跳到正文
只看观点#教程/实践
  1. Claude：Blog76

    Anthropic 解释 Claude Opus 5.5 为何更适合长上下文编码会话

    Anthropic 发文解释 Claude Opus 5.5 为长上下文编码会话降本的三方面变化：输入输出 token 降价 20%、缓存读取降价 60%，模型可用更少轮次完成同一任务，Claude Code 也改进了缓存利用。

    推荐理由：官方用 Claude Code 半年使用数据解释为何长上下文会话更贵，并给出缓存读取和会话习惯上的具体省钱做法，可迁移到自己的工作流。

  1. Tessl：产品与工程博客63

    Tessl 博客：AI 智能体评估应从证据开始，用 35 万行 Rust 复刻 S3 的实践复盘

    Tessl 博客复盘前 Docker CTO Justin Cormack 在 AI Native DevCon London 的演讲，分享用 AI 构建约 35 万行 Rust 的 S3 兼容对象存储的经验。

    推荐理由：作者用 35 万行 Rust 复刻 S3 的实测经历，总结出测试先知、覆盖率陷阱、flaky 测试纪律和追踪等一套可迁移的 AI 智能体评估方法。

  2. Trail of Bits：AI安全研究68

    Trail of Bits 用 Agent 为 Miden zkVM 审计自建 LSP、反编译器和 Lean 形式化证明

    Trail of Bits 在审计 Miden zkVM 前，让 Agent 用六个月从零构建了 MASM 的 LSP 服务器、反编译器、静态分析引擎和 Lean VM 执行器模型。这些工具发现了可让恶意 prover 伪造 Falcon 签名盗取资金的高危漏洞，静态分析定位了 400 多处类型验证缺陷，Lean 工作产出 95 个机器验证的正确性证明，还发现两个单元测试未捕获的细微 bug。

    推荐理由：原文给出用 Agent 在审计前自建工具链与形式化证明的完整路径，含真实高危发现，方法可迁移到其他安全审计场景。

  1. GitHub Blog87

    GitHub 用 Copilot 智能体将 Copilot 运行时从 TypeScript 迁移到 83 万行 Rust

    GitHub 工程师 Stephen Toub 复盘用 Copilot 智能体在约 14.5 周内将 Copilot agent runtime 从 TypeScript/Node.js 全量重写为 832,378 行生产 Rust，AI 智能体完成大部分代码，共 128 个 PR 增量合入 main 并持续发布。

    推荐理由：当事工程师复盘用 AI 智能体在数月内将 Copilot 运行时迁往 Rust 的全过程，策略、回归样本和成本数据对同类迁移有直接参考价值。

  1. OpenAI：官网动态61

    OpenAI 详解存储平台 Habitat 如何扩展支撑超 10 亿 ChatGPT 用户（上篇）

    OpenAI 发文（系列上篇）讲述其在线存储平台 Habitat 的演进：现每秒处理超 7000 万请求、服务每周超 10 亿用户、管理超 500PB 数据，覆盖近 40 个地区。

    推荐理由：原文披露了 Habitat 从 Python 库到 Rust 服务的完整演进细节，含 asyncio 调优、连接池等可迁移经验。

  1. vLLM 官方博客63

    vLLM x AgentX：面向真实世界智能体推理服务的全栈优化

    vLLM 团队发布针对智能体负载优化的博客，基于 SemiAnalysis 的公开 AgentX 基准展示成果：DeepSeek V4 Pro 在 GB300 上达到 83K total tokens/GPU-秒。

    推荐理由：vLLM 团队结合 AgentX 实测数据讲解智能体负载的全栈优化方法与失败教训，读者可以借此理解并行策略如何跟随模型架构调整。

  1. Tessl：产品与工程博客64

    Tessl 实测：token 单价便宜不等于智能体任务成本低

    Tessl 在为 Code Review 工具选模型时发现，按费率卡比较 token 单价会得出错误结论：三种更便宜的开源权重模型中有三种在真实 PR 审查中实际花费更高，一个模型每 token 便宜近 3 倍却在同一 PR 上贵 2.8 倍。

    推荐理由：作者用自家代码审查负载的实测数据说明按 token 单价选模型会算错账，并给出可复用的成本度量公式和三项选型检查。

  1. LlamaIndex：产品、工程与评测63

    LlamaIndex 解析 LLM OCR：错误更安静了，但没有更少

    LlamaIndex 发布长文分析 LLM OCR 的核心风险：视觉证据弱时语言先验主导，模型会把读不清的数字替换成流畅但错误的值，或静默截断长表格，且没有逐字符置信度可供设阈值。

    推荐理由：原文拆解了 LLM OCR 的静默失败模式，并给出字段级溯源、验证循环等可落地的系统设计方法。

  1. 公众号：小红书技术64

    小红书企业级 AI 个人助理：从 0 到全员覆盖的架构实践

    小红书以 3 人 3 天推出内测版本，约一个月实现全员覆盖，核心是 AI Native 项目运作机制。技术选型基于 OpenClaw 二次开发，通过 Seal AI Zone 隔离集群与 NEX 沙箱解决安全，Self-GC 使输入 Token 下降 10%~15%、Auto 模式路由使成本降低 69%，并自研 LLM Wiki 三层记忆架构与 Skill Hub 生态。

    推荐理由：从物理隔离到三层记忆，这套方案把 OpenClaw 定制为企业个人助理，沙箱和成本控制细节对同类实践有直接参考价值。

  2. Tessl：产品与工程博客66

    GitHub 复盘：更好的共享工具为何让 Copilot code review 变差

    GitHub 将 Copilot code review 迁移到与 Copilot CLI 共享的 grep、glob、view 工具集后，离线评测显示审查成本上升、有效问题检出减少。

    推荐理由：原文用工具追踪展示迁移后 agent 的行为偏差，给出可迁移的提示词重写思路，比结论本身更有参考价值。

  1. 公众号：通义实验室67

    仅凭一份文档，Qwen3.7-Max 从 0 交付双端应用

    在无设计稿和后端代码的条件下，Qwen3.7-Max 仅凭一份约 15 万字的产品调研文档，于隔离环境中全自动完成移动端与 Web 端两套真实应用从 0 到 1 交付，单端耗时约 4 小时，中途无人工接管。模型不具备图像理解能力，通过像素坐标反推布局约束实现界面还原。实验采用“分阶段注入约束→逐层验收→带错纠正”的闭环控制系统：任务拆分为规划、架构、编码等阶段，验收覆盖静态检查、编译自检（0 error）、路由完整性（Web 端 34 条路由全部可达）、功能扫描及真机冷启动冒烟。失败时错误文本自动注入下一轮重试，使模型数小时内收敛。移动端产出可安装 APK，Web 端 typecheck 与构建均通过。

    推荐理由：通义实验室没有炫技分数，而是把 Agent 逼到了长程交付的极限，约束闭环这套方法论比模型本身更值钱，所有做 Agent 开发的都该读一遍。

  1. Cursor Blog58

    构建云端智能体的经验总结

    云端智能体已从本地智能体的简单扩展，发展为具备独立环境、可并行无人值守处理长任务的系统。构建的核心经验在于：完整的开发环境是输出质量的关键，这需重建大量基础设施；可靠性方面，团队从自研架构迁移至Temporal平台，将可靠性提升至99.9%以上，该平台每日处理超5000万次操作，支撑超40%的代码拉取请求；同时，实现了智能体循环、机器状态与对话状态的解耦，以适应复杂的跨环境协作。

    推荐理由：Cursor 把这一年踩过的坑全摊开了，从环境构建到持久化执行，基本就是一份 agent 平台内部架构课，搭同类产品的团队值得逐段读。

  1. Cursor Blog55

    持续优化智能体工具链：上下文演进与效果评估

    Cursor团队以构建软件产品的方式迭代优化其智能体工具链，核心围绕上下文窗口的演进。早期模型能力有限，工具链依赖大量静态上下文和防护机制；随着模型能力提升，团队已转向提供更多动态上下文获取方式并移除限制。评估改进效果采用线上线下结合：通过CursorBench等基准测试进行标准化质量评估，同时进行线上A/B测试，使用“代码保留率”和用户反馈语义分析衡量真实场景表现。团队持续监控并修复工具调用错误，以应对日益复杂的工具链状态。

    推荐理由：Cursor 这篇 agent harness 复盘是今年聊 agent 基础设施最好的文章之一，从上下文管理到多 agent 调度，全是实战迭代的血泪经验，做 agent 的团队该逐字读。

  1. Claude：Blog58

    智能体时代的产品开发：Claude Managed Agents 如何解放产品经理

    Claude产品经理Jess Yan分享了处于测试版的Claude Managed Agents如何改变其工作流程。这套可组合的API能大规模构建和部署云端智能体，使她能在短时间内将想法转化为可运行的原型。她的日常工作由此分流：使用Claude进行开放式探索，然后利用Claude Code基于Managed Agents编写定制智能体来自动化特定任务，如采用分析和舆情监控。这些智能体接管了以往难以规模化的操作性工作，让她能将更多时间投入到与团队和用户的创造性合作中。

    推荐理由：Anthropic PM公开用Claude Managed Agents搭建数据分析、舆情监控和演示生成agent的真实流程，对于想要用agent重构产品开发节奏的团队有实际参考价值，但不算爆炸性更新。

  1. Anthropic：Research71

    利用长时运行智能体工作流革新科学计算

    Anthropic 研究员展示了如何将多日智能体编码工作流应用于科学计算任务。以使用 Claude Opus 实现宇宙学玻尔兹曼求解器的可微分版本为例，该任务通常需耗费研究人员数月甚至数年时间。通过制定清晰的项目指令、利用日志文件作为智能体的持久记忆并设置测试预言，即使是非领域专家也能引导智能体在数小时内完成这类复杂项目。该方法的核心在于设定高层目标后，让智能体团队自主工作，仅需偶尔人工监督，从而显著提升了科学代码开发与移植的效率。

    推荐理由：Anthropic 研究员用 Claude Opus 4.6 花几天从零写出了一个宇宙学 Boltzmann 求解器，原本是博士级团队几个月的活。这不是论文，是一份完整的多日 Agent 工作流实操手册，做科研或长周期编码的人可以直接抄作业。

  1. Cognition 模型 / Devin 博客67

    Cognition 如何用 Devin 开发 Devin

    Cognition 发文介绍其从创立起就用 Devin 构建 Devin，上周合并了 659 个 Devin PR，高于 2025 年最好一周的 154 个。文章覆盖全接口使用（web、Slack、Linear、CLI、API）及 Ask Devin 代码问答、Devin Review 自动代码审查、每日设计系统审计、!

    推荐理由：Cognition 以当事方身份披露用 Devin 开发 Devin 的完整工作流，上周合并 659 个 Devin PR，读者可对照自身团队借鉴具体用法。

  1. Anthropic：Engineering73

    我们如何构建多智能体研究系统

    Claude的多智能体研究系统采用协调器-工作者架构，一个主导智能体分析用户查询并制定策略，并行调用多个专用子智能体协同工作。内部评估显示，以Claude Opus 4为主导、Claude Sonnet 4为子智能体的系统，在研究任务上比单智能体Claude Opus 4性能提升90.2%。该系统擅长处理需要同时探索多个独立方向的广度优先查询，通过分配独立上下文窗口实现并行推理扩容。但多智能体系统消耗的token量约为普通聊天的15倍，适用于任务价值足以支撑性能提升的场景，在需要高度并行化、大信息量或多工具调用的任务中表现卓越。

    推荐理由：Anthropic 把 Research 背后的多智能体架构、prompt 工程和踩坑经验全抖出来了，做 Agent 的同行可以直接抄作业，尤其是『token 用量解释 80% 性能方差』这个结论，选型逻辑要变。

  1. Cognition 模型 / Devin 博客64

    Linktree 复盘用 Devin 一个月写约 300 个 PR 的实践经验

    Linktree 团队分享使用 Cognition 的 AI 智能体 Devin 一个月的成果：Devin 完成约 300 个 PR，其中约 100 个已合并，主要是修复客户报告的 bug、实现小功能和原型验证。

    推荐理由：Linktree 官方复盘 Devin 落地细节，给出任务筛选标准、多 Devin 协作和 API 用法等可直接迁移的经验。

已经到底了