跳到正文
北京时间

教程实践

拿来就能用的实操内容:提示词技巧、工作流搭建、工具用法与踩坑经验。

417条精选相关主题AI 编码Agent 智能体产品更新

最新精选

第 41–60 条 · 共 417 条
9月4日周五
  1. Google AI:DEV 作者专属(RSS)71

    Google Cloud 教你用 Cloud Run instances 以每月 $5.70 搭建常驻 Agent

    Shir Meir Lador 在 Google AI 开发者博客介绍如何用 Cloud Run instances 以每月 $5.70(1 vCPU、1Gi 内存、共享 CPU)在云端 24/7 运行常驻 Agent。

    推荐理由:原文给出在 Cloud Run instances 上以每月 $5.70 常驻运行 Agent 的完整部署步骤和适用边界,方法可直接迁移到其他后台 Agent 场景。

9月3日周四
  1. Hugging Face:Blog(RSS)63

    用 TRL 和 OpenEnv 训练编码模型画水彩:Hugging Face 全流程开源复现

    Hugging Face 博客作者基于 Surya Narreddi 的原始想法,用 TRL、OpenEnv 和 Qwen/Qwen3.5-35B-A3B 复现了让语言模型通过 p5.brush 写 JavaScript 画水彩的 RL 训练流程,所有数据集、环境、脚本和模型均开源在 Hub。

    推荐理由:作者用 TRL 和 OpenEnv 完整开源复现了让编码模型画水彩的 RL 配方,含数据池、环境和三组奖励对比,可整体迁移复用。

  2. GitHub Blog62

    GitHub Copilot 如何在不牺牲任务质量的前提下降低 AI 编码成本

    GitHub 工程师 Erik Kristensen 分享了 Copilot 降本的四项改动:选择性压缩工具输出、移除 view 工具行号前缀(线下推理成本降约 5%,线上用户日均推理成本降约 3%)、压缩 task-tool 提示词(每轮省约 1300 token,每活跃小时归一化成本降 2.9%)、后台任务完成后直接交付结果(AI Credits 用量降约 2.3%)。

    推荐理由:GitHub 用四项改动说明压缩 token 为何要看整个任务而非单次调用,并给出可复用的评估方法与踩坑教训。

  3. Claude:Blog(网页)79

    Anthropic 发布 Claude 电商智能体构建指南及参考实现

    Anthropic 发布构建电商智能体的指南,总结架构、延迟与成本优化、生产运维三部分实践,涉及购物和商家两类智能体,企业客户部署后出现购物车变大和卖家运营效率提升。核心建议包括用单个智能体加技能而非子智能体、将 UI 组件做成工具、用提示词缓存实现 90-99% 命中率、在 harness 中强制安全规则,并开源参考实现 anthropics/commerce-agents。

    推荐理由:Anthropic 根据多个企业部署经验总结电商智能体架构、延迟成本优化和生产实践,并附参考实现,可迁移到类似 Agent 项目。

  4. Google AI:DEV 作者专属(RSS)66

    Google AI 团队分享如何为 LLM-as-a-Judge 评测编写可靠的评分标准

    Google AI 团队发布教程,讲解如何为 LLM-as-a-Judge 评测编写可靠的布尔式评分标准,指出模糊提示会导致评估不一致和浪费 token。文中给出四条经验:问题保持原子化且互不重叠、只让评判模型评估客观事实(可用 RFC 2119 术语如 MUST 表述)、只评 prompt 中明确要求的内容、用专家标注的 golden set 校准评判模型直至与人类评分一致。

    推荐理由:作者来自 Google 团队,把写作 LLM-as-a-judge 评分标准的经验整理成四条可迁移规则,附带校准流程,适合自己搭建评测时参考。

9月2日周三
  1. Google AI:DEV 作者专属(RSS)69

    什么是 harness 工程?Google 用 ADK 2.0 与 Antigravity SDK 演示自动修复编码循环

    Google 员工 Shir Meir Lador 介绍 harness 工程,即用确定性组件包裹 LLM,包括编排层、执行沙箱、状态持久化和验证工具,让 Agent 不需逐行人工审查即可安全生成代码。

    推荐理由:原文解释了 harness 工程的构成要素,并给出可运行的沙箱与修复循环示例代码,方法可直接迁移到自己的 Agent 工作流。

  2. Baseten 工程博客(网页)62

    Baseten 解析后训练最佳开源模型并按成本分档推荐

    Baseten 发文解析开源模型后训练的成本驱动因素,指出活跃参数量是 RL 后训练成本的最大来源,总参数和 KV cache 主要限制推理速度,并按成本档位推荐 DeepSeek-V4-Flash、GLM-5.2、Kimi K2.6、Kimi K2.7 Code、Nemotron-3-Super-120B 和 Qwen3 系列。选型建议关注库支持、基准表现和后训练循环成本三方面。

    推荐理由:原文把后训练成本拆解为活跃参数、总参数和 KV cache 三个因素,并按成本档位比较了多款开源模型,方法可直接迁移到选型。

  3. Tessl:产品与工程博客66

    Tessl 设计师总结如何把设计判断教给 AI 智能体

    Tessl 设计师复盘在 agent 软件工厂 Kikimora 中把品牌与设计规则编入 AI 工作流的方法,指出设计系统只提供组件、教不会构图。

    推荐理由:作者给出从 Figma diff 反推设计规则、再以技能和全量扫描落地的可复用路径,可迁移到任何用 agent 生产界面的团队。

8月31日周一
8月29日周六
  1. Unsloth AI77

    Unsloth 发布 GLM-5.3 的动态 GGUF 量化版本,2-bit 模型从 1.51TB 压缩到 239GB(缩小 83%),保留约 81% top-1 准确率,1-bit 则以缩小 85% 达到约 76%。

    引用Z.ai@Zai_org

    GLM-5.3 现已开放权重。 我们最强大的智能体编码与网络防御模型,现已开放下载、运行和定制。 权重:https://huggingface.co/zai-org/GLM-5.3 技术博客:https://z.ai/blog/glm-5.3

    推荐理由:原文给出动态量化的精度与体积数据和不同位宽的硬件需求,读者可据此选择本地运行 GLM-5.3 的方案。

  2. LMSYS:Blog(Chatbot Arena 团队)66

    SGLang 用 SSD Expert Pack 在消费级硬件上运行 DeepSeek-V4-Flash 和 Kimi-K3

    SGLang 将 SSD-LLaMA 的思路引入 MoE 推理,把放不进显存和内存的路由专家放在 NVMe SSD 上,通过 Expert Pack 连续布局、O_DIRECT 直接 I/O 和带预算的 GPU LFU/LRU 缓存,只加载 router 选中的专家。

    推荐理由:原文给出完整的硬件配置、性能数字和复现命令,读者可以据此评估消费级 SSD 路线运行超大 MoE 模型的可行性与代价。

8月28日周五
  1. Google AI:DEV 作者专属(RSS)74

    Gemini 3.5 Transcribe 完整指南:告别 ASR 转录难题

    Google 推出专用于语音转文字的 Gemini 3.5 Transcribe 模型,主打快速、准确且低成本的转录,原生支持说话人分离和词级毫秒时间戳。该模型支持 85+ 种语言自动识别与代码切换,可通过 custom_vocabulary 传入最多 1,000 个领域术语避免专有名词拼写错误,并提供 Smart Transcription 与 Verbatim 两种模式。

    推荐理由:逐字模式保留毫秒级时间戳和说话人分离,智能模式清理填充词但可能改写原文,两者取舍决定字幕同步和会议记录应选不同配置。

  2. Tessl:产品与工程博客64

    Tessl 实测:token 单价便宜不等于智能体任务成本低

    Tessl 在为 Code Review 工具选模型时发现,按费率卡比较 token 单价会得出错误结论:三种更便宜的开源权重模型中有三种在真实 PR 审查中实际花费更高,一个模型每 token 便宜近 3 倍却在同一 PR 上贵 2.8 倍。

    推荐理由:作者用自家代码审查负载的实测数据说明按 token 单价选模型会算错账,并给出可复用的成本度量公式和三项选型检查。

8月27日周四
  1. Claude:Blog(网页)69

    Warp 如何在 Claude 上构建自我改进的智能体

    Warp 在 Claude 平台上构建了基于 Agent Skills 的自我改进循环,通过基础技能与改进技能两个文件型技能,将人类反馈转化为对智能体的持续优化。该模式已应用于其整个开源仓库,覆盖数百名贡献者与数千次代码审查。团队建议以原则而非规则编写技能,并强调低摩擦反馈与改进技能的可复用性。

    推荐理由:把反馈从会话结束后消失的一次性信息改为可合并的技能文件,人类反馈通过 PR 流程被累积复用,比手动重写提示词更能跨任务持续改进。

8月26日周三
  1. 公众号:卡尔的AI沃茨70

    实测飞书和豆包合体后第1个Agent:豆包工作的8个使用技巧

    豆包工作(豆包 Work)是当前企业接入Agent门槛最低的路径,但需用飞书账号登录才能解锁满血功能。实测可用手机远程控制最多7台设备、定时任务、自动读取本地skill、侧边栏直接编辑并同步飞书,且管理员看不到聊天记录。作者认为Work Agent是token消耗倍增器,飞书原生生态是豆包工作相比Claude Cowork、Codex Work的核心优势。

    推荐理由:豆包工作与飞书原生权限和文档协作的深度打通,构成相对海外同类 Agent 的核心差异,用现成企业工具链降低接入和跨部门数据隔离成本。

  2. Tomer Tunguz 博客(VC 分析)61

    AI 智能体应该活多久?

    长期运行的 AI 智能体会因上下文累积而注意力衰减、临时指令残留成永久规则,并带来安全风险。建议给日常助手 24 小时生命周期,午夜重置会话,将具体任务委派给只存活 30 秒的单一用途子智能体,并在重置前将持久偏好存入磁盘。

    推荐理由:文中把解决问题的方式拆成两层,短命协作者处理当日上下文,偏好则离线写盘,让长期记忆不随会话累积而劣化,也收窄了权限暴露窗口。

  3. OpenRouter:Announcements(RSS)68

    如何在编辑器里实时挑选最佳 AI 模型

    OpenRouter 提出一套模型选型框架:先定义任务,从实时用量和第三方基准中筛选候选,再对比各提供商的定价与延迟,最后用自有提示词测试。判断标准是“每完成任务的成本”而非“每 token 成本”。其 MCP 服务器可直接在 Claude Code、Cursor 等编辑器中查询实时排名、价格和基准,并用 openrouter/auto-beta 按请求路由。

    推荐理由:比 token 价格更实际的是成本按完成任务的次数计算,把重试与失败率纳入对比,这让团队评估模型经济学时有了可量化指标。