全部 AI 动态 · AI 热点

6月29日

23:10

berryxia@berryxia

精选

Anthropic工程师Margot Van Laar在Code with Claude分享提示词工程最佳实践，强调通过评估（Eval）而非直接修改提示词来优化。她用客服机器人和零售排班两个案例演示：使用XML标签结构化提示词、移除旧模型遗留的禁止列表（如Claude 3 Opus）、用工具替代指令处理计算任务。拆解复杂任务为生成-评估-修复循环，并建议用更强推理模型（如Opus）加自适应思考替代小模型复杂提示词。

技巧提示词工程 Claude 评估 Claude Opus 工作流

推荐理由：Anthropic工程师手把手教你怎么调客服提示词和搭Agent，用Opus加循环拆解比堆复杂指令更管用，核心就一句话：先搞评估

原文

13:58

Ate-a-Pi@svpino

这个开源项目允许你录制浏览器操作，系统会自动清理录制内容，移除重试、死路和页面特定细节。然后它只保留任务逻辑而非具体点击，将其转化为可复用的技能。最后这些技能被组织成技能图谱，智能体可检索用于相关新任务。整个过程完全开源。

技巧开源浏览器自动化智能体技能图谱工作流

推荐理由：有个开源项目能录制你在浏览器里做的事，自动变成可复用的技能，还能让智能体直接调用，省去重复劳动。

原文

13:48

岚叔@lufzzliz

精选

LufzzLiz基于Andrej Karpathy的LLM Wiki gist衍生出两套模板：个人知识库schema（五层目录）和代码仓库wiki schema（三层目录+双层导览）。附带实践案例Hermes-wiki和wiki-web，后者支持关系图和脑图。模板可直接用于构建结构化个人知识库或项目文档。

技巧 Karpathy 知识库模板笔记技巧工作流

推荐理由：如果你嫌搭建知识库太麻烦，试试这套基于Karpathy思路的模板，五层目录帮你把笔记理得清清楚楚，还有实际案例参考。

原文

12:48

Geek@geekbb

GitHub上Pluviobyte/video-skill仓库将AI视频制作流程拆解为多个可安装的skill模块，涵盖视频创作、复刻、动效、片头包装、质检等环节。每个skill独立可用，降低视频制作门槛。项目长期维护，持续更新。

技巧 video-skill Pluviobyte 视频制作工作流开源项目

推荐理由：这个仓库把视频创作、动效、包装等技能打包成模块，装一个就能用，做视频更轻松。

原文

01:45

AI产品黄叔@PMbackttfuture

用户使用Hermes生成手机壁纸，并将微信Agent入口交回Hermes，同时接入flomo MCP实现记忆同步。每次手动触发“保存到flomo”时，内容会同步到flomo，并立即触发即时增强功能，从flomo/Hermes记忆中检索相关知识点推送笔记。这为知识工作者提供了利用AI助手整理灵感和长期记忆的工作流。

技巧 Hermes flomo MCP/工具工作流智能体

推荐理由：教你给AI设个微信入口，用Hermes做壁纸，还能自动同步到flomo，随时调取记忆，挺实用的。

原文

6月28日

01:49

Jerry Liu@jerryjliu0

Jerry Liu（LlamaIndex创始人）在推文中指出，手动构建工作流（代码、拖拽或提示）的需求正在减少，更优方式是指定目标让模型智能规划步骤。对于重复性任务，可收集带真实标签的数据集进行爬山优化，以平衡成本与准确率。他认为行业正从提示工程迈向目标和评估工程。拥有642次浏览、5个点赞。

技巧 Jerry Liu LlamaIndex 工作流智能体提示词工程

推荐理由：Jerry Liu说的这个趋势很实在：别再手动搭工作流了，直接给目标让模型自己想办法。重复任务还能录数据集优化，省心省钱。

原文

6月27日

12:46

歸藏(guizang.ai)@op7418

Moxt 推出多Agent编排工作流更新，支持用户通过多个专门Agent自动协作完成任务。每个Agent拥有独立记忆和技能，可并行工作。新功能还允许重复驱动Agent以完成更长的复杂任务。Moxt旨在将AI从单工具转变为团队协作助手。

AI产品 Moxt 多Agent 协作工作流

推荐理由：Moxt 这次更新让一群AI Agent自动分工干活，还能反复调度做长任务，适合需要多人协作的场景。

原文

11:14

berryxia@berryxia

OpenMontage是一个开源AI视频制作工作流，将视频生产拆分为12条结构化pipeline，涵盖动画解说、纪录片蒙太奇、Talking Head等类型。它内置52个工具和500多个agent skills，用户只需自然语言描述需求，agent就能完成调研、脚本、素材生成到剪辑合成全流程。该项目同时支持AI生成内容和真实素材工作流，并实现预合成验证、后渲染自检和预算控制等生产级质量管控。渲染引擎使用Remotion和自研HyperFrames，可输出高质量动态视频。

AI产品 OpenMontage 视频生成智能体工作流 Remotion

推荐理由：OpenMontage把视频制作拆成12条pipeline，用自然语言就能让AI自动剪片，还能混用真实素材，做视频的懒人神器。

原文

6月26日

02:58

Gary Marcus@GaryMarcus

Anthropic工程师在一场40分钟工作坊中展示了如何利用循环（loops）构建可运行数天的AI智能体。他们透露，Anthropic内部30%以上的代码已由循环编写，这极大加快了交付速度。工作坊拆解了智能体循环、工具调用、记忆管理和子智能体等核心组件。该方法被视为神经符号AI的典型应用，在持久任务执行上明显优于传统无循环生成式方法。

技巧 Anthropic 智能体 Agent循环工作流代码生成

推荐理由：Anthropic工程师手把手教你用循环搭建能跑好几天的智能体，内部30%代码都这么写，比大部分500美元的vibe编程课实在。

原文

6月25日

10:25

shao__meng@shao__meng

精选

Matt Pocock 在开源 Skills 系列中增加了新技能「loop-me」，目前处于 in-progress 阶段。该技能在多轮会话中利用当前目录作为有状态工作区，通过「拷问」方式将想法转化为可落地的 workflows/*.md 规格文件。loop-me 与已有的 grill-me 共享拷问纪律，但产出不同：grill-me 对齐任意计划，loop-me 只产出 workflows/*.md。其核心是识别用户生活中可预测的重复模式（职业节奏、早晨例行等），并主动发现用户未意识到的任务，从而委托给 AI agent。项目在 GitHub 上已有 165K star。

技巧 loop-me Skills 智能体工作流提示词工程

推荐理由：如果你总在做重复的杂事，这个新技能 loop-me 能帮你把流程写成规格，然后让 AI 接手，省下大把时间。

原文

08:24

AK@_akhaliq

用户使用 GLM 5.2 模型在 hf-claude 框架下，为图像生成模型 krea-2-turbo 构建了一个 Gradio 交互界面。该工作流允许通过 Gradio 直接调用 krea-2-turbo 进行图像生成，无需复杂命令行操作。演示视频显示界面支持实时参数调整，如步数、引导尺度等。目前该项目已在 GitHub 上开源，提供了完整的代码和部署说明。

技巧 GLM 5.2 hf-claude krea-2-turbo Gradio 工作流

推荐理由：教你用 GLM 5.2 + hf-claude 给 krea-2-turbo 搭个 Gradio 界面，省去命令行繁琐，上手即用。

原文

07:54

宝玉@dotey

作者分享处理播客访谈整理时细节遗漏的技巧：同时让AI生成2-3份稿子，挑选一份质量最好的作为底稿，再把其他稿子内容合并进来。这样既能避免遗漏，也能防止单次生成糟糕时追问无法补救。另外，对于长达3小时的播客，连续追问3次左右“还有什么细节需要补充”也能改善质量，但不如多稿合并方法高效。

技巧提示词工程工作流 AI写作整理技巧

推荐理由：教你怎么用多稿合并法搞定AI整理长访谈，比单一追问更省心，写稿不漏细节。

原文

07:25

AK@_akhaliq

开发者将GLM-5.2模型集成到hf-claude环境，并基于Gradio框架创建了面向Krea-2-Turbo的工作流。该工作流提供交互界面，简化了从模型调用到结果展示的流程。项目代码已在社交媒体分享，获得初步关注。

技巧 GLM-5.2 hf-claude Krea-2-Turbo Gradio 工作流

推荐理由：有人把GLM-5.2塞进hf-claude，做了个给Krea-2-Turbo用的Gradio界面，挺实用的。

原文

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

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

6月24日

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

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

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

06:24

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

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

6月23日

15:01

HeyGen@HeyGen_Official

HeyGen 为 HyperFrames 推出了名为 pr-to-video 的新技能，可将 pull request 自动生成为简短的解释视频。用户只需运行 npx skills add heygen-com/hyperframes 即可添加该技能。本周将每天发布一个新技能，每个技能围绕特定工作流构建。这是一个将代码审查过程可视化的实用功能。

AI产品 HeyGen HyperFrames 视频生成工作流

推荐理由：HeyGen 出了个新技能，能把烦人的 pull request 秒变短视频，开发者和团队沟通用起来超方便。

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

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

6月22日

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 安全审计编码助手工作流

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

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工程工作流编程助手提示词工程

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 智能体工作流提示词工程

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

03:48

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工作流

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

02:21

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 自动化测试工作流智能体

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

23:28

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 工作流上下文

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

23:24

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 AI编程

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

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 远程开发工作流线程切换 agent

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

6月19日

16:24

berryxia@berryxia

精选

Matthew Berman 创建了 Loop Library，专门收集可直接复用的 agent 循环流程，涵盖从简单任务自动化到复杂多步工作流。该库与某个平台合作托管，用户可搜索现成模板或提交自己的流程。此前设计 agent 最耗时的退出、验证、失败处理等循环结构，现在能被社区公开验证的模板替代。这一做法将 agent 开发从每次重写循环推向模块化搭积木方向，为生态提供公共流程市场。

AI产品 Matthew Berman Loop Library agent loop 智能体工作流

推荐理由：Matthew Berman 建了个 Loop Library，把各种 agent 循环模板集中了，直接用现成的，不用自己从头设计流程。

原文

14:00

小互@imxiaohu

精选73°

Codex推出Record & Replay功能，用户演示一次操作流程（如发YouTube视频：拉元数据、配缩略图、上传存为私密、核对），Codex即自动学习并生成可复用的Skill技能。下次遇到相同任务，Codex可独立完成全流程，无需用户干预。该功能还适用于贴发票、批量重命名文件、填写周报表、订票等重复性电脑操作。从每次写提示词到演示一次即够，大幅降低重复劳动成本。

AI产品 Codex Record & Replay 自动化工作流演示学习

推荐理由：Codex出了个新功能，你只要做一遍操作给它看，它就能学会并自动帮你干重复的电脑活，超级省时间。

原文

11:29

Augment Code@augmentcode

Augment Code 引入新工作流：人类先审查设计，然后由 Code Review 专家（AI）在几分钟内读取完整 diff，并对照已批准的设计进行检查。实现规模不再是限制，工作单元从单个 PR 扩展为整个项目。一个 AI 代理现在可以独立将项目从设计审批推进到代码合并。

AI产品 Augment Code 智能体代码审查工作流 AI代理

推荐理由：Augment Code 出了新工作流，人类只管审设计，AI 代理几分钟读完完整 diff 并自动合并，再也不用逐行看代码了。

原文

07:58

@LumaLabsAI@LumaLabsAI

Luma Labs 推出 Luma Skills，可将你的创意资产（如图像、3D 模型）转化为一个系统，生成数百个符合产品要求的概念。用户需在 Luma Agents 中上传创意 DNA 并构建 Skill，即可将其变为可重复的工作流。该功能适用于快速概念迭代或客户交付场景，支持从灵感直接进入制作阶段。

AI产品 Luma Labs Luma Skills Luma Agents 工作流创意生成

推荐理由：Luma Labs 的新技能，让你把创意资产变成反复用的工作流，一键生成几百个精准产品概念，适合快速出图或改稿。

原文

6月18日

14:33

AI Will@FinanceYF5

一条观点指出，未来18个月内每个AI工具都会内置特定的提问工作流。在此之前，掌握提问技巧的用户将获得优势。AI搜索负责提供答案，而AI研究负责提供判断。当前优势属于会提问的人。

技巧提问技巧工作流 AI搜索 AI研究

推荐理由：@FinanceYF5 说未来AI工具会内置提问工作流，现在会提问的人更占优。想提前掌握优势？

原文

02:30

Dify@dify_ai

Dify 在 AWS 香港峰会 2026 上展示了其平台构建生产级代理式 AI 应用的能力。LangGenius K.K. 团队在现场演示了工作流和 AI Agent 的实时构建。Dify 作为银牌赞助商，与参会者交流实际 AI 用例。活动于香港会议展览中心举行。

行业 Dify AWS AI智能体工作流行业活动

推荐理由：Dify 在AWS峰会上现场演示了怎么做代理式AI应用，想玩AI工作流的可以去看看他们展台的演示。

原文

01:41

@hebbia@hebbia

Hebbia 将出席2026年伦敦私募市场科技峰会，聚焦AI原生工作流程。讨论旨在重新构想私募市场流程，利用AI提升效率。活动日期为2026年。

行业 Hebbia 私募市场 AI原生工作流伦敦

推荐理由：Hebbia 要参加2026年伦敦的私募市场峰会，聊怎么用AI改造工作流，感兴趣的可以关注。

原文

6月16日

20:46

AITOP6月16日 20:46

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

6月12日

12:57

AITOP6月12日 12:57

Claude代码里藏了个20260612，18个月后的AI记忆革命已经开始倒计时

6月11日

15:28

AITOP6月11日 15:28

1107 vs 303：谷歌悄悄开源了一个“拆打字机”的模型，把大模型速度翻了4倍

15:23

AITOP6月11日 15:23

DiffusionGemma颠覆文本生成？自回归模型的“统治”要结束了

15:07

AITOP6月11日 15:07

每秒1107个token，Google开源的扩散模型为什么能改变本地推理格局？