跳到正文
只看教程
8月7日周五
  2. MarkTechPost50

    Meta 的 Ax 自适应实验实战编码指南

    本教程演示如何用 Meta 的 Ax 现代 Client API 进行自适应实验，在合成分类数据集上调优 RandomForest 模型，同时平衡预测准确率与模型体积。工作流从定义包含整数、浮点、对数缩放和类别参数的混合搜索空间开始，逐步展示完整调优流程。

8月6日周四
  5. OpenBMB65

    面壁智能 OpenBMB 在 #BuildSmall 黑客松推出 AMNESIAC，一款反向图灵测试交互游戏：玩家需说服 AI 审讯官 A.M.N. 自己是人类。该游戏由 MiniCPM-o 4.5 驱动实时对话与推理，VoxCPM 生成审讯官语音，并结合摄像头面部表情、脉搏信号与响应计时进行多模态审讯。项目已开源至 HuggingFace。

    推荐理由：将摄像头面部信号、语音对话和LoRA角色塑形组合进一个可玩演示，为交互式AI角色提供了比常见聊天机器人更丰富的多模态模板。

  8. 公众号：卡尔的AI沃茨70

    分享10个能大幅提升vibe coding幸福感的开源App

    作者整理了10个提升vibe coding体验的开源App，涵盖Mac刘海屏改造（Atoll）、窗口预览（DockDoor）、极速启动器（Raycast）、彻底卸载（Pearcleaner）、菜单栏折叠（Thaw）等工具。这些工具均为免费开源，可将重复操作压缩为快捷指令，降低试错成本。作者还提到可用Codex随时为这些开源App添加自定义功能。

    推荐理由：十个工具分别针对刘海利用、窗口预览、快捷启动等细分痛点，组合后可将编程前的准备步骤压缩为几次按键或悬停。

  9. 公众号：龙猫LongCat57

    Agent评测漫谈：从打分动作走向基础设施能力

    美团图灵Agent评测团队公开内部博客，系统讲解Agent评测方法论。评测核心是回答“Agent好不好”，需覆盖结果、过程、效率、风险四层，并以观测为基石。团队提出“人人一致、人机一致”对齐法，通过指标下钻与Rubric二元化，使数字站长人机一致率达99%，Beam从62%提升至92%。文章还探讨了长程Agent（如Claude Code）对观测评测带来的演进。

  12. 公众号：数字生命卡兹克80

    OpenAI 开源 Codex Security：Vibe Coding 产品必备的安全扫描插件

    OpenAI 将安全插件 Codex Security 开源，外部 Agent 均可调用，并已支持通过 OpenRouter 和 Fireworks 接入第三方模型。

    推荐理由：在非专业开发者大量借助 AI 构建产品的趋势下，这款插件把过去需安全专家执行的漏洞扫描转化为上线前的例行检查，让安全不再成为追速时的盲区。

  13. Together AI 研究与产品博客80

    Together AI 实测 DeepSWE：DeepSeek-V4 Flash 0731 对比 GPT-5.6 Luna 的成本与编码表现

    Together AI 在 113 个 DeepSWE 任务上对比 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna：Luna pass@1 为 67.2%，DeepSeek 为 53.3%，但 DeepSeek 每次 rollout 成本约 $0.10，仅为 Luna（$0.61）的约六分之一。

    推荐理由：原文基于同一轮 900 次 rollout 实测给出两款模型的成本、失败模式与分域表现，并提出可复用的低成本级联方案。

  14. MarkTechPost71

    用 Google Meridian 构建端到端贝叶斯营销组合模型：媒体测量、ROI 分析与预算优化

    本教程使用 Google Meridian 构建完整的贝叶斯营销组合建模工作流，涵盖数据加载、ROI 先验配置、NUTS 采样拟合及收敛性评估。通过 Analyzer API 提取渠道贡献、ROI、边际 ROI、adstock 与饱和曲线等后验指标，并计算渠道间 ROI 比较概率。最后用 BudgetOptimizer 优化固定与灵活预算，生成可分享的 HTML 报告并保存模型复用。

    推荐理由：完整工作流把先验设定、后验采样、诊断和预算优化串联为可执行步骤，让营销分析团队能自行量化渠道贡献与 ROI 不确定性。

  15. Simon Willison 博客70

    用 Claude Fable 5 一次性生成完整《Raccoon Heist》游戏

    Simon Willison 将 2022 年 GPT-3 和 DALL-E 生成的游戏概念与截图输入 Claude Fable 5（运行于 Claude Code for web），成功构建出可玩的 3D 浏览器游戏。

    推荐理由：给出从旧推文到可运行游戏的完整闭环：用 GitHub Pages 实时预览、Playwright 自动抓屏修复，使 agent 能在无人类干预下迭代出可用产物，适合探索 agent 编码游戏的开发者直接复用该流程。

  16. Rohan Paul64

    DeepSeek V4 Flash 在魔方与国际象棋双任务中消耗 27.4M tokens、尝试 5 次，却以 $0.557 完成，为四模型中最低价。GPT-5.6 Sol 效率最高（6.7M tokens、16m43s），但象棋 viewer 有缺陷。Paul 认为，推理足够便宜时，token 级低效仍可保持经济实用性，这改变了智能体效率的衡量方式。

    引用thehype.@thehypedotnews

    qwen 3.8 max vs deepseek v4 flash 0731 vs kimi k3 vs gpt 5.6 sol – on rubik's cube and chess four frontier models built a rubik's cube stand and solved it, then built a chess board and played claude opus 5 on it the setup: @nousresearch's hermes agent cli on @openrouter tasks: 1. cube – build a 3d rubik's cube with a cli and a @threejs viewer, then solve an identical scrambled position on your own stand 2. chess – build a 3d chess stand, then play white against claude opus 5 as black, live, one move at a time. no engine, no solver, no opening book on either side. stockfish depth 14 grades every chess ply afterwards; neither player sees the score models: @deepseek_ai v4 flash 0731, @openai gpt-5.6 sol, @kimi_moonshot kimi k3, @alibaba_qwen qwen 3.8 max gpt-5.6 sol and deepseek v4 flash solved their cubes – sol in 24 moves and seventeen seconds, deepseek in 32. qwen and kimi never got there, giving up at 96 and 207 moves then all four built chess stands and played white against claude opus 5 on them, and all four resigned: deepseek on move 13, sol on 19, kimi on 21, qwen holding out longest at 29 - build time, both stands #1 gpt-5.6 sol – 16m 43s #2 deepseek v4 flash – 97m 39s #3 kimi k3 – 166m 09s #4 qwen 3.8 max – 215m 08s - build attempts before a working stand #1 gpt-5.6 sol – 3 #2 qwen 3.8 max – 4 #3 kimi k3 – 4 #4 deepseek v4 flash – 5 - total tokens #1 gpt-5.6 sol – 6,713,754 #2 qwen 3.8 max – 17,272,507 #3 kimi k3 – 22,427,504 #4 deepseek v4 flash – 27,417,442 - total price #1 deepseek v4 flash – $0.557 #2 gpt-5.6 sol – $6.319 #3 qwen 3.8 max – $10.270 #4 kimi k3 – $16.667 observations: • deepseek v4 flash is the cheapest model here by a margin nobody else is near, and it got there while being the least efficient of the four. it burned 27.4m tokens – more than anyone, 5m more than kimi – and still finished both benchmarks for $0.557. that is $0.02 per million tokens against kimi's $0.74. it also needed the most passes to produce working stands, five, and that did not matter: all five deepseek passes together cost a thirtieth of kimi's two • so what deepseek cannot do is get it right the first time. what it can do is get it right the fifth time, for half a dollar. that is a different thing to be buying – not a good first draft, but the option to keep asking • gpt-5.6 sol is the opposite profile and the strongest of the four on pure efficiency. 16m 43s to build both stands, 6.7m tokens, three passes – under 40% of the next lowest token count and a quarter of deepseek's, on an eighth of qwen's clock. it also solved the cube fastest of anyone, 24 moves in seventeen seconds. sol is what you reach for when you want the answer now and can absorb $0.94 per million • sol's weakness is in what it does not check. its chess viewer deleted the capturing piece instead of the captured one, so pieces disappeared off the board mid-game – a defect the fifty-cent deepseek stand did not have. fast and terse turns out to be the same dial as fast and unverified • qwen 3.8 max is not the cheap open-weights option it gets treated as. $10.270 across the two benchmarks, second most expensive of the four, 18x deepseek, and by a distance the slowest – 215 minutes of build time, nearly thirteen times sol's. what the money buys is judgment: it played eighteen moves without a single error worth a hundredth of a pawn, then made exactly one bad move in the whole game, and averaged 44.6 centipawns lost across the longest game any of the four managed. it also could not solve a rubik's cube in 96 tries • kimi k3 is the one line with no reading that flatters it. most expensive at $16.667, last on the cube at 207 moves, last at chess at 478 centipawns lost per move. it is also the model that verified hardest – on the cube it wrote its own integrity check instead of trusting its output. that makes the result worse rather than better: the checking was real, and the reasoning underneath it still was not follow @thehypedotnews for 24/7 ai news, analysis and breakdowns

  17. ByteByteGo46

    知识蒸馏：大模型如何教会小模型变聪明

    知识蒸馏通过让一个较小的学生模型模仿大型教师模型的输出，训练出独立的新模型，而非像量化和剪枝那样压缩原模型。教师输出的软标签（如猫0.70、狗0.25、狐狸0.05）比单一硬标签携带更多类别关系信息，即“暗知识”，这是蒸馏效果优于直接学习原始标签的核心原因。Google的Gemma模型即在训练中利用Gemini家族的更大模型进行蒸馏，蒸馏后还可再量化以进一步缩小模型。

  19. Rohan Paul40

    Claude Opus 5（Max）以1,699分登顶Fullstack Code Arena，大幅领先Kimi K3 Max。该基准要求模型通过多步规划和工具调用构建可运行的Web应用，涵盖文件编辑、命令执行、数据库、认证及外部API集成，并直接评测最终应用效果，更贴近真实编码智能体的工作方式。

    引用Arena.ai@arena

    Big news: Opus 5 (Max) is now #1 in the Fullstack Code Arena with 1,699 points! The Fullstack Leaderboard shows overall rankings across AI models on full-stack web development tasks: multi-step reasoning, tool use, and end-to-end app generation. Congrats again to the @AnthropicAI team on Opus 5 (Max)!

8月5日周三
  2. 公众号：卡尔的AI沃茨74

    烧了5亿token后，我给Codex和Claude Code做Skill上下文瘦身的新技巧

    作者为Codex和Claude Code中300多个Skill做上下文瘦身，发现每次新会话仅Skill列表就占约9.9k token，按7月使用强度粗算，多余Skill列表约吃掉4到5亿token的上下文空间。

    推荐理由：把低频 Skill 从全局暴露转为触发词动态加载，提供了工具多而上下文有限时的一种治理思路，量化了 token 节省，方法可迁移到其他 Agent 管理。

  4. IT之家·人工智能55

    卡帕西提出 AI 能力测试新思路：100 万 Tokens 让 Claude Opus 5 构建《指环王》3D 交互场景

    OpenAI 联合创始人卡帕西提出 AI 基准测试新思路：向模型提供《指环王》开篇首段文字，要求其创建可交互的 3D 世界。他以 100 万 tokens（成本约 10 美元）为额度，让 Claude Opus 5 用 three.js 构建场景，模型耗时约 2 小时输出约 5500 行代码，生成作品呈现比尔博告别宴会等画面，完成度较高。

  6. 公众号：数字生命卡兹克76

    开源「活人感写作.skill」：一个帮你写出没有AI味的文字的通用写作技能

    数字生命卡兹克开源「活人感写作.skill」（英文名 human Writing.skill），旨在去除AI味、帮用户写出有真实生活感的文字。该Skill鼓励用户提供真实案例与情感，并针对辞章端禁用AI常用口癖和黑话，同时适配Qwen 3.8 Max、DeepSeek V4 Pro、Kimi K3等模型，可直接用于WorkBuddy、千问办公等产品。

    推荐理由：Skill只是载体，更关键的是一套从义理、考据、辞章三层去AI味的方法论，提示用真实经历替代模型生成的正确废话。

  7. Claude：Blog60

    Claude Enterprise 成本控制指南：IT 管理员如何监控与优化支出

    Claude 发布企业版成本控制指南，帮助 IT 管理员通过访问门控、模型权限、硬性支出上限等工具管理 Claude Enterprise 支出。指南建议以成本/成果而非 token 消耗衡量价值，并介绍了用量分析、数据导出、Analytics API 及分析聊天等监控功能。API 用户可通过提示词缓存（缓存命中成本为正常输入费率 10%）、批处理（半价）和 effort 参数等杠杆降低成本。

  9. Simon Willison 博客74

    MiniMax-H3 通过 MLX 移植可在 Apple Silicon 上运行

    MiniMax 发布 MiniMax-H3，一个可接受文本、图像、音频和视频并生成最长 15 秒带音频视频片段的通用全模态生成系统。Python 包 PipeNetwork/minimax-h3-mlx 将其移植到 MLX，支持 Apple Silicon 运行。作者在 M5 Max MacBook Pro 上实测，下载约 115 GB 模型文件，视频生成耗时不到 45 分钟。

    推荐理由：在 M5 Max 上生成本地视频的 45 分钟耗时，为判断这类模型何时能进入日常工作流提供了具体的参照。

  10. GitHub Blog45

    GitHub 法务团队如何用 Copilot CLI 简化工作流程

    GitHub 法务团队的非工程师成员（律师、项目经理、业务人员）用 Copilot CLI 构建了内部工具。产品法律顾问 Ngandu Kasuku 创建了合同起草工具 terms-ai，将审查和起草时间缩短约一半；在线安全法律顾问 Jesse Geraci 构建了法律工作流桌面应用，涵盖合同审查、NDA 分类、风险评估等。工具核心指令以纯语言 Markdown 编写，便于非技术人员定制。

  11. LangChain：Blog64

    如何用 LangSmith 评估语音智能体

    LangChain 官方博客介绍如何用 LangSmith 评估语音智能体，覆盖执行、结果与来电者体验三个层面。评估手段包括 LangSmith traces、代码评估器、LLM judges 和人工审查，帮助开发者系统化验证语音智能体的实际表现。

  12. GitHub Blog67

    GitHub 如何用堆叠式 Pull Request 拆解 AI 生成的巨型代码

    GitHub 介绍用堆叠式 Pull Request（stacked PR）解决 AI 编码智能体生成巨型代码难以审查的问题。通过将 1,000+ 行的大 diff 按数据、API、接线、UI 拆成 L1-L4 四个独立分层，每层可分配不同审查者。

    推荐理由：详细演示了用 GitHub 堆叠 PR 将 AI 生成的大 PR 拆分为逻辑层，配合 gh-stack CLI 和技能，提供可立即采用的审查优化方案。

  14. LlamaIndex：产品、工程与评测45

    LlamaIndex 博客：智能 OCR 与生产级文档理解架构

    文章探讨了从传统 OCR 到智能 OCR（Intelligent OCR）的演进，指出传统 OCR 仅识别字符而缺乏结构语义。智能 OCR 结合机器学习、布局感知和视觉语言模型，将文档转化为结构化数据并进行验证。文中分析了企业环境中传统 OCR 失效的原因，并介绍了包含分类、提取、验证及代理工作流的生产级管道架构。

  15. LMSYS Blog53

    SGL-Diffusion 全栈性能优化：用 SRT 替换 HF 后端加速 AR+DiT 混合生成

    SGL-Diffusion 通过三项 PR 将 AR+DiT 混合生成从单体架构重构为异构分布式系统。用 SRT 替换 HF 后端并解耦 AR 与 DiT，使 AR 阶段在 4 卡 TP 下延迟从 122.8 秒降至 26.1 秒（-78.8%），端到端延迟降低 77.2%。动态批处理与提前返回机制提升并发吞吐，DiT 采用每设备单去噪器的 SP 并行，并通过缓冲 AR 结果实现流水线重叠。

8月4日周二
  2. Cloudflare Blog69

    Cloudflare 如何用软件工厂将 Astro 的 GitHub issue 数降至零

    Cloudflare 在 Astro 仓库上运行自动化 triage 流水线，通过隔离的 AI 子代理复现、诊断并修复 bug，将开放 issue 从 200 多个降至约 30 个，预计下月归零。该流水线由 issue 标签驱动，修复后自动发布预览版本供用户验证。其底层引擎已发展为 Flue，一个开源的平台无关框架，用于构建持久化智能体与工作流。