeepLearning.AI@DeepLearningAI

DeepLearning.AI 发起为期7天的语音AI构建者挑战，目标是让AI编码代理仅在需要人类判断时请求帮助。参与者需要构建系统，使代理能在遇到自主解决不了的障碍时通过语音通知人类。挑战提供实时反馈和排行榜，优胜者将获得奖品。

技巧 DeepLearning.AI Voice AI 编程助手智能体

推荐理由：DeepLearning.AI 搞了个7天挑战，教你的AI编码代理只在必要时叫你帮忙，还有实时排行榜和奖品。

原文

01:00

AWS Machine Learning Blog@Yuan Tian

这篇博客展示如何用Amazon Bedrock AgentCore构建一个对话式蛋白质研究助手。它通过自然语言解析提取结构化搜索参数，基于蛋白质语言模型进行向量相似性搜索。搜索结果会自动生成AI科学摘要，无需手动编码查询逻辑。整个过程涵盖查询解析、向量检索和摘要生成三步。

技巧 Amazon Bedrock 蛋白质研究智能体 RAG

推荐理由：想建一个能聊蛋白质研究的智能助手？这篇教程用Bedrock AgentCore教你搞定，自动解析问题、向量搜蛋白质，还能生成摘要。

原文

00:33

Philipp Schmid@_philschmid

精选71°

这篇指南由 Google AI Studio 发布，帮助开发者上手 Gemini Interactions API。它通过 `previous_interaction_id` 实现对话链式衔接，演示了如何启用和处理 streaming 响应。指南还展示了执行本地函数调用的完整循环，并介绍了在远程沙箱中运行 Antigravity Agent 的方法。

技巧 Gemini Interactions API Google 智能体工具调用

推荐理由：Google 官方出的 Gemini 交互 API 教程，从 streaming 到 agent 沙箱都有代码示例，想写多轮工具调用可以看这个。

原文

00:24

elvis@omarsar0

Prime Intellect发布博客，介绍在GLM-5模型上运行大规模强化学习（RL）所需的基础设施组件，包括数据管道、训练调度和分布式计算。文章详细解释了如何用1万亿token训练RL智能体，并开源部分工具链。该方法旨在降低自改进智能体的开发门槛。

技巧 GLM-5 Prime Intellect 强化学习智能体基础设施

推荐理由：想自己搞RL训练？这份Prime Intellect的博客手把手告诉你需要哪些基础设施，连GLM-5上的1T token训练都给你讲清楚了。

原文

00:09

AWS Machine Learning Blog@Ashley Chen

精选73°

本文介绍了使用Amazon Bedrock AgentCore实现生产级多租户系统的池模型模式。通过医疗AI代理示例，展示了为多个诊所和医院构建共享基础设施但隔离租户的架构。该方法可降低运营成本，同时保证每个租户的数据隔离与安全。读者将掌握具体实现步骤与最佳实践。

技巧 Amazon Bedrock AgentCore 多租户池模型医疗AI

推荐理由：AWS这篇博文手把手教你用Bedrock AgentCore做多租户，共享底层资源又能隔离租户数据，适合医疗等SaaS场景，比自己折腾省心多了。

原文

6月23日

22:52

22:52Hugging Face: Blog（博客/媒体）

精选

IBM Research推出CUGA，一个轻量级智能体框架，提供24个可直接运行的工作示例。每个示例展示了如何用CUGA构建工具调用、多步推理和状态管理等功能。示例覆盖代码执行、数据库查询、网页浏览等场景，所有代码均在GitHub开源。开发者可通过这些示例快速上手CUGA，无需复杂配置即可构建生产级智能体应用。

技巧 CUGA 智能体 IBM Research 开源

推荐理由：IBM Research开源了CUGA框架，有24个现成示例，教你一步步构建能调用工具、多步推理的智能体。想快速上手Agent开发可以看看。

原文

22:26

Viking@vikingmute

作者建议定期清理AI skills，认为过时或无用的skills会产生副作用。目前只保留mattpocock的几个开发流程相关skills，以及自己项目相关的review和测试skills。之前各种生图、PPT、设计相关的skills已全部删除。

技巧 skills 技能清理 mattpocock 工作流优化 AI配置

推荐理由：朋友，定期清理用不上的skills能让AI表现更好，建议你也试试删掉过时的，只留真正需要的开发流程skills。

原文

21:24

Justin Welsh@thejustinwelsh

一条获得34条评论、4641次查看的帖子分享了用AI进行产品构思和迭代的步骤：先和AI头脑风暴，找到用户想要的产品，然后在线讨论、收集反馈，接着构建并发布，再与用户交流，重复这一循环。这个方法强调快速验证和持续迭代，没有依赖任何特定模型或工具。

技巧产品迭代用户反馈 MVP AI辅助

推荐理由：这个帖子里分享了一个用AI快速验证产品想法的方法，从头脑风暴到发布再收集反馈，循环迭代，很实用。

原文

17:42

Viking@vikingmute

精选

Codex在持久化日志时使用SQLite数据库并以TRACE级别全局记录，导致~/.codex/logs_2.sqlite和~/.codex/logs_2.sqlite-wal文件快速增长。有用户报告主数据库达到300MB，WAL文件8MB。在goal模式下磁盘写满后，Codex会自动删除文件腾出空间，存在安全隐患。建议用户检查这两文件大小，必要时用脚本清理。

技巧 Codex SQLite 编程助手 AI安全文件清理

推荐理由：这条X帖子提醒Codex用户检查日志文件，避免被自动删文件的风险，赶紧看看自己的大小。

原文

16:51

16:51Hugging Face: Blog（博客/媒体）

精选

Hugging Face将huggingface_hub库的发布频率从每两个月一次提升至每周一次。流程中利用GPT-4自动生成发布说明，通过GitHub Actions运行超过2000项测试，并由人类维护者进行最终审核。该方案使版本迭代速度提升8倍，同时保持稳定性。

技巧 huggingface_hub Hugging Face GPT-4 GitHub Actions 自动发布

推荐理由：Hugging Face分享了他们如何用GPT-4和GitHub Actions把库发布从两个月一次提速到每周一次，还保留了人工把关，挺实用的经验。

原文

16:03

16:03OpenAI: 官网动态（博客/媒体）

Omio 通过整合 OpenAI 的对话式 AI 技术，重新定义旅行搜索体验。其产品允许用户用自然语言描述行程偏好，系统自动生成多方案比较。公司借此将产品迭代周期从数周缩短到数天。Omio 正从传统旅行平台转型为 AI-native 企业。

技巧 Omio OpenAI 对话式旅行旅行预订 AI应用

推荐理由：旅行 App 用上 ChatGPT 式对话，直接说“想去巴黎看展”就能出方案，比翻菜单方便多了。

原文

15:56

Harrison Chase@hwchase17

Harrison Chase指出文档是Agent的“眼睛和耳朵”，但迭代速度导致文档经常过时。他创建了一个基于Cursor AI的自动化流程，每6小时运行一次，检查代码提交和Slack消息。该系统会自动生成包含文档改进建议的PR，让Agent自己维护自己的文档。

技巧 Cursor AI Agent 文档自动化 Slack

推荐理由：老哈教你用Cursor AI自动更新文档，让Agent自己盯着代码和聊天记录，自动开PR修文档，省人力。

原文

15:54

腾讯混元 Tencent Hunyuan@TencentCloud

腾讯云将于2026年7月7日在新加坡CapitaSky举办企业AIGC工作坊，聚焦AI在营销、媒体和企业内容创作中的落地。参与者将了解最新Media AI趋势，学习使用腾讯云Media PaaS构建AI驱动的内容工作流。现场提供实操环节，通过直播演示和练习亲手生成AI内容。

技巧 Tencent Cloud Media PaaS AIGC 视频生成内容工作流

推荐理由：腾讯云开线下AIGC工作坊了，教你用Media PaaS做内容创作，还能亲手实操，在新加坡的朋友别错过。

原文

14:54

Simon Willison@simonw

精选

Simon Willison利用Claude Code将Moebius图像定位模型转换为ONNX格式，成功实现纯浏览器端运行。该过程无需后端服务，所有推理在用户本地完成。这个项目展示了如何在客户端高效部署AI视觉模型。

技巧 Moebius Claude Code ONNX 图像定位

推荐理由：Simon Willison用Claude Code把Moebius模型搬到浏览器里跑了，完全本地运行，不用服务器。

原文

14:40

marktechpost@Sana Hassan

精选71°

本文通过GLM-5.2的OpenAI兼容API搭建了完整工作流，包括安全加载API密钥和创建可复用聊天封装。演示了思考努力控制、流式推理、函数调用以及工具使用代理的实现。还展示了结构化JSON输出和长上下文检索功能，并记录了token消耗与成本核算。

技巧 GLM-5.2 推理模型函数调用长上下文

推荐理由：这篇教程手把手教你用GLM-5.2 API实现推理控制、函数调用和检索，代码可直接复用。

原文

14:30

shao__meng@shao__meng

Claude Code开发者@trq212提出用HTML代替Markdown来给人类做解释，认为HTML可视化效果更有效。随后HeyGen推出了基于此理念的pr-to-video技能，可将pull request自动转为简短解释视频。该技能是HyperFrames新能力之一，通过npx命令即可添加。从Markdown到HTML再到视频，反映了人类对可视化信息输入的偏好。

技巧 Claude Code HeyGen HyperFrames HTML 工作流

推荐理由：看看Claude Code开发者怎么用HTML做解释，还有HeyGen新出的pr-to-video技能，把代码审查变成视频。

原文

13:59

Marc Andreessen@pmarca

Mozilla在Firefox的1000万行代码库上测试了Claude Mythos，成功修复了400多个安全漏洞，包括潜伏超过十年的bug。Mozilla杰出工程师Brian Grins透露，效果50%来自模型、50%来自设置。他分享了使用目标/循环模式、用验证器消灭假阳性以及向agent说善意的谎言等技巧。他还表示任何人都可以在一个下午内复制类似的bug-finding harness。

技巧 Claude Mythos Mozilla Firefox AI安全智能体

推荐理由：Mozilla工程师手把手教你用AI agent在百万行代码里挖漏洞，不用一下午就能搭出同样工具，还能避免假阳性。

原文

12:52

Ate-a-Pi@svpino

精选

作者指出现有基准往往在部署后失效，因为真实用户会使用你未测试过的表述。解决方案是分析推理日志和追踪，提取真实提示、响应、拒绝和格式错误。Nebius在Token Factory内推出Data Lab工作区，可将失败案例转化为评估和微调数据集。推荐循环：读日志→找失败→建数据集→评估→微调→部署→重复。

技巧 Nebius Data Lab Token Factory 模型评估微调

推荐理由：Nebius 出了个 Data Lab，能帮你从日志里挖出模型翻车的真实案例，直接做成数据集来微调和评估，比啥基准都管用。

原文

12:52

Ate-a-Pi@svpino

如果你还在人工审查全部AI生成的代码，那说明效率太低。代码审查已成为软件开发的最大瓶颈。Santiago Valdarrama（@svpino）分享了改进方法，核心是减少审查范围、使用自动化工具、建立信任机制。他建议只审查关键路径代码，利用AI辅助审查，并逐步放宽对低风险代码的审查比例。

技巧代码生成 AI编程代码审查开发效率工作流

推荐理由：Santiago Valdarrama说别傻了，100%审查AI代码拖慢整个团队。他给了具体改进策略：缩小审查范围、用工具自动化，让开发快起来。

原文

08:42

berryxia@berryxia

成峰开源的剪辑Skills已有2000+ GitHub Star，接入Anthropic的Codex后实现从口播素材到成片的自动化。Agent通过/剪口播命令生成带字幕视频，再通过/口播成片命令生成HTML分镜核对页，用户可直接反馈修改。Codex使用Computer Use自动调整时间线，最终由HyperFrames合成MP4。该流程将视频生产从手动执行转为流程编排。

技巧 Codex 剪辑Skills 智能体视频生成

推荐理由：用Codex加开源剪辑Skills，丢入口播素材和稿子，Agent直接帮你剪好带字幕的视频，还能自动做动画和分镜，省掉手动时间线操作。

原文

08:12

08:12Simon Willison’s Weblog（博客/媒体）

Simon Willison在Hacker News发现Moebius 0.2B图像修复模型，声称拥有10B级性能，原本需PyTorch与CUDA。他决定利用Claude Code在终端辅助下，通过ONNX Runtime Web的WebGPU后端将该模型移植到浏览器中运行。最终成功制作出demo（地址simonw.github.io/moebius-web/），用户可上传图片、涂抹区域并一键修复。整个过程仅用数小时，且与Datasette项目并行开发。

技巧 Moebius Claude Code WebGPU 图像修复浏览器推理

推荐理由：Simon用Claude Code把0.2B参数的Moebius图像修复模型跑在浏览器里，无需显卡就能涂掉图片里的东西自动补全，挺酷的。

原文

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。

技巧 Gemini API Google Skill Google Generative AI 教程

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 API迁移

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 模型评测基准测试 Bradley-Terry

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上下文工程

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

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/工具生产环境人机协作

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

02:28OpenAI 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 提示词工程上下文管理工作流

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

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 智能体按需付费

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

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 图像生成工作流 AWS CDK

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

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 沙箱智能体无服务器函数

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 视频生成智能体

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 Anthropic 求职建议

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