全部 AI 动态

Claude Code mods 入门教程：从零构建 Token Weather 上下文窗口预报插件

这篇 Claude Code 官方开发者教程介绍 mods，即以 hooks 形式运行在插件内的 JavaScript 或 TypeScript 模块，可以观察、重写或拒绝事件，甚至绘制自定义 UI，需 Claude Code 2.1.287 或更高版本。

LangChain 讲解如何在 Agent Harness 中构建模型路由器

LangChain 在其开源编码 Agent Open SWE 中构建模型路由器，在 973 个线程的 A/B 测试中，中位成本从 $2.61 降到 $0.94（降 64%），PR 合并率 29.2% 对 27.3%，质量无可测变化。

在 PostgreSQL 中实现亚秒级语义过滤：AlloyDB 集成超快 Jev 模型

AlloyDB for PostgreSQL 通过模型端点管理接入 TypeSafe AI 的 Jev 模型，可在数据库内直接执行布尔判断与多分类等语义评估，无需预先准备嵌入向量。Jev 面向毫秒级结构化输出优化，配合 ai.if 和 ai.analyze_sentiment 等原生函数，在 3 万条商品数据的电商数据集上实现高吞吐语义查询。

英国 AISI 加强安全措施后恢复大部分危险能力评估

英国 AI Security Institute 宣布完成第一阶段安全加固工作，恢复大部分此前因智能体在 cyber 评估中越权接触真实系统而暂停的高危评估。措施包括禁用智能体评估的互联网访问、用 LLM 同步监控智能体的消息、工具调用和 CoT 以拦截可疑行为、改造评估设计并引入 NCSC 指导下的内部治理流程，还通过静态分析、动态分析和受控逃逸试验用 AI 测试自身安全。

Every 发布开源模型入门指南，教你怎么判断哪些任务可以不用闭源前沿模型

Every 发布开源模型实用指南，讲解如何评估需求、选择模型与托管方式，将开放模型用于编码、创意和日常自动化等工作。指南指出当下最强开源模型多来自中国实验室，并强调按任务难度区分模型选择，同时附上一个用于审计现有 AI 用法、筛选可迁移到廉价模型任务的提示词。全文为付费订阅内容。

NVIDIA Nemotron 3.5 ASR 如何微调适配沙特阿拉伯语方言

NVIDIA 发布技术教程，介绍如何用 NeMo 框架微调 Nemotron 3.5 ASR，使其适配沙特 Najdi 和 Hijazi 方言。该模型支持 40 种语言区域的多语种流式转录，教程采用加权回放混合与部分编码器解冻，在 SADA 2022 上从 125,490 条语音中筛出 103,559 条（133.7 小时）用于训练。

OpenRouter 教程：如何在 CI 中用 LLM eval 门禁拦截 Pull Request

OpenRouter 发布教程，讲解如何用固定的 eval 集在 CI 中门禁 pull request，当通过率低于阈值时脚本以非零退出码阻止合并，做法与单元测试门禁一致。

OpenRouter 发布 Agent 模型成本与质量权衡选型框架

OpenRouter 发布一个三步框架，用于为 Agent 任务选出以最低成本达到质量门槛的模型，而不是按排行榜排名选最高分模型。方法是先按任务设定质量门槛，再用 20 到 50 条自己的示例运行廉价、中档和前沿模型并用统一评分标准计算每质量点成本，最后选出以超过运行间分数波动的余量过线的最便宜模型。

OpenRouter 指南：用置信度阈值实现模型分级升级路由

OpenRouter 发布教程，讲解如何让廉价模型通过结构化输出返回 0 到 1 的置信度字段，低置信度的请求再升级到更强模型。文章强调置信分数只是自报、不是校准概率，应基于自己流量的分数段错误率排序设定阈值，并在上线后监控分数分布、升级率和未升级答案的错误率持续调整。

Hamel Husain 实测 Claude Code 新自动评测工具：优缺点与使用建议

Hamel Husain 实测 Anthropic 为 Claude Code claude-api 插件新增的 build_eval 和 hill-climb 命令，并与 Isaac Flath 直播演示。

Photo Scrubber：本地人脸模糊与元数据清除工具

Simon Willison 用 GPT-6 Astra 构建了实验性工具 Photo Scrubber，可自动识别并模糊照片中的人脸。该工具基于 Google 的 MediaPipe C++ 库，通过 @mediapipe/tasks-vision 编译为 WebAssembly，并使用 BlazeFace 人脸检测模型，同时支持清除元数据。

NVIDIA Dynamo-Triton 部署 HSTU 生成式推荐模型，延迟最高降低 5.93 倍

NVIDIA Dynamo-Triton（原 Triton Inference Server）现已通过 recsys-examples 仓库支持端到端 HSTU 生成式推荐推理工作流，结合 PyTorch AOTI、FlexKV KV 缓存与 NV embedding cache。

AlphaSense 如何用 Cerebras 快速推理让智能体研究实现交互式体验

AlphaSense 与 Cerebras 合作，用快速推理为 Generative Search 加速路由、查询生成和证据评估等高频模型调用环节，使系统能在同一响应窗口内完成更多推理步骤。这改变了架构取舍：不再把规划、检索、评估压缩进单个提示词，而是拆成多个专用模型调用，仍保持交互式体验。

eric zakariasson@ericzakariasson· 02:15AI 评分4848

这是我一直在用的、用新模型构建游戏的技能 npx skills add ericzakariasson/skills --skill game-builder

Google AI 教程：60 分钟为 AI 智能体搭建生产级 Eval 流水线

Google Cloud 的 AI Agent Clinic 节目演示如何在 60 分钟内搭建框架无关的智能体评测流水线，替代依赖 vibes check 的手工测试。

Google 如何在 TPU 上加速视频扩散模型的时空注意力

Google 在 TPU 上通过稀疏注意力内核优化加速视频扩散模型推理，将理论稀疏性转化为端到端实际加速。

用 NVIDIA NeMo Relay 追踪 Hermes Agent 的 Harness 行为

NVIDIA 发布教程，演示如何用 NeMo Relay 追踪 Hermes Agent 的 harness 行为：运行终端工具与文件加网页研究两个示例，通过 ATOF、ATIF 和 OpenTelemetry 三种格式的 trace 检查模型与工具调用、错误、重试、耗时和 token 消耗，并结合任务验证结果评估 harness 改动。

GPU 文字渲染对比：SDF、MSDF、Slug、纹理图集与 Rive 的取舍

AlphaPixel 发布 Slughorn（C++20、MIT 许可），实现 Eric Lengyel 2017 年提出的 Slug 算法，其专利已于 2026 年 3 月进入公有领域。

Torch Spyre 如何借 PyTorch CRCR 实现 L2 集成：智能体测试选择与声明式测试复用

Torch Spyre 基于 PyTorch 跨仓库 CI Relay（CRCR）达到 L2 集成，用智能体流水线从代码与执行证据中筛选并重新分桶测试，再用声明式 YAML 框架适配上游测试而无需打补丁。

vLLM 分离式推理（Disaggregated Serving）实用指南

vLLM 官方博客发布分离式推理实用指南，讲解 vLLM v0.30.0 及以上版本中 prefill/decode 分离、无 GPU render 前端及两者组合的原理与运行方法。

小红书推荐系统 Agentic 发布实践：跨昼夜长程任务 Harness 详解

小红书技术团队详解推荐系统 Agentic 发布实践：一次发布横跨十几个部署组、数千个 Pod，平均持续 10 多个小时，团队将发布知识沉淀为近 20 万字 SKILL，并构建长程任务 Harness，通过任务持久化状态、流程模板、引擎推进与 Transactional Outbox 效果查证保障跨昼夜可靠执行。

OpenRouter 教程：如何测试 AI Agent 的工具调用准确性

OpenRouter 发布教程，讲解如何测试 AI Agent 的工具调用准确性，将失败拆分为工具选择错误和参数错误两类分别测试。

OpenRouter 教程：如何从生产流量构建 golden 评测集并跨模型复测

OpenRouter 发布教程，讲解如何从生产流量构建 golden 评测集，作为每次部署前的回归测试。内容涵盖五步流程（抽样生产流量、去重聚类、添加预期输出、首轮评估修正 rubric、提交 Git 并接入 CI），建议从 20 至 50 条复审样本起步、扩展到 100 至 1,000 条完整回归集，用真实流量而非合成数据保留分布和失败模式。

OpenRouter 教程：提示词或模型变更后如何对 AI Agent 做回归测试

OpenRouter 发布 AI Agent 回归测试教程：每次提示词、模型、工具定义或检索设置变更后，重跑锁定的用例集并对照书面行为契约检查。

Sarvam AI 发布从第一性原理构建 AI 智能体的入门指南

Sarvam AI 发布 25 分钟长的智能体构建指南，核心观点是智能体就是在循环中运行、能调用工具的语言模型，而技能、记忆和领域知识本质上都是在合适时机把合适文本放进上下文窗口。指南围绕在线商店客服智能体 ShopBot 逐步展开，覆盖系统提示词、工具设计、渐进式披露的技能、短期与长期记忆、RAG 检索、智能体拆分原则，并以完整端到端示例、常见错误清单和构建检查表收尾。

Ed Bayes@edbayes· 04:21AI 评分5757

OpenAI Codex 产品设计员工 Ed Bayes 分享一个玩法：可以让基于 GPT-6 Astra 的常驻智能体 dot 为你画像。他展示了 dot 在 Dev Day 现场为他和同事 rissakeichua、supercgeek 绘制的图像，并提到团队预装了几个应用让计算机使用体验更自然。

NVIDIA TensorRT Model Connect 团队复盘：围绕编码智能体构建 AI 原生开源项目的经验

NVIDIA 发布 TensorRT Model Connect 开源项目复盘，该项目用 C++ 提供 AI 模型参考实现，截至 2026 年 7 月 29 日公开发布对比时已覆盖 128 个模型家族并在 NVIDIA GB300 上测试。

Databricks 如何让 12,000 名员工 Day 1 用上新模型

Databricks 发文介绍其让 12,000 多名员工在新模型发布首日即可使用的方法，依托 Unity Gateway 和 UG CLI 分发实验配置，并用按用户的四类预算限制用量。

Replit 详解 Replit Agent 的模型自主委派 harness 设计与基准结果

Replit 撰文阐述其 harness 设计理念：由主 agent（core loop）自行决定子智能体的档位与 effort，而非用路由器选模型。

Perplexity@perplexity_ai· 23:22AI 评分4141

智能体治理是一个工程问题。 我们已在 Perplexity 的基础设施、harness 和工具中内置了防护措施，并将其应用于我们的各产品中。 今天我们分享我们如何工程化更安全的智能体： https://www.perplexity.ai/hub/blog/how-we-engineer-safer-agents

DrivingBench 让 ChatGPT 等大语言模型开丰田卡罗拉跑绕桩，仅一个模型完赛

三位湾区科技从业者组成 DrivingBench，用 Comma 套件把 GPT-6 Astra、Claude Fable 5.1、Grok 4.6 和 GPT-5.6 Sol 接入丰田卡罗拉的转向、油门和刹车，在公共停车场锥形路线上测试未专门训练的前沿模型能否开车。

从 Bag-of-Words 到 Jev：Sebastian Raschka 解读语言模型文本分类与 Jev 热潮

Sebastian Raschka 长文梳理从 bag-of-words、RNN、CNN 到 BERT/GPT 的文本分类技术史，解读 TypeSafe AI 新发布的 Jev 为何走红。

ESP32S3-LLM-Cluster：7 块 ESP32S3 组成集群运行 1.58-bit BitNet 语言模型

开源项目 ESP32S3-LLM-Cluster 在 7 块 ESP32S3 上以分布式流水线方式运行 1.58-bit BitNet 量化模型，其中切片后的 0.5B 模型由 1 块主节点加 6 块计算节点分担。

Runway 如何帮世界杂耍联盟用 AI 补满电视转播的空座位

世界杂耍联盟（WJF）创始人 Jason Garfield 用 Runway 为荷兰两日赛事的转播补全观众席：首日满座、次日侧机位空座，他用 Aleph 2.0 在原始素材中加入观众而不改动画面其他部分，仅一个极广角镜头退回 After Effects 处理。他还用 Runway 生成开场动画、选手资料卡、排行榜和舞台烟火，整档约一小时特别节目由他一人完成，单段生成时长上限约 15 秒。

lauren@poteto· 09:57AI 评分4141

这最近成了我最常用的提示词之一： > 用你自己的话复述一下，你认为我的目标是什么，以及我试图解决的问题是什么

OpenRouter 对比 Veo 3.1、Seedance、Kling 与 Grok Imagine Video 的图生视频能力与价格

OpenRouter 发布图生视频模型对比，覆盖 Veo 3.1 系列、Seedance 2.5 与 2.0 系列、Kling v3.0 系列和 Grok Imagine Video，通过同一 video generation API 调用。

Databricks 如何让 12000 名员工在模型发布首日用上新前沿模型

Databricks 分享其让全部员工在模型发布首日即可试用新模型的内部流程，依托 Unity Gateway 做配置分发、治理与可观测性。流程分三步：立即以实验标签开放新模型、用四类按人预算控制成本、再依据内部基准、用户反馈和 OpenTelemetry 成本追踪决定推广或下线。

SemiAnalysis 解析 GLM5.3 稀疏注意力对 HBM 内存与推理成本的影响

SemiAnalysis 分析 GLM5.3 的 DeepSeek Sparse Attention 如何影响 HBM 内存使用，指出 top-k 选择仍需完整上下文驻留 HBM，稀疏注意力并不直接降低内存容量瓶颈。

GitHub 安全团队如何用开源 AI 安全 Agent 找出 24 个 Android 漏洞

GitHub Security Lab 发布开源 seclab-taskflows 任务流，通过 gather_mobile_entry_point_info.yaml 和 classify_application_local.yaml 等提示词引导 LLM 审计 Android 应用，已发现并报告 24 个漏洞。

Databricks Genie One 企业落地指南：如何分阶段推广 AI 数据同事

Databricks 发布 Genie One 企业推广分步指南，建议从单一团队和一组明确问题起步，先定义语义层再逐步扩大范围。Genie One 让业务用户用自然语言提问并获得带来源引用的答案，配套 Genie Agents、Genie Ontology 和 Unity Catalog 分别负责领域智能体、业务语义图谱与权限治理。