Rohan Paul@rohanpaul_aiAI 评分5252🤖 We often talk about “context rot”: LLMs get worse as context grows. But once distracting information enters, is it just “a bit more noise → a bit worse performance”? Our #ICML2026 paper finds: no! 🤯 Instead, we reveal a striking "First Drop of Ink" effect: the first very few hard distractors do almost all of the damage, exactly like how one drop of ink clouding clear water. Paper link: https://arxiv.org/abs/2605.10828
Artificial Analysis@ArtificialAnlysAI 评分6060
Greg Brockman@gdbAI 评分5454Over the weekend, I asked Codex to analyze my Slack message history and recommend a better way to organize my growing number of channels. Then I had Codex reorganize and categorize my Slack sidebar with computer use while I worked on something else. I now have an automation for this!
Anthropic 团队发布指南，讲解如何用 Claude Opus 对自有代码和开源软件做威胁建模、漏洞发现、验证、分诊与修补，并随附 defending-code-reference-harness 仓库提供技能和自主扫描 harness。
Claude@claudeaiAI 评分4747
Elon Musk@elonmuskAI 评分6363Just press Cmd + Shift + Ctrl + 3, then Cmd + V paste the screenshot directly into Grok Build and ask it to inspire, guide, explain, debug, or recreate what you want It’s much easier to explain ideas visually instead of trying to type out every tiny detail manually The workflow feels incredibly natural and easy once you start using images directly inside the development process Grok is multimodal and already has surprisingly strong vision capabilities for understanding screenshots, UI, layouts, and visual context
百度伐谋2.0产业决策智能体落地排产场景，业务人员用自然语言描述优先级和现场变化（如设备故障、工人请假），系统自动将约束转化为优化模型并迭代求解，将顾问数小时的建模压缩到对话内完成。每次纠偏实时调整方案，隐性经验被结构化沉淀为企业可复用模型。在日均数百订单、十几条产线的大型家具制造企业中，产能提升20%。
该教程以 TuringEnterprises/Open-MM-RL 数据集为实践基础，构建多模态推理与可验证奖励强化学习（RLVR）流程。内容涵盖数据集加载、结构分析（包括领域、格式、问题长度、答案类型和图像分布），并可视化各领域示例。同时实现了一个轻量级奖励函数，用于检查精确匹配等条件，并演示了如何将流程导出为 GRPO 格式。
“龙虾之父”Peter 开源了 skill-cleaner 工具，用于诊断和优化 AI 智能体的技能提示词。该工具包含5项核心功能，包括技能提示词预算审计、重复技能检测、未使用技能筛查、技能根目录审计和描述精简优化。其脚本采用标准 token 预算核算逻辑，旨在帮助减少冗长描述对 token 预算和上下文窗口的占用。已有用户实践显示，将技能描述从90多词精简至40词以内，能提升智能体选择技能的准确率。
推荐理由：Peter 直接开源了一个给 Skill '减肥' 的工具，把描述精简、重复检测、预算审计全自动化了，装完跑一遍就能直观看到哪些 Skill 在烧你的 token。做 Agent 的可以立刻装上试试。
Elon Musk@elonmusk精选AI 评分6767初学者视频：如何安装和使用 Grok Build（专为非技术背景的 SuperGrok 和 X Premium+ 用户制作） 朋友们问了我太多问题，所以我做了这个简单的分步指南。 你将清楚地看到如何： • 用一条命令在几秒内安装 Grok Build • 创建真正的网站 • 使用 Grok Imagine 自动生成图片和视频 • 在不同文件夹中同时运行多个项目 Grok 甚至会替你运行命令。无需任何编程经验。 观看完整演示 👇
推荐理由：Elon 亲自转发的教程把 Grok Build 门槛压到了零编码，直接面向普通用户，是目前最友好的官方入门信号。
Greg Brockman@gdbAI 评分6161i had codex audit my entire macbook to see how much space we can save and it's found 500 GB to save, AWESOME prompt was: "do a FULL read only analysis on my Macbook to help me optimize storage" note: why tf is there a codex-tui.log file that is 116gb ??????? WHAT ????
Together AI开源OSCAR，一种用于长上下文大语言模型服务的注意力感知2位KV缓存量化方法。该方法在离线状态下，从注意力感知的协方差结构中为键和值推导出独立的旋转。在2.28 bits per KV element的量化精度下，OSCAR将通义千问（Qwen3-4B-Thinking-2507）和通义千问（Qwen3-8B）的BF16精度差距分别缩小至3.78点和1.42点，同时实现约8倍的KV内存缩减，并在100K上下文长度下带来高达3倍的解码速度提升。
本教程展示如何使用 NVIDIA FLARE 框架构建一个联邦学习实验，以比较 FedAvg 和 FedProx 两种算法。实验在非独立同分布（non-IID）的 CIFAR-10 数据集上进行，通过狄利克雷分布划分客户端数据，以模拟现实联邦场景中的标签不平衡问题。内容涵盖如何利用 NVFlare Job API 来定义和启动联邦学习任务。
本文旨在厘清 AI 智能体领域中易混淆的关键术语。文章指出，模型（如 Claude、GPT）本身是无记忆、无循环的大语言模型。其行为由“Scaffolding”（行为定义层，如系统提示、工具描述）塑造，而“Harness”（执行层）负责调用模型、处理工具调用与控制循环，是智能体运行的核心。两者结合，模型才能成为智能体。文章以 Claude Code、Codex 为例，说明同一模型搭配不同 Harness 会产生迥异体验，并提出了 Agent = Model + Harness 的常见理解框架。术语尚未统一，本文旨在提供一个实用的心智模型。
推荐理由：Agent圈术语混乱的文章很多，但HF这篇把harness、scaffold、context engineering的关系讲得最透，做agent开发的读完至少能少吵一半的架。
Augment Code 介绍其基于 Cosmos 平台的 Incident Investigator 智能体如何在 Slack 中自动执行 PagerDuty 告警的分诊与根因分析，并给出四条修复路径（监控、代码修复、回滚、升级），人类只需审查 RCA 并做判断。
LlamaIndex 开源负责人 Logan 在 NYC 线下工作坊中带开发者用 LlamaParse 从零搭建贷款核保流水线，并发布完整教程与开源仓库 finparse-pipeline。
随着MCP月SDK下载量超过9700万且AI智能体进入生产工作流，认证已成为团队面临的关键基础设施决策。文章评估了八家领先平台——WorkOS、Stytch、Auth0 by Okta、Composio、Nango、Arcade、TrueFoundry和Cloudflare在规范合规性、企业身份深度、集成广度以及2026年部署的现实适用性方面的表现。
Tibo@thsottiaux精选AI 评分7070使用计算机使用功能，你可以让 Codex 取消你不再需要的订阅。观看过程非常愉快。没有特指哪个，对所有订阅都有效。
推荐理由：Codex的Computer Use功能展示了一个意想不到的实用场景，它能自动操作网页帮你取消订阅。这个演示让AI从写代码直接跳到了处理生活琐事，可操作性极强，看完就能试。
本教程详细演示了如何使用 Langfuse（一个开源大语言模型工程平台）构建一套完整的可观测性与评估流水线。内容覆盖了追踪、提示词管理、评分、数据集与实验等核心功能。教程设计了一个可独立运行的完整工作流，用户既可接入真实的 OpenAI API 密钥，也可使用确定的模拟大语言模型，以便在无需付费模型访问的前提下，理解 Langfuse 的所有主要特性。
Greg Brockman@gdb精选AI 评分8686更新：根据反馈，我想出了一个更好的提示词版本 让 Codex 查看你的会话、Memories 和 Chronicle，识别模式，复用已有的内容，只创建最小可用的 skill、subagent 或自动化。 "回顾我最近 30 天的工作，如果可用历史更短则回顾全部可用历史，找出值得打包的重复性手动工作流。 按以下顺序使用可用证据： - 最近的 Codex 会话和任务摘要。 - Codex Memories 和 rollout 摘要，以发现跨会话重复出现的模式。 - Chronicle（如果已启用），以发现 Codex 之外的重复性工作。仅将 Chronicle 用于发现；尽可能在相关源系统中确认重要细节。 - 现有的 skills、自定义 agents 和自动化，以便复用或扩展已有的内容，而不是重复创建。 广泛寻找那些重复、耗时、易出错、上下文繁重或能从一致流程中受益的工作。包括编码、研究、写作、规划、沟通、运营、分析和个人事务方面的工作流。 仅当候选对象满足以下条件时才采取行动： - 至少出现过两次，或明显可能重复出现且重复成本高昂； - 具有稳定的输入、可重复的流程，以及明确的输出或停止条件； - 能实质性提升速度、质量、一致性或可靠性； - 尚未被充分覆盖。 选择最小的合适形式： - Skill：可复用的工作流或操作手册。 - 自定义 subagent：适合委派的有界专家角色或调查任务。 - 自动化：定时或周期性的检查、报告、提醒或监控。 - 跳过：过于一次性、模糊、敏感或证据不足而无法打包的工作。 首先产出一份简洁的候选清单，包含： - 重复的工作流 - 支持性证据和日期 - 频率/置信度 - 推荐形式：skill、subagent、自动化、扩展现有内容或跳过 - 为什么值得或不值得创建 然后只创建高置信度且缺失的项目。保持它们范围狭窄、实用、感知来源且易于验证。不要创建推测性、重叠或过于宽泛的资产。 最后总结： - 你创建或扩展了什么 - 你刻意跳过了什么 - 在打包之前还需要更多证据的内容
推荐理由：GDB 这个 prompt 把 Codex 从写代码的帮手变成了你的私人效率教练，让它自己找出你过去一个月里哪些重复工作该自动化，深度 Codex 用户直接抄作业就行。
亚马逊推出了AI可穿戴设备Bee，与其他同类产品类似，它在提供便利性的同时也引发了用户对隐私的担忧，这种便利与隐私焦虑的矛盾结合显得十分奇特。
Rohan Paul@rohanpaul_aiAI 评分4545
Boris Cherny@bcherny精选AI 评分7878自动模式的两项更新： · 现已在 Pro 套餐中可用 · 除 Opus 4.7 外，现也已支持 Sonnet 4.6 按 Shift+tab，让 Claude 运行。
推荐理由：Boris 透底 Claude Code 最高效用法，auto mode 免确认弹窗、支持并行 session，把 AI 编程从串行变并行，值得一开。
数学家Adam Kucharski的实验表明，当向Microsoft Copilot输入两组仅国家标签不同但数据完全相同的分析请求时，Copilot并未能识别其本质一致，反而虚构并输出了基于国家的刻板印象分析。这暴露了当前许多AI工具在默认配置下存在的系统性偏差风险。尽管具备推理能力的“思维模型”能识别此类数据陷阱，但用户需要主动知晓并选择启用它们。这一现象警示我们，在进行关键数据分析时，不能盲目依赖AI工具的默认模型，而应审慎选择并评估其分析结果。
腾讯近期开源了TencentDB Agent Memory，这是一个基于MIT许可证的本地化AI智能体记忆系统。该系统创新地将工具日志处理为符号化的短期记忆，并采用由“会话→原子→场景→人格”构成的四层长期记忆金字塔。它以OpenClaw插件和Hermes Docker镜像形式发布，默认使用本地SQLite与sqlite-vec数据库，并融合了混合BM25与向量检索策略。性能基准测试表明，该系统在WideSearch任务中实现了超过60%的token节约和51%以上的相对通过率提升，同时将人格记忆的准确率从48%显著提高至76%。
一篇技术教程详细介绍了如何构建一个高级工作流系统。该系统以SuperClaude框架为核心，作为一层结构化中间件部署在Anthropic API之上。教程核心内容围绕如何整合命令解析、智能代理调度、多种操作模式切换以及跨会话的上下文记忆能力，从而打造出一个功能更全面、上下文连贯性更强的AI应用工作流。文章旨在指导开发者利用这些组件，提升基于大型语言模型构建的应用的复杂任务处理与交互体验。
Google发布了新款Gemini AI模型，其核心特点是能跨模态处理“万物到万物”的生成任务，例如直接从文本生成高质量视频。文章通过作者用该工具为孩子的毛绒玩具鹿生成“度假视频”的实验，展示了当前生成式AI技术的强大与易用性——仅需极低的操作门槛和专业知识，即可创建逼真内容。这一趋势标志着强大的AI创作工具正快速普及，同时也引发了对生成式AI应用边界、内容真实性及潜在影响的深入思考。
Perplexity 将其内部安全工具 Bumblebee 开源，该工具旨在保护其搜索产品 Comet 和 Computer 背后的开发者系统。Bumblebee 是一个面向 macOS 和 Linux 开发者端点的只读库存收集器，可扫描 npm、PyPI、Go 模块、MCP 配置、编辑器扩展及浏览器扩展，其扫描过程不调用任何包管理器，也不运行任何代码。
美团开源了用于WBench评估框架的预训练模型权重仓库，将这些权重整合至单一仓库，旨在方便社区快速部署WBench评估环境。该权重仅重新分发用于学术研究和评估用途，所有权利归属原作者。用户可参考WBench GitHub获取安装与评估指南，具体模型许可证详见LICENSE_NOTICE.md文件。
Suno@sunoAI 评分5858McClenney如何将他的定制合成器设备接入Suno 🎛️
Suno@sunoAI 评分5858McClenney如何将他的定制合成器设备接入Suno 🎛️
针对AI代理每次会话均从零开始、缺乏记忆的问题，Y Combinator的Garry Tan开发了开源记忆层GBrain（v0.38.2.0）。该层以Markdown为核心构建知识图谱，并通过正则表达式推理自动建立连接，无需调用LLM。教程完整展示了从安装GBrain、创建脑库、运行混合搜索，到通过MCP协议连接Claude Code的全流程，耗时约20分钟。
Artificial Analysis@ArtificialAnlysAI 评分6161Boris Cherny@bchernyAI 评分6969I built "zero2claude", a free course that takes people from zero terminal experience to shipping with Claude Code. The curriculum goes from absolute zero → software basics → Claude Code fundamentals → advanced usage. No shortcuts, no assumptions. 17,000+ students. 7 languages. ~500 active hourly. No marketing. No ads. Pure word of mouth. The entire platform? Built and operated by one person with Claude Code. Lighthouse audit: ✅ Performance : 96 ✅ Accessibility : 100 ✅ Best Practices : 100 ✅ SEO : 100 Production stats: ~6.4M requests/day. 74 req/sec sustained. <0.003% error rate. Claude Code doesn't just write code. It builds production-grade, scalable products. The best way to grow Claude Code adoption isn't to simplify the tool. It's to level up the people. Give fishing rods, not fish. Free. No paywall. My contribution to the community. Link in the comments 👇
Anthropic公司金融与战略团队的Alice Fong分享了使用Claude优化财务工作的经验。她需要为CFO和董事会维护一套连贯的财务叙事，但过去常因数据频繁更新和协作修改而耗费大量时间核对一致性。现在，她通过Claude Cowork自动校验文档中的数字与叙述是否统一、是否连贯，并利用Claude for Excel直接在财务模型中进行诊断。这帮助她将每月约10-20小时的重复性核对工作，转化为专注于前瞻分析、场景规划等更高价值的判断性工作，确保了公司快速变化背景下财务叙事的准确性与一致性。
