跳到正文
只看教程
5月23日周六
  1. Perplexity82

    今天我们开源了Bumblebee，一个适用于macOS和Linux的只读扫描器。 它检查开发者机器上的高风险软件包、扩展和AI工具配置。 连接到Computer后，每当出现新的供应链风险时，它可以触发更深入的扫描。 https://github.com/perplexityai/bumblebee

    推荐理由：这不是另一个华而不实的 AI 玩具，而是实打实的开发环境安全检查工具，开源且只读，接入 Computer 后还能动态响应新威胁，做 AI 工具链的团队应该现在就 fork。

  3. TechCrunch：AI46

    我们试用了Google的AI眼镜，它们已接近成熟

    Google展示了运行Android XR操作系统的原型智能眼镜，该设备能将Gemini AI驱动的翻译、导航及其他信息直接叠加并显示在用户视野中。这标志着可穿戴设备从“后置屏幕”向“前置视窗”交互模式的重要演进，其核心在于将实时AI处理能力与日常视觉场景深度融合。

5月22日周五
  2. Qwen66

    近期一项针对前沿AI模型在真实智能体任务上的测试显示，Qwen 3.7-Max在效果与成本方面全面领先。该任务要求模型自主编写并迭代优化一个能自我训练的Tetris机器人程序。在10轮自我改进中，Qwen 3.7-Max仅花费1.32美元，便将机器人性能提升了56%。相比之下，Claude Opus 4.7花费12.15美元提升了28%，GPT-5.5花费2.85美元提升了7%。结果表明，在需要长时间自主推理、代码阅读与迭代的复杂智能体循环场景中，Qwen Max具备极强的成本效益比与自我改进能力。

    引用atomic.chat@atomic_chat_hq

    Qwen 3.7-max beats Opus 4.7 and GPT-5.5 We tested three frontier models on a real agentic task: write a Tetris bot that plays the game and trains itself. Each model could read its own code, run benchmarks, and rewrite itself across 10 iterations. Then we compared the final bots head to head. Qwen 3.7-Max: training cost $1.32, bot improvement +56% Claude Opus 4.7: training cost $12.15, bot improvement +28% GPT-5.5: training cost $2.85, bot improvement +7% Qwen won on every dimension - biggest jump, 9× cheaper than Claude, 2× cheaper than GPT. Long agentic loops is where Qwen Max actually delivers.

  3. MarkTechPost61

    使用OpenMythos构建支持MLA、GQA、稀疏混合专家及循环缩放推理的循环深度Transformer

    本教程在Google Colab环境中，基于OpenMythos框架实践构建循环深度Transformer工作流。内容涵盖创建MLA（多头潜在注意力）与GQA（分组查询注意力）两种模型，对比其参数规模，并通过计算循环注入矩阵的谱半径来验证模型稳定性。此外，教程还将稀疏混合专家（Sparse MoE）架构与基于循环的推理扩展机制相集成，展示了构建高级深度学习模型的完整流程。

  4. Simon Willison 博客60

    datasette-agent-charts 0.1a1

    开源数据可视化插件 datasette-agent-charts 发布了 0.1a1 预览版。该版本主要增强了图表呈现：无颜色列的柱状图与华夫图改用连续色阶按数值大小着色，含文本值的颜色列则采用 observable10 分类配色方案。此外，新增了查询前的 execute-sql 权限检查、交互式图表提示信息，并修复了 waffleY 图表类型未被正确描述的问题。

  5. Simon Willison 博客46

    datasette-agent-sprites 0.1a0版本发布

    Datasette Agent生态推出了一款新插件datasette-agent-sprites的首个预览版本（0.1a0）。该插件的核心功能是允许Agent在Fly Sprites提供的安全沙盒环境中执行命令，旨在增强数据处理与交互过程中的隔离性与安全性。此次发布标志着沙盒技术在AI Agent工具链中的进一步集成与应用。

  6. TechCrunch：AI64

    Google已非往日之Google，六款值得尝试的搜索引擎

    Google即将全面引入AI概览功能，这将显著改变其搜索结果呈现方式。这一变化可能引发部分用户不满，尤其针对过度依赖AI生成的摘要式回答。与此同时，多家搜索引擎如DuckDuckGo、Brave Search等凭借隐私保护、去广告化或传统列表式结果等差异化特性，正吸引寻求替代方案的用户。市场动态显示，搜索引擎竞争正从技术功能向用户体验维度拓展。

5月21日周四
  1. The Verge：AI66

    亲身见证Google AI Studio“神速”构建我的首个安卓应用

    编辑Sean Hollister分享了他使用Google AI Studio的震撼体验。在一个下午内，他仅通过输入文字就成功构建了三个安卓应用。其中一次，他向AI输入了148个单词描述后便离开，十分钟后，一个功能完整的应用就已安装到他的手机并可运行。Google的AI工具包揽了从生成代码到编译、部署的所有技术环节，用户只需进行简单的手机调试设置。这一过程生动展示了“vibe coding”如何降低软件开发门槛，预示着普通用户也能借助AI工具快速将创意变为现实，个人软件开发的革命正在到来。

  3. Elon Musk59

    Grok Build 使用技巧 感谢 @skcd24 的提示。现在我可以完全在主 Grok Build 实例中工作，无需为其他集群打开额外标签页。

    引用Yun-Ta Tsai@yunta_tsai

    If you are managing multiple machines across clusters and farms, you could ask Grok Build to spin off a sub-agent SSH tunnel into the machines while interacting with tmux sessions for you. Thanks to @skcd42 for the tips. Now I can fully live inside the main Grok Build instance without additional tabs to other clusters.

  7. MarkTechPost65

    如何使用 kg-gen、NetworkX 分析和交互式可视化工具从文本构建知识图谱生成管道

    该教程演示了如何利用 kg-gen 工具，结合 LLM 与 LiteLLM 配置，从纯文本、对话及多源文档中提取实体、谓词和关系，并生成知识图谱。内容涵盖了从简单文本处理到使用分块与聚类技术应对长文本的进阶步骤，随后通过 NetworkX 进行图谱分析，并最终实现交互式可视化，为构建端到端的知识图谱生成流程提供了实践指南。

  8. Simon Willison 博客52

    每秒10个token到底有多快？

    开发者Mike Veerman创建了一个名为tokenspeed的HTML应用程序，可模拟从每秒5个到800个token的LLM文本输出速度。用户能够直观感知模型广告中常见速度指标（如30 tokens/秒）的实际生成效果。该工具源代码公开，信息来源于Hacker News，适用于需要理解生成式AI响应速度的开发者与普通用户。

  10. Claude：Blog59

    Anthropic销售负责人如何利用Claude Cowork管理4000个客户账户

    Anthropic美国中端市场业务负责人Travis Bryant利用Claude Cowork自动化销售管理工作。该工具帮助他高效完成客户倾向性评分、每日客户简报准备及每周销售预测报告生成，每晚自动处理4000个账户数据，替代了以往跨部门团队需数百小时完成的工作。通过自动化日常任务调度，他每天节省约90分钟，并将数据整合为可交互的销售仪表板，使其能更专注于客户沟通与战略决策。

    推荐理由：Travis 把 4000 个账户的评分一夜跑通，比自动报表更值得关注，中小销售团队照抄就能省掉跨部门数百小时，这是 Claude Cowork 在企业场景最落地的实践之一。

5月20日周三
  1. Anthropic：Claude.dev 开发者博客78

    Claude Code 团队成员分享：为什么用 HTML 替代 Markdown 作为 Agent 输出格式

    Anthropic 工程师 Thariq Shihipar 撰文介绍他为何在 Claude Code 中改用 HTML 而非 Markdown 作为输出格式，理由包括信息密度更高、长文档更易读、便于分享链接、可加入滑块等双向交互，且 Claude Code 能结合文件系统、MCP、浏览器和 git 历史摄入更多上下文。

    推荐理由：作者分享让 Claude Code 用 HTML 替代 Markdown 输出的具体理由、提示词和用例，读者可以迁移到自己的工作流。

  3. The Decoder：AI News58

    Google Gemini 3.5 Flash追随Anthropic和OpenAI，使新一代AI模型显著提价

    Google发布了新一代AI模型Gemini 3.5 Flash，其性能较前代有显著提升，但运行成本大幅增加。基准测试显示，该模型的运行成本是上一代的5.5倍。在代理任务场景中，总成本甚至比更高端的Gemini 3.1 Pro还高出75%，主要原因是该模型需要比同类模型更多的交互步骤。这一现象并非个例，受巨额研发投入的商业回报压力影响，整个AI行业正普遍走向更昂贵的发展阶段。

  4. PixVerse62

    这条推文展示了一个用于在PixVerse平台生成视频的复杂提示词。核心目标是制作一段在大型体育场内，五位朋友进行超真实智能手机自拍风格的视频。提示词的关键在于，它通过极其详细的设定来确保生成内容的连贯性和真实感：包括对五个角色外貌的严格一致性要求、具体的球场环境、模拟真实手机拍摄的镜头运动（如抖动、失焦）以及一系列自然的动作序列。

    引用madpencil_@madpencil_

    It was fun trying to get this... ideating with AI and and crafting the prompt. Ref images + the Prompt. 🙌😅 { "title":"Soccer Match Selfie Video", "style":"Ultra realistic smartphone selfie footage, documentary realism, authentic human interaction, natural imperfections, NOT polished commercial footage.", "character_consistency":"Use ALL FIVE attached character refs exactly throughout the video. Preserve accurate face, hairstyle, age, skin tone, freckles, glasses, sideburns, ethnicity, smile shape, and clothing style.", "characters":[ "South Asian male, curly dark hair, black round glasses, trimmed beard, oversized dark sweatshirt.", "East Asian female, long straight black hair, freckles, pastel casual outfit.", "White middle-aged businessman, short brown hair, receding hairline, navy casual jacket.", "White rugged male, thick dark hair, dramatic sideburns, black bomber jacket.", "White woman, shoulder-length brown hair, cheerful smile, black casual outfit." ], "environment":"Huge modern soccer stadium at night, bright floodlights, LED scoreboard glow, cheering crowd, green football pitch visible.", "camera":"Front-facing smartphone camera, handheld shaky motion, wide-angle selfie distortion, autofocus hunting, motion blur, exposure changes, cropped faces, imperfect framing.", "actions":[ "calm pre-game selfie", "laughing together", "singing chants", "near-goal anticipation", "dramatic reactions", "goal celebration", "jumping and screaming", "happy exhausted ending selfie" ], "behavior":{ "south_asian_male":"holds phone and reframes constantly", "east_asian_female":"warm natural smile and laughter", "businessman":"calm then emotional", "rugged_male":"intense dramatic reactions", "white_woman":"points excitedly toward field and camera" }, "wardrobe":"hoodies, soccer scarves, oversized sweaters, windbreakers, casual jackets, dark streetwear.", "prompt":"Ultra-realistic handheld selfie video of five friends attending a packed nighttime soccer match. The South Asian man films with a smartphone while all five crowd naturally into frame. They laugh, chant, joke, react to near goals, scream after scoring, wave scarves, bounce with the crowd, and celebrate wildly together. Realistic stadium lighting, social-media-style footage, immersive sports atmosphere, authentic candid energy." }

  7. Simon Willison 博客62

    llm-gemini 0.32

    项目 llm-gemini 发布了 0.32 版本，本次更新主要新增了对谷歌最新发布的模型 gemini-3.5-flash 的支持。发布信息同步提供了关于 Gemini 3.5 Flash 的技术笔记，以及作者使用升级后的插件绘制的图像示例，展示了该模型的实际应用效果。

  8. Claude：Blog73

    Claude Code的HTML输出：非凡的有效性

    Claude Code团队正从Markdown转向HTML作为主要输出格式。Markdown虽简洁，但在信息密度、阅读性、分享和交互方面存在局限。HTML能支持表格、CSS样式、SVG图表和JavaScript交互，提供更清晰的视觉结构和高信息密度。由于HTML文件可通过浏览器直接打开和分享，便于团队协作审阅。Claude Code利用其广泛的上下文获取能力生成实用的HTML制品，适用于项目规划、文档编写和验证等多种场景，显著提升了AI生成内容的可读性与实用性。

    推荐理由：Claude Code 团队的人亲自告诉你为什么用 HTML 而不是 Markdown，从设计原型到可交互报告全在一个文件里搞定。附带的模板和提示词，开发者可以直接抄。

  9. Hacker News：AI 热帖89

    Forge：通过防护机制大幅提升8B模型性能的可靠性层

    Forge 是一个为自托管大语言模型设计的可靠性层，专注于提升工具调用能力。它通过错误解析、重试提示、步骤强制等防护机制以及高效的上下文管理，成功将8B参数模型在复杂多步骤智能体任务中的表现从53%大幅提升至99%。其核心配置（Ministral-3 8B模型）在自建的26项评估中综合得分达86.5%。Forge 提供三种集成方式：作为全托管工作流运行器、多智能体架构的共享调度器，或嵌入自有编排循环的防护中间件，并附带一个可透明接入的OpenAI兼容代理服务器。

    推荐理由：这个小工具用 guardrails 把本地 8B 模型从 53% 拉升到 99% 的稳定度，对玩自托管 Agent 的人来说像是换了条命，值得一试。

  10. TechCrunch：AI55

    如何使用 Google 的新 AI 代理超越标准搜索

    Google 推出 AI 驱动的信息代理，这些代理能够在后台自动监控指定主题，并主动向用户推送更新和变化通知。此功能旨在帮助用户突破传统搜索的限制，提供更智能、实时的信息追踪体验，实现从被动搜索到主动获取的转变。

  11. Google Gemini72

    使用 Gemini 3.5 Flash 构建你的第一款游戏。 无需复杂的3D建模，即可将日常物品直接转化为互动的数字体验。从一个 Nano Banana 提示开始，在 Canvas 中将你的图像变成游戏，并优化你的愿景以获得最佳游戏体验。

    推荐理由：Google Gemini 官方教你把日常物品照片变成互动游戏，Nano Banana 到 Canvas 的链路很直接，想试 Gemini 多模态能力的人可以当入门案例跑一遍。

  12. ClaudeDevs73

    计算机使用功能使Claude成为能够操作真实用户界面的智能体。 新博客文章探讨如何在生产环境中确保其可靠性：包括提高点击准确性、选择思考努力级别、在长会话中保持上下文，以及记录Claude可重放的演示操作： https://claude.com/blog/best-practices-for-computer-and-browser-use-with-claude

    推荐理由：这篇博客把 Computer use 从“能用”真正推到“生产级”，聚焦点击精度、思考模式选择、长会话上下文保持这些实际卡点，如果你在让 Claude 操作 UI，这是必读的避坑指南。

  15. François Chollet62

    Gemini [引用 @arcprize]：Gemini 3.5 Flash ARC-AGI（已验证） ARC-AGI-2： - 高配：72.1%，$0.85 - 最低配：8.9%，$0.11 ARC-AGI-1： - 高配：92.5%，$0.42 - 最低配：48.8%，$0.06 Gemini 3.5 Flash在ARC-AGI测试中与GPT-5.5（中配）表现相当

    引用ARC Prize@arcprize

    Gemini 3.5 Flash ARC-AGI (Verified) ARC-AGI-2: - High: 72.1%, $0.85 - Minimal: 8.9%, $0.11 ARC-AGI-1: - High: 92.5%, $0.42 - Minimal: 48.8%, $0.06 Gemini 3.5 Flash is on par with GPT-5.5 (Medium) on ARC-AGI

  16. Ars Technica：AI55

    两个基于AI的科学助手在药物重定位任务中取得成功

    两个基于AI的科学助手在药物重定位研究中展现出实际应用潜力。它们能够自主生成科学假设，其中一个工具还能进一步分析实验数据。这类技术有望加速药物研发流程，通过AI辅助发现现有药物的新用途，提升研究效率并降低开发成本。目前该任务已成功验证了AI在复杂生物医学问题中的辅助决策能力。

  17. Hacker News：AI 热帖70

    InsForge：面向编程智能体的一体化开源后端平台

    InsForge是一个专为AI编码智能体设计的一站式开源后端平台。它通过MCP Server和CLI+Skills两种接口，让智能体能像后端工程师一样直接操作数据库、认证、存储、边缘函数、模型网关等全套后端服务，从而端到端地构建全栈应用。平台支持云托管与基于Docker的自托管，可一键部署至Railway、Zeabur等主流平台。

    推荐理由：这个项目把后端全家桶变成 MCP 工具，AI 代理可以直接管理数据库和部署，对于正在折腾 agent 的团队，比东拼西凑要快得多。

  18. LangChain：Blog59

    LangChain 详解 LangSmith Engine 如何构建一个改进智能体的智能体

    LangChain 发布 LangSmith Engine，一个运行在智能体 trace 之上的智能体，自动发现重复失败模式并生成 issue、评估器和数据集示例。架构上先用紧凑轨迹摘要大规模筛查，再用基于 Haiku 的 screener 子代理按约 20 条一组分筛，由通用 investigator 子代理深查，修复则通过 needs_fix 标签交给独立的 fix agent 完成。

5月19日周二
  1. Rohan Paul78

    AI代理在实际应用中需为每个外部服务重复构建集成逻辑，成为其发展的主要瓶颈。针对此问题，Membrane推出了一种通用“技能”解决方案。通过该单一技能，Claude Code、ChatGPT、Cursor等主流AI代理能够用一条指令调用超过10万个不同的API，涵盖从Stripe支付服务到NASA火星车数据等各类服务。这极大简化了开发流程，将定制化集成转变为通用的连接能力，降低了使用门槛。同时，Membrane正发起社区挑战，鼓励用户提交小众API以获得演示和免费额度激励，旨在持续扩展其连接生态。

    引用Membrane@membrane_ai

    我们构建了一个技能，可以将任何 agent 连接到任何 API。 Stripe。NASA 火星车。国际空间站追踪器。Evil Insult Generator。全部即时连接。 在回复中丢出你能找到的最冷门的 API。我们会挑选出令人惊喜的那些，展示它们如何运作——并送你 25 美元的免费 Membrane 额度。 越极客越好。 npx skills add membranehq/agent-skills@integrate-anything

    推荐理由：Membrane 把十万个 API 集成压缩成一行命令，做 agent 的人不用再写胶水代码，直接拿来用就行，省心。

  2. OpenAI：官网动态59

    对话设计：塑造面向客户AI体验的五个模式

    当生产环境的目标从功能准确性转向更好的对话时，哪些设计模式依然有效？文章提出五个对话设计模式，用于改善面向客户的AI体验，并探讨从精准应答到自然交互的实践路径。

    推荐理由：这是OpenAI关于对话设计的官方指南，五个模式都是生产验证过的，做聊天机器人的可以直接抄作业。