#教程/实践

Anthropic 副首席信息安全官发布智能体 AI 风险评估框架：零风险不是目标

Anthropic 副首席信息安全官 Jason Clinton 分享了其团队在采用智能体 AI 过程中的经验教训，并提出了一套用于安全构建和部署智能体的风险评估框架。该框架通过四个核心问题（摄入的不可信内容、可执行的操作、失控时的爆炸半径、可观测性）来评估风险，并强调“最小代理权限”原则。Anthropic 的默认策略是管理员控制的分阶段推出，并指出与意图偏离的智能体在行为上无异于内部攻击。

Anthropic 用 Claude Code 大规模迁移代码：Bun 百万行 Zig 转 Rust，两周完成

Anthropic 工程师用 Claude Code 在两周内将 Bun 的百万行 Zig 代码迁移至 Rust，100% 现有测试通过，合并后出现 19 个回归问题已全部修复。另一工程师用周末将 Python 代码库迁移至 16.5 万行 TypeScript。迁移消耗约 16.5 万美元 API 成本，但编译时间从八分钟降至两秒，二进制启动快 6 倍。

Google 提出模块化提示词转译方案，构建可扩展 AI 智能体

Google 提出将系统提示词模块化为可复用的“技能文件”，通过转译器进行静态验证并在构建时捕获缺失依赖，从而解决单体提示词导致的扩展瓶颈与运行时错误。该方法将提示词生成集成到 CI/CD 流水线中，防止代码漂移，并允许智能体通过标准 pull request 自主更新逻辑。

Base44 为何信任 Claude Fable 5 处理最具挑战性的工程任务

无代码开发平台 Base44 将此前仅限资深工程师处理的系统提示词重构任务交给了 Claude Fable 5。该模型在四小时内独立完成 90%-95% 的重构，并主动发现团队评估中遗漏的缓存命中测试盲点。Base44 产品负责人表示，Claude Fable 5 是首个能像资深工程师一样推理软件构建方式的模型。

用 LangSmith 追踪调试 Claude Code、Codex、Cursor、Copilot 等编码智能体

LangSmith 现已支持追踪 Claude Code、Codex、Cursor、Copilot 等编码智能体的运行轨迹。开发者可检查工具调用、子智能体、错误、成本与重试行为，从而定位调试问题。

Apple Music 引入多语言语义检索系统

Apple 机器学习研究团队为 Apple Music 搜索引入多语言语义检索系统，覆盖 150 多个国家及地区的数十种语言。该系统利用多语言嵌入向量模型，将用户查询与歌曲等内容的语义表示映射到同一向量空间，实现跨语言匹配。检索准确率较此前基于关键词的系统提升 30% 以上，同时保持毫秒级响应延迟。

LMSYS 与 SGLang 团队为 GLM-5.2 NVFP4 推出推理优化，8×B300 单 batch 解码超 500 TPS

LMSYS 与 SGLang 团队针对智谱 GLM-5.2 NVFP4 模型在 Grace Blackwell 硬件上推出多项优化。运行时方面，Spec V2 重叠调度消除 GPU 气泡，端到端 TPS 提升 11%；IndexShare MTP 在 draft 步骤间复用 DSA indexer 的 top-k，长上下文下 draft 步骤成本降低约 1.9 倍。内核方面，TopK-V2 将 TopK 视为选择问题，80K ISL 下平均延迟从 40.7 µs 降至 17.5 µs（2.33× 加速），1M ISL 下从 372.1 µs 降至 36.6 µs（10.17× 加速）。优化后 8×B300 单 batch 解码吞吐超过 500 TPS。

OpenAI 提出管理 AI 投资的五项步骤

OpenAI 提出五项管理 AI 投资的具体步骤，帮助领导者理解使用情况、控制支出并投资于高价值工作。从 GPT-4 到 GPT-5.4，每百万 token 价格下降 97%，GPT-5.6 在 Artificial Analysis Coding Agent Index 中实现更优性能，输出 token 减少 54%，每任务耗时减少 57%。ChatGPT Work 支持更长、多步骤任务，Admin Console 提供按用户、产品和模型的使用分析与支出控制。建议按结果 ROI 评估模型效率，在规模化前治理高级工作流，将 AI 投资作为组合管理，并根据已验证需求匹配容量与支持。

为什么通过 OpenRouter 使用 DeepSeek：16 家供应商的价格与吞吐量差异达 4 倍与 14 倍

DeepSeek 由 16 家供应商提供服务，价格差异约 4 倍，吞吐量从 4 到 57 tokens/秒不等。通过 OpenRouter 统一路由可自动选择最优供应商，避免用户逐一对比价格与速度。当对延迟或成本有特定要求时，直接调用特定供应商可能更合适。

GitHub 复盘：更好的共享工具为何让 Copilot code review 变差

GitHub 将 Copilot code review 迁移到与 Copilot CLI 共享的 grep、glob、view 工具集后，离线评测显示审查成本上升、有效问题检出减少。

Ai2 深入解析海事 AI 智能体 Shippy 的架构与构建经验

Ai2 Skylight 团队发布长文，拆解海事智能体 Shippy 的架构，包括 soul、skills 和 config 三层设计，底层使用 OpenClaw 框架和 Claude Opus 4.6。

Tibo@thsottiaux· 09:57精选AI 评分7575

用户 Tibo 分享了一种通过 CLIProxyAPI 将 Claude Code 后端模型切换为 GPT-5.6 Sol 的方法。只需三步：安装 CLIProxyAPI、连接认证、设置环境变量别名 `claudex`。该别名配置了子智能体模型、始终启用 Effort、最大并发工具调用数等参数。引用推文作者 Theo 补充，若已配置好代理，仅需约 2 条提示词即可完成设置。Tibo 称整个过程约 5 分钟，若被封锁可重置。

GitHub Copilot 代码审查改用共享工具后性能下降，通过重写指令实现 20% 成本降低

GitHub 在 Copilot 代码审查中尝试用 Copilot CLI 的共享代码探索工具（grep、glob、view）替换原有专用工具，结果导致审查成本上升、有效评论数量下降。分析 trace 发现，问题不在工具本身，而在于指令让智能体像通用编程助手一样大范围浏览仓库，而非像审查者一样从 diff 出发进行定向搜索。重写指令后，审查平均成本降低约 20%，同时保持相同审查质量。

LangChain：改进 AI 智能体本质是一个数据挖掘问题

LangChain 通过挖掘智能体运行轨迹（traces）来定位失败模式，并利用这些数据微调评估模型（judge models），其成本低于前沿大语言模型。该方法结合评估（evals）进行性能爬山（hill-climb），以系统化方式提升智能体表现。

Anthropic 市场运营团队用 Claude Cowork 自动化报告与活动构建

Anthropic 市场运营团队的 Ian Chan 和 Annabel Custer 利用 Claude Cowork 将手动工作从多天压缩至数小时。Ian 此前每周花 1—2 天整合营销指标报告，现在通过 Claude Cowork 的定时任务（每周日自动读取上周报告、会议记录、Slack 和数据仓库）生成初始报告，经他审核后由 Claude 扩展细节并产出领导层幻灯片，流程缩至最多 2 小时。Annabel 曾手动在 Salesforce、HubSpot、Swoogo 等平台逐一搭建活动，现由 Claude Cowork 的派遣技能每小时读取请求频道，分发给五个专业技能自动处理最复杂的事件构建。人类验证已成为工作流核心环节。

在 Claude Code 中选择 Claude 模型与努力级别

Claude Code 提供模型（model）和努力级别（effort）两种设置。模型选择决定能力范围，更大模型（如 Claude Fable 5）在基准上优于 Claude Sonnet。努力级别不单是思考时间，还控制读取文件数、验证步骤及多步任务的推进深度。较高努力下 Claude 会自行读取文件、运行测试并复核；较低努力则更倾向请求用户提供上下文。若 Claude 已掌握上下文但仍出错，应换更强大模型；若因跳读文件或未运行测试而出错，则应提高努力级别。

Claude Fable实地指南：发现你的未知

Claude Fable是第一款要求用户主动澄清未知才能获得高质量工作的模型。与Claude Fable协作是一个在实现前后迭代发现未知的过程。通过将问题分解为已知的已知、已知的未知、未知的已知和未知的未知四类，用户可以借助Claude Fable和Claude Code进行盲点检查、头脑风暴、原型设计、实现笔记记录以及答辩解释，从而高效挖掘并解决深藏于代码库和设计与实现中的潜在问题。

Google MaxText 弹性训练：训练中途终止 TPU，数秒内恢复

分布式 AI 训练常因单台机器故障导致整个多节点作业崩溃，需耗时重启。Google 的 JAX 生态通过 Pathways 实现弹性训练，将硬件故障转化为可捕获的 Python 异常，使运行进程存活。测试中，训练中途终止一个 TPU 后，系统自动替换损坏的节点、从 Cloud Storage 恢复最新检查点并原地恢复训练，总停机时间低于 2 分钟，主控制器进程全程无需重启。

Modal 工程博客讲解如何为 serverless GPU 定价

Modal 发布交互式成本模型工具，帮助团队估算 serverless GPU 与预留 GPU 的成本并附定价方法解析。模型用峰值均值比对比两种模式，称预留折扣通常为 2-5x，而推理、训练和 agentic 开发等负载的峰均比常达 5:1 至 10:1，此时 serverless 总成本更低；文中还讨论了需求预测、弹性伸缩和混合策略等模型假设的局限。

借用夜晚：将闲置推理GPU回收用于研究

Runway 开发了名为 deckard 的容量控制器，在生产推理集群与研究集群间动态重分配 GPU。生产流量在北美工作日上午 9 点 ET 达峰，晚 8 点 ET 跌至不足一半。控制器基于预计算的时间窗口（如工作日 8:30–12:30 ET 高峰子窗口）提前扩容和回收，每次集群间转移耗时 20–60 分钟。利用排队论（Erlang‑C、Little's Law）确定目标利用率，避免接近 85% 后的队列发散（90% 利用率下等待时间约为服务时间的 10 倍）。此方案使夜间闲置 GPU 回归研究、白天排队等待缩短。

Agent辅助的SGLang开发：初步探索

SGLang团队将LLM服务、分布式运行时、GPU内核、扩散管道等工作流编码为可执行的SKILL.md文件、脚本、基准合约和审查循环。现有技能包括：SGLang .claude/skills（CUDA调试、内核集成、性能分析等）、SGLang diffusion .claude/skills（扩散模型添加与调优）、BBuf/AI-Infra-Auto-Driven-SKILLS（跨框架SOTA循环）、KDA（MLSys 2026 FlashInfer内核竞赛获胜方案）以及BBuf/KDA-Pilot（已合并三个SGLang集成PR）。Profile证据是性能工作的核心，长期优化转向Loop Engineering——SGLang SOTA Performance Loop将追求SOTA分解为公平基准测试、差距决策、性能分析、补丁和再验证，Humanize/RLCR添加外部审查，Codex Goal以更低协调开销运行相同循环。评审重要性提升，开发者需定义问题、选择证据、设计工作流并判断结果是否可用于生产。

你的编码智能体账单翻倍了？LangChain 教你如何跨 Claude Code、Cursor、Copilot 统一管控支出

编码智能体（如 Claude Code、Cursor、Copilot）的账单容易失控翻倍。LangChain 提供了一套方案，帮助用户在单一平台追踪、比较和治理这些工具的支出，从而控制成本。

LangChain Deep Agents 用递归语言模型（RLM）解决长上下文推理中的“上下文腐烂”问题

Deep Agents 通过动态子智能体和轻量级代码解释器实现递归语言模型（RLM），让智能体以编程方式对大型输入执行 grep、map、reduce 等操作，而非将所有内容塞入单一上下文窗口。在长上下文推理基准 OOLONG 上，该方案在逐轮交互式智能体开始失效的场景中仍能保持稳定表现。

Claude Code 入门：智能体循环

Claude Code 团队将智能体循环定义为 agent 重复工作直到满足停止条件的过程，并划分出四种主要类型：turn-based 循环（用户提示触发，Claude 自行判断完成或需更多上下文）、goal-based 循环（通过 `/goal` 命令设定可验证完成标准与最大轮次）、time-based 循环（通过 `/loop` 按时间间隔重复执行，可用 `/schedule` 移至云端）、以及 proactive 循环（基于事件或计划自动运行，无人实时参与）。文章还介绍了如何编写 SKILL.md 文件将人工验证步骤编码，让 Claude 进行端到端自检，减少 turn-based 循环中的手动操作。

OpenAI 发布 Genebench-Pro 基准测试：10个案例研究详解

OpenAI 推出 GeneBench-Pro 生物医学基准测试，包含 10 个案例研究。每个案例提供原始提示词、数据集和支持材料，覆盖体细胞肿瘤学（结构变异指导的肿瘤治疗获益-风险决策）、功能基因组学（CRISPR 靶点验证：lncRNA 转录本或基因组位点）和统计遗传学（连锁遗传位点中蛋白质药物靶点优先排序）等方向，要求模型输出 JSON 格式分析结果。

Harbor x LangChain：面向智能体评估的统一栈

LangChain 与 Harbor 联合推出面向长时间运行、有状态 AI 智能体的统一评估栈。该方案整合了 Deep Agents 运行器、LangSmith 沙盒与可观测性工具，支持对复杂智能体行为进行端到端测试与调试。

LangChain 提出 Deep Agents 无沙箱运行不可信代码方案：WASM + QuickJS 隔离与快照持久化

LangChain 为 Deep Agents 设计了一种无需完整沙箱即可运行不可信代码的方案，核心采用 WASM 与 QuickJS 实现进程内隔离，并通过最小权限能力模型控制资源访问。该方案还引入基于快照的持久化暂停机制，使智能体可在暂停后恢复执行状态，兼顾安全性与运行效率。

LangChain 撰文解析面向 AI Agent 的 Wiki Memory 模式

LangChain 发文分析一种正在兴起的 wiki memory 模式：用 Agent 把原始数据压缩成持久、结构化、可检查的文件知识层，供后续 Agent 更快理解领域。文章指出其区别于 RAG 的查询时检索，并举例 DeepWiki、Karpathy 的 LLM Wiki 和 Factory 的 AutoWiki，认为文件是最简单可用的长期记忆载体，但不适合短期会话状态或用户偏好。

LangChain 发布智能体评估就绪检查清单

LangChain 发布了一份面向 AI 智能体评估的实用检查清单，涵盖错误分析、数据集构建、评分器设计、离线与在线评估以及生产就绪等环节。该清单旨在帮助开发者系统性地验证智能体在真实场景中的表现，降低部署风险。

LangChain 发布 AI 智能体技能评估最佳实践：用 LangSmith 定义任务、衡量性能并快速迭代

LangChain 提出评估 AI 智能体技能的最佳实践，核心是通过定义具体任务、衡量性能指标来加速迭代。该实践依赖 LangSmith 的可观测性与评估功能，帮助开发者更高效地优化智能体行为。

LangSmith 推出 Pairwise Evaluations 功能，支持 LLM 应用输出对比评估

LangSmith 新增 Pairwise Evaluations（成对评估）功能，允许开发者并排比较两个 LLM 输出（如不同模型或提示词版本），通过人工或自动评分选出更优结果。该功能集成在 LangSmith 评估工作流中，可帮助团队在开发阶段系统性地优化模型响应质量。

Candidly 如何用 LangSmith 构建状态感知的 Agent Harness

Candidly 团队在 LangChain 博客发文，介绍其 AI 财务规划师 Cait 如何用 IO-HMM 从对话轨迹逐轮推断用户参与状态，并将状态接入响应策略实现会话内干预。模型基于轨迹特征以 0.90 AUC 预测对话解决或放弃，恢复出四种参与状态，策略将 Disengaging 状态占比从 23% 降至 11%；文中还展示了该评估作为控制信号的方法如何推广到编码 Agent 等场景。

Tibo@thsottiaux· 11:51AI 评分5555

OpenAI 发布 planttalk 构建指南，让植物拥有声音。 主推文评论：和植物对话不再奇怪，只需 codex 即可。

LangChain 用 Perplexity Agent API 与 LangGraph 构建 90 秒生成可溯源 VC 投资备忘录的 Agent

LangChain 发布 cookbook，展示用 Perplexity Agent API、LangGraph 和 LangSmith 构建一个约 90 秒、约 $0.40 API 成本生成投资备忘录初稿的研究 Agent，每个论断可溯源到一手来源。

Meta 隐私感知基础设施的资产分类：混合模式将 LLM 蒸馏为确定性规则

Meta 在 Privacy-Aware Infrastructure (PAI) 的资产分类中采用混合模式：先构建含代码、血缘、语义标注的上下文证据，再调用 LLM 处理歧义、冷启动和新颖资产；人工审核标签与模型推荐严格隔离。LLM 不直接做生产决策，其稳定行为被蒸馏为版本化确定性规则用于生产执行，LLM 角色随规则积累逐步缩小。核心原则：上下文比提示词更重要、解耦评估与优化、将稳定行为规则化。

LangChain 提出 AI 智能体开发生命周期：构建、测试、部署与监控

LangChain 提出一个四阶段 AI 智能体开发生命周期：构建、测试、部署与监控，帮助工程团队可靠且可重复地交付智能体。该框架涵盖评估（evals）、运行时、可观测性（observability）及规模化治理（governance）等关键环节。

OpenRouter 零数据留存（ZDR）实践：97 款新模型，流量占比近半

OpenRouter 的零数据留存（ZDR）保证用户提示词和模型响应不被存储，元数据一般安全。自 1 月以来新增 97 款支持 ZDR 的模型，月度 token 量增长 4.3 倍，约占全部路由流量一半。ZDR 在三个层面执行：账户级（整个供应商开启）、护栏级（按 API Key 或组织成员限定）、单次请求级（传参数仅路由至 ZDR 端点）。企业用户可灵活选择控制粒度，避免锁定单一供应商。

Anthropic 推出 Claude Tag，构建人机协作团队

Anthropic 推出 Claude Tag，支持多用户与同一 AI 智能体在同一工作空间协作。智能体具备持久记忆、独立于人类的凭证及广泛信息访问权限。经验：工作公开化并给予智能体广泛上下文，通过工作区级安全边界让信息对人和 AI 均可用；为每位成员（含 AI）分配明确角色与相应工具。用户可通过 @Claude 私信进行敏感交互，对话保持私密。该方法已在 Slack 等团队协作工具中实践，旨在使人类与智能体高效协作完成共享目标。

LangChain 发布 AI 智能体记忆构建实用指南：短期记忆、长期记忆与 LangSmith 追踪分析

LangChain 发布了一份关于 AI 智能体记忆构建的实用指南，涵盖短期记忆、长期记忆与追踪分析。指南介绍了如何通过 LangSmith 帮助智能体在多次运行间持续改进，并重点讨论了短期记忆（如对话上下文）与长期记忆（如用户偏好存储）的实现方法。该指南为开发者提供了在 LangChain 框架中集成记忆模块的具体技术路径。

Cohere Labs 用 AI Agent 自动化 vLLM fork 维护并开源 vllm-skills

Cohere Labs 发布一套用 AI coding agent 自动化 fork 维护的闭环方法，把同步上游发布的时间从数周压缩到数天，人类只需审查结果。