Modal 如何为 VM Sandboxes 打造 ImageFS-blk 高性能文件系统
Modal 工程博客介绍其为 VM Sandboxes 打造的 ImageFS-blk 块设备文件系统后端。
Modal 工程博客介绍其为 VM Sandboxes 打造的 ImageFS-blk 块设备文件系统后端。
The Verge 三位编辑用一周时间测试五款搭载 Nvidia RTX Spark N1X 芯片的 Windows on Arm 笔记本,包括 Surface Laptop Ultra、Asus ProArt P16、Lenovo Yoga 9n 和 HP OmniBook Ultra,售价 $2,599.99 至 $6,999.99。
Anthropic 日本团队业务拓展代表介绍自己如何把线索分派、线索资格筛选、邮件回复、Salesforce 更新和会议跟进交给一组名为 Nakama 的 Claude Agent,并迁移到 Claude Managed Agents(beta)运行。
O'Reilly Radar 作者 Markus Eisele 提出,在智能体大量生成代码的时代,评审不应逐行阅读,而应把证据作为接受代码的前提。做法是在实现前约定预期行为和影响范围(blast radius),用双向追溯检查实现与测试是否存在未经要求的行为漂移。
针对引用提问中“在 Claude Code 和 CodeX 等不同 Coding Agent 之间如何共享上下文”的问题,Dash 回答在 Cindy 下很简单。
我很好奇一个问题: 大家在不同的 Coding Agent 之间到底怎么共享上下文? 比如我现在在Claude Code里跑完了一个项目,或者项目跑到一半,然后需要在CodeX里继续。 这两块的上下文怎么衔接比较好?有没有优雅的解决方案?
Tessl 工程团队介绍自研的 Tessl Code Review,称约 75% 的 PR 已无需人工评审即可合并。
【Tripo × Astra / Opus / Argon × Blender】 3Dモデル完成しました✨ -------------------- 制作スキルはリプ欄で配布いたします! GithubURL添付いたしますので、良ければご活用ください! -------------------- 制作期間はおよそ2週間(実質1ヶ月ですが、品質微妙で2回作り直しました💦) 簡単に制作ステップを解説すると以下の通りです。 ✅ 顔・身体・髪の毛・表情毎の3面図・アクセサリー類のイラストを作成 ✅上記のモデルをTripoで全て作成 ・全部SmartmeshP2.0 四角形5000~10000くらいのポリゴン数がおすすめ ・ポリゴン数が多すぎると、補正時に歪みやすくなります ✅各パーツをBlenderMCPで結合 ✅簡単な小物・装飾類は直接モデリングで作成してもらう ✅眼球のモデリング・手を補正 ✅リグ挿入・スキンウェイト調整、IK/FK制作 ✅揺れもの調整 ✅シェーダー調整 ちなみに翼の開閉もできるようにしました🔥 これは翼の構造自体をしっかりAstraに考えさせ、羽の配置を一枚一枚しっかりモデリングさせました! 気合でこれくらいの品質のものまで作れるのはホント凄いですね💦 #Tripo
作者花两周、三百多美元测试 Google Muse、Grok Bot、OpenAI Dots、Manus Cue 四款 Personal Agent,12 个日常平台中仅 33% 能稳定委托给 AI 处理,结论是有云电脑也不能完全脱离本机,最终选择 Dots 因为它能控制本机 Computer Use。
Simon Willison 用 Claude Code for web 的 Ultracode 模式生成 sparqlite,一个用 Rust 编写、把 SPARQL 1.1 嵌入 SQLite 的扩展。
面壁智能介绍独立开发者基于 VoxCPM2 构建的端侧实时同传系统 VoxWeft,麦克风输入、语音分段、ASR、翻译、流式 TTS 和播放全部在 Apple Silicon 本地运行,代码与开发日志已开源。
AMD 与 Embedded LLM 在 vLLM 官方博客详解 Kimi K3 在八卡 AMD Instinct MI355X 上的推理优化。
推荐理由:原文拆解了 50 多个 PR 背后的缓存、MoE、内核融合与投机解码优化思路,读者可迁移到自己的推理栈排查瓶颈。
Anthropic Claude Code 团队详解在 Claude 写约 90% 代码的情况下如何组织代码审查:审查从终点关卡变为持续进行,每个 PR 经过验证、必需 CI、AI 审查、安全审查、按风险分级的人工审批和合并队列六层检查,再辅以快速回滚。
推荐理由:Anthropic 自家团队复盘 Claude 代码审查流程,给出分层检查、风险分级审批等可直接迁移的落地做法和真实收敛数据。
把像素变成机器人能用的坐标。 SAM 3 定位物体,深度把图像位置转成以米为单位的三维位置,计算工具负责处理向量和旋转数学。
Hao AI Lab 演示一条把像素转成机器人可用坐标的流程:SAM 3 定位物体,深度信息把图像位置换算成以米为单位的 3D 位置,再用一个计算工具处理向量和旋转数学。
Cerebras 发文提出 agent 是模型加 harness 的组合,harness 决定上下文、工具、循环与终止等环节,并引用论文称 Claude Opus 4.5 在 SEAL scaffold 下 SWE-bench Pro 得分 45.9%,经 Claude Code 则为 55.4%。
一个电子墨水实时列车追踪显示屏: https://x.com/jamesdevonport/status/2103498810886664624
Vibe coded hardware is here, and amazingly fun! This week I'm covering how to use @OpenAIDevs Codex, @CloudflareDev Workers and the Zectrix Note4C to build your own custom eink display. I made a train tracking screen 🤓🚂 https://jamesdevonport.com/p/can-you-vibe-code-hardware
GitHub 用原生功能构建的 GitHub App Evergreen,通过两个工作流自动化组织卫生:每季度审查外部协作者访问权限,未响应即默认撤销;检测并归档长期无人类活动的仓库,且从不删除仓库内容。它由 Go webhook 服务器驱动,状态以 JSON 文件提交到 controller repo,用 git 历史充当审计记录,决策通过仓库内的 checklist issue 完成。
把 https://learn.chatgpt.com/docs/sites 留在这里,方便你学习创建、发布和分享你的第一个 Site。
Meta 工程团队详解如何把 AI 智能体作为开发流程参与者来构建独立 Groups 应用 Forum,采用 human-on-the-loop 模式并以验证通过的生产级产出衡量成功。Forum 在八周内达到与 Facebook Groups 的核心功能对齐,自主压测循环在开发期发现并修复了内存问题,内存占用和缺页约减半,上线后智能体还协助根因分析用户反馈。
推荐理由:原文复盘了 Meta 以智能体参与开发全流程的具体做法与度量标准,可迁移的工程经验比较扎实。
Meta 复盘 2026 世界杯期间的基础设施表现:7 月 19 日决赛(阿根廷对西班牙)WhatsApp 峰值超每秒 3000 万条消息,创平台历史纪录,是 2026 年跨年峰值的 1.23 倍。
Databricks 发布 2026 年 AI 数据库选型指南,对比 10 款方案在检索能力、serverless 扩展、Postgres 兼容性、高并发与低延迟等维度的表现。
Rohan Paul 解读论文 Self-evolving Agent Harness:自进化智能体会改写固定模型外围的提示词、记忆、工具和代码,采纳的编辑会延续到后续运行,坏编辑可能过拟合并扩散。
Apple 机器学习研究团队演示如何在 Mac Studio 上本地运行近万亿参数的 Muse Spark Open 等前沿模型,使用今天发布的新版 MLX(v0.30.1 起)与 macOS 26.2 的 RDMA over Thunderbolt 驱动。
推荐理由:Apple 给出了在 Mac Studio 集群上跑 816B MoE 模型的并行方案与基准数据,可迁移到本地大模型部署实践。
Addy Osmani 在 O'Reilly Radar 发表文章,提出智能体写代码时代码评审无法规模化,软件质量取决于围绕智能体设置的质量门等约束。约束包括单元测试、属性测试、变异测试和圈复杂度等指标,应在流水线全程施加反压,而非等到结尾的 CI 检查;人类注意力应留给品味、意图和架构等最需要判断的问题。文末含 Sonar 赞助内容。
pstack is the new solid
it's easy to fall into the trap of micromanaging your agents instead of correcting the environment that shapes its behavior. pstack 0.15.9 now ships a new /correct skill: if you keep correcting agents for the same mistakes, it finds the pattern and fixes it with architecture, types, and checks. i like to imagine that commits rapidly flowing into the codebase are like a bonsai tree rapidly growing in whatever direction it pleases. what you want to do is not to give in to the chaos, but tame it intentionally with the right constraints 0.15.9 also has improvements to: • /architect: now includes instructions on designing agent friendly architecture • a new /benchmark-checklist skill based on @brendangregg's benchmarking checklist here's a prompt you can give to grok bot to start architecting a better codebase with pstack: /poteto-mode create a new Project agent to refactor and rearchitect my repo so that our architecture is more agent friendly. it should use both the /correct and /architect skill to look through past commits and find the most common pitfalls that agents fall into, whether its with code quality, performance, or bugs. if relevant you can also use the /recall skill to find past conversations for context. it should make a high level plan for me to review. it should also answer its own open questions by prototyping rather than defer to me. come back to me with a plan backed by real data. once i approve the plan, use either the stack or full autopilot playbook (ask me which i want) to execute
ban and delete most if not all code comments! agents love copying what already exists. a seemingly harmless comment explaining some temporary workaround is one of the worst viruses you can have in your codebase. like a weed it'll spread quickly as a tool for agents to quickly get their job done. before you know it, your codebase is overrun with hacks and stale comments. just one more workaround bro you can use pstack's /no-comments skill as a weedkiller. it'll seek out useless comments while keeping the ones that actually should exist (like explaining a browser quirk), and figure out how to solve them on a first principles basis here's a prompt you can try asking @bot: create a project agent that uses /poteto-mode to spawn a /swarm to use /no-comments and identify useless code comments we can prune in my repo. come back with a high level plan of which of these workarounds would be best solved by refactoring and which we can straight up delete https://x.ai/bot/plugin/9717366
Google Developers Blog 发布智能体评测实践指南,指出仅靠终端跑几个提示词的 vibe check 无法发现智能体重试循环、工具参数幻觉等隐性失败。
推荐理由:原文给出从 CUJ 定义到 CI/CD 门禁的完整智能体评测流程,可用 agent-eval 工具包直接复现,避开四个常见评测陷阱。
作者@aiwarts 分享一个自制的三色进度提示语,在每轮 Agent 对话结尾用 🟢🟡🔴 状态行区分任务是否完成,解决 Agent 刹不住车、被优化建议拉着无限跑浪费 token 的问题。
Tripo 官方转推开发者 @Saccc_c 发布的文章,回答《小王子》游戏是如何制作的。文中逐步拆解了使用 Opus、Tripo 和 Blender 的完整制作流程,Tripo 建议读者收藏该文。
https://x.com/i/article/2110601994578866176
Addy Osmani 在 O'Reilly Radar 发文指出,智能体生成的代码量已超出人工逐行评审的可扩展范围,软件质量应转向依赖围绕智能体设置的约束和质量门,包括单元测试、变异测试、复杂度指标和架构规则等。文章讨论了自主性和信任两大问题,主张把人类注意力集中在最需要判断的细微问题上,并给出扩展验证循环的三种方式:扩容验证系统、降低智能体变更速率或调整质量标准。文中含 Sonar 赞助内容。
让不同平台的个人 agent 相互通讯的极简方法:电子邮件!Grok Bot 先行一步,你可以给自己的 Bot 配置一个邮箱 xxx@mail.grokbot.com 这种,例如我现在要让我的 Grok Bot 和我的 Muse Agent 之间相互发指令,可以拿 Gmail 当中介,设置一个 Gmail 的别名(xxx+muse@gmail.com)给 Muse 使用,然后通过邮箱和签名来验证,最后让你的 agent 信任这个邮件地址,发消息不需要通过你确认就可以了。 现在 Gmail 就是没法 push 消息,需要每 15 分钟检查一遍新邮件,所以说消息没法即时,其它都很方便!如果想用更强大即时的方案,可以用 @turingou 同学做的服务 http://yobiru.com 👀
推荐理由:作者实测开源Skill Anatomy并给出成本、耗时和适用模型的数字,可帮读者判断是否值得装来生成科普视频。