#教程/实践

vLLM 用双向 KV 传输优化多轮智能体负载的 TTFT

vLLM 通过双向 KV 传输让 decode 节点把已计算的 KV 缓存回传给 prefill 节点，避免多轮对话中重复计算上下文。在 Amazon EC2 P5en 的 1P1D 部署上，该特性将 Qwen3-32B 的 TTFT 降低最多 1.6 倍，zai-org/GLM-5-FP8 降低最多 3.3 倍。

GitHub Copilot 教程：四种方法让 Copilot 了解你的代码库

GitHub Blog 发布 Copilot for Beginners 系列教程，讲解四种让 Copilot 理解项目的方式：通过 .github/copilot-instructions.md 及路径级指令文件定义规范。

Flo Health 如何用 Databricks AI Runtime 构建更安全、更实用的开源模型

Flo Health 借助 Databricks AI Runtime 在无服务器 NVIDIA H100 GPU 上对开源模型做分布式微调，用 26 个 AI 评委（12 个医疗安全、6 个微观行为、8 个实用性）和超 15,000 条隐私优先合成问题构建训练信号，并采用监督微调加 DPO 的强化微调流程。

IBM 解析分布式推理如何支撑大模型服务：llm-d 的六项关键技术

IBM Research 发文解析分布式推理如何为大规模 LLM 服务调度流量，其开源 Kubernetes 原生框架 llm-d 涵盖前缀缓存感知路由、KV-cache 卸载、流控、批推理优化、prefill/decode 分离与宽专家并行六项技术。

Anthropic 自研版本控制系统 Scion，五个月内完成 monorepo 从 git 的全面迁移

Anthropic 发文详解其自研版本控制系统 Scion：因 Claude 使日均合并代码从 2026 年 5 月约 2,500 次增至 9 月超 30,000 次，git 难以承载，团队七人在五个月内构建 Scion 和代码评审工具 Antique 并完成迁移。

如何只用自己拥有的文件约束编码智能体

Tessl 博客文章介绍用四个可拥有的文件杠杆约束编码智能体：CLAUDE.md 指令、.claude/rules/ 路径级规则、.claude/ 下的能力配置和 .claude/hooks/ 钩子。

什么是浏览器指纹识别？原理与局限解析

浏览器指纹识别通过收集 user agent、语言、屏幕尺寸、字体、canvas 与 WebGL 渲染、音频处理等信号，组合后经哈希函数生成紧凑标识，用于在 cookie 被删除后仍能识别回访浏览器。它分为被动式（HTTP 头、IP、TLS 握手）与主动式（JavaScript 采集）两类，常用于追踪用户、防欺诈和检测机器人，但相似浏览器可能撞车、浏览器更新也会改变结果。

SGLang 与 Miles 在 NVIDIA Vera Rubin 上的早期适配：推理内核调优与端到端 RL 训练

RadixArk 的 SGLang & Miles 团队获得两台 NVIDIA Vera Rubin 节点（8 GPU）的早期访问，将 SGLang 用于推理、Miles 用于 RL 训练并首次跑通。

Figma 总结 4 个推动团队级 AI 采用的团队仪式

Figma 博客介绍 4 个推动团队级 AI 采用的做法：Figma 的 AI Collective 五个同伴学习小组，每周 1 小时共 6 周；Sephora 技术高级副总裁 Sneha Narahalli 主持双周论坛。

Claude Code Projects 上手教程发布，Beta 逐步开放给 Pro 和 Max 用户

Claude Code 推出 Projects 功能，目前处于 Beta 阶段并逐步向 Pro 和 Max 计划开放。官方视频介绍项目是一个持续对话，由 Claude 协调工作并将每个任务作为独立线程并行运行，内容涵盖设置项目、引导线程、审查 pull request、创建 artifacts、连接外部服务和安排例行任务，用户可加入 waitlist 获取更早的访问权限。

LangChain 如何用 Managed Deep Agents 打造开箱即用的智能体用户体验

LangChain 在 Managed Deep Agents v0.9 中新增 reactions API，可为 Slack 等渠道的分布式智能体动态分配 emoji 回应，支持字符串或返回 emoji 的可调用对象。该功能可接入 Jev 等决策模型，Jev 最多支持 255 个选项，并可用置信度阈值（低于 0.25 时回退到 👀）控制回应。

Ai2 如何用 GPU 时间预算与分层公平分配改造 GPU 集群调度

Ai2 用 GPU 时间预算、分层公平分配和时间切片契约替换了原有的优先级调度器，把各研究项目该分多少 GPU 时间的争论从逐案运维操作变成透明的预算分配流程。

Baseten 解析高质量 NVFP4 量化：启发式规则、逐层敏感度评分与 SaturationQuant

Baseten 工程博客解析如何实现高质量 NVFP4 4-bit 量化，介绍了启发式规则、孤立层敏感度评分和 SaturationQuant 三种方案。NVFP4 每 16 个值共享一个 block scale，权重可直接计算 scale，激活值则需通过校准数据集统计分布。

智能体代码审查的解剖：Tessl Code Review 如何重构 PR 审查流程

Tessl 发布博客拆解智能体代码审查的完整结构，包括标准、视角、发现、裁决、逐条回应与记忆六个环节。其 Tessl Code Review 内置正确性与数据完整性、安全与隐私、规模与韧性、可维护性与代码质量四个视角，以 skill 形式打包并并行运行，标准以 context 形式存放在仓库中。该工具可免费安装到代码仓库，在下一个 pull request 上运行首个循环。

Snyk 如何将内部支持 Agent 变成面向客户的产品功能

Snyk 将内部支持 Agent 演进为面向所有付费客户的 Snyk Assist，该 Agent 基于 LangChain 和 LangGraph 构建，并在 LangSmith 中管理可观测性。

Databricks Lakebase Postgres 借助 LTAP 架构实现分钟级 TB 级数据加载

Databricks 为 Lakebase Postgres 引入 LTAP 架构，将批量数据加载从主计算节点卸载到 Spark 分布式引擎，内部基准测试显示加载 1 TB 数据现在只需不到 5 分钟。

Databricks 介绍用 Lakebase 数据库分支为编码智能体构建隔离开发工作流

Databricks 博客介绍如何用 Lakebase Postgres 的数据库分支能力支持 Agentic SDLC。Lakebase 可在不到一秒内分支任意大小的数据库，采用 copy-on-write 共享父分支数据、支持 scale-to-zero。

Hugging Face 工程师用 ML Intern 以约 103 美元自制 7 个小模型

Hugging Face 工程师 yuvraj sharma 用 HuggingChat 的 ML Intern 模式在几天内做出 7 个模型，包括可在 CPU 运行、99.7% 有效输出的 0.8B 提示词重写器，以及将柑橘病害识别准确率从 14.9% 提升到 52.8% 的 Qwen3.5-2B 微调模型等，全部计算成本约 103 美元。

如何在单张 RTX 5090 上用 MiniMax H3 生成实时视频

ComfyUI 博客作者用智能体搜集各类优化，把 MiniMax H3 实时视频生成压缩到单张 RTX 5090（32 GB 显存）上运行，生成 30 秒视频耗时 23.51 秒，达 1.28 倍实时吞吐。

NVIDIA KGMON 团队分享 KDD Cup 2026 数据分析智能体的构建经验

NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛获得第二名，并发布构建可靠数据分析智能体的方法复盘。

NVIDIA Dynamo 通过会话级 ID 优化智能体推理：路由、准入控制与 KV 缓存管理

NVIDIA Dynamo 引入统一的会话级标识符 session_id，把请求级推理服务升级为程序感知系统，覆盖会话感知路由、共享 KV 索引与程序化缓存迁移，兼容 vLLM 和 SGLang。

LlamaIndex 详解：为什么 LlamaParse 选择 Markdown 作为文档解析输出格式

LlamaParse 以 Markdown 作为文档解析的默认输出格式，以保留标题层级、阅读顺序和表格结构，并在复杂表格中支持 HTML 表格（colspan、rowspan）与管道表格并存。

LangChain 用 Stripe Link 和 Managed Deep Agents 构建可支付的智能体 Restock

LangChain 发布示例项目 Restock，一个在 Slack 上通过 Managed Deep Agents 运行的办公用品购买智能体，演示智能体如何安全完成支付。

Anthropic 用 Claude Managed Agents 构建定时智能体自动化的实践指南

Anthropic 发布基于 Claude Managed Agents（beta）的每日简报参考实现，按计划读取 Slack 和 GitHub 来源并向 Slack 发布简报。

Tessl 工程博客：AI 不是笨，是瞎——企业级 Agent 记忆的三个关键设计决策

作者基于为跨公司工作的 Agent 构建记忆系统一年的经验指出，AI 失败的常见原因不是模型推理差，而是它看不到关键决策上下文，多数 agent memory 只是给瞎子更大的档案柜。

Tessl 详解如何工程化构建上下文驱动的软件工厂

Tessl 工程博客阐述如何用充足上下文让 Agent 承担需要判断力的软件工程工作，并以 API 迁移为例说明 Agent 如何依据兼容性政策在多种方案间自主选择。

Mastra 提出多用户 Agent 需要细粒度上下文（FGC）的设计方法

Mastra 团队提出细粒度上下文（FGC）概念，用于解决多用户共享会话中 Agent 上下文的权限控制问题，让同一 Agent 按用户权限和会话受众调整可用信息。文中举例说明私有日程详情可能通过工具结果或存储记忆泄露到群聊，并给出在 Mastra 中实现 FGC 的做法：按请求者和受众划定上下文范围、分离私有与共享内存、受众或权限变化时重新检查上下文、以及跨用户和会话场景的测试方法。

OpenRouter 复盘 AI 销售智能体 Rasp 如何为 5 人销售团队每月省下 600 小时

OpenRouter 介绍其基于 Ori 构建的 AI 销售智能体 Rasp，负责入站线索分诊、首触邮件、会前简报、会后笔记和 CRM 更新，为 5 人销售团队每月拿回约 600 小时，交易周期缩短 34%。

Databricks 为云数据仓库成本设置预算与告警

Databricks 在 Data & AI Platform 上推出主动式成本管理方案，通过成本归因、预算、告警、仪表盘和优化五大支柱，让团队在花钱前就设好护栏。

如何将 dbt ETL 管道迁移到 Databricks

Databricks 发布指南，介绍如何通过更换 dbt-databricks 适配器和连接配置，将现有 dbt 转换项目重新指向 Databricks Lakehouse，无需重写 DAG 或业务逻辑。

vLLM 详解 DeepSeek-V4.1-Flash 优化：Agent 场景吞吐提升 5 倍

Inferact 与 vLLM 社区在 DeepSeek-V4.1-Flash 发布三周内完成优化，低并发速度提升 1.9 倍，150 TPS 约束下吞吐提升 5.3 倍。

PromptArmor 解析 WebMCP 的原理与新增安全风险

PromptArmor 发布对 WebMCP 的安全解读。截至 2026 年 10 月 6 日，webmcp.com 注册表收录 2,959 个使用 WebMCP 工具的站点，Chrome、Edge、Brave 及 ChatGPT、Cloudflare、Shopify 已提供支持。

PromptArmor 解析 WebMCP 的机制与主要安全风险

PromptArmor 发布 WebMCP 威胁情报解读，介绍 WebMCP 如何让网站向浏览中的智能体提供工具，并指出治理、提示词注入、Web 安全、误配置和操作漂移等新增风险。

PyTorch 用 FBTriton 内核现代化 TBE 嵌入查表

PyTorch 博客详解了用于推荐系统 Table Batched Embedding（TBE）前向与反向的 FBTriton 内核设计，其 Triton 实现在这些负载上超过了原有 CUDA 内核。

2026 年 6 款最佳 OCR 文档管理软件对比：LlamaParse、ABBYY、Textract 等

LlamaIndex 发布 2026 年 6 款最佳 OCR 文档管理软件对比，涵盖 LlamaParse、ABBYY FineReader、Amazon Textract、Google Cloud Vision、Microsoft Azure OCR 和 Hyperscience。

Tibo@thsottiaux· 00:31AI 评分4141

Auto-review 就是“Approve for me”权限模式。要使用它，打开输入框下方的权限菜单，选择“Approve for me”。

Google 发布 EmbeddingGemma 2：基于 Gemma 4 的开源多模态嵌入模型

Google 发布基于 Gemma 4 的开源嵌入模型 EmbeddingGemma 2，采用 Apache 2.0 许可，将文本、代码、图像、视频和音频映射到统一的 768 维向量空间，参数量从 270M（文本/代码）到 740M（全模态）按需加载。

同一件事，精选收录的是《Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2》

Claude Code 云端会话实战指南：每个任务独占一台 VM，可并行跑任务并以分支收尾

Claude Code 推出云端会话：每个任务在独立 VM 上运行，仓库克隆到新分支，可从 claude.ai/code、手机、Desktop、终端和 Slack 启动并跟踪，完成后产出可转 PR 的分支，Pro、Max、Team、Enterprise 计划不额外收费。

IFCO 如何在 Databricks 上扩展和运维大型 dbt 项目：性能、可见性与调试

IFCO 数据平台团队与 Databricks Forward Deployed Engineering 合作，将核心语义层作业的每日运行时间缩短超过 60%，并停用了昂贵的夜间全量刷新。改造后转换逻辑仍留在 dbt 中，运行在 Databricks 上，通过 Liquid clustering、merge 增量策略和行哈希校验等配置，让每次运行只触碰实际变更的数据。

Claude Code 推出 mods，可自定义其界面、提示词与工具调用

Claude Code 现已支持 mods，即用户编写的函数，可改变 Claude Code 的渲染内容、进入提示词的内容以及工具调用。Anthropic 的 Lydia 展示了三个示例：实时上下文分解、agent 侧边栏和悬停显示邮箱地址，并从零构建了邮箱示例。详情见 https://claude.dev/blog/getting-started-with-claude-code-mods/

同一件事，精选收录的是《Claude Code 推出 mods，可用 TypeScript 函数改写提示词、替换内置功能》