AI 教程与实战

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。

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。

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。

MATS Research、ELLIS Institute Tübingen 与马克斯·普朗克智能系统研究所的团队在 2026 年 8 月测试了 Anthropic、OpenAI 和 Google 提供给客户的加密推理块是否真正保护推理隐私。研究发现这些加密机制存在漏洞，攻击者可能通过特定手段窃取模型的私有推理内容。该研究揭示了当前加密推理方案在隐私保护上的不足。

OpenWiki 利用证据支撑的声明来检测过时知识、减少模型幻觉，并为不断演进的代码库构建自纠错记忆。该方法通过将知识声明与可验证证据关联，使系统能自动识别并修正已失效的信息，从而提升长期记忆的准确性与可靠性。

LangChain 通过三步流程构建合成智能体环境与任务：先生成规格说明，再将规格转化为具体任务，最后用世界规格（world spec）承载共享知识。该方法将环境与任务的创建系统化，为智能体训练与评测提供可复现的基础设施。

如果你的机器人悄悄罢工了，试试这个： 你是一名劳动力检查员。每 15 分钟，查看其他机器人是否有卡住的工作。对卡住的机器人提醒一次。当大家都在正常推进时保持沉默。只有在需要人工介入时才通知我。

面壁智能（OpenBMB）展示 AI 智能体在 MiniCPM-o-4.5 与开源生态支持下，可完成从模型理解、微调到调试部署的复杂工作流。引用案例中，Agent 在 68 分钟内从零微调多模态模型，生成 1000 条质检数据与训练脚本，全程仅需回答 6 轮问题。

阿里云称 Wan2.7 到 Wan3.0 是质的飞跃，具备实用专业价值。@JesusPlazaX 在 Magnific Spaces 中全面测试了 Wan3.0，覆盖角色一致性、文生视频、动作、口型同步、宣传片、3D 动画风格及多语言提示词等场景。Wan3.0 现已上线 Magnific，并提供 Model Studio 和 Qwen Cloud 的 API 访问。

今日早报聚焦 AI 编码后的交付瓶颈：生码仅占研发链路 20-30%，需将构建、测试、日志等环节改造为 Agent 可调用的闭环。Steve Yegge 在约 50-60 个 Agent 的软件工厂中，用 450 条法律式构件建立"围栏"治理系统。吴恩达则拆解 AI 工程六类能力，强调基于评估的开发与数据、运维协同。

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。

OpenRouter 推出统一的异步视频生成 API，通过 POST /api/v1/videos 提交任务、轮询状态并下载 MP4，支持 Seedance、Veo、Wan 等模型，切换模型只需更改 model 标识符。

OpenRouter 数据显示，OpenAI 对 Terra 和 Luna 模型的大幅折扣使日均 token 用量分别飙升 5.6 倍和 13.8 倍，而未降价的 Sol 仅增长 1.1 倍。

一位开发者分享，若回到17岁，会选择从零开始学习构建大型语言模型（LLM）。文章以推特帖子形式呈现，获得426个Hacker News点赞，强调通过亲手搭建理解LLM底层原理的价值。

Databricks 工作区专为数据分析和数据工程而构建，现支持从本地 IDE 直接运行、调试和扩展工作负载。该功能旨在弥合本地开发环境与云端 Databricks 平台之间的差距，让开发者无需切换上下文即可完成编码、测试和部署。

Databricks 利用 AI 加速事件调查流程，将原本耗时数小时的排查工作压缩至分钟级。其内部系统通过大语言模型自动关联日志、指标与代码变更，辅助工程师快速定位根因。该方法已在数千起生产事件中验证，显著缩短了平均修复时间（MTTR）。

如果你17岁（或任何年龄），想学习从零构建大语言模型，请阅读《Deep Learning with Python》第15-16章，在线可读：https://deeplearningwithpython.io/chapters/chapter16_text-generation/ 特别是第15章，包含了你能找到的关于点积注意力为何有效的极佳解释之一。

为了体验 Claude Tag，最近团队协作迁移回了 Slack。一股熟悉的感觉扑面而来。开心。 为了联系一个老友，最近重新安装了飞书。发现豆包已入住飞书太子位。一股莫名的伤感。

Anthropic 市场团队成员 Adam Ward 分享如何用 Claude Code 将每周销售报告转化为每位客户经理的个性化周一简报。他通过 MCP 连接 BigQuery 和 CRM 数据，并依据销售与经理反馈迭代提示词，加入"绝不编造 URL"等九条内容规则。该简报现已推广至所有销售团队，每周一自动发送三条优先行动项及账户相关活动。

OpenAI 推出 ChatGPT Work，将 Codex 改造为面向非工程师的智能体产品，最低订阅档每月 20 美元即可使用，旨在让白领通过 LLM 自主完成多步骤工作。OpenAI 内部 6 月有 98% 员工使用 Codex，但组织订阅者仅 17%、个人订阅者不足 1%。公司正通过简化界面扩大采用，以支撑其巨额训练投入。

Drew Breunig 指出，AI 智能体不睡觉且会尝试一切手段达成目标，Teleport 通过隔离的临时可信运行时实现安全部署。他同时反思，Fable 模型虽性能出色但成本高昂，而 Opus、5.6、K3 及 GLM 已足以胜任多数代码任务，因此需重新规划工作分配。

Google 为 ADK 带来原生实时评估能力，可用模拟用户以音频驱动实时语音智能体、对语音回复打分，并在与文本智能体相同的评估循环中完成。示例采用三个基于 gemini-live-2.5-flash-native-audio 的智能体组成工作流，支持对话场景与固定对话两种测试用例，内置 NOVICE 等用户人设，并以 max_allowed_invocations 限制总轮数。

pgrust 的 JIT 编译器可在约 5μs 内完成代码编译，使其能够对每条 SQL 查询进行 JIT 编译，而非仅限子集。作者表示，借助 AI 辅助直接生成汇编代码，实现快速 JIT 编译比预期容易得多，这也是 pgrust 性能出色的原因之一。文章以构建一个支持字面量和重复（*）的简易正则表达式引擎为例，演示如何实现自己的快速 JIT 编译器。

BestBlogs 精选周刊第 109 期聚焦程序员职业未来，核心判断是编码执行正被工业化，但程序员价值不会自动消失或上移。周刊从工业化、治理前置、组织提效三方面展开，引用 Anthropic、Stripe、METR 等案例与数据，指出新分水岭在于定义问题、转化组织知识、独立验证与结果负责。

本教程演示如何用 deepDoctection 搭建端到端文档智能流水线，涵盖布局分析、DocTR OCR 与表格抽取的配置。同时展示如何为实体识别实现自定义服务，并为 RAG 工作流生成结构化 JSONL 数据。

中国开发者通过"中转站"以官方价格约10%购入Claude token，绕过Anthropic的地理封锁、信用卡检查和生物识别验证。牛津中国政策实验室研究员Zilan Qian的分析显示，这一模块化供应链难以封禁，运营商通过滥用免费额度、模型替换等手段压低价格，并可能利用用户日志数据获利。

吴恩达拆解AI应用工程师6项必备技能，认为最拉开差距的是评估驱动开发而非写Agent或调prompt。大模型输出不可预测，需通过系统性评估结果做对决策，把不可靠组件拼成可靠系统。其他5项是战术，评估是让战术转起来的引擎。

本教程讲解如何用 NeMo Guardrails 框架为基于 LLM 的应用构建生产级安全防护，超越简单提示词过滤，实现分层架构，包括确定性 PII 脱敏、检索过滤、输出掩码和基于策略的工具门控。通过集成有状态多轮评估与详细激活追踪，可构建可审计、安全且经济高效的 AI 助手，用于管理敏感金融交互并满足严格合规标准。

Lee Robinson 分享如何信任 Bot 自主操作：先用 LLM 自动审查每个动作，异常时请求批准；再配可自定义规则允许或拒绝操作，如明确阻止写入/破坏性动作并要求先批准。这是 YOLO 模式与全手动审查间的平衡，但也支持 YOLO 模式。

Anthropic 发布 AI 原生 SDLC 实战手册，提出将传统六阶段软件开发生命周期重构为 AI 嵌入各环节的闭环流程。手册指出，当代码不再是瓶颈时，规划、审查、部署等人速环节成为新约束，需通过 Claude 将需求压缩为 intent.md、以技能编码标准、用持续评测替代阶段门禁，并保留人工对关键代码的审查。

Anthropic 发布面向初创公司的 Claude Code 使用指南，基于对十余家高增长公司的调研，总结出"人人皆可交付、自动化繁琐工作、信任但验证、为重构而构建、原型-自用-产品化"五大规则。

一份面向希望减少技术环境中侵入式 AI 的用户的操作指南，涵盖 Adobe Acrobat、Android/Gemini、Apple Intelligence、Chrome、Edge、Firefox、DuckDuckGo、Google Workspace、Slack、WhatsApp 及 Windows 11/Copilot 等平台。

Anthropic 的 CI 工程师用 Claude Tag 构建了值班智能体，作为 CI/CD 故障的一线响应者。Claude 在事故发生后中位 14 分钟发布首份基于证据的分析，最快案例中 3 分钟内验证修复并确认错误率恢复基线。该方案通过 Slack 频道、Datadog 或 Grafana 工具访问及 GitHub 技能文件实现，Anthropic 已发布通用设置套件供其他团队部署。

OpenAI 在 OpenAI-Hugging Face 事件后反思低估了模型真实网络攻击能力，正通过四大支柱强化自身安全：用 Codex 验证代码漏洞、用智能体优先分流安全告警、持续枚举攻击路径，并仅向可信防御者开放网络能力。文中演示 ChatGPT Work（基于 GPT-5.6 Sol）15 分钟发现个人网站 13 个问题并在一小时内完成修复。