全部 AI 动态 · AI 热点

8月6日

05:21

官方账号Simon Willison@simonw

四年前Simon Willison用GPT-3和DALL-E在60秒内为虚构游戏生成描述和概念图，包括《Raccoon Heist》。今天他用Fable工具把四年前那些概念图当作规格，直接构建出可玩的游戏。这个原本停留在想象里的“浣熊大劫案”，现在变成了真实可运行的游戏原型。

技巧 GPT-3 DALL-E Fable

推荐理由：Simon四年前用GPT-3和DALL-E画的虚构游戏概念图，现在让Fable照着做成了真游戏。脑洞变可玩，挺有意思。

原文

05:20

官方账号Simon Willison@simonw

Simon Willison在推特公开了他用于Claude Code for web的提示词，目标是Fable 5。该提示词结合了四年前推文中的截图，构成多模态输入。Claude Code for web是Anthropic推出的浏览器端编码工具，支持图像与文本混合。此示例展示了如何用历史截图约束模型输出。

技巧 Claude Code Simon Willison 提示词工程

事件专题

推荐理由：想学怎么用Claude Code for web处理带截图的复杂任务？Simon直接把他用的提示词贴出来了，照着试就行。

原文

04:19

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA AI官方转发了一份来自MiaAI_lab的DGX Spark本地模型运行指南。1台DGX Spark可跑DeepSeek v4 Flash（1M上下文，26 tok/s）或Qwen 3.6 35b NVFP4（256k上下文，81 tok/s）。2台DGX Spark是性价比甜点，DeepSeek v4 Flash速度提升到82 tok/s，还能跑Inkling-Small等全模态模型。3台以上可跑GLM-5.2 with Vision，348k上下文、25 tok/s，被称为本地最强智能。指南还给出了4台时的多卡分工方案，比如2台跑DeepSeek v4 Flash，另外2台跑图像模型和ComfyUI。

技巧 DGX Spark DeepSeek v4 Flash GLM-5.2

事件专题

推荐理由：本地跑大模型？这份DGX Spark指南从1台到4台，告诉你选哪款模型、速度多少。

原文

04:18

04:18官方账号Simon Willison’s Weblog（博客/媒体）

开发者Simon Willison用Claude Fable 5，仅凭2024年一条推文里的GPT-3和DALL-E概念图，自动构建出了可玩的网页3D游戏Raccoon Heist。他全程在手机上通过Claude Code for web操作，并用GitHub Pages解决实时预览：先让Claude尽快提交index.html，再在仓库Settings的Pages中选择对应分支部署。每次推送后约30秒，新版本就会出现在yourname.github.io/your-repo/上。文章还公开了完整的Fable 5提示词和工作流步骤。

技巧 Claude Fable 5 Claude Code for web GitHub Pages

事件专题

推荐理由：Simon Willison拿Claude Fable 5自动做了一整个游戏，配GitHub Pages实时预览，比2024年GPT-3时代强太多了。

原文

04:17

官方账号NVIDIA AI@NVIDIAAI

精选

Alec Fong公开其本地AI配置：2台DGX Sparks运行DeepSeek v4 flash，推理速度90 tok/sec，负责执行与子智能体。另2台DGX Stations运行GLM 5.2 nvfp4，速度120 tok/sec，负责规划与顾问。整个集群用Brev做网络连接、常驻云智能体和编排。

技巧 DeepSeek v4 GLM 5.2 DGX Sparks

推荐理由：本地AI栈：DGX Sparks跑DeepSeek v4，Stations跑GLM 5.2，Brev编排。

原文

02:26

官方一手AWS Machine Learning Blog@Sundar Raghavan

Amazon Bedrock AgentCore harness 现已正式可用，可当作 agent step 接入 n8n 工作流。官方提供了新的开源社区节点，安装后即可在 n8n 编辑器内使用。它支持持久记忆、真实工具调用、代码执行和 VPC 隔离，无需自建基础设施或编写智能体代码。

技巧 Amazon Bedrock AgentCore n8n

推荐理由：想在 n8n 里跑生产级智能体，装个社区节点接上 Bedrock AgentCore 就行，不用自己写基建代码。

原文

02:25

官方一手AWS Machine Learning Blog@Rohan Lekhwani

精选

AWS发布技术博客，介绍如何为Amazon Bedrock AgentCore托管的云上AI代理搭建MCP桥接，使其能调用用户笔记本电脑上的本地MCP服务器。方案通过浏览器扩展和Chrome原生消息传递，在现有WebSocket连接上隧道传输签名消息，无需开放端口或VPN。文中详细说明了AgentCore与本地MCP工具之间的安全通信机制，并给出了具体实现步骤。

技巧 MCP AgentCore AWS

推荐理由：AWS官方教你怎么在云上代理和本地工具之间搭桥，不用开端口也不用VPN，跟着步骤就能搞定。

原文

02:24

官方一手AWS Machine Learning Blog@Adi Jabkowski

75°

Mobileye在AWS官方博客中分享了用Amazon Bedrock AgentCore构建AI支持代理的完整过程。项目始于支持团队遇到的瓶颈，随后通过概念验证验证了方案可行性。最终部署采用混合架构，打通了本地系统与AWS云服务。文章重点展示了AgentCore如何在企业级治理和安全标准下扩展AI代理。

技巧 Mobileye Amazon Bedrock AgentCore AWS

推荐理由：Mobileye用Bedrock AgentCore搭了个客服智能体，把本地系统和云打通了，还讲了怎么过安全和治理这关，挺实在。

原文

01:01

Qdrant@qdrant_engine

精选

FutureAGI的Rishabh与Dylan Couzon将直播演示RAG智能体的调试与优化。内容覆盖嵌入迁移、去重、重排序和评估，以衡量对检索质量的实际影响。直播时间为欧洲中部时间18:30（太平洋时间9:30）。观众可在luma.com/future-pq6q免费注册。

技巧 RAG 智能体嵌入迁移

推荐理由：明天有个免费直播，FutureAGI的Rishabh现场调RAG智能体，讲嵌入迁移和重排序怎么影响检索效果，有时间的可以去看看。

原文

00:17

Tw93@HiTw93

一位韩国创作者围绕 Mole 构建了完整的自动化清理工作流。Codex 每天早上 9 点运行该工作流并发送清理报告。这套流程清除了 332GB 的 worktree 垃圾，且没有触碰任何照片。Mole 的 CLI 免费使用，另有功能更丰富的 Mac 应用。

技巧 Mole Codex 自动化工作流

推荐理由：韩国小哥用 Mole 配 Codex 每天早上自动清垃圾，一次干掉 332GB，CLI 免费，值得抄作业。

原文

8月5日

23:39

Geek@geekbb

geekbb 在 X 上分享，他用 GPT 的 Chrome 扩展和 DeepSeek V4 Flash 总结帖子，AI 正在改变他的上网行为。5 分钟读完的帖现在 1 分钟看完。1 分钟的帖 10 秒就扫完了。

技巧 DeepSeek V4 Flash GPT Chrome扩展

事件专题

推荐理由：geekbb 用 GPT 扩展配 DeepSeek V4 Flash 总结长帖，5 分钟变 1 分钟，1 分钟变 10 秒，适合懒人。

原文

22:54

小互@imxiaohu

精选71°

Stripe 使用开源框架 Deep Agents，由一名工程师在一周内开发出内部 AI 助手 Kai。Kai 面向全公司非工程师员工，开箱即用，无需任何配置。它出厂内置 Stripe 的内部运作知识，被员工当作“AI 同事”。

技巧 Stripe Deep Agents Kai

推荐理由：Stripe 工程师用开源 Deep Agents 一周做出了人人爱用的 AI 同事 Kai，不用配置就懂公司内部流程，挺有意思。

原文

22:15

官方账号LangChain@LangChainAI

LangChain官方推文称Skills是“花哨的提示词”，并强调其易分享性。这条推文目前有763次浏览，内容是产品经理Sydney Runkle的解读。Skills功能的核心价值是帮助LangChain智能体聚焦特定任务，提升执行效果。

技巧 LangChain Skills 智能体

推荐理由：LangChain说Skills和普通提示词不同，能打包分享，让智能体专注干活。附视频。

原文

21:43

官方一手Cloudflare Blog@Sam Rhea

Cloudflare 内部构建了 Cloudflare OS 平台，将 Compute 原语与 Zero Trust 套件整合，为团队提供安全的 AI 工具环境。该平台旨在让员工在受控条件下重新设计工作流程。Cloudflare OS 结合了公司自身的技术栈，帮助团队在日常任务中应用 AI。

技巧 Cloudflare Cloudflare OS Zero Trust

推荐理由：想知道 Cloudflare 内部怎么把 AI 安全地用进工作流？这篇是他们的第一手实践。

原文

19:53

Geek@geekbb

一个9MB的Go二进制文件就能跑起整套24小时AI电台，内存占用仅20-30MB，连Raspberry Pi都带得动。它指向本地音乐文件夹后，由LLM规划歌单并撰写DJ台词，再用TTS合成人声。音频通过Icecast广播为192 kbps MP3流，任何播放器都能直接收听。项目发布在GitHub上，地址为github.com/johncrash64/ra……

技巧 Go Raspberry Pi TTS

推荐理由：想自己搭个AI电台？这个Go程序9MB就能跑，树莓派都能带，DJ说话和歌单全自动，自带LLM key就行。

原文

17:42

小互@imxiaohu

精选

Higgsfield开源95分钟AI故事片《Hell Grind》的全部提示词与制作方法。数据包包含115,446次生成记录，按108个文件夹和场次整理。总共4万多条提示词，其中4,561条为中文提示词。所有镜头共用12行技术底座，涵盖皮肤毛孔细节和60:30:10配色方案。还有人物、道具、场景、怪物的三视图资产表。

技巧 Higgsfield Hell Grind 视频生成

事件专题

推荐理由：做AI视频的赶紧去扒，4万条提示词加三视图资产表，照着就能学工作流。

原文

16:50

AI Engineer@aiDotEngineer

RLHF为讨好标注者付费，所以ChatGPT把一段放屁音频称为“很诡异的氛围音乐”。Applied Compute的工具调用失败率有10%，模型就开始回答得更短，因为没人对长度做惩罚。Prime Intellect发现奖励曲线上升可能意味着模型学会了任务，也可能只是学会了你的评分器。Arithmetic和Hugging Face在真实系统里藏了一个真实零日漏洞，在K1上成功解决了一次。更多内容见完整的后训练播放列表。

技巧 ChatGPT RLHF Prime Intellect

推荐理由：讲后训练真实案例：模型会钻奖励空子，工具调用失败还会变懒。这播放列表帮你少踩坑。

原文

14:44

Aadit Sheth@aaditsh

这条推文提出1个核心原则：AI只该用于自动化重复任务。它列出2类适合自动化的场景：重复性工作和数据录入。同时指出人际关系、沟通等2类场景不该使用AI。

技巧 AI自动化使用边界重复任务

推荐理由：一位X用户提醒：AI适合做重复劳动，但别用来代替人际沟通，观点很实用。

原文

12:24

Geek@geekbb

精选

在 opencode 的 TUI 中安装插件后，输入 /cache-stats 就会弹出窗口显示当前会话的提示词缓存命中情况。该命令会计算总体命中百分比，并用命中条配合 Excellent、Good、Fair、Poor 四个等级词标注。统计面板还会按模型和每个子代理分开列出 token、调用数和成本。

技巧 opencode /cache-stats 提示词缓存

推荐理由：装了之后敲一下 /cache-stats，缓存命中率和 token 成本一目了然，调提示词时省事多了。

原文

10:53

Geek@geekbb

指框AI玩法近期走红：将双手比出取景框手势的视频交给Gemini Omni Flash，整段重绘成AI动画世界。原视频再合成回取景框内，手指框成为观看AI画面的窗户。相关方法由sophiamyang发布在GitHub上。这条推文已获得891次浏览和4个赞。

技巧 Gemini Omni Flash 指框AI 视频生成

推荐理由：把双手比框的视频丢给Gemini Omni Flash，它能把框内重绘成AI动画，GitHub上有源码，动手试试看。

原文

09:42

09:42SuperTechFans（博客/媒体）

作者Sean Goedecke指出，LLM让每个人都成了通才，但领域专业知识才是高效使用模型的关键。以数学家陶哲轩与ChatGPT讨论雅可比猜想反例为例，他的提示词简短精准，只抓要点。模型回答有误时，陶哲轩不说“你错了”，而是说“这比我预想的复杂”。领域知识让用户能从模型输出中提取相关想法、识别错误，编程中同样如此。瓶颈在人而非模型，因为信息已在模型中，需要聪明人提取。

技巧 ChatGPT 陶哲轩提示词工程

推荐理由：别看陶哲轩和ChatGPT聊雅可比猜想的对话，领域知识才是用好LLM的钥匙。学学他怎么提问，比堆提示词管用。

原文

05:46

官方一手GitHub Blog@Julia Muiruri

GitHub官方博客介绍如何让编程智能体将一次生成的大量代码拆分成有序的堆叠式Pull Request。文章以GitHub Stacked Pull Requests功能为基础，说明通过拆分可避免单个PR过大导致无法审查。作者给出了具体的操作流程和配置方法，帮助开发者在AI辅助编码时保持代码审查质量。

技巧 GitHub Pull Request 编程助手

推荐理由：GitHub官方出的教程，教你让AI写代码别一次性塞个大PR，拆成小堆栈，审查起来不头大。

原文

04:07

官方账号Simon Willison@simonw

MiniMax-H3 视频生成模型在 M5 Pro Mac 上运行，生成耗时约 45 分钟。模型下载大小约 115GB。测试提示词为“一只彩虹色的臭鼬跳过超市里长满苔藓的原木”。Simon Willison 在推文中分享了这一结果。

技巧 MiniMax-H3 M5 Pro 视频生成

事件专题

推荐理由：Simon 用 M5 Pro Mac 跑 MiniMax-H3，下载 115GB 后花 45 分钟生成了彩虹臭鼬视频，效果挺有趣。

原文

03:42

03:42官方账号Simon Willison’s Weblog（博客/媒体）

精选

MiniMax 两天前发布 MiniMax-H3，称其为通用全模态生成系统，可输入文本、图像、音频和视频，输出最长 15 秒、含音频的视频片段。PipeNetwork 的 Python 包将其移植到 MLX，让该模型可以在 Apple Silicon 上运行。Simon Willison 在 M5 Max MacBook Pro 上跑通，下载约 115GB 模型文件，生成一段视频耗时不到 45 分钟。他提醒，若不参照 MiniMax-H3 的提示词指南指定音频方向，生成的声音可能像无意义的语音噪声。

技巧 MiniMax-H3 MLX 视频生成

事件专题

推荐理由：MiniMax-H3 出了 MLX 版，Apple Silicon 本地能跑，能生成 15 秒带声视频。

原文

02:59

官方账号LangChain@LangChainAI

LangChain 发布新指南《Customer Experience Agents in Production》。指南涉及 Lyft、Fastweb Vodafone、LATAM Airlines 三家公司的案例。这三家用智能体处理客户请求、辅助一线团队，并通过生产反馈迭代优化。指南原文可在 langchain.com/resources/cust… 查看。

技巧 LangChain Lyft LATAM Airlines

推荐理由：LangChain 出了实战指南，讲 Lyft、LATAM 怎么落地客服智能体，还教你怎么用生产反馈迭代。

原文

02:10

Yangyi@Yangyixxxx

开发者 @yangyi 在 X 上发布《Vibe Coding 八荣八耻》，用 8 组对比调侃 AI 辅助编码中的典型行为。例如“以不看生成代码为荣，以逐行读懂代码为耻”“以密钥硬编码并推上 public repo 为荣”等。帖子还以“vibe 出 30 个 app 一分不赚”为荣作结，并说本周五课上默写。该帖目前已有 1145 次查看和 4 个赞。

技巧 Vibe Coding AI编程代码生成

推荐理由：@yangyi 把 vibe coding 的迷惑行为编成八荣八耻，条条扎心，适合当反例自嘲，也提醒你别真这么干。

原文

02:08

官方账号LangChain@LangChainAI

精选

LangChain 联合 carodivittorio 发布了一套语音智能体评估框架，分为执行、结果、体验三个维度。执行维度核查智能体是否遵循指令，结果维度判断交互是否达成目标，体验维度评估通话是否顺畅。框架来自 langchain.com 博客文章，适合开发者在真实场景中套用。

技巧 LangChain 语音智能体智能体评估

推荐理由：想测语音智能体好不好用，可以按执行、结果、体验这三步来查，比凭感觉靠谱。

原文

01:45

向阳乔木@vista8

推文提到，有工程师完全不写代码，工作全交给agent。但这些agent产出的东西需要人的判断和审查，工作量没少、难度反而上去了。推文还以特斯拉为例，称其能接管方向盘是因为终点和路线都确定；知识工作大多不知道终点，不确定性正是人不可替代的原因。

技巧特斯拉智能体编程助手

推荐理由：推文把用AI的心态讲透了，恐惧和好奇都会被放大。一个工程师把活全交给agent后，工作量没减难度反升，现实。

原文

01:39

宝玉@dotey

技巧 pi-mono Claude Code Harness

推荐理由：dotey说这有份harness源码清单，pi-mono最值得啃透，比全看一遍强。他还吐槽漏了Claude Code泄漏源码，挺可惜。

原文

01:31

官方账号Cursor@cursor_ai

Cursor在官方博客发布了关于混合专家（MoE）模型的构建详解。文章具体介绍了专家路由、负载均衡等关键组件的实现思路。其目标是让更多实验室能够高效训练自己的MoE模型，降低AI研究门槛。

技巧 Cursor 混合专家模型训练

推荐理由：Cursor把自己做MoE模型的流程写成了博客，想自己训练混合专家模型的小团队可以直接照着搞。

原文

00:58

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA Jetson AI Lab在X平台发布直播，主题为在Jetson上构建NemoClaw Agents。直播演示了在Jetson硬件上部署NemoClaw并搭建智能体的流程。该活动面向开发者，提供边缘端运行NemoClaw智能体的参考。

技巧 NemoClaw Jetson NVIDIA

事件专题

推荐理由：NVIDIA官号直播教你在Jetson上搭NemoClaw智能体，想搞边缘Agent的可以看看。

原文

00:35

掘金本周最热@老王以为

文章用公式"Agent=决策引擎+信息视野+执行通道"解释AI Agent的本质。介绍了2022年提出的ReAct循环，让模型交替进行思考与行动。提到Claude Code、千问、豆包等日常工具都属于Agent形态。用"上海到北京3天旅行"的伪代码展示轨迹的消息序列结构。对比了Agent与聊天机器人的差异，强调其能调用工具并循环改进。

技巧智能体 ReAct Claude Code

推荐理由：这篇用公式加旅行规划案例拆解AI Agent，比空谈概念的文章实在，看完能跟人讲清楚。

原文

00:08

官方一手AWS Machine Learning Blog@Louisa Liu

本文演示如何用Amazon Bedrock AgentCore Browser、Amazon Bedrock、Amazon OpenSearch Serverless和AWS Lambda搭建自动化网页洞察提取方案。该方案可监控RSS订阅源，可靠渲染目标网页，并将AI提取的洞察写入OpenSearch Serverless实现可搜索。文章包含完整的架构说明和实现步骤，适合需要批量处理网站信息的开发者参考。

技巧 Amazon Bedrock AgentCore AWS Lambda

推荐理由：AWS官方教程，教你用Bedrock AgentCore加Lambda自动盯RSS和网页，把AI提炼的要点存进OpenSearch，省得一个个手动开网页。

原文

8月4日

23:36

官方账号LangChain@LangChainAI

在Max Agency播客中，Cognition总裁Russell Kaplan分享了团队构建主动式智能体的经验。他讲解了proactive agents的开发思路。完整节目可在YouTube、Apple Podcasts和Spotify收听。

技巧 Cognition 主动式智能体智能体

推荐理由：Cognition总裁在Max Agency播客里讲了他们怎么做主动式智能体，想搞Agent的都该听听。

原文

21:28

官方一手Cloudflare Blog@Tomáš Hobza

精选

Cloudflare 发布 CI SDK，可在其平台上用 TypeScript 构建可定制的沙箱化 CI/CD 流水线。该流水线使用 Workflows 和 Artifacts 替代传统 YAML 配置，把复杂逻辑拆分为可编程步骤。方案面向数百万个仓库的批量运行场景，并配有自愈 AI 代理自动处理失败任务。

技巧 Cloudflare CI/CD Workflows

推荐理由：Cloudflare 搞了个 CI SDK，可以直接用 TypeScript 写流水线，不用再折腾 YAML 了，还带 AI 代理自动修复失败任务。

原文

21:27

官方一手Cloudflare Blog@Timo Reimann

精选

Cloudflare 创建了 Codex，一个由 AI 代理在开发生命周期中消费的治理工程标准体系。它将结构化 RFC 与代理审查结合，让团队在代码、规格说明和事件报告中自动执行一致性标准。这套机制帮助工程组织减少人工核对环节，让规范落地更统一。

技巧 Cloudflare Codex 智能体

推荐理由：Cloudflare 把工程标准塞给 AI 代理去执行，代码和文档不合规会被自动揪出来，省了大把人工审查时间。

原文

21:23

官方一手Cloudflare Blog@Matthew Phillips

精选

Cloudflare 工程师用 GitHub Actions 跑隔离的 AI 子代理，替代人工验证 issue，把 Astro 的未关闭 issue 数削了 85%。这套自动化流水线覆盖 bug 复现、补丁验证和预览发布三个阶段。文章拆解了子代理如何隔离运行、如何与仓库交互，以及为什么选择这种架构。

技巧 Astro Cloudflare GitHub Actions

推荐理由：Cloudflare 用 AI 子代理自动处理 Astro 的 issue，积压少了 85%，这套流水线可以搬回自己项目用。

原文

19:57

shao__meng@shao__meng

72°

thebuggeddev 用 Vibe Coding 方法搭建了一个 3D 人体解剖学习网站：先用 GPT Image 2.0 生成器官图片，再用 Tripo AI 转成 3D 模型，最后交给 Codex 写主提示词完成网站。初版每个 3D 模型约 120-150 MB，网页帧率只有 16fps；经过 Codex 多轮优化，模型降至 2-5.5 MB，总资源从约 900 MB 减到 28.6 MB，并按需加载。Codex 还自动生成了器官位置插图和交互热点标注。作者表示受 DilumSanjaya 的 3D 动植物细胞项目启发，并打算用同样方法给 7 岁的儿子做宇宙星球互动展示网站。

技巧 Vibe Coding Codex Tripo AI

推荐理由：GPT Image+Tripo+Codex 做 3D 解剖站，900MB 优化到 28.6MB，给孩子科普。

原文

19:53

Qdrant@qdrant_engine

当用户反复询问退款政策这类同一问题时，每次请求都会触发一次完整的API往返。Qdrant指出，关键词缓存只能处理精确匹配，换一种问法就失效。语义缓存会把已问过的问题和对应答案存起来，新查询先做语义相似度匹配。相似度超过阈值就直接返回缓存答案，不再走检索和生成流程。详细做法可参考qdrant.tech上的指南。

技巧 Qdrant 语义缓存向量检索

推荐理由：Qdrant这篇讲怎么用语义缓存省API调用，相似问题直接回旧答案，不用每次检索生成，适合做聊天机器人的参考。

原文

18:53

小互@imxiaohu

82°

OpenAI 复盘了 6 个月内构建 GPT-Live 语音系统的过程。GPT-Live 实现全双工对话，端到端延迟低于 1 秒。系统采用异步委托机制，快路径处理语音，慢路径调用 GPT-5.5 处理复杂逻辑。媒体前端从 Python 迁移到 Go 语言，降低了音频数据包延迟波动。自定义协议 WARP 基于 WebRTC 优化，将连接建立从 6 次网络往返缩减到 1 次。

技巧 GPT-Live OpenAI WARP

事件专题

推荐理由：OpenAI 自己拆解了 GPT-Live 怎么做到 1 秒内全双工对话，还开源了 WARP 协议，想搞实时语音的可以看这套架构。

原文