Matt Pocock 为 301K 星 Skills 仓库新增 software-factory 设计 Skill

SkyRL 通过四类系统优化，在 B200（约 178 GiB）上把 GLM-5.3-Flash 的单序列训练长度做到 100 万 token，峰值约 144.5 GiB，约为开箱 Megatron 基线的 64 倍。

邵猛用 Coding Agent 十多分钟复刻了大学时 Moto E770 上的第一个游戏「打砖块」，还模拟了手机外壳。他回忆大一攒了一学期才买到这部手机，如今手机早已在搬家中丢失。此前他提到这类小游戏现在 Claude Code / Codex 几分钟就能搞定，并想重做儿时失传的小游戏给儿子看。

ByteByteGo 作者 Samuel Wong 撰文讲解 LLM 应用中两类缓存如何分工并叠加使用：Prompt Caching 复用共享前缀的 KV 计算以降低输入成本，Semantic Caching 复用语义相近问题的整条答案，可完全跳过模型调用。

吴恩达在 DeepLearning.AI 的 Andrew's Letters 中提出，同一项 AI 工程任务在 0 到 1 早期项目和成熟产品里正确做法完全不同，按项目阶段选择打法是最难也最重要的能力之一。

斯坦福 CS 329Z《Engineering AI Agents》第 9 讲给出 Agent 优化方法选型：优化前提是数据、系统和评估指标齐备，一般先做便宜的上下文优化（prompt 与 few-shots），不够用时再改权重。

作者解读 Cloudflare 工程师分享的 AI 代码审查优化：单次成本从 $2.43 降到 $0.77，审查耗时中位数从 4m9s 缩短到 1m32s，代码质量类真实发现基本没少，约 4 成降幅来自工程改动、约 6 成来自换模型和调整推理强度。

邵猛转述 Netflix 资深研究科学家 Cameron Wolfe 在 AI Engineer 大会演讲整理的评测方法论，给出主观任务的可靠评测路线。核心是三步走，人工评测定质量标准、离线 LLM 评审校准后代理人工、线上监控加 A/B 测试，并用功效分析、置信区间、重复采样等统计工具降低噪声，评测集按多样、真实、够难、有区分度、准确五个标准筛选。

作者解读 NVIDIA OpenShell 参考架构，主张 Agent 安全治理应放在 Agent 碰不到的基础设施层。

Shopify 工程团队在 NVIDIA GTC Berlin 2026 演讲中介绍了电商助手 Sidekick 的分工架构：前沿模型负责对话、规划和调用工具，读多写少的 GraphQL 子 Agent 交给自己后训练、自托管的开源模型。

MIT 公开课 6.S950 Agency with AI 更新 Lecture 5: The Harness 讲义（agencyai.mit.edu/w5/），用约 300 行 Python 的教学 Agent Baby Anigans 拆解 Agent = LLM + Harness。