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。
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。
NVIDIA 发布教程，讲解在 Jetson 上部署新一代开放推理模型的方法，以 Nemotron 3.5 Lightning 和 Qwen3.8-27B 为例。
推荐理由：官方教程给出模型选型、NVFP4 量化与投机解码配置和实测吞吐数据，可迁移到自己的 Jetson 部署流程。
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。
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。
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。
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。
Google for Startups AI Agents Challenge 评审团队从各赛道头部参赛作品中提炼出 4 种共同工程模式。
推荐理由：从获奖参赛代码中提炼出四个可直接套用的工程模式，涵盖 MCP 双向暴露、事件驱动并发、回退校验和分层路由。
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。
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。
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。
OpenAI 于 7 月 9 日发布 ChatGPT Work，实际包含云端版（Work Cloud）和桌面应用版（Work Local）两个产品，仅向 $20/月及以上订阅用户开放。
推荐理由：作者实测梳理了 Work 与 Chat 的功能差异，列出联网代码执行、无头浏览器等独有能力，读者可据此判断适用场景。
Unsloth AI@UnslothAI精选AI 评分7777
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。
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。
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。
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。
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。
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 风格的后交互检索，并配套完整训练流程。
推荐理由：文章量化了不同起点的领域适应差距，未监督预训练 checkpoint 反超已微调版本，并把长文档截断列为比架构更影响 NDCG 的因素。
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。
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。
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。