教程实践 最新动态

OpenRouter 教程：如何在 CI 中用 LLM eval 门禁拦截 Pull Request

OpenRouter 发布教程，讲解如何用固定的 eval 集在 CI 中门禁 pull request，当通过率低于阈值时脚本以非零退出码阻止合并，做法与单元测试门禁一致。

OpenRouter 发布 Agent 模型成本与质量权衡选型框架

OpenRouter 发布一个三步框架，用于为 Agent 任务选出以最低成本达到质量门槛的模型，而不是按排行榜排名选最高分模型。方法是先按任务设定质量门槛，再用 20 到 50 条自己的示例运行廉价、中档和前沿模型并用统一评分标准计算每质量点成本，最后选出以超过运行间分数波动的余量过线的最便宜模型。

OpenRouter 指南：用置信度阈值实现模型分级升级路由

OpenRouter 发布教程，讲解如何让廉价模型通过结构化输出返回 0 到 1 的置信度字段，低置信度的请求再升级到更强模型。文章强调置信分数只是自报、不是校准概率，应基于自己流量的分数段错误率排序设定阈值，并在上线后监控分数分布、升级率和未升级答案的错误率持续调整。

vLLM 分离式推理（Disaggregated Serving）实用指南

vLLM 官方博客发布分离式推理实用指南，讲解 vLLM v0.30.0 及以上版本中 prefill/decode 分离、无 GPU render 前端及两者组合的原理与运行方法。

OpenRouter 教程：如何测试 AI Agent 的工具调用准确性

OpenRouter 发布教程，讲解如何测试 AI Agent 的工具调用准确性，将失败拆分为工具选择错误和参数错误两类分别测试。

OpenRouter 教程：如何从生产流量构建 golden 评测集并跨模型复测

OpenRouter 发布教程，讲解如何从生产流量构建 golden 评测集，作为每次部署前的回归测试。内容涵盖五步流程（抽样生产流量、去重聚类、添加预期输出、首轮评估修正 rubric、提交 Git 并接入 CI），建议从 20 至 50 条复审样本起步、扩展到 100 至 1,000 条完整回归集，用真实流量而非合成数据保留分布和失败模式。

OpenRouter 教程：提示词或模型变更后如何对 AI Agent 做回归测试

OpenRouter 发布 AI Agent 回归测试教程：每次提示词、模型、工具定义或检索设置变更后，重跑锁定的用例集并对照书面行为契约检查。

Sarvam AI 发布从第一性原理构建 AI 智能体的入门指南

Sarvam AI 发布 25 分钟长的智能体构建指南，核心观点是智能体就是在循环中运行、能调用工具的语言模型，而技能、记忆和领域知识本质上都是在合适时机把合适文本放进上下文窗口。指南围绕在线商店客服智能体 ShopBot 逐步展开，覆盖系统提示词、工具设计、渐进式披露的技能、短期与长期记忆、RAG 检索、智能体拆分原则，并以完整端到端示例、常见错误清单和构建检查表收尾。

Replit 详解 Replit Agent 的模型自主委派 harness 设计与基准结果

Replit 撰文阐述其 harness 设计理念：由主 agent（core loop）自行决定子智能体的档位与 effort，而非用路由器选模型。

OpenRouter 对比 Veo 3.1、Seedance、Kling 与 Grok Imagine Video 的图生视频能力与价格

OpenRouter 发布图生视频模型对比，覆盖 Veo 3.1 系列、Seedance 2.5 与 2.0 系列、Kling v3.0 系列和 Grok Imagine Video，通过同一 video generation API 调用。

Databricks 如何让 12000 名员工在模型发布首日用上新前沿模型

Databricks 分享其让全部员工在模型发布首日即可试用新模型的内部流程，依托 Unity Gateway 做配置分发、治理与可观测性。流程分三步：立即以实验标签开放新模型、用四类按人预算控制成本、再依据内部基准、用户反馈和 OpenTelemetry 成本追踪决定推广或下线。

GitHub 安全团队如何用开源 AI 安全 Agent 找出 24 个 Android 漏洞

GitHub Security Lab 发布开源 seclab-taskflows 任务流，通过 gather_mobile_entry_point_info.yaml 和 classify_application_local.yaml 等提示词引导 LLM 审计 Android 应用，已发现并报告 24 个漏洞。

Anthropic 介绍用 Claude Code 与 claude-api skill 自动化评测设计与 hillclimbing

Anthropic 在 claude-api skill 中新增 /claude-api build-eval 和 /claude-api hillclimb 两个命令，前者在代码库内通过访谈式流程构建评测集并验证 grader，后者以一次一改动、train/test 分离并检测过拟合的方式迭代优化应用。

Claude Opus 5.5 提示词指南：与 Opus 5 的行为差异及迁移模式

Anthropic 官方文档介绍针对 Claude Opus 5.5 的提示词模式，覆盖 effort 校准、无人值守智能体运行、安全拒绝、进度更新、多应用工作流、视觉输入和前端设计等场景。

LangChain 讲解如何用 Jev 和 LangGraph 构建生产级智能体

LangChain 发布教程，讲解如何结合 TypeSafe 新发布的决策模型 Jev 与 LangGraph 构建“prod, not god”的生产系统。

ClaudeDevs@ClaudeDevs· 02:37精选AI 评分6767

Opus 5.5 每输入和输出 token 比 Opus 5 便宜 20%，缓存读取便宜 60%。作者据此计算了在 Claude Code 中完成一个任务的实际成本变化，并发布了计算器，读者可从 /usage 运行自己的测算，详见 https://claude.dev/blog/what-a-task-costs-on-opus-5-5/。

GitHub Copilot app 新手教程：如何用 canvases 构建自定义工作流

GitHub 官方博客发布 GitHub Copilot app 新手教程，介绍用 /create-canvas 技能通过自然语言描述生成可自定义的 canvas 界面。

GitHub 如何通过迁移 CSS Modules 将 SSR 时间降低 55%

GitHub 工程师 Josh Black 复盘将 Primer 设计系统从 CSS-in-JS 迁移到 CSS Modules 的历程。截至 2024 年 12 月 Primer 全部组件迁移完成，服务端渲染时间减少 55%，组件初始化时间减少 25%。

Opus 5.5 上一个任务要花多少钱：Claude Code 成本拆解

Anthropic 工程师 Addy Osmani 拆解 Opus 5.5 在 Claude Code 中完成任务的成本构成：turns、缓存读取、输出 token 和模型选择四个因素决定账单。Opus 5.5 输入输出价格比 Opus 5 降 20%，缓存读取降 60%，官方估算典型任务整体运行成本低 40%；文中还给出 effort 分级、缓存命中率维护、/usage 自查等省钱做法。

Anthropic 员工实测 Claude Code 的 effort 档位如何影响 Fable 5.1 与 Opus 5.5 输出质量

Anthropic 员工 Thariq Shihipar 深入评测了 effort 设置对 Claude Code 中 Fable 5.1 和 Opus 5.5 输出的影响。