AI 教程与实战

Last month I sat watching one of my own agent pipelines grind through a step that a human was...

Run this against your site right now: curl -s https://yoursite.com | grep -o...

Google 新论文 WikiSkill 提出 Agent 技能库应物理拆分为原始轨迹、复盘认知、执行手册三层，强调失败认知需永久保留以产生复利。实验显示 9B 模型配结构化手册可干翻 27B 裸跑，27B 模型加手册在复杂表格任务上从 40% 提升至 81%；而弱者写的保守补丁会把 Gemini Flash 从 50% 拖累至 18%，实战中偷看知识库反而导致手册质量退步。

A Japanese version of this is on Note. (This is Part 2 of the solo-security-dev series. Part 1 on the...

A library gets proven by people using it. A specification is a harder claim to back up: someone else...

If you have spent the last few months building projects with AI coding assistants (Antigravity,...

If you've ever tried to fix accessibility on an old WordPress site, you know the drill: hundreds of...

开发者 Jordy Zomer 在漏洞研究中使用 LLM 智能体时发现，模型会逐渐丢失已确认的结论并产生幻觉。他借鉴程序分析思路，构建了 Lemmalog--一个面向 LLM 的 Datalog 引擎，将模型负责的模糊信息提取与确定性的规则推导分离。当某个观察事实被推翻时，引擎能自动使依赖它的结论失效，无需模型重新推理。

停止构建云端智能体，开始构建本地智能体

SpaceXAI 发布 Grok Bot Guides 库，展示人们如何将 AI 智能体用作真实队友，覆盖移动应用开发、产品管理、设计、企业 GTM 及多智能体团队管理。

SleepSwitch is a macOS menu bar toggle that stops your Mac from sleeping — lid closed included. One...

Trackunit 利用 AI 将建筑设备遥测、维护记录等海量数据转化为可执行的运营决策。其方案整合设备数据与工作流程，帮助建筑企业优化设备利用率、预测维护需求并提升项目效率。通过 AI 驱动的数据分析，Trackunit 将原始数据流转化为管理层可直接采取行动的洞察。

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。

博主@0xlangeai 手把手教你把 Grok Bot 打通成专属 Linux 开发机：其账号背后是一台 8 核 16G、带持久存储的真实 Linux 云主机，固定用户名 box，持久化文件在 /workspace。

我越是拥抱开放且更廉价的模型，就能负担起越多的自动化。 前沿模型负责编排与协调。 开放且更廉价的模型负责执行。这里的 token 使用量正在迅速增长。 这让我比以往任何时候都更能倚重主动型智能体。

创作者在实际项目中究竟如何使用万相3.0--而不只是点击生成？ 我们与来自 @Pixmax_ai 的 Liz Zhang @LizlizJimena 坐下来聊了聊：发布概念片、围绕模型构建完整创意工作流，以及他们的创作者社区下一步计划。 观看完整对话 ↓ 更多 API 接入： • Model Studio： https://click.alibabacloud.com/m/20000002017/ • Qwen Cloud： https://click.qwencloud.…

@SpaceXAI 团队收集了一批不错的 Grok 机器人指南，去看看吧：https://x.ai/bot/guides

Claude Tag 迄今为止最热门的用例--值班。了解我们如何用 Tag 驱动 Anthropic 的值班工作，并自行配置，这样你就不会在凌晨 3 点被一个 Claude 本可解决的告警吵醒。 https://claude.com/blog/ai-ci-cd-on-call

Grok Bot 的意义比表面看起来更大。 它真正改变了我与智能体协作的方式。 最大的变化：我不再过度思考了。 简化的界面给了我以往常规聊天会话所没有的信心。 我认为还有更多独特的体验和 UI 层有待发掘，以提升对 AI 的信任并增强协作。在我看来，Grok Bot 在这方面处于领先地位。 主动式能力也很出色，而且还在不断改进。这是我最期待的一个方向。

线束工程是一种围绕 AI 辅助代码生成构建确定性工具、智能体审查与定期熵检查的实践，防止 AI 代码随时间漂移。该概念源自 Birgitta Boeckeler 在 martinfowler.com 上的文章，包含上下文工程、架构约束与垃圾回收三部分。插件通过 HARNESS.md 维护 AI 知识库，并用验证槽（确定性工具或智能体审查）捕获违规，逐步实现约束的确定性硬化。

说真的，我不知道在智能体AI出现之前我是怎么管理生活的。现在智能体真的为我处理一切事务。从邮件到工作流程，全部搞定。太疯狂了。

作者体验 gpt-5.6-luna 后指出，小型模型在速度与成本上已具竞争力，实测约 100 tps，处理数千封邮件的 API 成本仅几十美分。相比之下，GLM 5.3 也出现在帕累托前沿。作者认为，随着 token 成本下降，面向消费者的 AI 应用将迎来机会，而"快速/廉价/够用"型模型在企业端的"token 喷射"类工作中需求即将爆发。

Anthropic 员工通过 Claude Tag 在 Slack 等聊天工具中标记 @Claude 完成任务，如将 15 条以上的 Slack 线程在 45 分钟内转化为可评审文档，或约 26 分钟内整合分散的客户功能请求并通知对应销售。Anthropic 还分享了十余个用例及提示词，供用户借鉴或调整。

OpenClaw 是 Peter Steinberger 于 2025 年 11 月发起的个人 AI 助手项目，截至 2026 年 8 月已获约 388，000 星标、81，000 fork 和超 80，000 次提交。维护者在访谈中分享了应对海量拉取请求、重构贡献者信任与代码审查、应对供应链风险及平衡智能体能力与安全的经验，并总结了 GitHub 安全开源基金带来的教训。

Cursor 工程师 Lauren Tan 加入五个月，上月合并 1000 个 PR，本月 12 天已近 800 个。她认为 AI 写代码的瓶颈在验证而非生成，通过让 Agent 操作产品、复现 bug，并将失败模式沉淀为 Skill 实现自动合并。她已允许 Agent 自动合并 PR，一晚 20 个 PR 零故障并入 main 分支。

Databricks 提出通过结构化图表提取来增强智能体检索能力，帮助智能体更准确地理解企业文档中的图表数据。该方法将图表内容转化为结构化格式，使检索系统能更高效地定位和引用关键信息，从而提升智能体在复杂业务场景中的回答质量与可靠性。

Databricks 推出 Lakebase Postgres，将 Postgres 兼容性与数据湖架构结合，为行业垂直应用提供统一数据平台。该方案通过智能体 AI 与事务性数据协同，帮助企业构建实时分析、自动化工作流等场景，降低数据孤岛成本并加速 AI 落地。Lakebase 支持标准 SQL 与现有生态工具，可直接迁移至 Databricks 平台。

用户给刚发布的 Apodex 1.1 出了个实战难题：打包 120 万条含真实提权攻击的 Web Server 日志（Zenodo Dataset），要求其识别攻击方式并编写防火墙拦截规则。Apodex 1.1 成功跑通，从分析到写规则一气呵成，完整过程已公开分享。

Qwen Live EP2 精华，两分钟看完。多模态 AI 要投入实际工作，需要具备哪些条件？Qwen 与 Qwen Cloud 团队畅谈能看、能听、能行动的智能体--以及这一切将走向何方。 观看 Qwen Live EP2 完整视频：https://www.youtube.com/watch?v=kyaVsNCfdxw

Anthropic 的每兆瓦收入从 2024 年的负毛利（每 1 美元收入对应 1.94 美元算力成本）扭转为 2026 年 40-50% 的毛利率，并在 2026 年首次实现盈利季度：109 亿美元营收、5.59 亿美元营业利润。

我整理了一套最新且经过验证的 DGX Spark 配置方案，适用于后训练等机器学习实验： - aarch64 架构上配备原生 PyTorch 2.13 的 CUDA 13 - 经 GB10 测试的训练内核 - 隔离的 vLLM 环境 - 以 PyTorch SDPA 作为可靠的注意力基线 https://github.com/dxnlp/dgx-spark-dongxi

GitHub Copilot app 自动化功能可接管 Dependabot 拉取请求的初审，按风险分组、验证 CI 状态并在工作日开始前生成摘要。用户可用自然语言描述任务，选择手动、每小时、每日等触发方式，并决定在云端或本地运行。每次运行记录均被保存，便于回溯审查。

Cerebras 发布博客，解析其如何以最高 750 tokens 每秒的速度服务 GPT-5.6 Sol。正文未提供更多细节。

投机解码通过让一个小模型预先草拟多个候选 token，再由大模型在单次前向传播中并行验证，可将生成速度提升 2-3 倍，且输出在统计上与单独运行大模型完全一致。70B 参数模型每生成一个 token 需从 GPU 内存读取约 140 GB 权重，而生成阶段计算利用率仅 20-40%，投机解码正是利用这部分闲置算力。文章还探讨了草稿来源的四种方式及投机解码失效的场景。

学习 AI 智能体始于理解基础知识，然后动手构建。 我们推出首个交互式 AI 智能体教程，帮助你学习构建智能体技能。

ZHO指出，落后的创作思维、理论和范式已无法适应技术新步伐，反而扼杀了创造力与形成自我视觉语言的可能性。他认为当下AI制作创作与街头摄影同理，但AI带来的革命性影响远不止于此，并附视频链接展开论述。

博主建议按统一内存选Mac跑本地AI，而非看CPU跑分。日常轻量AI选Mac mini M6（16-32G，899美元起），中度本地模型选Mac mini M5 Pro（48-64G。

GitHub 分享了为真实世界秘密扫描场景评估 LLM 的经验教训。评估聚焦于模型在实际任务中的表现，而非仅依赖基准测试分数。文章强调了在部署前进行针对性测试的重要性，以确保模型能有效识别敏感信息并满足生产环境需求。

Eric Zakariasson 分享了让 Grok 机器人运行更持久的 6 个技巧：优先使用事件触发而非定时任务，卡住时及时通知人工介入，能用连接器就少用浏览器操作，技能描述需详略得当，编码任务交给云端智能体或 CLI，并及时清理一次性监控任务。这些方法能减少无效运行、提升效率并降低成本。