Claude Code团队工程总监Fiona Fung提出，AI时代软件工程瓶颈从“写代码太贵”转移至验证、评审与安全。团队采用JIT规划，先做原型再补文档；遇到重复工作追问“能否自动化”，形成肌肉记忆。代码评审中Claude承担60-70%风格检查与漏洞捕捉，人类聚焦法律、安全与产品判断。角色边界模糊，PM写代码、工程师用Claude起草文案，招聘看重品味与判断力而非代码产出速度。
推荐理由：瓶颈从写代码转移到验证，这判断太准了。更实际的是自动化那些重复三次以上的事，这套逻辑正在Claude Code团队验证，值得每个带团队的人照抄。
本教程详细介绍了如何在 Google Colab 环境中，使用 QLoRA 和 DPO 方法对 LFM2 模型进行微调。内容涵盖了使用 TRL 和 PEFT 库进行监督微调、DPO 对齐以及适配器合并的完整分步编码过程。
vLLM 与 Red Hat、Andrew Ng 的 DeepLearning.AI 联合推出免费课程《Fast & Efficient LLM Inference with vLLM》，约 1.5 小时，含 9 节视频和 3 个 JupyterLab 动手实验。
推荐理由：课程覆盖压缩、部署、基准测试全流程，用可视化讲清 KV cache 和量化原理，并配三个可动手的实验。
ClaudeDevs@ClaudeDevs精选AI 评分7373如何让 Claude Code 在交回工作前检查自己的成果？ 看看如何编码你的手动检查，让 Claude 自己关闭反馈循环：
推荐理由：如果你用Claude Code写代码，这个官方视频值得立刻打开——它教你把手动检查编码进去，让Claude自己形成反馈循环，能省掉大量反复修改的时间。
Anthropic 上周在 Claude Code 中发布动态工作流，Claude 可为任务即时编写定制 harness。工作流通过执行 JavaScript 脚本，用 agent()、parallel() 和 pipeline() 生成并协调各自拥有独立上下文窗口的 subagent，以缓解单上下文中的 agentic laziness、自我偏好偏差和目标漂移。
推荐理由：Anthropic 员工讲解 Claude Code 动态工作流的原理、六种组合模式和适用边界，并给出 token 预算等实用技巧。
360安全龙虾云端版的龙虾教练可通过问答交互（约10轮），将开源项目整合为垂直Agent。以lenny-skills项目（86个产品管理技能）为例，生成了产品经理Agent“张伟”，可理解项目进度、拆解需求，并调用Claude Code和Codex实现AI新闻雷达v0.6版改进（增加AI占比评分、信任打分、事件去重）。另支持对话缓存（5分钟内复用系统提示语和TOOLS）、细粒度权限分级（文件/网络/系统/技能可单独配置本地访问）。
Simon Willison 开发了“粘贴文件编辑器”工具原型，灵感源于 Claude.ai 能将大段粘贴文本自动转为文件附件的功能。该工具支持粘贴文本、直接打开文件（包括图片缩略图显示）以及拖拽文件。它是由 Codex 桌面版协助构建的。
通过从源码构建 NVIDIA Apex 并检测融合内核，对 Transformer 训练中的关键组件进行基准测试。内容涵盖了 NVIDIA Apex 提供的 FusedAdam 优化器与 FusedLayerNorm 层归一化的性能表现，并将其与 PyTorch 原生的混合精度训练工具 torch.amp 进行了对比。文章旨在实践验证这些工具在提升训练速度方面的具体效果。
MiniMax (official)@MiniMax_AIAI 评分5555Make sure to join our live Spaces chat on MiniMax M3 starting in 4 hours. You can pre-submit questions by replying to this tweet.
Rohan Paul@rohanpaul_ai精选AI 评分7575推荐理由：Karpathy的学习方法贴，虽然只是一张图，但可能是你今年最该抄的作业，直接改掉低效学习模式。
Together AI 作为 MiniMax M3 的首选云合作伙伴，介绍了为该模型提供生产级推理服务的工程方案。M3 采用 MiniMax Sparse Attention 块稀疏注意力，使 prefilling 提速超 9x、decoding 提速超 15x，支持 1M token 上下文与原生多模态。
推荐理由：原文由服务方工程团队拆解 MSA 的内核优化与多模态网关预处理方案，给出可参考的长上下文推理工程路径和实测吞吐提升数字。
Google AI Developers@googleaidevs精选AI 评分6868从杂乱到清晰。观看 @Antigravity 中的并行子智能体对数百个营销资产进行分类和重命名，消除手动文件管理。
推荐理由：Google 官方演示的并行子代理整理文件，是 AI agent 在办公自动化里最实用的展示之一，做内容管理和营销的可以看看。
本文介绍了谷歌员工使用 Gemini 模型来制作 2026 年的 Google I/O 开发者大会。
Google Gemini@GeminiApp精选AI 评分7171轻松将自己添加到Gemini的视频创作中。 以下是如何使用Gemini Omni创建一个外观和声音都像你的数字分身。🧵
推荐理由：官方给了个傻瓜教程，看一遍就能在视频里塞进自己的数字分身，做短视频和教学的可以省掉真人出镜的麻烦。
OpenRouter@OpenRouter精选AI 评分7575
OpenRouter 上的 Guardrails 是市场上最强大的：为你的 AI 流量提供集中式安全与治理 预算限制、ZDR、模型与提供商限制、提示注入防御，以及 DLP / 敏感信息检测，分层融入你掌控的规则中！🧵
推荐理由：如果你在跑 agent 并担心成本爆炸，OpenRouter 这个教程手把手教你设预算上限和注入防御，抄完就能上线，别再裸奔了。
针对AI图片和视频中多人场景空间关系控制难的问题，LibTV推出3D导演台功能，在画布中嵌入轻量级3D构图节点。用户可添加人体素模、基础几何体、群众阵列，自由移动、旋转、缩放并调整人物关节姿势。支持在同一3D场景中放置多个机位，预设或手动调整视角，截图作为参考图发送到画布，关联人物并编写提示语，即可生成符合构图的图片或视频。还可利用宫格切分工具拆分九宫格分镜，配合视频合成功能连续成短片。该功能避免了用长提示语描述位置关系，提升创作可控性。
MiniMax (official)@MiniMax_AIAI 评分4747MiniMax M3 might be the most underrated coding model right now. I gave it nothing but a screenshot of a chaotic 90s GeoCities-style fan page, no HTML source, just the image + the asset files, and told it to rebuild the whole thing as a sleek Apple-style 2026 site. One shot. Through OpenCode. The result is genuinely stunning. It kept the soul (the "stevibe's HyperHome" identity, the visitor counter, the guestbook, the webmaster portrait) and translated every section into clean modern design, gradient hero, proper typography, dark theme, the works.
SiliconFlow@SiliconFlowAIAI 评分5757
PixVerse@PixVerse_AI 评分4343It’s actually crazy how few people are talking about how powerful Pixverse C1 is for text-to-VFX.We’re on a completely different level of control and cinematic quality. Here’s a prompt I pushed hard: "FPV shot: Diving through a volcano erupting beneath a thunderstorm. The camera spirals through ash clouds as lava bombs explode around it. Lightning illuminates molten rock and black smoke merging into "WRATH" before the eruption detonates outward. Elemental violence, god-tier VFX." Watch this The camera dynamics, particles, lighting… this is real pro VFX. Are you testing Pixverse C1 right now?
Inferact 团队发布长文，讲解如何在 NVIDIA DGX Spark（GB10，128 GB 统一内存）上用 vLLM 本地部署 Nemotron-3-Super-120B-A12B-NVFP4。
该实现方案创建了一个可执行的智能体治理工作流。智能体不直接执行工具，其每个操作首先经过一个治理层，该层会检查智能体的身份、信任分数、风险等级、请求的工具、动作类型和敏感性等级等，以确保安全。实现以Colab-ready形式提供，参考了微软的Agent Governance Toolkit。
StepFun@StepFun_ai精选AI 评分8080我现在正在一台 dgx spark 上运行 stepfun 新的 step 3.7 flash。 198b 的视觉模型，跑在一台就摆在桌上的机器上。以下是如何帮你省下大约 3 小时抓耳挠腮的加载时间，因为我已经替你抓过了。 官方 README 告诉你需要 stepfun 自己的 llama.cpp fork。你不需要，主线 ggml-org 就能跑得好好的，视觉功能什么的都行，64k。别花一个小时去构建一个 fork，结果发现不用它模型也能加载。 下面这个才是真正会吃掉你一整晚的：模型占了你约 121gb 统一内存池中的 104gb，而 spark 没有 swap。请求的上下文太大，它不会干净地崩溃，而是会静默地颠簸，内核把模型页换出、再从磁盘反复读回，循环往复，而你只能盯着“loading”发呆。 判断的信号是 read_bytes。如果它涨过 104gb 的模型大小还继续涨，同时进程内存钉在 99% 且日志毫无进展，那就是卡死了。杀掉它，它不会自己恢复。 在 q8 kv cache 上加载视觉投影器时，64k 就是 128gb 机器上的上限，超过它就会在 clip loader 里颠簸，模型加上 KV 加上视觉缓冲区全都在争抢你剩下的那约 17gb。 想要完整的 256k 上下文？去掉视觉，换成 q4 kv cache，这样就能装下，121gb 里用 114gb。这就是他们 README 没有明说的取舍：大上下文是真的，只不过得用 q4 cache，而且仅限文本。 而且它是个推理模型。问它点东西，如果你得到空白回复，不是你把它弄坏了，是你把 max_tokens 设得太低，它把整个预算都花在思考上了。答案就在 reasoning_content 里。给它留点空间。 这就是那 3 小时。确切可用的参数和权重在回复里。
推荐理由：把 198B 的视觉模型塞进一台桌面盒子，还跑通了，这本身就是个小里程碑。更关键的是，这篇实战直接帮你绕开了三个大坑，省下的三小时够你喝杯咖啡慢慢试了。
本教程展示如何实现 SkillNet 用例，将其作为一个实用框架，用于发现、安装、检查、评估和组织可重用的 AI 技能，以构建技能增强型 AI 智能体。
作者展示了如何在浏览器中通过 Pyodide 和 Service Worker 运行 Python ASGI 应用。此前的 Datasette Lite 使用 Web Workers，但无法执行 `<script>` 标签中的 JavaScript。新方案由 Claude Opus 4.8 协助完成开发，解决了这一问题。作者已展示了基础的 ASGI FastCGI 演示和运行 Datasette 1.0a31 的演示，并计划后续将此方法应用于升级 Datasette Lite。
推荐理由：Simon Willison 用 Service Worker 让 Python ASGI 在浏览器里真正跑了起来，这个技巧补上了 Datasette Lite 长期缺的 JS 执行能力，搞 Pyodide 的值得看看。
小米 MiMo-V2.5 系列 API 完成永久降价，最高降幅达 99%。其技术基础是公开的推理系统全链路优化方案：针对 Hybrid SWA + MoE + 多模态的复合架构，系统性重构了 KVCache 管理、分级缓存、前缀缓存与调度策略。核心优化包括将 KVCache 存储压缩至约 1/7，线上前缀缓存命中率平均达 93%，TTFT P90 降低 30%，Prefill 性能提升约 40%，Decode 阶段前 128 token 加速比达 2.3×。多模态视频处理端到端延时从 156 秒降至 23 秒。该方案宣称是业内首篇全面覆盖此类复合架构的大规模工程落地方案，模型能力无缩减。
小米公开 MiMo-V2.5 系列模型推理系统全链路优化实践，覆盖 KVCache 管理、分级缓存、SWA 前缀缓存树及调度策略。通过 KVCache 双池与按层异步拉取，将 SWA 存储限制在 O(W) 规模，容量效率提升约 7×。
小米发布 MiMo-V2.5 系列模型（含 MiMo-V2.5、MiMo-V2.5-Pro），采用 Hybrid Sliding Window Attention（Hybrid SWA）架构，KVCache 存储与计算量均降至 Full Attention 的约 1/7。以 MiMo-V2.5-Pro 为例，70 层中仅 10 层为 Full Attention，60 层为 SWA（窗口大小 128）。团队围绕 KVCache 系统重构（双池管理、按层异步拉取、SWA-aware 前缀缓存树）及分布式缓存 GCache 等环节优化，使存储效率提升约 7×，显著降低长上下文推理成本。
Anthropic 正在测试 Claude 的一项新功能，它能基于 11 项行为指标分析用户与 AI 的历史对话，为用户生成“AI 流利度”评分（满分 11 分）。该功能源于其《AI 流利度指数报告》，该研究分析了 9830 段匿名对话，提出了包含“描述”、“委托”和“辨别”维度的 4D 框架。有用户分享自己获得了 7.5 分，报告还会指出弱点并提供优化建议。该功能目前处于灰度测试阶段。
AgentTrove是目前最大的开源智能体交互轨迹集合，包含1.7M行数据，采用ShareGPT风格布局。该Python教程展示了如何在不下载完整数据的情况下流式处理该数据集，具体步骤包括规范化智能体轮次、提取命令、分析轨迹，并将成功的轨迹导出为干净的SFT微调数据集。
Google AI Developers@googleaidevsAI 评分4242Gemini 3.5 flash + Gemini managed agents api just audited a real megatron-lm ci failure inside Eigent. root cause in minutes! watch the handoff: coordinator agent plans the audit, developer agent loads the ml-failure-audit skill and gathers the evidence, then gemini agent steps in as a remote sub-agent for the heavy reasoning. gemini managed agents api and gemini 3.5 flash now live on our open-source cowork Eigent! @googleaidevs @GoogleAIStudio
Google AI Developers@googleaidevsAI 评分6363🚀 The team at @Google just released the Agents API, a service for building and running custom agents inside a sandboxed Linux environment, and we built a template that gives these agents access to LlamaParse / LiteParse, enabling them to process unstructured documents automatically 📄⚡ Here’s how it works: 🔹 Configure a Git repository where data and outputs will be stored 🔹 Clone the repository into the agent sandbox 🔹 Install the LiteParse CLI, the LlamaParse SDK, and agent skills to use both 🔹 Prompt the agent with a task and watch it process documents autonomously 🤖 The result? An agent that can work directly with messy, real-world documents using LlamaParse and LiteParse within Google’s new agent runtime. Check out the GitHub repository: https://github.com/run-llama/antigravity-demo Get started with LlamaParse: https://cloud.llamaindex.ai/signup
AI的兴起带来了大量新术语与行话。文章提供了一份术语表，对其中最重要的一些词汇和短语进行了解释。
Google 使用其开发工具 Google AI Studio，通过氛围编程（vibe coding）方式，创建了一个关于 Google I/O 2026 主要公告的在线测验。
推荐理由：Google 用 AI Studio 自己 vibe code 了个 I/O 测验，是想展示普通人也玩得转，但 quiz 本身信息量不大，想体验 vibe coding 的可以顺手玩玩。
Google AI Developers@googleaidevsAI 评分4343我们很欣赏@wandb团队在Gemini API中使用托管智能体的方式。隐蔽的bug无处遁形。🐛⬇️
The scariest bug from a coding agent isn't the one that crashes. It's the one that runs cleanly, passes tests, and quietly produces wrong results. So we built one on @Antigravity's Gemini Managed Agents API to hunt them. Give it a repo. Get back the bugs that passed review.
Boris Cherny@bchernyAI 评分6262
