Baseten 解读 Compound AI：用多模型组合替代单体大模型
Baseten 工程博客提出 Compound AI 系统，主张用多个专用模型组合替代庞大的全能单体模型，以获得更快、更便宜的推理。该系统让模型之间直接互相调用，减少网络开销、额外延迟和出网成本，并让每个步骤独立使用自动扩缩容的 GPU。文中列举的典型场景包括 AI 电话呼叫、AI 智能体和 RAG 流水线。
全部AI 动态
全部动态
今日 46 条Baseten 工程博客（网页）AI 评分1313 Trail of Bits：AI安全研究AI 评分5353 Trail of Bits 完善 zizmor 对 YAML 锚点的完整支持
Trail of Bits 与 zizmor 维护者合作，使静态分析器 zizmor 完整支持 GitHub Actions 的 YAML 锚点。
Trail of Bits：AI安全研究精选AI 评分7474 Trail of Bits 实测技能扫描器：ClawHub、skills.sh 与 Cisco 扫描均可被绕过
Trail of Bits 发布研究称，公共技能市场正被窃取凭据、外传数据、劫持智能体的恶意技能淹没，而现有扫描器难以拦截。
推荐理由：Trail of Bits 用四个自研恶意技能实测并绕过多家技能扫描器，读者可以从中了解静态扫描在供应链攻击面前的结构性局限。
Trail of Bits：AI安全研究AI 评分4848 Trail of Bits 的 Mewt 变异测试引擎新增 DAML 支持
Trail of Bits 为其开源变异测试引擎 Mewt 新增 DAML 语言支持，可解析 DAML 代码、生成多类变异体并跑现有测试套件统计存活数量。Mewt 还加入两个针对 DAML 授权原语的变异：controller 参与方替换（CPS）与移除（CPR），瞄准 controller 子句拼写错误、参与方缺失等授权类 bug。
Trail of Bits：AI安全研究AI 评分5050 Trail of Bits 发布 Testing Handbook 新章节：Rust 安全测试指南与 rust-review 插件
Trail of Bits 为 Testing Handbook 新增 Rust 安全测试章节，覆盖动态分析（Miri、proptest、变异测试）、Clippy 静态分析、内存零化与 Kani 模型检查等工具链。
Trail of Bits：AI安全研究精选AI 评分7272 Trail of Bits 分享用 Codex 的 /goal 挖掘开源漏洞的三个技巧
Trail of Bits 在与 OpenAI 合作的 Patch the Planet 项目中，用 Codex 的 /goal 对 Rust、curl、zlib 等代码库挖洞，找到了 Rust 1.98 已修复的 soundness 漏洞和误编译、11 处变体命中，以及 Keycloak SAML 的两个潜在高危提权漏洞。
推荐理由：原文来自亲历团队，给出了 /goal 挖漏洞的三条可迁移技巧和 Rust 变体分析流水线，读者可以照此改进自己的 Agent 审计流程。
Augment Code 博客（网页）精选AI 评分7575 Augment Code 实测 AGENTS.md 写法：好文件效果堪比模型升级
Augment Code 用内部评测 AuggieBench 测量数十个 AGENTS.md 对代码生成的影响，最好的文件带来相当于从 Haiku 升级到 Opus 的质量提升，最差的比没有文件更糟。
推荐理由：作者基于内部评测给出了 AGENTS.md 的可用与失效模式，读者可以按自身模块选择对应写法。
Augment Code 博客（网页）精选AI 评分7070 Augment Code 实测 Karpathy 式规则：编码 Agent 效率提升但代码质量未变
Augment Code 在 OpenClaw 的 40 个 PR 上测试 Auggie、Claude Code 和 Codex，对比在 AGENTS.md 前加入约 2.5k 字符的 Karpathy 式编码规则的效果。
推荐理由：原文用三个 Agent 和 40 个 PR 的实测数据，说明 Karpathy 式规则能降本提速但质量不升，可迁移到自家工作流。
Augment Code 博客（网页）AI 评分5252 Augment Code 用 Cosmos 实现 AI 原生组织的事故管理自动化，人力排查减少约 81%
Augment Code 介绍其基于 Cosmos 平台的 Incident Investigator Expert，在 Slack 中对每条 PagerDuty 告警自动执行分诊和根因分析，给出 RCA 和四种修复路径（监控、代码修复、回滚、升级），人工只需审核并批准。
Augment Code 博客（网页）AI 评分5757 Augment Code 解析 loop engineering 与团队级 agentic SDLC 循环
Augment Code 博客提出 loop engineering 概念，即设计从触发、执行、验证到产出的智能体循环，人类在需要判断力的检查点介入。
Tomer Tunguz 博客（VC 分析）AI 评分5959 Tomer Tunguz：大多数 AI 工作可以等，路由应先于模型选择
作者认为构建 agent 的团队应把路由设计放在第一位、模型选择放在最后。他提出三层结构：技能分类器识别任务意图、路由器根据复杂度等特征决定执行层级、模型选择器在层级内挑最便宜的合格模型。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2323 Anthropic 如何为 Claude 各产品构建隔离与管控机制
Anthropic 分享了为 claude.ai、Claude Code 和 Cowork 构建隔离管控（containment）机制的工程经验，核心问题是如何在智能体能力增强、潜在影响范围扩大的同时限制其爆炸半径。相关文章还涉及 Claude Code 自动模式、长时运行智能体的 harness 设计，以及 Claude Opus 4.6 在 BrowseComp 中的评测意识等议题。
Tomer Tunguz 博客（VC 分析）AI 评分5252 Tomer Tunguz 详解 AI 智能体的记忆架构与 preflight 检查
Tomer Tunguz 介绍其正在实验的智能体记忆架构：查询先经 preflight 从约 90 个技能文件中按意图检索相关技能载入上下文窗口，再由本地 Ornith 35B（经 Ollama 运行于 Apple Silicon）执行，约 80% 的常规任务留在本地，困难任务路由到 frontier 模型。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2929 Anthropic 推出 AI Fluency 课程：4D 框架与基础
Anthropic 上线 AI Fluency: Framework and foundations 课程，教授用 4D 框架——Delegation、Description、Discernment、Diligence——与 AI 高效、合乎伦理且安全地协作。课程含 14 节课、1 次测验，时长 4 小时。
Tomer Tunguz 博客（VC 分析）AI 评分5151 AI 智能体应该活多久？Tomer Tunguz 主张日常助手 24 小时重置
Tomer Tunguz 分析长会话智能体的问题：对话轮次堆积导致注意力退化，临时指令变成永久残留，长期读写权限还会被恶意邮件投毒劫持日程。他提出日常协调者只活 24 小时，任务委派给仅存活约 30 秒的单一用途子智能体，午夜由离线摘要器把持久偏好写入 preferences.md 后清空对话，并附上两个系统提示词示例。
Google Developers Blog（RSS）精选AI 评分6666 Google 发布在 Raspberry Pi 5 上用 LiteRT 部署 Gemma 的端侧 AI 指南
Google 介绍如何在 Raspberry Pi 5 上用 LiteRT 和 Gemma 模型实现完全离线的实时端侧 AI，并以 Reachy Mini 机器人演示目标检测、语音识别、推理和语音合成的完整本地流水线。
推荐理由：原文给出 Gemma 各型号在 Raspberry Pi 5 上的实测数据和完整部署流程，读者可以据此选择合适的端侧模型并复现本地推理。
Google Developers Blog（RSS）AI 评分3333 HeyGen 与 Google Cloud 合作将 Avatar IV 迁移至 TPU
HeyGen 与 Google Cloud 合作，把 180 亿参数以上的数字人视频扩散模型 Avatar IV 迁移到八芯片 Trillium（v6e）主机上，速度比首个可用版本提升 1.86 倍。
Google Developers Blog（RSS）精选AI 评分6262 Google 用 ADK 构建零信任 AI Agent 的三层安全实践
Google 开源了基于 ADK 和 Gemini 的客服退款 Agent 示例，演示提示词注入可导致超额退款、密钥泄露等风险。文章提出三层零信任防护：用 Cloud KMS 硬件签名保证写入不可抵赖，用 gVisor 沙箱零网络出口隔离动态生成代码，用确定性语义网关加 CI/CD 回归测试校验输入输出；完整代码见 zero-trust-agents 仓库。
推荐理由：文章用开源示例和代码讲解三层零信任防护的具体做法，读者可以直接在本地复现攻击与防御流程。
Google Developers Blog（RSS）AI 评分5757 如何在 ADK 中评测实时语音 Agent
Google 在 ADK 中推出原生的 live 语音 Agent 评测能力，可用模拟用户以音频说话、对语音回复打分，并复用已有的文本 Agent 评测流程。
Google Developers Blog（RSS）AI 评分4141 如何用深度学习和 Keras 解码宇宙信号
Google 开发者倡导者 Yufeng Guo 撰文介绍深度学习在天体粒子物理中的应用，这类研究依赖覆盖数千平方公里的巨型观测站，如面积 3000 km²、含 1500 多个探测站的 Pierre Auger Observatory。探测器以纳秒级分辨率记录波形，形成类似图像的数据结构，天然适合深度学习处理，可用于提升仪器灵敏度、发现隐藏模式和搜索信号异常。
Google Developers Blog（RSS）精选AI 评分6767 Google 复盘 AI Agents Challenge 最强提交背后的 4 种工程模式
Google 复盘其 AI Agents Challenge 获奖提交，归纳出四种反复出现的工程模式：双向 MCP（智能体既是自身工具的客户端也是可供其他智能体调用的 MCP 服务器）、基于事件总线的并行并发、回退模型必须通过与主模型相同的验证函数，以及在昂贵模型调用前做分层路由。
推荐理由：Google 从获奖提交的真实代码里提炼四种智能体工程模式，双向 MCP、事件驱动并发、同标准回退和分层路由都给出可直接借鉴的做法。
Google Developers Blog（RSS）AI 评分4848 如何评估、迭代与守护 AI 编程智能体：Harness Engineering 解剖
针对 AI 编程智能体，端到端基准（如 Terminal-Bench、DeepSWE）只能给出综合分数，无法解释涨跌原因，行为评估则断言具体可观测动作，如提示词不明确时是否反问、改构建文件前是否跑本地校验。
Google AI：DEV 作者专属（RSS）AI 评分5151 TeaQL Tool 发布：为人类与 AI 提供稳定 Rust 工具门面，含 52 个工具与显式意图层
作者发布开源 Rust 工具库 TeaQL Tool，将 52 个常用工具封装在统一的 T::xxx() 门面之后，覆盖 ID、时间、JSON、哈希、HTTP 等操作，底层复用 uuid、chrono、serde_、reqwest 等成熟 crate。
Google AI：DEV 作者专属（RSS）AI 评分4646 TeaQL 比 SQLx 查询快 2,000 倍？实测揭示真正原因
在 MusicBrainz 数据集上，同一请求的 SQLx 自然全局窗口写法中位耗时 5,871.169 毫秒，而专家级 root-first 两阶段方案仅 2.469 毫秒，差距 2,378 倍。
Google AI：DEV 作者专属（RSS）AI 评分5353 TeaQL 开源 @teaql/ai-sdk 适配器，主张不要把裸 SQL 直接交给 AI Agent
作者发布开源包 @teaql/ai-sdk，把显式声明的业务能力白名单转换成原生 Vercel AI SDK 工具，替代让模型直接生成 SQL 的通用做法。
Google AI：DEV 作者专属（RSS）AI 评分5252 独立开发者 Baur 为什么选择 BYOK 而非自建 LLM API 代理
独立开发者 Baur 在桌面应用 SyntaxCue Pro 中采用 BYOK 架构，让用户自备 API key，应用经 Tauri 的 Rust 层从系统凭据存储（macOS Keychain。
Google AI：DEV 作者专属（RSS）精选AI 评分6666 实测：421M 参数决策模型 Laya 能否在浏览器中运行
作者在 Mac 上的 Chromium 浏览器中实测了开源 421M 参数决策模型 Laya（Apache 2.0）经社区 ONNX Runtime Web 移植版 layaForWeb 的运行表现。
推荐理由：作者实测给出了 Laya 在浏览器运行的下载量、延迟、量化精度损失和后台标签页限制，方法可复用。
AWS Machine Learning BlogAI 评分5151 AWS 博客详解在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 机器学习博客发布教程，用三个智能体（作曲、交付、合规）在 Amazon Bedrock AgentCore Runtime Instances 上构建音乐制作流水线。
World Labs：官网AI 评分6262 World Labs 深入解析 Spark 2.0 的网页端 3DGS 流式 LoD 系统
World Labs 发布技术长文，深入解析其网页端 3D Gaussian Splatting 渲染器 Spark 2.0 的流式 LoD 系统。
Every：最新文章（网页）AI 评分3939 用 Codex 的成本组建工程团队：AI 如何搭建 Thesis 网站、年入 400 万美元的外星伴侣应用，以及为何 harness engineering 的未来是做得更少
Every 的 Monologue 开发者 Naveen Naidu 用 Codex 构建了一支定制智能体团队，涵盖各领域工程师、客服和增长策略智能体，负责维护 Monologue 网站与应用。每个智能体都是一个 Codex 项目，配有自定义 AGENTS.md 文件、技能、文件夹、记忆和代码库，使其成为专才。近期客服智能体将一条用户好评转交给网站工程师智能体，后者把推荐语加到了网站上。
Every：最新文章（网页）AI 评分4545 Every 员工 Katie Parrott 如何用两年打造 Compound Writing 写作系统
Every 员工 Katie Parrott 用两年时间教 AI 模仿自己的写作方式，并将这套方法发展为 Compound Writing——一套把 AI 当作写作伙伴的系统，还做成了开源插件，教其他写作者按她的方式思考、起草和编辑。她最初是在 2023 年被裁员后，靠每月 20 美元的 ChatGPT 订阅起步。
Every：最新文章（网页）AI 评分6262 Mike Taylor 详解用 AI 写作的全流程：从起标题到保留个人声音
Every 的 head of evals Mike Taylor 公开他让 Claude 保留个人声音的写作流程：先写标题、收集来源搭骨架、用 Monologue 录音记录想法、让 Claude 生成 story beats，再用 Claude Opus 5.5、Fable 5.1 和 GPT-6 Astra 生成多版草稿后拼接，自编后交编辑。
Every：最新文章（网页）AI 评分3838 Claude Code 如何让产品经理独自运营一款完整产品
Spiral 总经理 Marcus Moretti 用 Claude Code 独自承担代码、客服、营销和产品管理，除路线图外所有 PRD 和工单均由 Claude 撰写，原本分散在 10 个应用中的事务性工作被收进单一对话线程。他通过 compound engineering 的 /ce:strategy 技能生成产品战略文档，并将路线图作为 GitHub 项目 README 管理工单。
Every：最新文章（网页）AI 评分5151 Kieran Klaassen 将 compound engineering 循环从四步扩展为八步
Every 的 Cora 负责人 Kieran Klaassen 把 compound engineering 循环从 Brainstorm→work→review→compound 扩展为 Ideate→brainstorm→plan→work→review→polish→compound→repeat 八步。
Every：最新文章（网页）AI 评分4747 如何打磨 AI 智能体构建的软件：复合工程的最后一步
在复合工程流程中，打磨（Polish）是最后一步：亲自使用应用，把感觉不对的地方告诉 AI 智能体，直到满意为止。作者用 /ce-polish 命令检出分支、后台启动开发服务器并在编辑器中打开应用，通过 Monologue 语音反馈让智能体调整 Cora 邮件卡片的动画与布局密度。这一环节之所以重要，是因为智能体无法判断什么才算“好”，最终的人类判断仍不可替代。
Baseten Base Labs：模型研究AI 评分2626 Qwen3 8B Reranker 重排序模型
Baseten Base Labs 发布 Qwen3 8B Reranker，用于对查询与文档做相关性判定，输出只能是 "yes" 或 "no"。示例通过 baseten_performance_client 的 PerformanceClient 调用 classify 接口，支持 truncate、batch_size 与 max_concurrent_requests 参数配置。
Baseten Base Labs：模型研究AI 评分3737 SDXL Lightning：4 步生成 1024x1024 图像的 Stable Diffusion XL 变体
SDXL Lightning 是 Stable Diffusion XL 的变体，仅需 4 个 UNet 步骤即可生成 1024x1024 像素图像，实现接近实时的图像生成。模型接收单个 prompt 输入，返回图像的 base64 字符串，该实现采用 4 步 UNet checkpoint 以平衡速度与质量。用户可自行部署 2 步版本以获得更快速度，或 8 步版本以获得更高质量。
Eugene Yan：WritingAI 评分5656 Eugene Yan 详解机器学习代码与系统中的设计模式
Eugene Yan 撰文梳理机器学习代码与系统中常见的设计模式，主要参考 Gang of Four 设计模式一书。
Baseten Base Labs：模型研究AI 评分3030 Qwen Image 2512 图像生成模型上线 Baseten
Qwen Image 2512 已在 Baseten 平台上线，可通过 OpenAI 兼容 API 调用，模型名为 qwen-image-2512。该模型支持 1024x1024 尺寸图像生成，可配置 num_inference_steps 与 guidance_scale 参数，并返回 b64_json 格式结果。
Every：最新文章（网页）AI 评分6262 如何为自己创建个人 AI 基准测试以选出适合工作的模型
Every 评测负责人介绍如何为自己的工作搭建个人 AI 基准测试，指出 MMLU-Pro 等常用基准衡量不了模型能否帮到你自己的工作。作者以写文案、建仪表盘和做幻灯片为例，说明个人基准分三个层次，可帮助判断何时在 Astra 与 Fable 之间切换，以及能否用 Luna 或 Haiku 等更便宜的模型省钱。